Essays in applied microeconomics and genomics
- Autores: Anastasia Terskaya
- Directores de la Tesis: Anna Sanz de Galdeano (dir. tes.)
- Lectura: En la Universitat d'Alacant / Universidad de Alicante ( España ) en 2020
- Idioma: español
- Tribunal Calificador de la Tesis: Antonio Cabrales Goitia (presid.), M. Dolores Collado Vindel (secret.), David A. Cesarini (voc.)
- Programa de doctorado: Programa de Doctorado en Economía por la Universidad de Alicante
- Materias:
- Enlaces
- Tesis en acceso abierto en: RUA
- Resumen
introducción o motivación de la tesis Las desigualdades económicas a lo largo de la vida tienen su origen en una combinaci´on de factores, incluido el entorno en que los individuos crecen y las cualidades innatas que poseen, tales como los genes y la salud al nacer. Una rama importante de la literatura en economía, psicología y sociología se ha centrado en demostrar la importancia de los factores que se forman durante la niñez para determinar el éxito posterior durante la vida. En concreto, alrededor del 50 por ciento de la variabilidad en los ingresos puede ser atribuida a factores determinados antes de los 18 años (Keane and Wolpin, 1997; Heckman and Mosso, 2014). Estos factores se pueden englobar en dos categor´ıas generales: naturaleza y crianza. Se ha demostrado que las dotaciones innatas, tales como los genes o la salud al nacer, son factores importantes para predecir aspectos socioecon´omicos y de salud en la vida adulta (véase Black et al. (2007); Currie (2011); Lee et al. (2018); Barth et al. (2019) entre otros). ¿Implica esto que cierta parte de las desigualdades simplemente reflejan diferencias en cualidades innatas y, por lo tanto, son inalterables? Esta visíon depende sustancialmente de la suposición de que la naturaleza y la crianza son independientes. Pero ¿lo son realmente? El objetivo de esta tesis es examinar el papel de las interacciones entre la naturaleza y la crianza en el desarrollo del capital humano y de la salud. En particular, si las cualidades innatas de los niños (naturaleza) pueden afectar a sus características económicas y de salud no solo directamente mediante canales biológicos sino también indirectamente mediante respuestas ambientales. Por ejemplo, el nivel óptimo de inversiones parentales puede depender del nivel de dichas características al nacer y de las características relativas a los hermanos. Si así fuera, las desigualdades económicas y de salud asociadas con las diferencias en características prenatales no serían inmutables y se podrían reducir alterando las respuestas del entorno. Los dos primeros capítulos de esta tesis abordan estos temas analizando si los padres exacerban o mitigan las diferencias observadas entre los hijos reasignando recursos dentro de la familia. El tercer capítulo muestra cómo el genoma de los compañeros de escuela (naturaleza) puede afectar las características propias moldeando el entorno (crianza) donde los individuos crecen, señalando la relación de dependencia entre naturaleza y crianza.
En el primer capítulo estudio cómo la bien documentada brecha escolar entre individuos con discapacidades y sin ellas está afectada por las respuestas parentales y por la asignación de recursos dentro de los hogares en México. Un creciente cuerpo empírico indica que las personas con discapacidades son más propensas a experimentar exclusión social y desventajas socioeconómicas que aquellos sin discapacidades (véase ease Mitra et al. 2013; OECD 2009, entre otros). Uno de los canales importantes a través de los cuales una discapacidad puede derivar en el empeoramiento del bienestar y pobreza es la falta de educación formal para las personas discapacitadas. Ya que la decisión de escolarizar y continuar en la escuela la toman, principalmente, los padres entender cómo los padres responden ante las discapacidades de los hijos puede arrojar luz en las causas primarias de la brecha escolar. Esta es, precisamente, la meta del primer capítulo.
Desarrollo teórico Para analizar las respuestas de los padres ante las discapacidades de sus hijos, primero desarrollo un sencillo modelo de preferencias parentales basado en las contribuciones de Becker and Tomes (1976) y Behrman et al. (1982). La principal contribución teórica es que este modelo permite que el coste educativo difiera con los niveles de dotación de los niños, mientras que también incorpora aversión a la desigualdad en los padres.
