Projektdeltagere

Arbejdsmarkedssortering: Identifikation og implikationer


 

Abstract:

Med udgangspunkt i banebrydende fremskridt inden for økonomi og maskinlæring udvikler vi en metode til at måle latente firma- og arbejdstageregenskaber i data. Dette afslører konsekvenserne for lønninger, output og produktivitet ift. at flytte en enkelt arbejder til et hvilket som helst firma i økonomien og giver mulighed for at svare på spørgsmål såsom: Tildeler markedet arbejderne de rigtige job? Kan denne tildeling forbedres? Betaler store arbejdsgivere højere lønninger, fordi de ansætter bedre arbejdere? Hvad er kilderne til store lønforskelle på tværs af brancher, erhverv eller regioner? Grundlæggende viser vi, hvordan den danske regering, ved brug af data der allerede er adgang til, kan overvinde friktion på arbejdsmarkedet og forbedre fordelingen af arbejderne til jobs.

Type:

Private (National)

Bevillingsgiver:

Carlsbergfondet

Status:

Igang

Startdato:

01-02-2020

Slutdato:

31-01-2022

The page was last edited by: Dean's Office of Research