图 1:上图)28 个实证 copula 中相对流动性测度的比较(ρ 是每两个相对流动性测度之间的皮尔逊相关系数。所有情况下,相关值的标准误差均低于 0.01。);下图)copula 变化对美国绝对代际流动性的影响。绝对流动性是使用 Chetty 等人(2017 年)中使用的边际分布和丹麦、芬兰、德国、挪威、瑞典、英国和美国的 28 个实证 copula 估计的。灰色阴影区域是各种绝对流动性估计值所覆盖的区域。灰色曲线是每年所有 28 个估计值的算术平均值。黑色圆圈是 Chetty 等人(2017 年)报告的估计值。
Raj Chetty (哈佛大学) Katy Milkman (宾夕法尼亚大学沃顿商学院) Josh Tucker (纽约大学) 12:45 PM 公众评论 12:55 PM 休会
1几项研究提供了理论论点,为什么更大的不平等会导致代际移动性下降(Solon,2004; Durlauf和Seshadri,2017; Becker,Kominers,Murphy和Spenkuch,2018)。不平等与代际流动性之间的负面关系在各个国家(Andrews and Leigh,2009年)以及美国境内的整个区域(Chetty,Hendren,Kline和Saez,2014; Bradbury and Triest and Triest,2016)。它也随着时间的推移(Chetty,Grusky,Hell,Hendren,Manduca和Narang,2017年); intergenerational occupational mobility fell in the U.S. (Long and Ferrie, 2013; Song, Massey, Rolf, Ferrie, Rothbaum, and Xie, 2020) at the same time that U.S. inequality rose (Piketty and Saez, 2003), although some studies nd that income mobility in the U.S. has remained roughly constant over the last several decades while inequality continued to increase (Chetty, Hendren, Kline, Saez,和特纳,2014年; Lee and Solon,2009年)。2曼恩将继续阐述教育减少不平等的几种方式:通过为受过教育的人提供对穷人的慈善事业,通过提供所有接受教育的人来提供自己的手段,并通过改变经济和文化来为所有人提供更多机会(Mann,1848年)。值得注意的是,曼恩(Mann)认识到,扩大教育不仅仅是接受教育的人。
Raj Chetty*、Matthew Jackson*、Theresa Kuchler*、Johannes Stroebel* Nathan Hendren、Robert Fluegge、Sara Gong、Federico González、Armelle Grondin Matthew Jacob、Drew Johnston、Martin Koenen、Eduardo Laguna-Muggenburg Florian Mudekereza、Tom Rutter、Nicolaj Thor、Wilbur Townsend、Ruby Zhang Mike Bailey、Pablo Barberá、Monica Bhole 和 Nils Wernerfelt
* 我们感谢 Leah Boustan、Davide Cantoni、David Card、Raj Chetty、Ellora Derenoncourt、Jeremiah Dittmar、Jonathon Hazell、Richard Hornbeck、Allan Hsiao、Ethan Ilzetzki、Ilyana Kuziemko、Camille Landais、Quan Le、David Lee、Trevon Logan、Ben Moll、Suresh Naidu、Steve Redding、Ricardo Reis、Maarten de Ridder、Bryan Stuart、Chris Walters、Tianyi Wang、Zach Ward 和 Gavin Wright 的深刻评论。我们感谢研讨会和会议参与者分享他们的建议。我们还要感谢密歇根大学的三名匿名研究生分享他们的模拟裁判报告。Tre' McMillan、Cynthia Nwankwo 和 Bracklinn Williams 提供了出色的研究协助。这项工作得到了普林斯顿大学不平等研究计划和工业关系部门的支持。这篇论文之前发表的标题是“奴隶制结束后黑人经济进步的地理”。† 普林斯顿大学经济学系。lalthoff@princeton.edu ‡ 伦敦政治经济学院经济学系。hareichardt@lse.ac.uk
