Assessing the Impact of Non- Response on the Treatment Effect in the Canadian Self-Sufficiency Experiment
Bibliographic record
Abstract
Au Canada, une politique publique visant à aider les familles monoparentales bénéficiaires de l'aide sociale à s'insérer sur le marché du travail a été mise en place sur une base expérimentale. Ainsi, plus de 4134 chefs de familles monoparentales qui étaient entrés à l'aide sociale entre janvier 1994 et mars 1995 ont été échantillonnés aléatoirement pour faire partie du projet d'Autosuffisance (PAS). Seulement 3315 d'entre eux ont accepté de participer à cette expérimentation alors qu'ils avaient, dans le cadre de l'expérience, 50% de chance de disposer d'un supplément de revenu relativement important mais limité dans le temps. Les personnes qui ont fait partie du groupe de traitement ont pu recevoir ce supplément dès lors qu'elles ont quitté l'aide sociale pour occuper un emploi à temps plein.Dans cet article, nous cherchons à déterminer si un refus de participer à cette expérience de l'ordre de 20% est susceptible d'avoir biaisé l'estimation de l'impact du supplément de revenu. Nous comparons l'effet estimé du traitement en utilisant l'échantillon expérimental seulement avec celui obtenu en utilisant des données additionnelles sur les individus qui ne prennent pas part à l'expérience. Nous écrivons la fonction de vraisemblance et obtenons une estimation de l'impact de ce programme sur la distribution de la durée de séjour à l'aide sociale. Nous mettons en évidence l'existence d'un biais de non-réponse. Nous corrigeons ce biais en tenant compte de la décision de participation et nous montrons que les estimations de l'effet du supplément de revenu obtenues à partir de l'échantillon expérimental seulement sous-estiment de façon importante l'impact du programme.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.054 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".