Cuando ambos mecanismos se toman en cuenta, el modelo teórico predice que cuando el coste de la educación es más alto para individuos discapacitados que para no-discapacitados, incluso aquellos padres que son aversos a la desigualdad pueden proveer más recursos a los hijos sin discapacidades que a los hijos discapacitados. Además, el modelo predice que la aversión a la desigualdad afecta solamente a las familias con más de un hijo, ya que los padres de hijos únicos no tienen otros hijos para reasignar recursos. Por lo tanto, la brecha escolar por discapacidad en hijos únicos no se puede explicar por preferencias parentales respecto a la aversión a la desigualdad, sino por otros factores como por ejemplo las diferencias en el coste educativo y en estatus socioeconómico entre individuos discapacitados y no discapacitados. Para contrastar estas predicciones teóricas construyo un modelo econométrico basado en la variación en el tamaño de la familia y el estatus de discapacidad. Aplico esta estrategia empírica a datos censales de México del Integrated Public Use Microdata Series(IPUMS) 2010.
En segundo capítulo aprovecho avances recientes en genómica molecular para revisitar una pregunta clásica en economía: ¿cómo responden los padres a las dotaciones de los hijos y a las diferencias en dotación entre los hermanos? Uso puntuaciones poligénicas educativas (polygenic scores)---una medida basada en las variantes genéticas que predicen desempeño educativo---como un indicador de la dotación o propensión genética a la educación de los niños. Me baso en datos de la muestra de hermanos de la Encuesta Nacional Longitudinal de Salud Adolescente (National Longitudinal Survey of Adolescent Health). Es una muestra nacionalmente representativa de los jóvenes del 7º al 12º grado en los Estados Unidos en 1995. Usamos varias medidas distintas de inversiones parentales basadas en preguntas sobre la relación de los adolescentes con sus padres y el tiempo que los padres emplean con sus hijos, así como agregando estas medidas en un índice para evitar problemas de inferencias de hipótesis múltiples.
El tercer capítulo está motivado por la escasa evidencia hasta la fecha sobre ``efectos nutricionales genéticos'' fuera de la familia, o también llamados efectos socio-genéticos. Específicamente, investigo si la obesidad adolescente y adulta está afectada no solo por los propios genes, sino también por los genes de sus compañeros con los que interactúan en el mismo curso durante la escuela. Estimar el efecto causal de las interacciones sociales supone un reto debido a la autoselección en grupos de compañeros, factores ambientales omitidos y el problema de reflejo. Ya que los genes se determinan antes de la formación de los grupos, su uso resuelve tanto el problema del mismo ambiente como el problema del reflejo. Abordamos la asignación no aleatoria de los individuos a los grupos basándonos en la observación de que los estudiantes se asignan a un curso dentro de una escuela es tan buena como aleatoria, y enfocándonos en los marcadores genéticos de los compañeros de curso más que en los de otros compañeros de escuela o amigos. Valoramos la validez de esta estrategia de identificación enseñando que la verdadera variación dentro de la escuela en los puntajes genéticos medios de los compañeros de curso no es estadísticamente diferente de la variación obtenida empleando simulaciones de Monte-Carlo.
Conclusión Esta tesis contribuye al campo de la Microeconomía Aplicada y la Genómica de varias formas. Los capítulos uno y dos estudian cómo los padres responden a las diferencias en los niveles de dotación de los niños en términos de inversiones en su capital humano. Estos capítulos contribuyen a la literatura sobre asignación de recursos dentro de los hogares proveyendo un marco teórico y una estrategia empírica que toma en cuenta que las decisiones de inversión parentales dependen tanto de las preferencias de los padres respecto a la desigualdad en la distribución de la calidad de sus hijos, así como en el coste que tienen que asumir para invertir en la acumulación de capital humano-o el efecto precio. Este es, a mi saber, el primer estudio que destaca la relevancia de estos dos mecanismos para entender el comportamiento de los padres. Aún más importante es que las estrategias empíricas propuestas en los Capítulos 1 y 2 permiten identificar si los padres tienen preferencias por igualdad o por eficiencia. La identificación de estas preferencias es importante para evaluar el papel de la familia en el desarrollo de la desigualdad, así como para evaluar la efectividad de las políticas compensatorias.
