Vincze János tudományos tanácsadó és Takács Olga tudományos segédmunkatárs közös cikke Bérelőrejelzések – prediktorok és tanulságok címmel megjelent a Közgazdasági Szemle folyóiratban.
Ebben az írásban a magyarországi “bérfüggvényt” elemezzük bizonyos adatbányász – induktív statisztikai – technikák segítségével. A klasszifikációs és regressziós fák (Classification and Regression Trees, CART) módszerének eredeti célja elsősorban a predikció. Nagyon jól értelmezhető eredményt ad, ami az előzetes adatelemzési funkcióban lényeges. Ezért a CART-elemzés alapján megfogalmaztunk bizonyos sejtéseket az alapvető bérezést érintő problémákkal kapcsolatban is. “Véletlenerdő-algoritmus” felhasználásával ellenőriztük a változók magyarázó ereje szerinti fontosságának robusztusságát. Mindkét módszer alapján a béreket “meghatározó” két legfontosabb tényező a képzettség és a vállalatméret.
Az MTA KRTK Közgazdaság-tudományi Intézet teljesítményéről Az MTA KRTK KTI a RePEc/IDEAS rangsorában, amely a világ közgazdaságtudományi tanszékeit és intézeteit rangsorolja publikációs teljesítményük alapján, ... Részletek »
Tisztelt Kollégák! Tudományos kutatóként, intézeti vezetőként egész életünkben a kutatói szabadság és felelősség elve vezetett bennünket. Meggyőződésünk, hogy a tudomány csak akkor érhet el ... Részletek »
Brokering the core and the periphery: Creative success and collaboration networks in the film industry Abstract In collaboration-based creative industries, such as film production, ... Részletek »
A távolságtartás elsőbbsége – M. Spence The Priority for the Social-Distancing Period Michael Spence Apr 1, 2020 – Project Syndicate Tesztelés és célzott izoláció ... Részletek »
Szerző: Hermann Zoltán Az iskolák bezárásával a magyar közoktatás egyik napról a másikra online távoktatási módszerekre állt át. Mindenki tudja, hogy vannak olyan diákok, ... Részletek »
