Korrektur des Tätigkeitsschlüssels der Bundesagentur für Arbeit mithilfe maschineller Lernverfahren

Elena Schmidt

WISTA – Wirtschaft und Statistik, 2020, vol. 72, issue 6, 37-47

Abstract: Ziel des vorgestellten Projekts war, das Merkmal Vollzeit/Teilzeit des Tätigkeitsschlüssels in den Integrierten Erwerbsbiografien der Bundesagentur für Arbeit zu korrigieren. Dies sollte mithilfe des auch in der Verdienststrukturerhebung vorhandenen, aber manuell korrigierten Schlüssels erfolgen. Unter Berücksichtigung verschiedener projektspezifischer Anforderungen wurde ein überwachtes maschinelles Lernverfahren eingesetzt, welches das entsprechende Merkmal eines Beschäftigten anhand vorliegender Betriebs- und Mitarbeitermerkmale schätzen kann. Es zeigte sich, dass sich mit diesem Modell der Fehler in der Signierung des Tätigkeitsschlüssels bei einer aus dem Datensatz der Verdienststrukturerhebung erzeugten Testmenge um etwa 40 % reduzieren lässt.

Keywords: Maschinelles Lernen; Boosting; Tätigkeitsschlüssel; Verdienststrukturerhebung; machine learning; boosting; occupational code number; structure of earnings survey (search for similar items in EconPapers)
Date: 2020
References: View complete reference list from CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/228501/1/wista-2020-6-37-47.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wistat:228501

Access Statistics for this article

More articles in WISTA – Wirtschaft und Statistik from Statistisches Bundesamt (Destatis), Wiesbaden Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().