2022年6月
更好地了解各国妇女劳动力市场结果的地理分布,对于为提高妇女经济赋权的有针对性的努力提供信息非常重要。本文评估了将墨西哥城市地区的模拟调查数据与谷歌Earth Engine和OpenStreetMap中广泛可用的地理空间指标相结合的方法在多大程度上可以显著改善劳动力参与率和失业率的估计。结合地理空间信息大大提高了州一级男性和女性劳动力参与率和失业率的准确性,将劳动力参与率的平均绝对偏差降低了50%至62%,将失业率的平均绝对偏差降低了25%至52%。使用嵌套误差条件随机效应模型的小面积估计也极大地改善了对劳动力参与率的市政估计,因为当保持覆盖率不变时,平均绝对误差下降了大约一半,而均方误差下降了近75%。相比之下,城市失业率估计的结果不可靠,因为失业率的值很低,因此不适合线性模型。市政的结果在替代样本的重复模拟中得到了验证。使用基本地理统计区域(AGEB)级辅助信息的模型比使用相同辅助数据指定的区域级模型产生更准确的预测。总体而言,整合调查数据和公开的地理空间指标是可行的,可以极大地改善各州对男性和女性劳动力参与率和失业率的估计,以及市级对男性和女性劳动力参与率的估计。
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。