Essays on Industrial Organization and Health Economics
Notice bibliographique
Résumé
This thesis is composed of three essays and provides empirical contributions to the Industrial Organization literature, especially in the field of transportation and health economics. It aims to understand different issues related to economics by applying various empirical methods.\t\nThe first essay (chapter 2) examines firm exit in Canadian markets, specifically the grain elevator market. There is a long line of previous literature that finds capacity, vintage, multi-plant ownership affect exit. In this paper, a choice model is used to examine a firm’s decision to shut down a grain elevator in terms of these variables, but also develops measures of spatial competition, local economic conditions and linkages to the transportation markets. In all cases, these variables are statistically important and point to results that reinforce previous studies, but also direct to new explanations on the determinants of plant exit.\n\t\nThe second essay (chapter 3) examines the effects of marijuana legislation change on the agricultural labor market. The paper uses differences-in-differences with a synthetic control methodology to identify the effects of labor market outcomes from marijuana legalization. This method aims to avoid substantial labor market spillovers in neighboring states and to construct a decent parallel trend for the pre-treatment time period with pretty varied agricultural markets in the U.S. The results show that cannabis legalization is associated with an increase in overall employments that people are flushing into the industry, but no increase in per-employee wages in both the retailer and agricultural labor market. \n \nThe third essay (chapter 4) looks into the accuracy of firms' prediction errors in the context of Medicare Advantage, where insurers receive subsidies from the government and compete to provide health insurance to seniors. The results show that on average firms overestimate future costs. Overestimation in forecast error decreases with the experience of the firm. Firms in more competitive markets (as measured by the number of other firms present) form more accurate estimates. Firms with higher costs than expected generally offer plans that feature greater patient cost sharing (i.e. higher deductibles and copays).\n\t\nThis dissertation includes both previously published/unpublished and co-authored material.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».