The Effect of Education on Crime: Evidence from Prison Inmates, Arrests, and Self-Reports
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We estimate the effect of high school graduation on participation in criminal activity accounting for endogeneity of schooling. We begin by analyzing the effect of high school graduation on incarceration using Census data. Instrumental variable estimates using changes in state compulsory attendance laws as an instrument for high school graduation uncover a significant reduction in incarceration for both blacks and whites. When estimating the impact of high school graduation only, OLS and IV estimators estimate different weighted sums of the impact of each schooling progression on the probability of incarceration. We clarify the relationship between OLS and IV estimates and show that the "weights" placed on the impact of each schooling progression can explain differences in the estimates. Overall, the estimates suggest that completing high school reduces the probability of incarceration by about .76 percentage points for whites and 3.4 percentage points for blacks. We corroborate these findings using FBI data on arrests that distinguish among different types of crimes. The biggest impacts of graduation are associated with murder, assault, and motor vehicle theft. We also examine the effect of drop out on self-reported crime in the NLSY and find that our estimates for imprisonment and arrest are caused by changes in criminal behavior and not educational differences in the probability of arrest or incarceration conditional on crime. We estimate that the externality of education is about 14-26% of the private return to schooling, suggesting that a significant part of the social return to education comes in the form of externalities from crime reduction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle