MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017162951
■00520250211152116
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384344773
■035    ▼a(MiAaPQ)AAI31460300
■035    ▼a(MiAaPQ)Stanfordjv571wt3507
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a378.12
■1001  ▼aQiu,  Xinyao.
■24510▼aEssays  in  Labor  Economics.
■260    ▼a[S.l.]▼bStanford  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a173  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  A.
■500    ▼aAdvisor:  Pistaferri,  Luigi.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThis  dissertation  consists  of  three  essays  in  labor  economics.  All  three  chapters  focus  on  documenting  frictions  in  educational  settings  and  discuss  their  implications  for  long-term  educational  and  labor  market  outcomes.  The  first  two  chapters  explore  how  students'  college  application  decisions  are  impacted  by  frictions,  including  information  frictions  (Chapter  1)  and  behavioral  frictions  (Chapter  2,  co-authored  with  Hongbin  Li),  using  administrative  data  from  the  centralized  college  application  and  admission  system  in  China.  The  third  chapter  (co-authored  with  Petra  Persson  and  Maya  Rossin-Slater)  studies  marginal  diagnoses  of  Attention  Deficit  Hyperactivity  Disorder  resulting  from  school  entry  cutoffs.The  first  chapter  studies  disparities  in  college  major  choices  across  students  from  different  socioeconomic  backgrounds  and  analyzes  their  implications  for  intergenerational  income  mobility.  One  potential  explanation  for  these  disparities  is  differential  access  to  information  about  majors'  academic  content  and  personal  fit.  To  explore  the  impact  of  information  frictions  on  major  choices,  I  use  administrative  data  from  the  centralized  college  application  system  in  China.  Consistent  with  the  information  inequality  hypothesis,  I  document  that  students  of  low  socioeconomic  status  (SES)  are  21.6%  (3.16  percentage  points)  more  likely  than  their  high-SES  peers  to  choose  majors  that  are  familiar  to  them  from  their  high  school  curricula.  Further  support  for  the  information  inequality  hypothesis  comes  from  a  survey  experiment  in  which  high  school  students  report  their  expectations  about  college  majors  and  from  information  spillovers  among  high  school  classmates.  To  discuss  the  economic  consequences,  I  calibrate  a  model  of  major  choice  and  find  that,  because  of  information  inequality,  low-SES  students  face  higher  mismatch  rates  and  lower  future  incomes  than  their  high-SES  peers.  Counterfactual  analyses  indicate  that  information  interventions  and  affirmative  action  policies  can  effectively  narrow  the  income  gap  across  socioeconomic  backgrounds.The  second  chapter  demonstrates  that  students'  college  application  decisions  are  impacted  by  left-digit  bias,  which  is  a  simplifying  heuristic  that  makes  individuals'  perceptions  disproportionately  influenced  by  the  leftmost  digits  of  a  number.  We  find  strong  discontinuities  in  college  application  decisions  between  students  with  similar  college  entrance  exam  scores  who  fall  on  opposite  sides  of  multiples  of  10  (e.g.,  students  who  score  519  versus  521).  Students  with  scores  just  below  multiples  of  10  make  more  conservative  college  application  choices  that  place  them  into  less  selective  colleges  and  majors.  In  contrast,  students  who  score  at  or  just  above  multiples  of  10  aim  and  achieve  higher  but  are  at  greater  risk  of  overshooting.  The  results  highlight  the  role  of  behavioral  frictions  in  students'  application  decisions,  despite  the  significant  educational  and  labor  market  consequences  associated  with  them.The  third  chapter  explores  frictions  in  educational  settings  beyond  college  application  decisions.  We  focus  on  the  marginal  diagnoses  of  Attention  Deficit  Hyperactivity  Disorder  (ADHD)  that  result  from  school  entry  cutoffs.  Specifically,  we  exploit  a  well-documented  fact:  Children  who  are  younger  for  their  grade  level  are  more  likely  to  be  diagnosed  with  ADHD  compared  to  their  older  classmates.  This  diagnosis  gap  is  often  attributed  to  maturity  differences  that  are  mistakenly  perceived  as  differences  in  ADHD  prevalence.  Using  population-level  Swedish  administrative  data,  we  show  how  these  marginal  diagnoses  spill  over  through  the  family  tree.  Younger  family  members  of  children  born  just  before  the  school  entry  cutoff  are  more  likely  to  be  diagnosed  with  ADHD,  yet  without  any  clear  long-term  human  capital  gains.  Our  results  underscore  that  a  single  marginal  diagnosis  can  trigger  additional  diagnoses  among  other  family  members,  thereby  amplifying  frictions  and  misallocation  in  healthcare.
■590    ▼aSchool  code:  0212.
■650  4▼aMarital  status.
■650  4▼aSocioeconomic  factors.
■650  4▼aSecondary  schools.
■650  4▼aSocioeconomic  status.
■650  4▼aHigher  education.
■650  4▼aSecondary  education.
■650  4▼aSociology.
■690    ▼a0501
■690    ▼a0745
■690    ▼a0510
■690    ▼a0629
■690    ▼a0533
■690    ▼a0626
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162951▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서