MétaCan
Menu
Retour à la cohorte
Enregistrement W2910895471 · doi:10.1007/s13209-019-0201-0

The effect of education on health: evidence from national compulsory schooling reforms

2019· article· en· W2910895471 sur OpenAlexaff
Raquel Fonseca, Pierre‐Carl Michaud, Yuhui Zheng

Notice bibliographique

RevueSERIEs · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational and Educational Inequality Studies
Établissements canadiensHEC MontréalCenter for Interuniversity Research and Analysis on OrganizationsUniversité du Québec à Montréal
Organismes subventionnairesNational Institute on Aging
Mots-clésEndogeneityProbitProbit modelMultivariate probit modelOrdered probitEconomicsDemographic economicsCompulsory educationEconometricsEconomic growth

Résumé

récupéré en direct d'OpenAlex

This paper sheds light on the causal relationship between education and health outcomes. We combine three surveys (SHARE, HRS and ELSA) that include nationally representative samples of people aged 50 and over from fourteen OECD countries. We use variation in the timing of educational reforms across these countries as an instrument for education. Using IV-probit models, we find causal evidence that more years of education lead to better health. One additional year of schooling is associated with 6.85 percentage points (pp) reduction in reporting poor health and 3.8 pp and 4.6 pp reduction in having self-reported difficulties with activities of daily living (ADLs) and instrumental ADLs, respectively. The marginal effect of education on the probability of having a chronic illness is a 4.4 pp reduction. This ranges from a reduction of 3.4 pp for heart disease to a 7 pp reduction for arthritis. The effects are larger than those from a probit model that does not control for the endogeneity of education. However, we do not find conclusive evidence that education reduces the risk of cancer, stroke and psychiatric illness.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,398
Écart entre enseignants0,347 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSERIEsMême sujetIntergenerational and Educational Inequality StudiesTravaux en français237 207