Bayesian Exponential Survival Model in the Analysis of Unemployment Duration Determinants

• Autorzy: Wioletta Grzenda

Warianty tytułu

Bayesowski wykładniczy model przeżycia w analizie determinant długości czasu pozostawania bez pracy

• Języki publikacji: EN

Abstrakty

EN

The primary objective of the work is to identify demographic and socio-economic factors influencing the unemployment duration in the recent period in Poland. Different approaches to the problem have been applied. In this paper we have used a survival parametric model in Bayesian approach. The following determinants have been concerned in the model: sex, marital status, education level, information about continuing an education, region of Poland, and age of respondent. The empirical analysis is based on "Household budgets in 2008" survey of Central Statistical Office and indicates the main factors influencing unemployment duration. (original abstract)

Celem niniejszego opracowania jest identyfikacja czynników demograficznych oraz społeczno-ekonomicznych wpływających na długość czasu pozostawania bez pracy. Zbiór danych wykorzystany w badaniu pochodzi z badań Głównego Urzędu Statystycznego "Budżety Gospodarstw Domowych 2008". Do analizy determinant długości czasu pozostawania bezrobotnym wykorzystano bayesowski wykładniczy model przeżycia. W estymacji modelu wykorzystano metody Monte Carlo oparte na łańcuchach Markowa, a w szczególności próbnik Gibbsa. W wyniku przeprowadzonej analizy otrzymano, że wśród wybranych do modelowania zmiennych objaśniających: płeć, stan cywilny, poziom wykształcenia, informacja o tym, czy respondent nadal się dokształca, region Polski, który zamieszkuje respondent oraz wiek w momencie badania, tylko dwie okazały się statystycznie nieistotne: stan cywilny oraz informacja o tym, czy respondent nadal się dokształca. (abstrakt oryginalny)

Słowa kluczowe

EN

Demographic analysis; Unemployment; Bayesian models; Unemployment duration

PL

Analiza demograficzna; Bezrobocie; Modele bayesowskie; Czas trwania bezrobocia

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2012
• Tom: 269 Multivariate Statistical Analysis : Methodological Aspects and Applications
• Strony: 191--196

Twórcy

autor

Wioletta Grzenda

• Warsaw School of Economics, Poland

Bibliografia

• Bernardo J.M., Smith A.F.M. (2004), Bayesian Theory, John Wiley & Sons, New York.
• Blossfeld H.P., Hamerle A., Mayer K. (1989), Event history analysis, Statistical theory and application in the social sciences, Hillsdale, NJ: L. Erlbaum.
• Blossfeld H.P., Rohwer G. (1995), Techniques of event history modeling, New approaches to causal analysis, Hillsdale, NJ: L. Erlbaum.
• Bolstad W.M. (2007), Introduction to Bayesian statistics, John Wiley & Sons, New York.
• Collier W. (2003), The impact of demographic and individual heterogeneity on unemployment Duration: A regional study, Studies in Economics, 0302.
• Daras T., Jerzak M. (2005), Wpływ cech społeczno-demograficznych osób bezrobotnych na możliwość znalezienia pracy, Materiały i Studia, Zeszyt nr 189.
• Drobnic S., E. Frątczak (2001), Employment patterns of married women in Poland, Careers of couples in contemporary society, New York.
• Gelman A., Carlin J.B., Stem H.S., Rubin D.B. (2000), Bayesian data analysis, Chapman & Hall/CRC, London.
• Geweke J. (1992), Evaluating the accuracy of sampling-based approaches to calculating posterior moments. In Bernardo J., Berger J., Dawiv A., Smith A., Bayesian Statistics, 4, 169-193.
• Heidelberger P., Welch, P. (1983), Simulation run length control in the presence of an initial transient, Operation Research, 31, 1109-1144.
• Ibrahim J.G., Chen M-H, Sinha D. (2001), Bayesian survival analysis, Springer-Verlag, New York.
• Socha M., Sztanderska U. (2000), Strukturalne podstawy bezrobocia w Polsce, PWN, Warszawa.

Identyfikatory

DOI

11089/1896