En segundo lugar, el Capítulo dos contribuye a la literatura sobre reasignación de recursos dentro de los hogares usando datos genéticos para medir las dotaciones de los niños, lo que permite evitar problemas de causalidad inversa. En concreto, las dotaciones genéticas de los individuos están fijadas en el momento de la concepción y, por lo tanto, no pueden ser consecuencia de las decisiones de inversión parentales, lo cual no ocurre para los indicadores de dotación medidos al nacer o más adelante en la vida. Además, el uso de datos genéticos nos permite investigar el efecto de las predisposiciones genéticas de los niños a la educación más que predisposiciones de salud, mientras que, salvadas excepciones, la mayor parte de la literatura se ha enfocado en los últimos.
En tercer lugar, los Capítulos uno y dos resaltan la idea de que las condiciones durante edades tempranas no solo afectan directamente las características en la vida adulta, sino también indirectamente a través de efectos de reasignación dentro del hogar. De manera importante, los resultados que proveen los Capítulos 1 y 2 sugieren que los padres están expuestos a la aversión a la desigualdad y reducen las diferencias entre sus hijos mediante reasignación de recursos.
El Capítulo tres contribuye a una escasa literatura sobre efectos socio-genéticos, en el cual se analiza si la composición genética de los individuos a nuestro alrededor tiene un impacto sobre nuestras propias características futuras proporcionando estimaciones de los efectos a corto y largo plazo de la predisposición genética de los compañeros de escuela a la obesidad en nuestra propia obesidad. Cabe resaltar que los resultados sugieren que los programas que previenen la ganancia de peso o que facilitan la pérdida de peso podrían exhibir efectos multiplicadores sociales beneficiando no solo a los participantes sino también a sus compañeros, y que ignorar estos efectos puede llevar a subestimar su rentabilidad. Sin embargo, ya que encontramos que los efectos socio-genéticos se disipan conforme los individuos alcanzan la edad adulta, es probable que los efectos de multiplicadores sociales en las escuelas duren poco.
Bibliografía consultada Aizer, A. and F. Cunha (2012): “The Production of Human Capital: Endowments, Investments and Fertility,” NBER Working Papers 18429, National Bureau of Economic Research, Inc.
Almond, D. and B. Mazumder (2013): “Fetal Origins and Parental Responses,” Annual Review of Economics, 5, 37–56.
Baccara, M., A. Collard-Wexler, L. Felli, and L. Yariv (2014): “Child-Adoption Matching: Preferences for Gender and Race,” American Economic Journal: Applied Economics, 6, 133–58.
Becker, G. S. and N. Tomes (1976): “Child Endowments and the Quantity and Quality of Children,” Journal of Political Economy, 84, S143–62.
Behrman, J. R., R. A. Pollak, and P. Taubman (1982): “Parental Preferences and Provision for Progeny,” Journal of Political Economy, 90, 52–73.
——— (1986): “Do Parents Favor Boys?” International Economic Review, 27, 33–54.
Behrman, J. R., M. R. Rosenzweig, and P. Taubman (1994): “Endowments and the allocation of schooling in the family and in the marriage market: the twins experiment,” Journal of political economy, 102, 1131–1174.
Behrman, J. R. and P. Taubman (1986): “Birth order, schooling, and earnings,”Journal of Labor Economics, 4, S121–S145.
Bertrand, M. and J. Pan (2013): “The Trouble with Boys: Social Influences and the Gender Gap in Disruptive Behavior,” American Economic Journal: Applied Economics, 5, 32–64.
Bharadwaj, P., J. P. Eberhard, and C. A. Neilson (2018): “Health at birth, parental investments, and academic outcomes,” Journal of Labor Economics, 36, 349–394.
Black, S. E., S. Breining, D. N. Figlio, J. Guryan, K. Karbownik, H. S. Nielsen, J. Roth, and M. Simonsen (2017): “Sibling spillovers,”Tech. rep., National Bureau of Economic Research.
Black, S. E., P. J. Devereux, and K. G. Salvanes (2005): “The More the Merrier? The Effect of Family Size and Birth Order on Children’s Education,” The Quarterly Journal of Economics, 120, 669–700.
