新IZA世界劳工报告:失业求职者的统计分析

新IZA世界劳工报告:失业求职者的统计分析:大数据结合政策制定者和研究人员之间更紧密的合作可以改善劳动力市场结果

统计模型可以帮助公共就业服务部门确定与长期失业有关的因素和确定风险群体。随着大数据的日益可用性以及新的机器学习技术提高了它们的预测能力，此类剖析模型可能会变得更加突出。

一个新的IZA世界劳工报告(发布于2021年3月2日)的研究表明，统计分析可以帮助识别面临长期失业风险的个人，突出适当的预测变量，在某些情况下，统计模型可以减少现有的歧视模式。政府越来越多地开发和实施基于行政和/或调查数据的统计分析模型，以预测求职者是否会长期失业。与标准的回归模型相比，这些技术更能预测哪些求职者有可能成为长期失业者或耗尽他们的福利。

然而，由Bert Van landdeghem、Sam Desiere和Ludo Struyven撰写的报告强调，政策制定者需要评估其使用的伦理含义:侧写行为往往会错误地对个人进行分类，并有可能强化或实际上防止现有的歧视模式。特别是，各国政府需要意识到对少数民族的污名化可能会加剧。在实践中，遵守隐私法(如GDPR)的州采用的规则规定，在统计模型中包含有争议的变量(如性别、年龄和种族)是非法的。

一种可能的缓解措施是在模型中包括有争议的变量，但只在预测阶段，然后用人口的平均值替换有争议的变量。这降低了模型的预测能力，但也降低了歧视少数群体的风险。经过这些调整后，与授予个案工作者自由裁量权将人们分配到项目相比，统计分析模型实际上可能会防止歧视。一项研究发现，当招聘经理否决测试结果的能力有限时，招聘员工的质量就会提高。算法可以比人类决策者更透明，因为人类决策者容易产生无意识的偏见。

虽然统计分析模型可能有助于识别高危人群，但它们不能揭示哪些政策方案对谁最有效。为了最大限度地发挥统计分析模型的好处，并减少对个人进行错误分类和歧视加剧的风险，决策者必须与数据科学家和研究人员保持一致的对话，以确定实现所寻求结果的最佳方法。

复杂的统计分析工具很可能最终会改善求职者在劳动力市场的表现。还需要进行更多的研究，但2019年的一项研究发现，统计分析规则在为求职者分配最优方案方面的表现优于个案工作者。然而，统计分析模型可能会支持而不是取代个案工作者，而政府希望在自动化决策者和人类决策者之间找到正确的平衡。

Bert Van landdeghem、Sam Desiere和Ludo Struyven认为，将统计分析模型与因果推理方法(如大规模随机对照试验与机器学习)相结合可能是最有效的方法。他们的结论是:“统计分析可以为个案工作者和公共就业服务机构提供额外的信息来源。虽然它没有说明因果关系，但它可以帮助提出一个问题，为什么一个群体的风险比另一个群体更大。这样，统计分析可以作为开发研究项目的指南，调查因果机制....而不是根据预测的失业时间来分析求职者，[政策制定者]可以根据计划的预期效果来分析求职者。”

如果你引用IZA World of Labor的报告，请注明出处。

请在IZA劳工世界的关键主题页找到关于失业的进一步研究:https://wol.iza.org/key-topics/well-being-unemployment-and-economic-instability

媒体联络:
请联系Teodora Rousseva了解更多信息或作者采访:
Teodora.rousseva@bloomsbury.com

作者信息:

英国谢菲尔德大学和德国IZA大学的Bert Van landdeghem说

Sam Desiere，根特大学，比利时

Ludo Struyven，比利时鲁汶大学

编辑笔记:
IZA World of Labor (http://wol.iza.org)是一个全球性的免费在线资源，为政策制定者、学者、记者和研究人员提供关于全球劳动经济问题的清晰、简明和基于证据的知识。

该网站提供了有关多元化、移民、最低工资、青年失业、就业保护、发展、教育、性别平衡、劳动力流动性和灵活性等主题的相关简明信息。

劳工经济研究所成立于1998年，www.ecmna114.com)是一家独立的经济研究机构，专注于分析全球劳动力市场。它的总部设在波恩，拥有一个由来自45多个国家的约1500名经济学家和研究人员组成的国际网络。