机构名称：
¥ 4.0
由于一系列的冲击，包括COVID-19的大流行，能源危机和地缘政治紧张局势升高，近年来，近年来抽象的生产力发展变得越来越不确定。尽管如此，试图将最新生产率增长趋势的尝试受到限制，通常集中在特定职业或行业内的微观生产率上。迄今为止，尚未努力为广泛国家的劳动生产率增长的宏观经济衡量 - 本文寻求解决的差距。本文介绍了40个经合组织和加入国家的小组的劳动生产率增长。本文的主要新颖性是在面板框架内将机器学习技术与混合频率模型的集成在一起，从而可以最佳地利用更高的频率数据。该方法将混合频率设置与各种模型相结合，包括动态因子模型，惩罚回归（Lasso，Ridge，Elasticnet）和基于树的模型（梯度增强的树木，随机森林）以及出版物滞后的解释。性能提高与40个国家 /地区的自回归基准平均值约35％。机器学习模型，特别是梯度增强的树木，在大多数国家 /地区都优于替代品。与40个国家 /地区的30个国家强加的权重相比，发现具有估计重量的MIDAS规格带来了其他信息。关键字：现觉，机器学习，面板，劳动生产力。JEL代码：C4，C53，C23，E24。
采取更及时的劳动生产率增长
主要关键词
相关文件推荐