Blake, J., B. Richardson, and J. Bhattacharya (1991): “Number of siblings and sociability,” Journal of Marriage and the Family, 271–283.
Brooks-Gunn, J., W.-J. Han, and J. Waldfogel (2002): “Maternal employment and child cognitive outcomes in the first three years of life: The NICHD study of early child care,” Child development, 73, 1052–1072.
Conley, D. and R. Glauber (2006): “Parental educational investment and children’s academic risk estimates of the impact of sibship size and birth order from exogenous variation in fertility,” Journal of Human Resources, 41, 722–737.
Dahl, G. B. and E. Moretti (2008): “The Demand for Sons,” The Review of Economic Studies, 75, 1085–1120.
Datar, A., M. Kilburn, and D. Loughran (2010): “Endowments and parental investments in infancy and early childhood,” Demography, 47, 145–162.
Diamond, A. and J. S. Sekhon (2013): “Genetic Matching for Estimating Causal Effects: A General Multivariate Matching Method for Achieving Balance in Observational Studies,” The Review of Economics and Statistics, 95, 932–945.
Ejrnæs, M. and C. C. Portner¨ (2004): “Birth order and the intrahousehold allocation of time and education,” Review of Economics and Statistics, 86, 1008–1019.
Filmer, D. (2008): “Disability, Poverty, and Schooling in Developing Countries: Results from 14 Household Surveys,” The World Bank Economic Review, 22, 141–163.
Garcia Hombrados, J. (2017): “Cognitive Skills and Intra-Household Allocation of Schooling,” Working paper, Department of Economics, University of Sussex Business School.
Hainmueller, J. (2012): “Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies,” Political Analysis, 20, 25.
Head, A. M., J. A. McGillivray, and M. A. Stokes (2014): “Gender differences in emotionality and sociability in children with autism spectrum disorders,” Molecular autism, 5, 19.
Heckman, J. J. and Y. Rubinstein (2001): “The importance of noncognitive skills: Lessons from the GED testing program,” American Economic Review, 91, 145–149.
Heckman, J. J., J. Stixrud, and S. Urzua (2006): “The effects of cognitive and noncognitive abilities on labor market outcomes and social behavior,” Journal of Labor economics, 24, 411–482.
BIBLIOGRAPHY Hill, M. S. and G. J. Duncan (1987): “Parental family income and the socioeconomic attainment of children,” Social Science Research, 16, 39–73.
Hindes, A. R. (2006): “The Buffering Effect of Sibling Relationships on Problems with Peer Experiences and Psychological Functioning in Children with Cognitive Disabilities,” Working paper, Georgia State University. Available at https://scholarworks.gsu.edu/psych_diss/20/.
Hsin, A. (2012): “Is Biology Destiny? Birth Weight and Differential Parental Treatment,” Demography, 49, 1385–1405.
Iacovou, M. (2001): “Family composition and children’s educational outcomes,” Tech. rep., ISER Working Paper Series.
Iacus, S. M., G. King, and G. Porro (2012): “Causal Inference without Balance Checking: Coarsened Exact Matching,” Political Analysis, 20, 1.
Joensen, J. S. and H. S. Nielsen (2018): “Spillovers in education choice,” Journal of Public Economics, 157, 158–183.
Joshua D. Angrist, A. B. K. (1991): “Does Compulsory School Attendance Affect Schooling and Earnings?” The Quarterly Journal of Economics, 106, 979–1014.
Lai, M.-C., M. V. Lombardo, G. Pasco, A. N. Ruigrok, S. J. Wheelwright, S. A. Sadek, B. Chakrabarti, S. Baron-Cohen, M. A. Consortium, et al. (2011): “A behavioral comparison of male and female adults with high functioning autism spectrum conditions,” PloS one, 6, e20835.
Lehmann, J.-Y. K., A. Nuevo-Chiquero, and M. Vidal-Fernandez (2018): “The early origins of birth order differences in children’s outcomes and parental behavior,” Journal of Human Resources, 53, 123–156.
Leibowitz, A. (1974): “Home investments in children,” Journal of Political Economy, 82, S111– S131.
