Literaturnachweis - Detailanzeige
| Autor/inn/en | Angrist, Joshua; Frandsen, Brigham |
|---|---|
| Titel | Machine Labor. Gefälligkeitsübersetzung: Maschinenarbeit. |
| Quelle | In: Journal of labor economics, 40 (2022) S1, S. 97-140
PDF als Volltext |
| Sprache | englisch |
| Dokumenttyp | online; gedruckt; Zeitschriftenaufsatz |
| ISSN | 0734-306X; 1537-5307 |
| DOI | 10.1086/717933 |
| Schlagwörter | Empirische Forschung; Schätzung; Künstliche Intelligenz; Künstliche Intelligenz; Öffentliche Einrichtung; Prognose; Studium; Hochschulbildung; Schätzung; Empirische Forschung; Arbeitsökonomie; Bildungsertrag; Bildungsertrag; Öffentliche Einrichtung; Arbeitsökonomie; Hochschulbildung; Studium; Privathochschule; Parameter; Prognose |
| Abstract | "The utility of machine learning (ML) for regression-based causal inference is illustrated by using lasso to select control variables for estimates of college characteristics? wage effects. Post-double-selection lasso offers a path to data-driven sensitivity analysis. ML also seems useful for an instrumental variables (IV) first stage, since two-stage least squares (2SLS) bias reflects overfitting. While ML-based instrument selection can improve on 2SLS, split-sample IV and limited information maximum likelihood do better. Finally, we use ML to choose IV controls. Here, ML creates artificial exclusion restrictions, generating spurious findings. On balance, ML seems ill-suited to IV applications in labor economics." (Author's abstract, IAB-Doku) ((en)) |
| Erfasst von | Institut für Arbeitsmarkt- und Berufsforschung, Nürnberg |
| Update | 2023/1 |
Literaturbeschaffung und Bestandsnachweise in Bibliotheken prüfen
Permalink als QR-Code
Inhalt auf sozialen Plattformen teilen (nur vorhanden, wenn Javascript eingeschaltet ist)
Teile diese Seite:
