The impact of education on mortality in Canada: a micro-econometric analysis using census data
Notice bibliographique
Résumé
Plusieurs études ont examiné si l'éducation a un impact causal sur la santé, avec certains qui trouvent un effet positif et d'autres aucun effet. L'évidence sur le rapport entre l'éducation et la santé dans le contexte canadien est cependant rare. Les deux premiers chapitres dans cette thèse adressent ce manque d'évidence en présentant des analyses économétriques de l'effet de l'éducation sur la santé utilisant des données de recensement canadiennes.En utilisant les changements apportés aux lois sur scolarité obligatoire au Canada comme instruments pour l'éducation, les résultats en Chapitre 1 indiquent que l'éducation a un impact causal sur la mortalité (un indicateur robuste de santé). L'accroissement de l'éducation d'une année réduit le taux de mortalité adulte de cinq ans de 2,0% à 3,5%. Ces résultats laissent penser que les méthodes traditionnelles d'évaluation des bénéfices de l'éducation pourraient en fait sous-estimer sa véritable importance.En Chapitre 2, l'instrument utilisé pour l'éducation est l'acceptabilité potentielle pour l'aide financière à l'éducation universitaire sous la Loi sur la Réadaptation des Anciens Combattants. Puisque la Loi a affecté un grand nombre d'hommes anglophones nés en Ontario et extrêmement peu d'hommes francophones nés au Québec, ce dernier est employé en tant que groupe de comparaison pour les cohortes des hommes nés en Ontario ayant l'âge d'aller à l'université à la fin de la deuxième guerre mondiale. Utilisant les données publics de recensement canadien pour le Québec et l'Ontario, les résultats de l'analyse principale en Chapitre 2 souffrent de erreur-type due à l'erreur de mesure dans la variable dépendente et une échantillon qui est trop-petite. Une analyse alternative utilisant des données administratives sur des taux de mortalité donne des résultats suggérant qu'une année additionnelle de l'éducation (tertiaire) réduise le taux de mortalité de cinq ans de 1,9%.Inspiré par le problème d'erreur de mesure découvert en Chapitre 2, le Chapitre 3 est une recherche empirique sur l'impact des erreurs de mesure sur des résultats d'évaluation. La contribution principale de ce chapitre se rapporte aux implications pour l'inférence statistique des erreurs de mesure aléatoire et non-aléatoires dans la variable dépendente, basée sur des résultats de simulation Monte Carlo.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».