Three Essays in Labour Economics and Applied Econometrics
Notice bibliographique
Résumé
The dissertation is comprised of three chapters. Chapter 1 investigates the marital behaviour of veterans.I first examine the extent to which military service makes men more marriageable using the NLSY97. I present evidence that non-college blacks enjoy the greatest return to military service in both the labour and marriage market. Second, to explain the relatively high intermarriage rates among veterans, I apply a local log odds framework to Census data to examine the social exchange hypothesis. Consistent with this hypothesis, I find both white and black women demand compensation to intermarry. Third, I present evidence in favour of the contact hypothesis. Chapter 2 evaluates the effects of racial integration during the Korean War (1950-1953). First, I evaluate whether the Army achieved its goal of improving efficiency as measured by the survival rates of wounded soldiers. Using casualty data, I develop a novel wartime integration measure to quantify exogenous changes in racial integration over time and across regiments. Based on a two-way fixed effects model, I find that a one standard deviation increase in integration improved overall casualty survival rates by 3%. Second, I explore the effects of wartime racial integration on the prejudicial attitudes of veterans after the war. To do so, I link individual soldiers to post-war social security and cemetery data using the expectation maximization algorithm. With these linked samples, I show that a one standard deviation increase in wartime racial integration caused white veterans to live in more racially diverse neighborhoods and marry spouses with less distinctively white names. Chapter 3 addresses the misuse of out-of-sample predictive performance tests for model selection. I compare in-sample alternatives for non-nested hypothesis testing of two possibly misspecified models developed by Vuong (1989), and compare those to the out-of-sample tests developed by Clark and McCracken (2014). Using Monte Carlo simulations, I demonstrate that the out-of-sample procedure indeed exhibits markedly worse statistical size and power. I then reproduce an applied example on GDP growth where the conclusions are found to be sensitive to the choice of out-of-sample versus full sample procedure.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,008 |
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 ».