2. 我们要感谢 Opportunity Insights 系列研讨会、经济测量学会 (2023) 和联邦统计方法委员会 (2023) 的参与者以及经济分析局的研讨会参与者。我们要感谢 Ben Bridgman、Ryan Decker、Nathaniel Hendren、Justine Mallatt、Steven Mance、Mahsa Gholizadeh、Ludwig Straub、Henry Hyatt 和 Santiago Pinto 的评论。Jim Spletzer 以及人口普查局和劳工统计局的众多工作人员就工资数据和官方系列的分析提供了宝贵的早期反馈。我们还要感谢 John Friedman、Michael Stepner 和 Raj Chetty 加速了这些数据的分析并促进了统计机构之间的合作。特别是,John Friedman 和 Michael Stepner 在促进有关此主题的研究、数据和讨论方面所花费的时间和精力非常宝贵。我们要感谢人口普查局的 Sonya Porter 在 Opportunity Insights 小组和统计机构之间出色的领导和协调。此外,我们还要感谢 Julie Hatch 和 Joseph Piacentini 的参与和领导。我们还要感谢用于构建本文中各个系列的工资单数据的提供者,这对这项研究工作至关重要。
∗ 本版本:2022 年 7 月。通讯:j.colmer@virginia.edu。附属机构:Colmer—美国弗吉尼亚大学经济学系;Voorheis—美国人口普查局;Williams—美国弗吉尼亚大学经济学系。我们感谢 Raj Chetty、Ellora Derononcourt、John Friedman、Nathaniel Hendren、Maggie Jones 和 Janet Currie 的许多有益的想法、评论和讨论。我们还要感谢 NBER 流动性经济学会议、NBER 公共经济学春季会议、加州大学戴维斯分校、财政研究所、弗吉尼亚大学和华威大学的研讨会参与者提供的有益评论和建议。该项目得到了 WE Upjohn 就业研究所和弗吉尼亚大学可持续发展研究发展委员会的资助。所有错误和遗漏均由我们自己承担。本文表达的任何观点和结论均为作者的观点和结论,并不一定反映美国人口普查局的观点。人口普查局的披露审查委员会和披露避免官员已审查了此数据产品是否存在未经授权披露机密信息的情况,并批准了适用于此版本的披露避免做法,授权编号为 CBDRB-FY21-CES014-007、CBDBRB-FY21-CES014-036、CBDBRB-FY21-CES014-044、CBDBRB-FY22-CES014-001、CBDBRB-FY22-CES014-007、CBDBRB-FY2022-CES019-003 和 CBDRB-FY22-CES014-040。
1 73000411200001101 2州2 73000308970001302 22世纪公立学校3 73000399050000999 2NTECH AGRIBIS(OPC)私人有限公司4 730004030900011101 2PM住院 73000369330000999 3AAA FASHION INNOVATORS PRIVATE LIMITED 8 73000372000000004 3SP AGRO EXPORTS (OPC) PRIVATE LIMITED 9 73000399640001101 6M KITCHENS PRIVATE LIMITED 10 73000413200000999 77 HILLS ELECTRICALS 11 73000370430000699 7SEAS INFRAVENTURE INTERNATIONAL PRIVATE LIMITED 12 73000348470001302 82VASAVI教育协会。13 73000352450001101 9 PAX餐厅顾问Pvt。ltd。14 73000388720000999 A&S Enterprises 15 73000340390001018 A 1安全服务,16 73000374270001099 A B D建筑17 73000358680001001 PVT。 Prabhuraj 26 73000216400000506 A One Engineers 27 73000173450000910一个办公室需要Pvt。工业,43 73000338880001001 A.G.企业44 73000195210000802 A.J.Boards 45 7300008630000066 A.J.Polymers Pvt.ltd。46 73000267460000607上午营销47 730003107001101 A.R.A.Ventures 48 730002679200401 A.R.K.加油站49 73000344230001303 A.V.Kanthamma女性学院50 73000344250001303 A.V. 61 73000354850001101 AAHARA。Kanthamma女性学院50 73000344250001303 A.V.61 73000354850001101 AAHARA。Ltd 28 73000199780001001 A P Associates 29 73000381800001099 A R ENTERPRISES 30 73000390870001401 A R HOSPITAL 31 73000345300000802 A S CARTON 32 73000304600000802 A S ENTERPRISES 33 73000352920001018 A S ENTERPRISES 34 73000359740000999 A S Praveen Contractor 35 73000353470001002 A SHANKARA CHETTY AND SONS 36 73000363310001019 A T C MANPOWER SERVICES 37 73000335260001001 A TRADE WINGS SERVICES 38 73000373710001302 A