理解失业后收入损失的来源:机器学习方法

现的标志

IZA研究研讨会

的地方:变焦研讨会

日期:01.12.2020, 14:00 - 15:15

的报告

Andreas Gulyas(德国曼海姆大学)

参加Zoom会议
https://us02web.zoom.us/j/87487213161

会议编号:874 8721 3161

文摘:

我们实现了一个广义随机森林(Athey等人,2019)到一个差异-差异设置,以确定失业工人收入损失的实质性异质性。利用奥地利过去30年的行政数据,我们发现四分之一的工人在11年里面临的累计损失超过他们流离失所前年收入的2倍,而近10%的个人经历了收益。我们的方法允许我们考虑许多相互竞争的盈利损失理论。我们发现,替代企业的工资溢价和当地劳动力市场上高薪工作的可获得性是两个最重要的因素。这意味着收益损失可以通过企业工资溢价的均值回归和匹配质量的损失来理解,而不是通过企业特定人力资本的破坏来理解。我们进一步表明,94%的收入损失的周期性是由商业周期中失业工人的构成变化来解释的。

下载完整论文
如需更多信息,请联系seminar@iza.org

©现公司信息勒zte Aktualisierung: 31.12.2022webmaster@iza.org