Maccini, S. and D. Yang (2009): “Under the Weather: Health, Schooling, and Economic Consequences of Early-Life Rainfall,” American Economic Review, 99, 1006–26.
Male, C. and Q. T. Wodon (2017): “Disability gaps in educational attainment and literacy (English). The price of exclusion : disability and education,” Tech. rep., Washington, D.C. : World Bank Group. Available at http://documents.worldbank.org/curated/en/ 396291511988894028/Disability-gaps-in-educational-attainment-and-literacy.
Mitra, S., A. Posarac, and B. Vick (2013): “Disability and poverty in developing countries: a multidimensional study,” World Development, 41, 1–18.
Moore, Q., L. Schmidt, et al. (2004): “Do Maternal Investments in Human Capital Affect Children’s’ Academic Achievement,” Tech. rep., Citeseer.
Nicoletti, C. and B. Rabe (2014): “Sibling spillover effects in school achievement,” Journal of Applied Econometrics.
OECD (2009): “Sickness, disability and work: keeping on track in the economic downturn,” .
Qureshi, J. (2011): “Additional Returns to Investing in Girls Education: Impact on Younger Sibling Human Capital,” PhD thesis, Harris School of Public Policy Studies. University of Chicago.
Rosales-Rueda, M. F. (2014): “Family investment responses to childhood health conditions: Intrafamily allocation of resources,” Journal of Health Economics, 37, 41–57.
Rosenzweig, M. R. and J. Zhang (2009): “Do Population Control Policies Induce More Human Capital Investment? Twins, Birth Weight and China’s “One-Child” Policy,” Review of Economic Studies, 76, 1149–1174.
Savelyev, P. A., B. Ward, R. F. Krueger, and M. McGue (2019): “Health Endowments, Schooling Allocation in the Family, and Longevity: Evidence from US Twins,” Working paper, The College of William and Mary, Department of Economics. Available at https://papers.ssrn. com/sol3/papers.cfm?abstract_id=3193396.
Yi, J., J. J. Heckman, J. Zhang, and G. Conti (2015): “Early Health Shocks, Intra-household Resource Allocation and Child Outcomes,” The Economic Journal, 125, F347–F371.
Zhao, Q. and D. Percival (2016): “Entropy balancing is doubly robust,” Journal of Causal Inference.
Akerlof, G. A. and Kranton, R. E. (2000): “Economics and identity,” The Quarterly Journal of Economics, 115, 715–753.
Anderson, M. L. (2008): “Multiple inference and gender differences in the effects of early intervention: A reevaluation of the Abecedarian, Perry Preschool, and Early Training Projects,” Journal of the American Statistical Association, 103, 1481–1495.
Arduini, T., Iorio, D. and Patacchini, E. (2019): “Weight, reference points, and the onset of eating disorders,” Journal of Health Economics, 65, 170–188.
Argys, L. M. and Rees, D. I. (2008): “Searching for peer group effects: A test of the contagion hypothesis,” The Review of Economics and Statistics, 90, 442–458.
Asirvatham, J., Thomsen, M. R., Nayga Jr, R. M. et al. (2018): “Do peers affect childhood obesity outcomes? Peer-effect analysis in public schools,” Canadian Journal of Economics, 51, 216–235.
Bandura, A. and Walters, R. H. (1977): Social learning theory, vol. 1, Prentice-hall Englewood Cliffs, NJ.
Barcellos, S. H., Carvalho, L. S. and Turley, P. (2018): “Education can reduce health disparities related to genetic risk of obesity: Evidence from a British reform,” BioRxiv, 260463.
Barth, D., Papageorge, N. W. and Thom, K. (2020): “Genetic endowments and wealth in- equality,” Journal of Political Economy, 128.
Beauchamp, J. P., Cesarini, D., Johannesson, M. et al. (2011): “Molecular Genetics and Economics,” Journal of Economic Perspectives, 25, 57–82.
Belsky, D. W., Domingue, B. W., Wedow, R. et al. (2018): “Genetic analysis of social- class mobility in five longitudinal studies,” Proceedings of the National Academy of Sciences, 115, E7275–E7284.
