essays on migration and child well-being

Abstract

Aquesta tesi aborda tres temes de rellevància acadèmica i social continuada - migració familiar i educació infantil, política de planificació familiar i salut infantil, i migració internacional - utilitzant eines analítiques de la literatura de microeconomia aplicada per a la inferència causal, modelatge estructural i avaluació de polítiques amb dades de panell.

Al primer capítol, proposo i estimo un model de migració familiar que inclou els infants. Els retorns esperats a l'educació dels fills s'inclouen com a part de la decisió de migració parental en el model d'elecció discreta aniuat. Els resultats d'estimació utilitzant dades de panell de llars mostren que els pares rurals migren per millors oportunitats educatives pels seus fills i per una prima salarial. Eviten costos elevats, però encara es concentren a les destinacions més restrictives i congestionades. Les anàlisis contrafactuals suggereixen que subvencionar l'educació a l'origen rural dels migrants és més efectiu que subvencionar-la a la destinació, o fins i tot que una subvenció universal, per reduir la separació familiar i millorar l'escolarització dels infants. I totes les subvencions educatives són més efectives que les restriccions de mobilitat per controlar els fluxos migratoris sense perjudicar el grup normalment ocult però altament vulnerable en la migració laboral - els infants, implicant que les polítiques dirigides a la motivació de la migració són més efectives que les restriccions de mobilitat.

Al segon capítol, examino com la presència de germans afecta els resultats de salut infantil utilitzant la política universal xinesa de dos fills del 2016 com a xoc exogen a la mida familiar. Utilitzant un enfocament de variables instrumentals, trobo que l'elasticitat de substitució entre quantitat i qualitat infantil varia significativament segons els nivells inicials de recursos i els contextos culturals. Els resultats indiquen efectes heterogenis: un efecte positiu en l'alçada dels primogènits a zones urbanes, suggerint un comportament compensatori per part de pares amb recursos, però un efecte negatiu a zones rurals, consistent amb el model clàssic de compromís quantitat-qualitat. Els efectes de gènere revelen la complexa interacció entre preferències culturals i assignació de recursos, amb efectes protectors més forts pels primogènits masculins. Aquesta recerca proporciona evidència que el compromís quantitat-qualitat depèn críticament de les expectatives inicials sobre la mida familiar, el moment dels canvis polítics en relació amb el desenvolupament infantil, i els contextos culturals locals moldejats per polítiques anteriors, així com els nivells de recursos que determinen la capacitat adaptativa.

El tercer capítol, coautor amb Konstantin Boss, Andre Groeger, Tobias Heidland i Finja Krueger, publicat com "Forecasting Bilateral Asylum Seeker Flows with High-Dimensional Data and Machine Learning Techniques", Journal of Economic Geography (2025): 25(1), 3-19, utilitza mètodes d'aprenentatge automàtic per incorporar dades de Google Trends com a predictors de dades multidimensionals sobre migració de refugiats entre 157 països d'origen i els països de la UE27. Trobem que una previsió d'ensemble combinant algoritmes Random Forest i Extreme Gradient Boosting supera el passeig aleatori per horitzons entre 3 i 12 mesos, validats fora de mostra. Per corredors grans, això es manté en un model parsimonioso basat exclusivament en variables de Google Trends, disponibles en temps real.

Esta tesis aborda tres temas de relevancia académica y social: la migración familiar y educación infantil, políticas de planificación familiar y salud infantil, y migración internacional, usando herramientas analíticas de microeconomía aplicada para inferencia causal, modelización estructural y evaluación de políticas con datos de panel.

En el primer capítulo, propongo un modelo de migración familiar que incluye a los niños. Los rendimientos esperados de la educación se incluyen en la decisión migratoria de los padres en un modelo de elección discreta. Los resultados muestran que padres rurales migran buscando mejores oportunidades educativas y salarios. Evitan costos altos, pero se concentran en destinos restrictivos. Los análisis sugieren que subvencionar la educación en origen rural es más eficaz que subvencionarla en destino para reducir la separación familiar y mejorar la escolarización. Las subvenciones educativas son más efectivas que las restricciones de movilidad para controlar flujos migratorios sin perjudicar a los niños, implicando que políticas dirigidas a la motivación migratoria son más eficaces que las restricciones.

