MétaCan
Menu
Retour à la cohorte
Enregistrement W4312197051 · doi:10.3386/w30790

The Insurance Implications of Government Student Loan Repayment Schemes

2022· report· en· W4312197051 sur OpenAlexafffundabout
Martin Gervais, Qian Liu, Lance Lochner

Notice bibliographique

RevueNational Bureau of Economic Research · 2022
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensBrock UniversityMcMaster UniversityStatistics CanadaWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMcMaster University
Mots-clésStudent loanGovernment (linguistics)BusinessLoanActuarial scienceFinance

Résumé

récupéré en direct d'OpenAlex

We use new administrative data that links detailed information on Canadian student loan recipients with their repayment and income histories from the Canada Student Loans Program (CSLP), income tax filings, and post-secondary schooling records to measure the extent to which student borrowers adjust loan repayments to insure against income variation.Several mechanisms are available for students to adjust loan repayments in response to income fluctuations: formal, like CSLP's Repayment Assistance Plan; and informal, such as delinquency or default.Borrowers can also make larger payments than required should they experience unexpectedly high income.Indeed, loan payments are shown to increase in income, more so in early years and for individuals with higher initial debt.More formally, we estimate that on average, an unexpected $1,000 change in year-over-year income is associated with a $30 change in loan payment: from a $50 change the year after graduation, declining to a $20 change 5 years after graduation.Loan repayments are also used to absorb income variation that is more permanent in nature: for borrowers whose income is consistently below or above expected income at graduation, the magnitude of average repayment adjustment is similar to the average yearly response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,211
Tête enseignante GPT0,469
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207