机构名称：
¥ 4.0
本文在2000 - 2020年间介绍了哥伦比亚的Muipality水平上的Gini Coe效应的两个合成估计。该方法依赖于多种机器学习模型来选择用于数据插补的最佳模型。这是在两个随机森林模型中衍生的，第一个是通过包含主要固定效应的特征，而第二个则包含一组主要的不同因素。根据这些估计，检查了两个模型的合成Gini coe量，并生成公共链接以访问它们。主要的固定效应模型与不同的因子模型相反。因此，对于研究人员而言，建议将合成的Gini Coe效率与不同的因素使用，因为它在时间上含有比主要的固定效应模型更大的变异性。
哥伦比亚的市政综合Gini指数：机器学习方法
主要关键词
相关文件推荐
