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 »
Social and business innovations: linked in practice – but two worlds apart in theorising? Attila Havas Many social innovations can only be successful when ... Részletek »
A nemzetek egyenlőtlensége – M. SpenceThe Inequality of NationsMichael SpenceAug 1, 2019 – Project Syndicate Hogyan állíthatja helyre a trösztellenes szabályozás reformja a versenygazdaságot ... Részletek »
Szikali Balázs tudományos munkatárs Opinion leaders – experts of social relations címmel tartott előadást az EURO2019 – 30th European Conference on Operational Research konferencián ... Részletek »
