Notice bibliographique
Résumé
The dissertation covers two topics.The first in two essays explore the causal negative effect of professional sporting events on a hosting city.The Last essay tries to estimate the causal effect of smoking cessation on health outcome.In the first essay, I examine the impact of Major League Baseball (MLB) games on crime in a host city using the Washington Nationals case, which moved from Montreal, Canada to Washington DC in 2005, as a natural experiment.To address endogeneity concerns, I apply a synthetic control method with using 21 large cities which host an MLB team as a "donor pool" and employs a triple difference-indifference approach to estimate the change in crime before and after the Nationals coming, between MLB season and off-season, and Washington DC and the synthetic Washington.With monthly crime data from the Uniform Crime Report, only assaults increased by 7 to 7.5% annually after the Nationals moved to DC; other crimes were unchanged.This result is supported by statistical significance and in-space placebo tests, and several alternative specifications in robustness check.Little to no evidence of a causal relationship between MLB games and other types of crime.The second essay, jointly with Dr. Brad Humphreys, looked at the relationship between MLB games and traffic congestion.No empirical evidence currently exists linking sporting events to local traffic conditions.This chapter analyzes urban mobility data from 25 US metropolitan areas with MLB teams over the period 1990 to 2014 to assess the relationship between local traffic and MLB games.Instrumental variable regression results indicate MLB attendance causes increases in local vehicle-miles traveled.At the sample average attendance of 2.8 million, average daily vehicle-miles traveled increases by about 0.5% or 1.5% on a game day in cities with MLB teams.Traffic congestion increases by 2%, suggesting that MLB games generate congestion externalities.The last essay explores the causal effect of smoking cessation on health outcome.While negative impacts of smoking on health are well-known, assessing the effect of smoking cessation on health is difficult due to self-selection problems.I address this self-selection using propensity score matching.Using a rich longitudinal data set from the British Household Panel Survey, this chapter finds 5 to 6 percentage point (8%) increases in the probability of an individual reporting good health status among quitters compared to inconsistent smokers.Respiratory problems decline by 30% from the average.The estimated effect of quitting on health diminishes with the number of cigarettes smoked before quitting and smoking tenure..
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,005 |
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 ».