V S EDUCATION TRUSTR 39 73000392670000799 A V运输40 73000341840001099 A-ID Systems India Private Limited 41 73000310520000910 A. Shankara Chetty&Sons 42 73000210910000304 A.B.M.kanthamma pu妇女学院51 73000396850000999 A1 Star Plus Wellness Private Limited 52 73000274890000604 A2Z Solutions 53 7300038868680000999 AADHYA AADHYA AADHYA SECurity&Allied Security&Allied Security&Allied Security&AlliedSecur来 AADI HARI ELECTRONICS PRIVATE LIMITED 56 73000364140001002 AADRI VENTURES LLP 57 73000400290000999 AADVITHA ENTERPRISES 58 73000370680001099 AADYA GROUP 59 73000392350001001 AADYA SERVICE AND SOLUTIONS 60 73000244490000607 Aadya Technologies.Jaya's Kichen 62 73000389010001009 Aakaarinfra Enterprises Private Limited 63 73000359620001099 Aakash电缆64 73000379740000999 AALLAY零售业
来自科学院长的信息,Nithaya Chetty教授欢迎来到Wits University的科学学院!感谢您选择与我们一起攻读科学学位。我们的教职员工被自豪地排名该国的顶级科学学院,并以其卓越的教学和研究而受到全球认可。与高素质的教育者和领先的科学家一起,我们提供了与世界上最好的课程和资格。作为Wits的五个学院之一,我们在物理,数学,生物学和地球科学方面提供了广泛的本科学位课程。您的热情是否在于化学,物理,计算机科学,遗传学,地质或天体物理学等领域,我们有信心您会找到一个激发和挑战您的程序。我们的灵活学位结构使您能够以创新的方式结合学科,从而实现个性化的学术旅程。我们鼓励您在学习期间努力卓越,并在实现最高学术目标方面毫不妥协。我们强调了在大学和个人生活中保持平衡的重要性,因为大学还涉及建立网络,促进友谊和塑造您的未来。本小册子概述了您学位的要求,必须仔细阅读与规则和教学大纲书一起阅读。如果您有任何疑问,我们的教职人员和学者将在这里指导和为您提供帮助。我们期待在这一激动人心的旅程中为您提供支持。最良好的祝愿您的学习和您作为科学家的未来!
尽管在爆发前就会出现预警信号,但像 COVID-19 这样的事件引发的经济衰退更有可能是突然的打击。由于宏观经济预测可能会用于政策制定和规划,因此我们必须找到一种合理可行的方法来识别可能的经济衰退。机器学习在环境、医药和医疗保健、交通、金融和经济等各个领域发挥着巨大优势,帮助人们做出预测或决策。研究人员希望在本研究中探索机器学习作为预测经济衰退方法的有效性(Connaughton,2010;Liu & Tang,2022)。最近有一些关于预测由 COVID-19 等事件引起的经济衰退的研究。根据 Ludvigson 等人的研究,像 COVID-19 这样的事件是多周期的,在全球范围内具有巨大的影响,这与传统的经济冲击不同。根据他们的研究,他们使用了美国四十多年的数据,构建了一个代价高昂的灾难(CD)时间序列来衡量事件的成本并分析其动态影响。另一项研究侧重于预测问题的基本假设。他们根据一些要素,从历史上典型的经济冲击中合成当前冲击。Kuyo等人使用自然语言处理模型(NLP)进行情绪分析。包括朴素贝叶斯和N-gram在内的机器学习模型被应用于社交媒体数据。Chetty等人自己建立了一个粒度和高频级别的公共数据库,这有助于他们更精确地获得观察结果。Baker等人的研究主要关注事件引发的不确定性。Levanon利用马尔可夫转换模型来计算经济衰退的概率。在刘等人的研究中,大数据分析用于预测政府经济状况。他们设计了一个政府经济状况预警系统。研究人员考虑了相关的经济因素以及政策制定者面对这些情况的反应 (Ludvigson, Ma, & Ng, 2020; Primiceri & Tambalotti, 2020; Kuyo, Mwalili, & Okang'o, 2021; Chetty et al., 2020; Baker et al., 2020; Levanon, 2011; Liu & Tang, 2022)。在更广泛的背景下,研究人员致力于使用机器学习和数据分析方法来预测未来的整体经济或 GDP 增长。Nosratabadi 等人总结了先进的机器学习和深度学习模型在经济学相关领域的应用。根据他们的研究,SVR、朴素贝叶斯和 C4.5 决策树分类器、BP 神经网络、深度神经网络、人工神经网络 (ANN)、自适应神经模糊推理系统 (ANFIS) 等模型是经济相关领域使用的一些经典的机器学习方法。还总结了更多使用混合机器学习和深度学习方法的案例。另一组研究利用非参数分类和层次聚类等数据挖掘技术来研究 COVID-19 对 G20 国家经济的影响。在 Malladi 进行的研究中,使用包括线性 SVM (LSVM) 和 KNN 加权在内的机器学习方法来制作