Benjamin, D. J., Cesarini, D., Chabris, C. F. et al. (2012): “The promises and pitfalls of genoeconomics,” Annu. Rev. Econ., 4, 627–662.
Bertoni, M., Brunello, G. and Cappellari, L. (2017): “Parents, Siblings and Schoolmates: The Effects of Family-School Interactions on Educational Achievement and Long-Term Labor Market Outcomes,” .
Bierut, L., Biroli, P., Galama, T. et al. (2018): “Childhood socioeconomic status moderates genetic predisposition for peak smoking,” BioRxiv, 336834.
Bifulco, R., Fletcher, J. M. and Ross, S. L. (2011): “The effect of classmate characteristics on post-secondary outcomes: Evidence from the Add Health,”American Economic Journal: Economic Policy, 3, 25–53.
Biroli, P. (2015): “Genetic and economic interaction in the formation of human capital: the case of obesity,” Tech. rep., Mimeo. University of Zurich.
Black, S. E., Devereux, P. J. and Salvanes, K. G. (2013): “Under pressure? The effect of peers on outcomes of young adults,” Journal of Labor Economics, 31, 119–153.
Blanchflower, D. G., Van Landeghem, B. and Oswald, A. J. (2009): “Imitative obesity and relative utility,” Journal of the European Economic Association, 7, 528–538.
Boardman, J. D., Roettger, M. E., Domingue, B. W. et al. (2012): “Gene–environment interactions related to body mass: School policies and social context as environmental moderators,” Journal of Theoretical Politics, 24, 370–388.
Bockerman, P., Cawley, J., Viinikainen, J. et al.¨ (2019): “The effect of weight on labor market outcomes: An application of genetic instrumental variables,” Health Economics, 28, 65–77.
Bolyard, A. and Savelyev, P. A. (2019): “Understanding the Education Polygenic Score and Its Interactions with SES in Determining Health in Young Adulthood,” Available at SSRN 3397735.
Breinholt, A. and Conley, D. (2019): “Child-driven parenting: differential early childhood investmnt by offsrping genotype,” Mimeo, Available at http://paa2019.populationassociation. org/uploads/191088.
Brown, B. B. (2004): “Adolescents’ relationships with peers,” Handbook of adolescent psychology, 2, 363–394.
Brunello, G. and d’Hombres, B. (2007): “Does body weight affect wages?: Evidence from Europe,” Economics & Human Biology, 5, 1–19.
Brunello, G., Michaud, P.-C. and Sanz-de Galdeano, A. (2008): “The rise in obesity across the Atlantic: An economic perspective,” RAND Working Paper No. WR-586.
Carrell, S. E., Hoekstra, M. and West, J. E. (2011): “Is poor fitness contagious?: Evidence from randomly assigned friends,” Journal of Public Economics, 95, 657–663.
Cawley, J. (2004a): “An economic framework for understanding physical activity and eating behaviors,” American Journal of Preventive Medicine, 27, 117–125.
——— (2004b): “The impact of obesity on wages,” Journal of Human Resources, 39, 451–474.
——— (2010): “The economics of childhood obesity,” Health Affairs, 29, 364–371.
——— (2011): The Oxford Handbook of the social science of obesity, Oxford University Press.
——— (2015): “An economy of scales: A selective review of obesity’s economic causes, consequences, and solutions,” Journal of Health Economics, 43, 244–268.
Cawley, J., Han, E., Kim, J. et al. (2019): “Testing for family influences on obesity: The role of genetic nurture,” Health Economics, 28, 937–952.
Cawley, J., Han, E. and Norton, E. C. (2011): “The validity of genes related to neurotransmitters as instrumental variables,” Health Economics, 20, 884–888.
Chartrand, T. L. and Bargh, J. A. (1999): “The chameleon effect: the perception–behavior link and social interaction.” Journal of Personality and Social Psychology, 76, 893.
Cohen, J. (2013): Statistical power analysis for the behavioral sciences, Academic press.
Cohen-Cole, E. and Fletcher, J. M. (2008): “Is obesity contagious? Social networks vs. environmental factors in the obesity epidemic,” Journal of Health Economics, 27, 1382–1387.
Conley, D. and Fletcher, J. (2018): The Genome Factor: What the social genomics revolution reveals about ourselves, our history, and the future, Princeton University Press.