En el segundo capítulo, examino cómo la presencia de hermanos afecta la salud infantil usando la política china de dos hijos (2016) como choque exógeno. Mediante variables instrumentales, encuentro que la elasticidad de sustitución entre cantidad y calidad varía según recursos y contextos culturales. Los resultados muestran efectos heterogéneos: positivos en la estatura del primogénito en zonas urbanas, sugiriendo comportamiento compensatorio de padres con recursos, pero negativos en zonas rurales, consistente con el modelo clásico cantidad-calidad. Los efectos de género revelan interacciones entre preferencias culturales y asignación de recursos, con mayor protección para primogénitos varones. Esta investigación evidencia que la compensación cantidad-calidad depende de expectativas iniciales sobre tamaño familiar, momento de cambios políticos respecto al desarrollo infantil, contextos culturales y niveles de recursos.

El tercer capítulo, coescrito con Konstantin Boss, Andre Groeger, Tobias Heidland y Finja Krueger, publicado como "Forecasting Bilateral Asylum Seeker Flows with High-Dimensional Data and Machine Learning Techniques" (Journal of Economic Geography, 2025), utiliza métodos de aprendizaje automático incorporando datos de Google Trends como predictores sobre migración de refugiados entre 157 países y la UE27. Descubrimos que modelos que combinan Random Forest y Extreme Gradient Boosting superan al paseo aleatorio para horizontes de 3-12 meses. Para grandes corredores, esto se mantiene en modelos parsimoniosos basados exclusivamente en variables de Google Trends, disponibles casi en tiempo real, permitiendo predecir flujos de asilo anticipadamente.

This thesis addresses three topics of continuing academic and social relevance - family migration and child education, family planning policy and child health, and international migration - using analytical tools from the applied microeconomics literature for causal inference, structural modeling, and policy evaluation with panel data.

In the first chapter, I propose and estimate a model of family migration that includes children. Expected returns to children's education are included as part of the parental migration decision in the nested discrete choice model. Estimation results using household panel data show that rural parents migrate for better educational opportunities for their children and a wage premium. They avoid high costs, but still concentrate in the most restrictive and congested destinations. Counterfactual analyses suggest that subsidizing education at the rural origin of migrants is more effective than subsidizing education at the destination, or even a universal subsidy, in reducing family separation and improving children's schooling. And all education subsidies are more effective than mobility restrictions in controlling migration flows without harming the usually hidden but highly vulnerable group in labor migration - children, implying that policies that target the motivation for migration are more effective than mobility restrictions in controlling migration.

In the second chapter, I examine how the presence of siblings affects child health outcomes using China's 2016 universal two-child policy as an exogenous shock to family size. Using an instrumental variables approach, I find that the elasticity of substitution between child quantity and quality varies significantly across initial resource levels and cultural contexts. The results indicate heterogeneous effects across settings: a positive effect on the height of first-born children in urban areas, suggesting compensatory behavior by resource-rich parents, but a negative effect in rural areas, consistent with the classical quantity-quality trade-off model. Gender effects further reveal the complex interplay between cultural preferences and resource allocation, with stronger protective effects for first-born sons. This research provides novel evidence that the quantity-quality tradeoff depends critically on initial expectations about family size, the timing of policy changes relative to child development, and local cultural contexts shaped by past policies, as well as resource levels that determine adaptive capacity.

The third chapter is coauthored with Konstantin Boss, Andre Groeger, Tobias Heidland, and Finja Krueger, and published as ``Forecasting Bilateral Asylum Seeker Flows with High-Dimensional Data and Machine Learning Techniques'', Journal of Economic Geography (2025): 25(1), 3-19. In this chapter, we use machine learning methods to incorporate digital trace data from Google Trends as predictors of high-dimensional data on refugee migration between 157 countries of origin and the EU27 countries. We find that an ensemble forecast combining Random Forest and Extreme Gradient Boosting algorithms outperforms the random walk for horizons between 3 and 12 months, comparing different models and forecasting horizons and validated out-of-sample. For large corridors, this holds in a parsimonious model based exclusively on Google Trends variables, which have the advantage of being available in near real time. We provide practical recommendations on how our approach can enable applications for predicting asylum-seeking flows ahead of time.