Understanding adolescent economic behavior: A novel empirical approach using genetic data
Notice bibliographique
Résumé
This thesis has two main foci. First, it seeks to outline how recent findings from the genetics and neuroscience literature can enrich both the empirical and theoretical understanding of economic behavior. Second, it presents models of health/education investment in teens as well as a special case of the Becker-Murphy model of smoking that treats adolescence separately. To address the hypotheses generated by these models, a unique and rich longitudinal dataset of 1000 high school students that includes detailed information on smoking and genetic markers is analyzed. Two staged least squares models that use genetic markers as instruments are used to infer causality from health to academic achievement. The main findings from this thesis are: (1) Genetic markers possess good statistical properties as instrumental variables that can yield rich insights when included in estimation. (2) The impact of health status on educational outcomes varies greatly by gender. This difference becomes more striking once endogeneity of health outcomes is accounted for. (3) Co-morbid health conditions complicate results and present an additional hurdle for empirical researchers. (4) Among boys with ADHD and girls who are diagnosed as obese, cigarette smoking is correlated with higher GPA, although low sample size may bias those results. (5) Models of addiction do not take into account changes in the adolescent brain that can impact addictive behavior. (6) Though data limitations make it impossible to empirically test the predictions of the smoking model, future data sets should allow for such analysis.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».