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 »
Crop Productivity and Climatic Conditions: Evidence from Hungary Abstract Hungarian agriculture is expected to experience greater risks due to more variability in crop productivity ... Részletek »
The Effect of Investment, LFA and Agri‐environmental Subsidies on the Components of Total Factor Productivity: The Case of Slovenian Farms Abstract The effect of ... Részletek »
A legbefolyásosabb közgazdászok ma – S. Austin Top Influential Economists Today Dr. Sara L. Austin – AcademicInfluence.com Claudia Sahm interjúja – L. Parramore What ... Részletek »
