W. S. Bainbridge in Computing in the Social Sciences



Yüklə 82.57 Kb.

tarix09.08.2018
ölçüsü82.57 Kb.


14. D. S. Karlan, Am. Econ. Rev. 95, 1688 (2005).

15. G. W. Harrison, J. A. List, J. Econ. Lit. 42, 1009 (2004).

16. D. A. Dillman, Mail and Internet Surveys: The Tailored

Design Method (Wiley, New York, 2000).

17. Beyond this statistical challenge, the Web is changing

how social science, along with all of science, is

conducted. For example, massive records of the Web

transactions themselves are data for analysis that uses

complexity theory and network theory to understand

social and economic networks (42, 43).

18. J. Witte in Society Online: The Internet in Context,

P. N. Howard, S. Jones, Eds. (Russell Sage Foundation,

New York, 2004), p. xv.

19. M. Schonlau, A. Van Soest, A. Kapteyn, M. Couper,

J. Winter, in preparation.

20. W. S. Bainbridge in Computing in the Social Sciences,

O. V. Burton, Ed. (University of Illinois Press, Urbana, IL,

2002), pp. 51–56.

21. U.S. Census Bureau Center for Economic Studies

(www.ces.census.gov).

22. Procedures and Costs for Use of the Research Data Center

(www.cdc.gov/nchs/r&d/rdc.htm).

23. J. M. Abowd, J. I. Lane, Tech. Pap. No. TP-2003-10

(U.S. Census Bureau, Washington, DC, 2003).

24. D. Livermore, E. F. Moran, R. R. Rindfuss, P. C. Stern, Eds.,

People and Pixels (National Academy Press, Washington,

DC, 1998).

25. W. D. Nordhaus, Proc. Natl. Acad. Sci. U.S.A. 103, 3510

(2006).

26. J. E. Cohen, C. Small, Proc. Natl. Acad. Sci. U.S.A. 95,



14009 (1998).

27. B. C. O’Neill, F. L. MacKellar, W. Lutz, Population and

Climate Change (Cambridge Univ. Press, Cambridge,

2001), pp. 114–117.

28. L. Jin et al., Proc. Natl. Acad. Sci. U.S.A. 96, 3796 (1999).

29. V. L. Bonham, E. Warshauer-Baker, F. S. Collins, Am. Psychol.

60, 9 (2005).

30. S. M. McClure, D. I. Laibson, G. Loewenstein, J. D. Cohen,

Science 306, 503 (2004).

31. G. S. Berns et al., Science 312, 754 (2006).

32. J. H. Kagel, R. C. Battalio, L. Green, Economic Choice

Theory: An Experimental Analysis of Animal Behavior

(Cambridge Univ. Press, Cambridge, 1995).

33. Chicago Core on Biomarkers in Population-Based

Aging Research (http://biomarkers.uchicago.edu/

studiescollectingbiomarkers.htm) summarizes studies

collecting biomarkers in population settings.

34. J. Henrich, Science 312, 60 (2006).

35. D. C. Dennett, Breaking the Spell: Religion as a Natural

Phenomenon (Viking Press, New York, 2006).

36. Demographic and Health Surveys (www.measuredhs.com).

37. Luxembourg Income Study (www.lisproject.org).

38. World Values Survey (www.worldvaluessurvey.org).

39. K. W. Deutsch, J. Platt, D. Senghaas, Science 171, 450

(1971).

40. P. M. Smith, B. B. Torrey, Science 271, 611 (1996).



41. P. Milgrom, Putting Auction Theory to Work (Cambridge

Univ. Press, Cambridge, 2004).

42. M. E. J. Newman, A. L. Barabasdi, D. J. Watts, Eds., The

Structure and Dynamics of Complex Networks (Princeton

Univ. Press, Princeton, NJ, 2003).

43. D. J. Watts, Six Degrees: The Science of a Connected Age

(Norton, New York, 2003).

44. W.P.B. is a member of the Board of Reviewing Editors of

Science and former Director of the Division of Social,

Economic, and Behavioral Research at the NSF. B.B.T. is a

Fellow of the AAAS and former Executive Director of the

Commission on Behavioral and Social Sciences and

Education at the National Research Council.

10.1126/science.1130121

PERSPECTIVE

Skill Formation and the Economics of

Investing in Disadvantaged Children

James J. Heckman

This paper summarizes evidence on the effects of early environments on child, adolescent, and

adult achievement. Life cycle skill formation is a dynamic process in which early inputs strongly

affect the productivity of later inputs.