Cools, A., Fernandez, R. and Patacchini, E.´ (2019): “Girls, Boys, and High Achievers,”Tech. rep., National Bureau of Economic Research.
Cornelissen, T., Dustmann, C. and Schonberg, U.¨ (2017): “Peer effects in the workplace,” American Economic Review, 107, 425–56.
Crosnoe, R., Frank, K. and Mueller, A. S. (2008): “Gender, body size and social relations in American high schools,” Social Forces, 86, 1189–1216.
Cutler, D. M., Glaeser, E. L. and Shapiro, J. M. (2003): “Why have Americans become more obese?” Journal of Economic Perspectives, 17, 93–118.
De La Haye, K., Robins, G., Mohr, P. et al. (2011): “Homophily and contagion as explanations for weight similarities among adolescent friends,” Journal of Adolescent Health, 49, 421–427.
Dijkstra, P., Kuyper, H., Van der Werf, G. et al. (2008): “Social comparison in the classroom: A review,” Review of Educational Research, 78, 828–879.
Domingue, B. W. and Belsky, D. W. (2017): “The social genome: Current findings and implications for the study of human genetics,” PLoS genetics, 13, e1006615.
Domingue, B. W., Belsky, D. W., Conley, D. et al. (2015): “Polygenic influence on educational attainment: New evidence from the National Longitudinal Study of Adolescent to Adult Health,” AERA open, 1.
Domingue, B. W., Belsky, D. W., Fletcher, J. M. et al. (2018): “The social genome of friends and schoolmates in the National Longitudinal Study of Adolescent to Adult Health,” Proceedings of the National Academy of Sciences, 115, 702–707.
Fletcher, J. M. (2011): “Peer effects and obesity,” The Oxford Handbook of the Social Science of Obesity, 303–312.
Fletcher, J. M., Ross, S. L. and Zhang, Y. (2013): “The determinants and consequences of friendship composition,” Tech. rep., National Bureau of Economic Research.
Guryan, J., Kroft, K. and Notowidigdo, M. J. (2009): “Peer effects in the workplace: Evidence from random groupings in professional golf tournaments,” American Economic Journal: Applied Economics, 1, 34–68.
Harris, K. M., Halpern, C. T., Whitsel, E. A. et al. (2019): “Cohort Profile: The Na- tional Longitudinal Study of Adolescent to Adult Health (Add Health),” International Journal of Epidemiology, 48, 1415–1415k.
Hoxby, C. (2000): “Peer effects in the classroom: Learning from gender and race variation,” Tech. rep., National Bureau of Economic Research.
Hussey, J. M., Nguyen, Q. C., Whitsel, E. A. et al. (2015): “The reliability of in-home measures of height and weight in large cohort studies: Evidence from add health,” Demographic Research, 32, 1081.
Jencks, C. (1980): “Heredity, environment, and public policy reconsidered,” American Sociological Review, 723–736.
Jou, C. (2014): “The biology and genetics of obesity—a century of inquiries,” New England Journal of Medicine, 370, 1874–1877.
Kling, J. R., Liebman, J. B. and Katz, L. F. (2007): “Experimental analysis of neighborhood effects,” Econometrica, 75, 83–119.
Kong, A., Thorleifsson, G., Frigge, M. L. et al. (2018): “The nature of nurture: Effects of parental genotypes,” Science, 359, 424–428.
Kuczmarski, R. J. (2002): “2000 CDC growth charts for the United States; methods and development,” Tech. rep.
Lavy, V. and Schlosser, A. (2011): “Mechanisms and impacts of gender peer effects at school,” American Economic Journal: Applied Economics, 3, 1–33.
Lehrer, S. F. and Ding, W. (2017): “What is the role for molecular genetic data in public policy?” IZA World of Labor.
Lim, J. and Meer, J. (2018): “How do peers influence BMI? Evidence from randomly assigned classrooms in South Korea,” Social Science & Medicine, 197, 17–23.
Locke, A. E., Kahali, B., Berndt, S. I. et al. (2015): “Genetic studies of body mass index yield new insights for obesity biology,” Nature, 518, 197.
