Essays in Applied Economics
Notice bibliographique
Résumé
This dissertation contains three chapters in applied economics. Chapter 1 discusses the abolition fo rate bills for public schools in the United States during the 19th century and the resulting impact on primary school attendance. Until the late 19th century, families in some municipalities paid small user fees, called rate bills, for their children to attend public schools. Urban school districts gradually repealed these fees and funded public education through local taxes. States eventually abolished rate bills, forcing rural areas to provide public education without tuition requirements. Using United States Census data and a staggered adoption difference-in-differences approach, I show that state-level rate bill abolition increased rural primary school attendance by 7.2 percentage points. These results suggest that small costs can be an obstacle to school attendance and inhibit the diffusion of education.Chapter 2 discusses the effect of urbanicity on fertility. Fertility rates are significantly lower in urban areas than in rural areas. Using data from the 2016 Canadian Census, I exploit the exogenous placement of refugees to decompose the direct (causal) and indirect (compositional) effects of urbanicity on fertility. I find that these differences persist for refugee women, suggesting that causal factors are primarily responsible for rural-urban differences in fertility.Chapter 3 discusses the effect of fans on home field advantage in European soccer. We exploit exogenous variation in the level of fan attendance driven by COVID-19 mitigation policies and find that the home field advantage, as measured by home minus away (expected) goals, is reduced by more than 50\\% across the English Premier League, German Bundesliga, Italian Serie A, and Spanish La Liga. This leads to a decrease in probability for a home win, indicating that these goals are pivotal with respect to match outcomes. These results are robust to controlling for factors potentially correlated with the no-fans policies, such as changes in weather and COVID-19 prevalence by region.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,018 | 0,005 |
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 ».