利用模型辅助校准纳入在线招聘广告技能以增强劳动力需求调查
综合经济学
2021-06-08 v1 经济学
应用统计
摘要
在本文中，我们描述了由波兰中央统计局开展的劳动力需求（DL）调查的一项增强措施，即纳入从在线招聘广告中获取的技能。主要目标是提供对技能（能力）需求的估计，而这是 DL 调查中所缺失的。为此，我们采用一种数据整合方法，将传统校准与 LASSO 辅助方法相结合，以修正在线数据中的代表性误差。由于无法获取 DL 调查的单元级数据，我们使用估计的总体总量，并提出了一种考虑波兰中央统计局所报告总量不确定性的 bootstrap 方法。我们表明，经 LASSO 辅助的校准估计量在标准误方面优于传统校准，并降低了在线招聘广告中技能的代表性偏差。我们的实证结果显示，在线数据显著高估了人际、管理和自我组织技能，而低估了技术和体力技能。这主要是由于被归类为工艺及相关行业工人以及工厂和机器操作及装配工的 occupations 代表性不足所致。
引用
@article{arxiv.1908.06731,
title = {Enhancing the Demand for Labour survey by including skills from online job advertisements using model-assisted calibration},
author = {Maciej Beręsewicz and Greta Białkowska and Krzysztof Marcinkowski and Magdalena Maślak and Piotr Opiela and Robert Pater and Katarzyna Zadroga},
journal= {arXiv preprint arXiv:1908.06731},
year = {2021}
}