Loh, C.-P. A. and Li, Q. (2013): “Peer effects in adolescent bodyweight: Evidence from rural China,” Social Science & Medicine, 86, 35–44.
Manski, C. F. (1993): “Identification of endogenous social effects: The reflection problem,” The Review of Economic Studies, 60, 531–542.
Mora, T. and Gil, J. (2013): “Peer effects in adolescent BMI: evidence from Spain,” Health Economics, 22, 501–516.
Nagata, J. M., Braudt, D. B., Domingue, B. W. et al. (2019): “Genetic risk, body mass index, and weight control behaviors: Unlocking the triad,” International Journal of Eating Disorders.
Papageorge, N. W. and Thom, K. (2019): “Genes, Education, and Labor Market Outcomes: Evidence from the Health and Retirement Study,”Journal of the European Economic Association, jvz072.
Price, A. L., Patterson, N. J., Plenge, R. M. et al. (2006): “Principal components analysis corrects for stratification in genome-wide association studies,” Nature Genetics, 38, 904.
Reilly, J. J. and Kelly, J. (2011): “Long-term impact of overweight and obesity in childhood and adolescence on morbidity and premature mortality in adulthood: systematic review,”International Journal of Obesity, 35, 891.
Rodr´ıguez-Planas, N., Sanz-de Galdeano, A. and Terskaya, A. (2018): “Independent Thinking and Hard Working, or Caring and Well Behaved? Short-and Long-Term Impacts of Gender Identity Norms.” .
Ronda, V., Agerbo, E., Bleses, D. et al. (2019): “Family Disadvantage, Gender and the Returns to Genetic Human Capital,” Working paper.
Sandholt, C., Hansen, T. and Pedersen, O. (2012): “Beyond the fourth wave of genome-wide obesity association studies,” Nutrition & Diabetes, 2, e37.
Sanz-de Galdeano, A. and Terskaya, A. (2019): “Sibling Differences in Educational Polygenic Scores: How Do Parents React?” .
Schaefer, D. R. and Simpkins, S. D. (2014): “Using social network analysis to clarify the role of obesity in selection of adolescent friends,” American Journal of Public Health, 104, 1223–1229.
Simmonds, M., Llewellyn, A., Owen, C. et al. (2016): “Predicting adult obesity from childhood obesity: a systematic review and meta-analysis,” Obesity Reviews, 17, 95–107.
Sotoudeh, R., Conley, D. and Harris, K. M. (2017): “The Influence of peer genotypes and behavior on smoking outcomes: Evidence from Add Health,”Tech. rep., National Bureau of Economic Research.
Sotoudeh, R., Harris, K. M. and Conley, D. (2019): “Effects of the peer metagenomic environment on smoking behavior,” Proceedings of the National Academy of Sciences, 201806901.
Speliotes, E. K., Willer, C. J., Berndt, S. I. et al. (2010): “Association analyses of 249,796 individuals reveal 18 new loci associated with body mass index,” Nature Genetics, 42, 937.
Steinberg, L. and Monahan, K. C. (2007): “Age differences in resistance to peer influence.” Developmental Psychology, 43, 1531.
Trogdon, J. G., Nonnemaker, J. and Pais, J. (2008): “Peer effects in adolescent overweight,” Journal of Health Economics, 27, 1388–1399.
von Hinke, S., Smith, G. D., Lawlor, D. A. et al. (2016): “Genetic markers as instrumental variables,” Journal of Health Economics, 45, 131–148.
Wedow, R., Masters, R. K., Mollborn, S. et al. (2017): “Body size reference norms and subjective weight status: A gender and life course approach,” Social Forces, 96, 1377–1409.
Wertz, J., Moffitt, T. E., Agnew-Blais, J. et al. (2019): “Using DNA from mothers and children to study parental investment in children’s educational attainment,” Child development.
Yakusheva, O., Kapinos, K. A. and Eisenberg, D. (2014): “Estimating heterogeneous and hierarchical peer effects on body weight using roommate assignments as a natural experiment,” Journal of Human Resources, 49, 234–261.
Yang, W., Kelly, T. and He, J. (2007): “Genetic epidemiology of obesity,”Epidemiologic Reviews, 29, 49–61.
