2019年12月
我们调查弗拉芒培训项目的异质性就业效应。基于行政个体数据,我们使用修正因果森林(MCF)分析不同聚合水平上的程序效果,这是一种用于多个程序的因果机器学习估计器。尽管所有项目在锁定期之后都有积极影响,但我们发现,不同项目和不同类型的失业人员存在很大的异质性。模拟表明,按照我们的估计,将失业者分配到能够最大化个人收益的项目中,可以大大提高效率。简化的规则,比如优先考虑低就业能力的失业者(大多数是最近的移民),导致了更复杂规则所获得收益的一半左右。
下载
这些必要的cookies是激活网站核心功能所必需的。不能选择退出这些技术。
为了进一步提高我们的报价和我们的网站,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,我们可以确定访客数量和网站上某些页面的效果,并优化我们的内容。