F

our core concepts important to devising



sound social policy toward early childhood

have emerged from decades of independent

research in economics, neuroscience, and develop-

mental psychology (1). First, the architecture of the

brain and the process of skill formation are

influenced by an interaction between genetics and

individual experience. Second, the mastery of skills

that are essential for economic success and the

development of their underlying neural pathways

follow hierarchical rules. Later attainments build

on foundations that are laid down earlier. Third,

cognitive, linguistic, social, and emotional com-

petencies are interdependent; all are shaped power-

fully by the experiences of the developing child;

and all contribute to success in the society at large.

Fourth, although adaptation continues throughout

life, human abilities are formed in a predictable

sequence of sensitive periods, during which the

development of specific neural circuits and the be-

haviors they mediate are most plastic and therefore

optimally receptive to environmental influences.

A landmark study concluded that

Bvirtually

every aspect of early human development, from

the brain

_s evolving circuitry to the child_s ca-

pacity for empathy, is affected by the environ-

ments and experiences that are encountered in a

cumulative fashion, beginning in the prenatal pe-

riod and extending throughout the early child-

hood years

[ (2). This principle stems from two

characteristics that are intrinsic to the nature of

learning: (i) early learning confers value on ac-

quired skills, which leads to self-reinforcing moti-

vation to learn more, and (ii) early mastery of a

range of cognitive, social, and emotional compe-

tencies makes learning at later ages more efficient

and therefore easier and more likely to continue.

Early family environments are major predic-

tors of cognitive and noncognitive abilities.

Research has documented the early (by ages 4

to 6) emergence and persistence of gaps in cog-

nitive and noncognitive skills (3, 4). Environ-

ments that do not stimulate the young and fail to

cultivate these skills at early ages place children

at an early disadvantage. Disadvantage arises

more from lack of cognitive and noncognitive

stimulation given to young children than simply

from the lack of financial resources.

This is a source of concern because family

environments have deteriorated. More U.S. chil-

dren are born to teenage mothers or are living in

single parent homes compared with 40 years ago

(5). Disadvantage is associated with poor parent-

ing practices and lack of positive cognitive and

noncognitive stimulation. A child who falls be-

hind may never catch up. The track records for

criminal rehabilitation, adult literacy, and public job

training programs for disadvantaged young adults

are remarkably poor (3). Disadvantaged early en-

Department of Economics, University of Chicago, Chicago, IL

60637, USA. Department of Economics, University College

Dublin, Dublin 4, Ireland. E-mail: jjh@uchicago.edu

Fig. 1. Average percentile rank on Peabody Individual Achievement Test–Math score by age and income

quartile. Income quartiles are computed from average family income between the ages of 6 and 10.

Adapted from (3) with permission from MIT Press.

L I F E C Y C L E S

30 JUNE 2006

VOL 312


SCIENCE

www.sciencemag.org

1900



vironments are powerful predictors of adult failure

on a number of social and economic measures.

Many major economic and social problems

can be traced to low levels of skill and ability in the

population. The U.S. will add many fewer college

graduates to its workforce in the next 20 years than

it did in the past 20 years (6, 7). The high school

dropout rate, properly measured with inclusion of

individuals who have received general educational

development (GED) degrees, is increasing at a

time when the economic return of schooling has

increased (8). It is not solely a phenomenon of

unskilled immigrants. Over 20% of the U.S.

workforce is functionally illiterate, compared with

about 10% in Germany and Sweden (9). Violent

crime and property crime levels remain high,

despite large declines in recent years. It is

estimated that the net cost of crime

in American society is $1.3 trillion

per year, with a per capita cost of

$4818 per year (10). Recent research

documents the importance of deficits

in cognitive and noncognitive skills

in explaining these and other social

pathologies (11).

Noncognitive Skills and Examples

of Successful Early Interventions

Cognitive skills are important, but

noncognitive skills such as motiva-

tion, perseverance, and tenacity are

also important for success in life.

