Vincze János tudományos tanácsadó és Takács Olga tudományos segédmunkatárs közös cikke Bérelőrejelzések – prediktorok és tanulságok címmel megjelent a Közgazdasági Szemle folyóiratban.
Ebben az írásban a magyarországi “bérfüggvényt” elemezzük bizonyos adatbányász – induktív statisztikai – technikák segítségével. A klasszifikációs és regressziós fák (Classification and Regression Trees, CART) módszerének eredeti célja elsősorban a predikció. Nagyon jól értelmezhető eredményt ad, ami az előzetes adatelemzési funkcióban lényeges. Ezért a CART-elemzés alapján megfogalmaztunk bizonyos sejtéseket az alapvető bérezést érintő problémákkal kapcsolatban is. “Véletlenerdő-algoritmus” felhasználásával ellenőriztük a változók magyarázó ereje szerinti fontosságának robusztusságát. Mindkét módszer alapján a béreket “meghatározó” két legfontosabb tényező a képzettség és a vállalatméret.
A KRTK Közgazdaság-tudományi Intézet teljesítményéről A KRTK KTI a RePEc/IDEAS rangsorában, amely a világ közgazdaság-tudományi tanszékeit és intézeteit rangsorolja publikációs teljesítményük alapján, a legjobb ... Read More »
Tisztelt Kollégák! Tudományos kutatóként, intézeti vezetőként egész életünkben a kutatói szabadság és felelősség elve vezetett bennünket. Meggyőződésünk, hogy a tudomány csak akkor érhet el ... Read More »
Gyöngíti vagy erősíti a nemzetközi kereskedelem az országok ellenállóképességét? J. Frankel Does International Trade Weaken or Strengthen Countries’ Resilience? Jeffrey Frankel Jun 20, ... Read More »
2022-ben 152 kutató nyerte el az MTA Bolyai János Kutatási Ösztöndíját a szakértői értékelések és a kollégiumok javaslatai alapján, a Bolyai János Kutatási Ösztöndíj ... Read More »
A magyar oktatási rendszer aktuális teljesítményéről a minisztériumban sincs rendes visszajelzés, nem tudjuk, mi történik az iskolákban, és arról sincs konszenzus, mit várunk az ... Read More »
