MétaCan
Menu
Retour à la cohorte
Enregistrement W3036445944 · doi:10.5430/rwe.v11n3p36

The Impact of New Rural Cooperative Insurance on Migrant Workers' Consumption: Empirical Analysis Based on China Migrants Dynamic Survey

2020· article· en· W3036445944 sur OpenAlexvenueno aff
Juanjuan Huang, Jinhong Jiang, Qishui Chi

Notice bibliographique

RevueResearch in World Economy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesShantou University
Mots-clésConsumption (sociology)Propensity score matchingMigrant workersPer capitaChinaDemographic economicsMedical insuranceBusinessPer capita incomeSocioeconomicsMatching (statistics)CommissionEconomicsEconomic growthEnvironmental healthActuarial scienceGeographyDemographyPopulationMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Based on the data from the National Health Commission of China, this paper analyzes the impact of the new rural cooperative medical insurance on the household consumption of migrant workers by using the ordinary least squares method and the propensity score matching method. The study found that the average annual per capita consumption of participating migrant workers decreased by 3.5%, and the influence of NCMS on the consumption of different groups of migrant workers was significantly different, among which, the negative impact of consumption of low-income group, young group and group with high degree of urban integration is significant. Based on the analysis of the consumption mechanism of NCMS and the heterogeneity of migrant workers, this paper puts forward some differentiated insurance policy suggestions.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,046
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,184
Tête enseignante GPT0,416
Écart entre enseignants0,232 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetHealthcare Systems and ReformsTravaux en français237 207