Much public policy, such as the No

Child Left Behind Act, focuses on

cognitive test score outcomes to

measure the success of interventions

in spite of the evidence on the im-

portance of noncognitive skills in

social success. Head Start was deemed

a failure in the 1960s because it did

not raise the intelligence quotients

(IQs) of its participants (12). Such

judgments are common but miss the

larger picture. Consider the Perry

Preschool Program (13), a 2-year

experimental intervention for disad-

vantaged African-American children

initially ages 3 to 4 that involved morning pro-

grams at school and afternoon visits by the teacher

to the child’s home. The Perry intervention group

had IQ scores no higher than the control group by

age 10. Yet, the Perry treatment children had higher

achievement test scores than the control children

because they were more motivated to learn. In

followups to age 40, the treated group had higher

rates of high school graduation, higher salaries,

higher percentages of home ownership, lower

rates of receipt of welfare assistance as adults,

fewer out-of-wedlock births, and fewer arrests

than the controls (13). The economic benefits of

the Perry Program are substantial (Table 1). Rates

of return are 15 to 17% (14). (The rate of return is

the increment in earnings and other outcomes,

suitably valued, per year for each dollar invested

in the child). The benefit-cost ratio (the ratio of

the aggregate program benefits over the life of

the child to the input costs) is over eight to one.

Perry intervened relatively late. The Abecedar-

ian program, also targeted toward disadvantaged

children, started when participants were 4 months

of age. Children in the treatment group received

child care for 6 to 8 hours per day, 5 days per week,

through kindergarten entry; nutritional supple-

ments, social work services, and medical care

were provided to control group families. The

program was found to permanently raise the IQ

and the noncognitive skills of the treatment group

over the control group. However, the Abecedarian

program was intensive, and it is not known

whether it is the age of intervention or its inten-

sity that contributed to its success in raising IQ

(15–17).

Reynolds et al. present a comprehensive

review of early childhood programs directed

toward disadvantaged children and their impact

(18). Similar returns are obtained for other early

intervention programs (19, 20), although more

speculation is involved in these calculations be-

cause the program participants are in the early

stages of their life cycles and do not have long

earnings histories.

Schools and Skill Gaps

Many societies look to the schools to reduce skills

gaps across socioeconomic groups. Because of the

dynamics of human skill formation, the abilities

and motivations that children bring to school play

a far greater role in promoting their performance

in school than do the traditional inputs that receive

so much attention in public policy debates. The

Coleman Report (21) as well as recent work

(22, 23) show that families and not schools are the

major sources of inequality in student performance.

By the third grade, gaps in test scores across socio-

economic groups are stable by age, suggesting that

later schooling and variations in schooling quality

have little effect in reducing or widening the gaps

that appear before students enter school (4, 24).

Figure 1 plots gaps in math test scores by age across

family income levels. The majority of the gap at age

12 appears at the age of school enrollment. Carneiro

and Heckman performed a cost-benefit analysis of

classroom size reduction on adult earnings (3).

Although smaller classes raise the

adult earnings of students, the earn-

ings gains received by students do not

offset the costs of hiring additional

teachers. The student-teacher achieve-

ment ratio (STAR) randomized trial

of classroom size in Tennessee shows

some effect of reduced classroom size

on test scores and adult perform-

ance, but most of the effect occurs in

the earliest grades (25, 26). Schools

and school quality at current levels

of funding contribute little to the

emergence of test score gaps among

children or to the development of

the gaps.

Second Chance Programs

America is a second chance society.

Our educational policy is based on a

fundamental optimism about the

possibility of human change. The

dynamics of human skill formation

reveal that later compensation for de-

ficient early family environments is

very costly (4). If society waits too

long to compensate, it is economical-

ly inefficient to invest in the skills of

the disadvantaged. A serious trade-off

exists between equity and efficiency

for adolescent and young adult skill policies.

There is no such trade-off for policies targeted

toward disadvantaged young children (28).

The findings of a large literature are captured in

Fig. 2. This figure plots the rate of return, which is

the dollar flow from a unit of investment at each

age for a marginal investment in a disadvantaged

young child at current levels of expenditure. The

economic return from early interventions is high,

and the return from later interventions is lower.

Remedial programs in the adolescent and young

adult years are much more costly in producing the

same level of skill attainment in adulthood. Most

are economically inefficient. This is reflected in

Fig. 2 by the fact that a segment of the curve lies

below the opportunity cost of funds (the horizon-

Fig. 2. Rates of return to human capital investment in disadvantaged children. The

declining figure plots the payout per year per dollar invested in human capital

programs at different stages of the life cycle for the marginal participant at current

levels of spending. The opportunity cost of funds (r) is the payout per year if the

dollar is invested in financial assets (e.g., passbook savings) instead. An optimal

investment program from the point of view of economic efficiency equates returns

across all stages of the life cycle to the opportunity cost. The figure shows that, at

current levels of funding, we overinvest in most schooling and post-schooling

programs and underinvest in preschool programs for disadvantaged persons.

Adapted from (3) with permission from MIT Press.

