2019年12月
网上刊登于:劳动经济学, 2022年11月28日,102306
我们调查了佛兰德语培训项目的异质就业影响。基于管理个体数据,我们使用修正因果森林(MCF)(一种针对多个方案的因果机器学习估计器)分析了不同聚集水平上的方案效果。虽然所有计划在锁定期后都有积极影响,但我们发现不同计划和不同类型的失业者存在很大的异质性。模拟表明,将失业者分配到我们估计的能够使个人收益最大化的项目中,可以大大提高效率。简化的规则,比如优先考虑就业能力低的失业者(主要是最近的移民),会导致更复杂的规则所获得的收益的一半左右。
下载
这些必需的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步完善我们的服务和我们的网站,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,我们可以确定访问者的数量和我们网站上某些页面的效果,并优化我们的内容。