Essays on Policy Issues in Non-Pro t Markets
Notice bibliographique
Résumé
This dissertation focuses on policy issues in non-profit markets using tools from the industrial organization and labour literatures. The first essay investigates the impact of hospital closures and mergers. We use data on a large wave of directed hospital mergers and closures in the province of Ontario, Canada to investigate the impact of hospital reorganization on patient welfare. We estimate a model of patient hospital choice on data collected before the reorganization, finding that both distance and hospital quality are determinants of choice. The model is then used to understand the short-run and long-run welfare impact of reorganization. Results suggest that cost savings and efficiency are not the only factors to consider when restructuring in settings where patients do not pay for services. Hospital access and quality must be considered. The second essay investigates the market for senior management in the U.S. charities sector. Using charity-level data from 990 Forms filed for the U.S. Internal Revenue Service, we document two new stylized facts not previously documented in the literature. First, we find that female managers are more likely to receive compensation than male managers. Second, conditional on receiving compensation, female managers receive 8% lower total compensation than their male counterparts. We show the gender pay gap is only present in the largest charities (top two quintiles in the revenue distribution). Both findings are robust to the inclusion of charity classification fixed effects (between estimator) and charity fixed effects (within estimator). Our exploration of mechanisms driving the gender pay gap in this context points out a mismatch between pay dispersion and performance dispersion. While pay dispersion across genders is consistent with organizations perceiving male managers as differentiated unlike female managers, and there are no differences in performance dispersion supporting this perception.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».