The Importance of Financial Resources for Student Loan Repayment
Notice bibliographique
Résumé
Government student loan programs must balance the need to enforce repayment among borrowers who can afford to make their payments with some form of forgiveness or repayment assistance for those who cannot. Using unique survey and administrative data from the Canada Student Loan Program, we show that nearly all recent borrowers with annual incomes above $40,000 make their standard loan payments while repayment problems are common among borrowers earning less than $20,000. Still, over half of all low-income borrowers manage to make timely payments. We demonstrate that other financial resources in the form of savings and family support are key to understanding this - repayment problems are rare among low-earners with access to savings and family support. This has important policy implications, in part, because many recent proposals have advocated for a move to an income-based repayment system. Under such a system, many low-income borrowers in good-standing (due primarily to savings and family support) would pay less, while little new revenue would likely be generated from inducing payment among those that are currently delinquent or in default since their income levels are so low. Specifically, we show that expanding Canada's income-based Repayment Assistance Plan to automatically cover all borrowers could reduce revenue by nearly one-half over the first few years of repayment. Although a sizeable group of recent borrowers would benefit from improved repayment assistance, our results suggest caution before broadly expanding assistance to all low-income borrowers, many of whom already benefit from informal insurance provided by savings and their families.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».