2021年8月
在本文中,我们提出使用机器学习方法来估计机会不平等。我们说明了我们提出的方法——条件推理回归树和森林——如何比现有的估计方法有实质性的改进。首先,它们减少了特定模型选择的风险。其次,他们通过权衡机会估计不平等的向上和向下偏差来建立估计模型。对31个欧洲国家的横断面的实证应用说明了回归树和森林的优点。我们表明,相对于我们首选的方法,任意模型选择可能导致机会估计不平等的显著偏差。这些偏差反映在点数估计和国家排名中。我们的研究结果说明了利用机器学习算法来避免向政策制定者和公众提供关于不同社会中机会不平等程度的误导性信息的实际重要性。
下载
这些必要的cookie是激活网站核心功能所必需的。不能选择不使用这些技术。
为了进一步改善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。在这些cookie的帮助下,我们可以,例如,确定访问者的数量和某些页面对我们网站的影响,并优化我们的内容。