利用手机数据追踪就业冲击
社会与信息网络
2015-05-27 v1 物理与社会
摘要
手机数据能否用于在多尺度上观察经济冲击及其后果？本文提出新方法，利用手机呼叫详细记录（CDRs）检测大规模裁员、识别受影响的个体，并预测总体失业率的变化。以一个大型制造工厂的关闭作为案例研究，我们首先描述一个结构突变模型（structural break model），以正确检测大规模裁员的日期并估计其规模。然后，我们使用贝叶斯分类模型（Bayesian classification model），通过观察工厂关闭后通话行为的变化来识别受影响的个体。对于这些受影响的个体，我们观察到失业后社会行为和流动性显著下降。利用在微观层面识别的特征，我们表明在相同通话行为上的这些改变，聚合到区域层面后，能够改善宏观失业率的预测。这些方法和结果凸显了新数据资源在衡量微观经济行为和改善关键经济指标估计方面的前景。
引用
@article{arxiv.1505.06791,
title = {Tracking Employment Shocks Using Mobile Phone Data},
author = {Jameson L. Toole and Yu-Ru Lin and Erich Muehlegger and Daniel Shoag and Marta C. Gonzalez and David Lazer},
journal= {arXiv preprint arXiv:1505.06791},
year = {2015}
}