The Role of Per Capita GDP in Intergenerational Mobility in Education: A Cross-Country Study
Notice bibliographique
Résumé
This study investigates the mechanism of how per capita GDP impacts intergenerational mobility in education. We propose an analytic framework in which per capita GDP affects educational mobility through government spending on education and other channels. Following this framework, this study conducts five-round estimations to examine the connections among per capita GDP, educational mobility, and government expenditure on education, using multiple data sources. The estimations demonstrate the following findings: (1) There is a positive non-linear relationship between per capita GDP and educational mobility, with higher disparities in less developed countries. This suggests that other factors, such as social arrangements, mediate the relationship. (2) Government expenditure on education is positively associated with intergenerational mobility in education. However, the effectiveness of government expenditure on education varies, particularly in developing countries. (3) The Granger causality test indicates a relationship between per capita GDP and Government expenditure on education for a short term (2-7 years), although a bidirectional relationship emerges between these variables in the longer term of 8-12 years. Government expenditure on education is more responsive to per capita GDP in developed countries than in less developed countries. (4) Through 2SLS estimations, two paths from per capita GDP to educational mobility are identified: One through increased average schooling and another through direct policy interventions. These paths highlight the importance of both economic development and targeted educational policies in enhancing educational mobility. In addition, the study suggests that higher educational mobility can lead to economic growth, though identifying the precise causal mechanisms remains challenging.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».