Essays in empirical labor, housing and social network economics
Bibliographic record
Abstract
Cette thèse explore les deux sujets suivants: (i) les déterminants de la participation à la population active des personnes âgées aux États-Unis; (ii) le rôle du réseau social dans le niveau de revenus de travail des immigrants récents au Canada. Plus précisément, le chapitre 1 utilise les données du Health and Retirement Study (HRS) pour fournir des estimations de l’effet causal du prix des maisons au niveau local sur les décisions d’offre de travail des individus âgés aux États-Unis, au cours de la période du boom immobilier 1994- 2004. Le prix des maisons est instrumentalisé par des variations spatiales et temporelles de chocs plausiblement exogènes de l’offre de crédit. Les estimations suggèrent que le boom immobilier durant la période considérée pourrait expliquer jusqu’à deux tiers des sorties de la population active des hommes âgés aux États-Unis. Le chapitre 2 répond à la question: les personnes en bonne santé sont-elles plus susceptibles de rester sur le marché du travail lorsque le chômage augmente? Ce travail fournit des estimations empiriques de l’impact relatif des chocs de chômage au niveau local sur la participation au marché du travail des américains âgés ayant des états de santé hétérogènes. Cette étude montre que la plupart des départs de travailleurs âgés pendant la Grande récession peuvent être attribués à de mauvaises conditions de santé, telles que mesurées, avant la récession. Enfin, le chapitre 3 analyse l’effet du fait de vivre dans un quartier où la majorité des résidents appartient à des minorités visibles sur les gains des résidents permanents qui sont arrivés à Montréal, Vancouver et Toronto en 2001. Dans l’ensemble, cette recherche documente un effet négatif du regroupement ethnique sur les gains des immigrants récents au Canada et l’explique par "l’effet d’aiguillage".
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".