Abstract:
We analyze unique data on three sources of information on the probability of re‑employment within 6 months (RE6), for the same individuals sampled from the inflow into unemployment. First, they were asked for their perceived probability of RE6. Second, their caseworkers revealed whether they expected RE6. Third, random‑forest machine learning methods are trained on administrative data on the full inflow, to predict individual RE6. We compare the predictive performance of these measures and consider how combinations improve this performance. We show that self‑reported (and to a lesser extent caseworker) assessments sometimes contain information not captured by the machine learning algorithm.
Abstract (Translated):
Der Beitrag nutzt drei Informationsquellen zur Wahrscheinlichkeit einer Wiederbeschäftigung innerhalb von sechs Monaten nach Eintritt in die Arbeitslosigkeit. Erstens wurden Arbeitslose kurz nach Beginn der Arbeitslosigkeit nach ihrer selbstwahrgenommenen Wiederbeschäftigungswahrscheinlichkeit gefragt. Zweitens werden die Ergebnisse eines Profilings durch Vermittlungsfachkräfte ausgewertet. Drittens wird die individuelle Wiederbeschäftigungswahrscheinlichkeit mit Methoden des maschinellen Lernens auf Basis von administrativen Daten vorhergesagt. Wir vergleichen die Prognosegüte dieser drei Ansätze und überprüfen, wie Kombinationen der Ansätze die Prognosegüte verbessern können. Die Ergebnisse zeigen, dass die Selbsteinschätzungen von Arbeitslosen (und in geringerem Maße auch die Einschätzungen der Vermittlungsfachkräfte) teilweise Informationen enthalten, die von dem Algorithmus für maschinelles Lernen nicht erfasst werden.
