谁获得工作以及如何获得薪酬？机器学习在 H-1B 案例数据上的应用
应用统计
2019-04-25 v1
摘要
在本文中，我们使用机器学习技术来探索劳工部（DOL）披露的 2008 年至 2018 年 H-1B 申请数据集，以提供更多关于美国劳动力市场中国际工人的典型事实。我们训练了一个 LASSO 回归模型来分析不同特征对申请人工资的影响，并使用带有 L1 惩罚的逻辑回归作为分类器来研究特征对案件被认证可能性的影响。我们的分析表明，在医疗行业工作、在加利福尼亚州工作、较高的工作级别有助于获得更高的薪水。同时，较低的工作级别、在教育服务行业工作以及菲律宾国籍与薪水呈负相关。在申请状态方面，博士学位、在零售或金融行业工作、主修计算机科学将使申请人有更好的机会获得认证。没有学位或副学士学位、在教育服务行业工作、或主修教育的申请人更有可能被拒绝。
引用
@article{arxiv.1904.10580,
title = {Who Gets the Job and How are They Paid? Machine Learning Application on H-1B Case Data},
author = {Barry Ke and Angela Qiao},
journal= {arXiv preprint arXiv:1904.10580},
year = {2019}
}