2019年12月
我们调查佛兰德斯培训计划的异质就业效应。基于管理个人数据,我们使用针对多个规划的因果机器学习估计器——修正因果森林(MCF),在不同聚合水平上分析规划效果。虽然在锁定期之后,所有的项目都有积极的效果,但我们发现不同项目和不同类型的失业者存在很大的差异。模拟结果表明,将失业人员分配到我们估计的最大化个人收益的项目中,可以显著提高效率。简化的规则,比如优先考虑就业能力较低的失业者(主要是新移民),带来的收益约为更复杂规则的一半。
下载
这些必要的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步改善我们的报价和我们的网站,我们收集匿名数据进行统计和分析。例如,在这些cookie的帮助下,我们可以确定网站上某些页面的访客数量和效果,并优化我们的内容。