Notice bibliographique
Résumé
This thesis contains three chapters in empirical economics. In Chapter 1, I use administrative data from British Columbia, Canada, to study the short-term effects of a parental layoff on children's academic performance in grades 4, 7, and 10. I find that households where a parent suffers a layoff, earn approximately $8,000 - $10,000 less in after-tax income in the year after the layoff. In spite of such a large loss in financial resources, I find no significant short-term effects on children’s test scores due to parental job loss. My estimates for grade 4 and grade 10 rule out negative treatment effects larger than 3.5% of a standard deviation at the 95% confidence level, and the estimates for grade 7 rule out negative treatment effects larger than 5.3% of a standard deviation. In Chapter 2, I exploit close city council elections in California from 1996 to 2017 to implement a regression discontinuity design and study the causal effects of a nonwhite candidate's victory against a white candidate. I find that in cities where the nonwhite candidate won (“treatment”), compared to cities where the nonwhite candidate lost (“control”), more new white candidates run in the next election. Heterogeneity analysis shows that this effect is driven by cities that have gone through bigger demographic changes over the past few decades, which suggests that changes in the racial composition of the city and the associated perception of threat to the dominant status of whites within the city are an important factor in driving the main result. Chapter 3 is based on my joint work with Louis Bélisle and Vivek Nandur. We compare two prominent methods used to estimate production functions in the literature. We estimate total factor productivity for firms in four manufacturing industries in India for the time period 2005-2012 using both estimation methods and using two different intermediate inputs as proxies. We find large discrepancies in the distribution of estimated total factor productivity for firms depending on the estimation method and the proxies used.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,013 |
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 ».