MARC

 008260126s2025        us                              c    eng  d
■001000017358688
■00520260202104737
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798290649054
■035    ▼a(MiAaPQ)AAI32149669
■035    ▼a(MiAaPQ)Stanfordjm848qz5833
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a612
■1001  ▼aLiu,  Zhili  Lily.
■24510▼aEssays  in  the  Economics  of  Gender
■260    ▼a[Sl]▼bStanford  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a175  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  A.
■500    ▼aAdvisor:  Niederle,  Muriel;Voena,  Alessandra.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2025.
■520    ▼aThe  chapters  in  this  dissertation  use  experimental  and  empirical  methods  to  study  topics  in  the  economics  of  gender.The  first  chapter  focuses  on  a  gender  difference  in  behavior,  the  gender  gap  in  apologies,  and  studies  how  it  affects  women's  labor  market  outcomes.  We  use  an  online  experiment  to  study  a  behavioral  gap  that  helps  explain  gender  disparities  in  the  labor  market:  the  gender  gap  in  apologies.  We  hypothesize  that  women  are  more  likely  to  apologize  than  men,  conditional  on  having  the  same  ability.  Apologies  could  be  seen  as  a  signal  of  incompetence,  which  might  hold  women  back  in  the  labor  market.  We  first  provide  evidence  for  the  gender  apology  gap  and  explore  confidence  as  a  reason  behind  it.  We  find  that  while  the  gender  confidence  gap  plays  a  role,  it  cannot  fully  explain  the  apology  gap.  Regarding  the  labor  market  consequences  of  the  gender  apology  gap,  we  show  that  employers  infer  lower  ability  from  workers'  apologies  and  do  not  take  gender  differences  into  account  when  making  ability  inferences.  As  a  result,  employers  tend  to  judge  female  workers'  abilities  more  negatively.  To  test  the  robustness  of  the  apology  gap,  we  conduct  two  additional  experiments  and  find  that  it  varies  with  the  wording  of  the  apology  and  the  experimental  context.  Finally,  we  complement  our  experimental  findings  with  external  evidence  from  surveys  and  congressional  speech  data.The  second  chapter  studies  how  men  and  women  are  evaluated  differently.  This  chapter  investigates  gender-based  attribution  bias-the  tendency  to  attribute  men's  success  to  ability  and  women's  failure  to  a  lack  of  ability-using  a  controlled  principal-agent  online  experiment.  We  test  for  this  bias  across  male-  and  female-typed  tasks.  In  male-typed  tasks,  we  find  evidence  of  attribution  bias  after  task  success:  principals  are  more  likely  to  attribute  success  to  ability  when  the  agent  is  male.  We  do  not  observe  such  bias  following  failure.  In  contrast,  in  female-typed  tasks,  we  find  bias  against  men  following  task  failure,  pointing  to  the  importance  of  task  domain  in  shaping  attribution  patterns.  Our  design  allows  us  to  rule  out  taste-based  and  statistical  discrimination.  Attribution  bias  is  stronger  among  individuals  with  more  regressive  gender  attitudes,  but  only  for  male-typed  tasks,  suggesting  an  attitudinal  basis  for  attribution  patterns.The  third  chapter  dives  into  a  developing  context  and  studies  how  an  important  marriage  institution,  polygyny,  affects  developmental  outcomes.  Polygyny,  a  historically  widespread  tradition,  is  still  prevalent  in  Sub-Saharan  Africa.  We  test  whether  polygyny  crowds  out  savings,  which  could  lead  to  slower  development  in  polygynous  communities.  Our  main  hypothesis  is  that  men  use  marriage  as  a  way  of  saving.  We  propose  a  model  and  test  its  predictions  using  the  data  from  the  Hunger  Safety  Net  Programme  in  Kenya,  which  provided  exogenous  income  shocks  to  a  subset  of  the  population.  We  find  that  the  data  tends  to  support  predictions  of  the  model,  which  suggests  that  men  indeed  view  wives  as  a  form  of  savings  to  some  degree.  In  particular,  men  in  communities  with  higher  rates  of  polygyny  marry  more  wives  and  save  less  in  cash  and  livestock  after  receiving  a  cash  transfer.
■590    ▼aSchool  code:  0212.
■650  4▼aGender  differences
■650  4▼aMarriage
■650  4▼aSpeeches
■650  4▼aConfidence
■650  4▼aAge  groups
■650  4▼aApologies
■653    ▼aGender  difference
■690    ▼a0511
■690    ▼a0501
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-03A.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358688▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books