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.
A KRTK Közgazdaság-tudományi Intézet teljesítményéről A KRTK KTI a RePEc/IDEAS rangsorában, amely a világ közgazdaság-tudományi tanszékeit és intézeteit rangsorolja publikációs teljesítményük alapján, a legjobb ... 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 »
Az IMF előrejelzése: egyedülálló válság és bizonytalan fellendülés A Crisis Like No Other, An Uncertain Recovery June 2020 – International Monetary Fund A koronavírus ... Részletek »
Front-Loading the Unemployment Benefit: An Empirical Assessment Abstract We estimate the effect of front-loading unemployment benefit payments on nonemployment duration and reemployment wages. Exploiting ... Részletek »
Közgazdaság- és Regionális Tudományi Kutatóközpont a Közalkalmazottak jogállásáról szóló 1992. évi XXXIII. törvény 20/A. § alapján pályázatot hirdet kutatási asszisztens munkakör betöltésére. A pályázat ... Részletek »