SPECIALSECTION

www.sciencemag.org

SCIENCE

VOL 312


30 JUNE 2006

1901



tal line fixed at r). The opportunity cost is the

return from funds if they were invested for

purposes unrelated to disadvantaged children.

Conclusions

Investing in disadvantaged young children is a

rare public policy initiative that promotes fairness

and social justice and at the same time promotes

productivity in the economy and in society at

large. Early interventions targeted toward

disadvantaged children have much higher returns

than later interventions such as reduced pupil-

teacher ratios, public job training, convict reha-

bilitation programs, tuition subsidies, or expend-

iture on police. At current levels of resources,

society overinvests in remedial skill investments

at later ages and underinvests in the early years.

Although investments in older disadvantaged

individuals realize relatively less return overall, such

investments are still clearly beneficial. Indeed, the

advantages gained from effective early inter-

ventions are sustained best when they are followed

by continued high-quality learning experiences. The

technology of skill formation shows that the returns

on school investment and postschool investment are

higher for persons with higher ability, where ability

is formed in the early years. Stated simply, early

investments must be followed by later investments

if maximum value is to be realized.

References and Notes

1. E. I. Knudsen, J. J. Heckman, J. Cameron, J. P. Shonkoff,

Proc. Natl. Acad. Sci. U.S.A., in press.

2. J. P. Shonkoff, D. Phillips, From Neurons to Neighborhoods:

The Science of Early Child Development (National

Academies Press, Washington, DC, 2000).

3. P. Carneiro, J. J. Heckman, in Inequality in America: What

Role for Human Capital Policies? J. J. Heckman, A. B.

Krueger, B. Friedman, Eds. (MIT Press, Cambridge, MA,

2003), ch. 2, pp. 77–237.

4. F. Cunha, J. J. Heckman, L. J. Lochner, D. V. Masterov,

in Handbook of the Economics of Education,

E. A. Hanushek, F. Welch, Eds. (North Holland,

Amsterdam, in press).

5. J. J. Heckman, D. V. Masterov, ‘‘The productivity argument for

investing in young children,’’ (Working Paper No. 5, Committee

on Economic Development, Washington, DC, 2004).

6. J. B. Delong, L. Katz, C. Goldin, in Agenda for the Nation,

H. Aaron, J. Lindsay, P. Nivola, Eds. (Brookings Institution

Press, Washington, DC, 2003), pp. 17–60.

7. D. T. Ellwood, in The Roaring Nineties: Can Full Employment

Be Sustained? A. Krueger, R. Solow, Eds. (Russell Sage

Foundation, New York, 2001), pp. 421–489.

8. J. J. Heckman, P. LaFontaine, J. Lab. Econ., in press.

9. International Adult Literacy Survey, 2002: User’s Guide,

Statistics Canada, Special Surveys Divison, National

Literacy Secretariat, and Human Resources Development

Canada (Statistics Canada, Ottawa, Ontario, 2002).

10. D. A. Anderson, J. Law Econ. 42, 611 (1999).

11. J. J. Heckman, J. Stixrud, S. Urzua, J. Lab. Econ., in press.

12. Westinghouse Learning Corporation and Ohio University,

The Impact of Head Start: An Evaluation of the Effects of

Head Start on Children’s Cognitive and Affective

Development, vols. 1 and 2 (Report to the Office of

Economic Opportunity, Athens, OH, 1969).

13. L. J. Schweinhart et al., Lifetime Effects: The High/Scope

Perry Preschool Study Through Age 40 (High/Scope,

Ypsilanti, MI, 2005).

14. A. Rolnick, R. Grunewald, ‘‘Early childhood development:

Economic development with a high public return’’ (Tech.

rep., Federal Reserve Bank of Minneapolis, Minneapolis,

MN, 2003).

15. C. T. Ramey, S. L. Ramey, Am. Psychol. 53, 109 (1998).

16. C. T. Ramey, S. L. Ramey, Prev. Med. 27, 224 (1998).

17. C. T. Ramey et al., Appl. Dev. Sci. 4, 2 (2000).

18. A. J. Reynolds, M. C. Wang, H. J. Walberg, Early

Childhood Programs for a New Century (Child Welfare

League of America Press, Washington, DC, 2003).

19. L. A. Karoly et al., Investing in Our Children: What We

Know and Don’t Know About the Costs and Benefits of Early

Childhood Interventions (RAND, Santa Monica, CA, 1998).

20. L. N. Masse, W. S. Barnett, A Benefit Cost Analysis of the

Abecedarian Early Childhood Intervention (Rutgers

University, National Institute for Early Education

Research, New Brunswick, NJ, 2002).

