Essays on Health Economics, Health Behaviours, and Labour Outcomes
Notice bibliographique
Résumé
This thesis consists of three chapters that investigate issues related to health economics, health behaviours, and labour outcomes. Using the longitudinal data from the National Population Health Survey (NPHS), Chapter 1 examines the association between minimum wage increases and a wide range of health outcomes and behaviours, such as physical health, mental health, chronic conditions, unmet health need, obesity, insurance, smoking, drinking, food insecurity and fruit and vegetable consumption using Difference-in-Difference (DD) and Difference-in-Difference-in-Difference (DDD) models. There is no evidence that minimum wage increases are associated with most health outcomes and behaviours, including better health. There is an association for low-education females with a higher probability of reporting overall fair or poor health, and excess drinking but a lower probability of work absences due to illness and being physically inactive. For low-education men, there is an association with improved mental health and less drinking and smoking. Broadly there is more evidence that minimum wage increases lead to healthier behaviours than evidence of an actual improvement in health, perhaps because of lags effects that are not captured in this analysis. Chapter 2 links the survey data from 2015-16 Canadian Community Health Survey (CCHS) to job characteristics from O*Net to explore the role of job characteristics in explaining the positive association between drinking alcohol and income, which is commonly found in the literature. The study finds that controlling for job characteristics reduces “income return to drinking” substantially (by between one fifth and one half, depending on gender and the measure of alcohol consumption). Last, using data from the Ontario sample of the 2020 CCHS, Chapter 3 estimates the marginal effects of an index of social capital (at the individual or aggregated level) on changes in intentions to get vaccinated. Results show that individual-level social capital is associated with a greater willingness to get vaccinated against Covid-19 at all ages, while aggregate-level social capital is associated with higher vaccination willingness only among older adults.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».