The Evolution of the US Family Income-Schooling Relationship and Educational Selectivity
Notice bibliographique
Résumé
We estimate a dynamic model of schooling on two cohorts of the NLSY and find that, contrary to conventional wisdom, the effects of real (as opposed to relative) family income on education have practically vanished between the early 1980's and the early 2000's. After conditioning on a cognitive ability measure (AFQT), family background variables and unobserved heterogeneity (allowed to be correlated with observed characteristics), income effects vary substantially with age and have lost between 30% and 80% of their importance on age-specific grade progression probabilities. After conditioning on observed and unobserved characteristics, a $300,000 differential in family income generated more than 2 years of education in the early 1980's, but only one year in the early 2000's. Put differently, a $70,000 differential raised college participation by 10 percentage points in the early 1980's. In the early 2000's, a $330,000 income differential had the same impact. The effects of AFQT scores have lost about 50% of their magnitude but did not vanish. Over the same period, the relative importance of unobserved heterogeneity has expanded significantly, thereby pointing toward the emergence of a new form of educational selectivity reserving an increasing role to noncognitive abilities and/or preferences and a lesser role to cognitive ability and family income.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».