21. J. S. Coleman, Equality of Educational Opportunity (U.S.

Deparment of Health, Education, and Welfare, Office of

Education, Washington, DC, 1966).

22. S. W. Raudenbush, ‘‘Schooling, statistics and poverty:

Measuring school improvement and improving schools’’

Inaugural Lecture, Division of Social Sciences, University

of Chicago, Chicago, IL, 22 February 2006.

23. J. J. Heckman, M. I. Larenas, S. Urzua, unpublished data.

24. D. A. Neal, in Handbook of Economics of Education,

E. Hanushek, F. Welch, Eds. (Elsevier, Amsterdam, in

press).


25. B. Krueger, D. M. Whitmore, Econ. J. 111, 1 (2001).

26. B. Krueger, D. M. Whitmore, in Bridging the Achievement

Gap, J. E. Chubb, T. Loveless, Eds. (Brookings Institution

Press, Washington, DC, 2002).

27. W. S. Barnett, Benefit-Cost Analysis of Preschool Education,

2004, (http://nieer.org/resources/files/BarnettBenefits.ppt).

28. F. Cunha, J. J. Heckman, J. Hum. Resour., in press.

29. This paper was generously supported by NSF (grant nos.

SES-0241858 and SES-0099195), National Institute of

Child Health and Human Development (NIH grant no.

R01HD043411), funding from the Committee for Eco-

nomic Development, with a grant from the Pew

Charitable Trusts and from the Partnership for America’s

Economic Success. This research was also supported by

the Children’s Initiative project at the Pritzker Family

Foundation and a grant from the Report to the Nation of

America’s Promise. The views expressed in this paper are

those of the author and not necessarily those of the

sponsoring organizations. See our Web site (http://

jenni.uchicago.edu/econ_neurosci) for more information.

10.1126/science.1128898

PERSPECTIVE

Studying Adolescence

Linda M. Richter

Young people in their teens constitute the largest age group in the world, in a special stage

recognized across the globe as the link in the life cycle between childhood and adulthood.

Longitudinal studies in both developed and developing countries and better measurements of

adolescent behavior are producing new insights. The physical and psychosocial changes that occur

during puberty make manifest generational and early-childhood risks to development, in the form

of individual differences in aspects such as growth, educational attainment, self-esteem, peer

influences, and closeness to family. They also anticipate threats to adult health and well-being.

Multidisciplinary approaches, especially links between the biological and the social sciences, as well

as studies of socioeconomic and cultural diversity and determinants of positive outcomes, are

needed to advance knowledge about this stage of development.

Y

oung people aged 10 to 19 currently



constitute a demographic bulge. They

are the largest age group in the world,

making up close to 20% of the 6.5 billion world

population estimated in 2005 (1), 85% of whom

live in developing countries and account for

about one-third of those countries

_ national pop-

ulations. Adolescence has also been described as

Bdemographically dense[: a period in life during

which a large percentage of people experience a

large percentage of key life-course events (2).

These include leaving or completing school,

bearing a child, and becoming economically

productive. They also include experiences, more

common in this age group than in others, that

are capable of substantially altering life trajecto-

ries: nonconsensual sex, alcohol and drug abuse,

self-harm and interpersonal violence, and getting

into trouble with the law. Diet and activity pat-

terns, friendships, educational achievement, and

civic involvement all affect current health,

Child, Youth, Family, and Social Development, Human

Sciences Research Council, Private Bag X07, Dalbridge

4014, South Africa, and University of KwaZulu-Natal,

South Africa. E-mail: lrichter@hsrc.ac.za

Table 1. Economic benefits and costs of the Perry

Preschool Program (27). All values are discounted at

3% and are in 2004 dollars. Earnings, Welfare, and

Crime refer to monetized value of adult outcomes

(higher earnings, savings in welfare, and reduced

costs of crime). K–12 refers to the savings in reme-

dial schooling. College/adult refers to tuition costs.

Perry Preschool

Child care

$986

Earnings


$40,537

K–12


$9184

College/adult

$–782

Crime


$94,065

Welfare


$355

Abuse/neglect

$0

Total benefits



$144,345

Total costs

$16,514

Net present value



$127,831

Benefits-to-costs ratio

8.74

L I F E C Y C L E S



30 JUNE 2006

VOL 312


SCIENCE

www.sciencemag.org



1902



Dostları ilə paylaş:


Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©genderi.org 2017
rəhbərliyinə müraciət

    Ana səhifə