MétaCan
Menu
Retour à la cohorte
Enregistrement W2751601944

Working Paper 243 - Selling crops early to pay for school: A large-scale natural experiment in Malawi

2016· preprint· en· W2751601944 sur OpenAlexaboutno aff
Dillon Brian

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural experimentPovertyMarket liquidityQuarter (Canadian coin)EconomicsDifference in differencesVolatility (finance)Agricultural economicsDemographic economicsGeographyEconomic growthFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper we use a natural experiment from Malawi to test the hypothesis that short - term expenditure needs force poor households to sell crops early, when output prices are well below their peak. The experiment comes from a change in the timing of the primary school calendar. In 2010, the school year began in September, three months earlier than in 2009. Although there is no primary school tuition in Malawi, households still incur substantial out -of-pocket school costs. We use difference – in - difference and triple difference specifications to show that the cumulative value of household- level crop sales made before September was significantly higher in 2010 than in 2009. This effect is limited to households with school-aged children, is increasing in the number of school-aged children, and is only present for households in poverty for whom the opportunity cost of liquidity is higher. Because crop prices rise substantially over the last quarter of the calendar year, back - of-the-envelope estimates indicate that poor households paid a per - child penalty of 366 - 1221 Malawi kwacha (2.5-8.5 USD) to finance school expenses three months earlier in 2010 than in 2009. More broadly, these findings highlight the high cost of liquidity for poor households, and provide empirical support for the concern that intra - annual price volatility exacerbates the negative impacts of liquidity constraints.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,308
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetMicrofinance and Financial InclusionTravaux en français237 207