Job Market Paper The Long-run Consequence from Living In a Poor Neighborhood
Notice bibliographique
Résumé
Abstract: I examine the effect of neighborhood quality on long-run labor market outcomes among adults who grew up in substantially different public housing projects in Toronto. Subsidized families were assigned to projects throughout the city at the time they applied, with assignment based mainly on the number of bedrooms required. Unlike housing programs used in previous studies, neighborhood quality differences were not attributable to one set of families moving to better neighborhoods and another set remaining at their current residence. I match census data, longitudinal administrative records, and criminal occurrence data to public housing addresses and track participants’ outcomes, in some cases, a decade or more after leaving the program. The main finding is that differences in neighborhood quality play little or no role in determining adult earnings, education attainment, or social assistance participation, but do affect residents’ exposure to crime. Living in contrasting housing projects cannot explain large variances in labor market outcomes, but family differences, as measured by sibling outcome correlations, account for up to 30 percent of the total variance in the data. Overall, the results suggest that policies aimed at improving long-run outcomes among children from low-income households are more likely to succeed by addressing family, rather than neighborhood, circumstances. (JEL: I30, J38). I am very grateful to my advisors, Alan Auerbach, David Card, John Quigley, and Steve Raphael, for their guidance and support. I also wish to thank Miles Corak and Sophie Lefebre for assistance with Statistics Canada’s administrative data. Frances Beard and Barbara Watson from Metro Toronto Housing Corporation, Brent Donnelly and Ryner Soegtrop from Cityhome, and Monique Volpe from the Ontario Housing Corporation were instrumental in helping me compile a complete list of subsidized housing projects in Toronto. This research was written while I was employed at the Family and Labor Studies
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 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 ».