一种改进职业收入分数的机器学习方法
应用统计
2019-09-24 v3
摘要
劳动力市场历史研究经常缺乏个人收入数据。职业收入分数（OCCSCORE）常被用作劳动力市场结果的替代度量。我们考虑当研究者关注收入回归时使用OCCSCORE的后果。我们估计了现代十年一次人口普查以及1915年爱荷华州人口普查中的种族与性别收入差距。使用OCCSCORE会使结果偏向零，并可能导致估计差距出现错误符号。我们采用机器学习方法，基于行业、职业和人口统计特征构建一个新的调整分数。该新收入分数提供的估计更接近于收入回归。最后，我们考虑其对代际流动性弹性估计的影响。
引用
@article{arxiv.1704.08299,
title = {A Machine Learning Approach to Improving Occupational Income Scores},
author = {Martin Saavedra and Tate Twinam},
journal= {arXiv preprint arXiv:1704.08299},
year = {2019}
}