MétaCan
Menu
Retour à la cohorte
Enregistrement W2890329397 · doi:10.3386/w19220

Public Health Insurance, Labor Supply, and Employment Lock

2013· preprint· en· W2890329397 sur OpenAlexaff
Craig Garthwaite, Tal Gross, Matthew Notowidigdo

Notice bibliographique

RevueNational Bureau of Economic Research · 2013
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesBooth School of Business, University of ChicagoUniversity of Chicago
Mots-clésHealth insuranceBusinessPublic healthDemographic economicsPublic health insuranceJob lossIncome protection insuranceLabour economicsSelf-insuranceHealth careActuarial scienceEnvironmental healthEconomicsUnemploymentEconomic growthMedicine

Résumé

récupéré en direct d'OpenAlex

We study the effect of public health insurance eligibility on labor supply by exploiting the largest public health insurance disenrollment in the history of the United States.In 2005, approximately 170,000 Tennessee residents abruptly lost public health insurance coverage.Using both across-and within-state variation in exposure to the disenrollment, we estimate large increases in labor supply, primarily along the extensive margin.The increased employment is concentrated among individuals working at least 20 hours per week and receiving private, employer-provided health insurance.We explore the dynamic effects of the disenrollment and find an immediate increase in job search behavior and a steady rise in both employment and health insurance coverage following the disenrollment.Our results suggest a significant degree of "employment lock" -workers employed primarily in order to secure private health insurance coverage.The results also suggest that the Affordable Care Act -which similarly affects adults not traditionally eligible for public health insurance -may cause large reductions in the labor supply of low-income adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,517
Tête enseignante GPT0,485
Écart entre enseignants0,032 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetHealthcare Policy and ManagementTravaux en français237 207