Weder arbeitslos noch inaktiv: KI erfasst Arbeitsmarktbindung in Spanien
Die Banco de España (BDE) stellt eine neue KI-gestützte Methode vor, um die Arbeitsmarktbindung von Nicht-Erwerbstätigen in Spanien zu messen. Diese überwindet die Grenzen traditioneller Statistiken und identifiziert Personen in einer Grauzone zwischen Arbeitslosigkeit und Inaktivität.
KI entlarvt Grauzone am Arbeitsmarkt
Offizielle Statistiken klassifizieren Nicht-Erwerbstätige binär als arbeitslos oder inaktiv, basierend auf Selbstauskünften zu Suchaktivität und Verfügbarkeit.
Diese Methode berücksichtigt jedoch keine weiteren individuellen Merkmale wie den Reservationslohn oder die Art der erhaltenen Jobangebote, was zu verzerrten Schätzungen führen kann.
Die Banco de España (BDE) schlägt eine datengesteuerte Methodik vor, die maschinelles Lernen nutzt, um die Arbeitsmarktbindung (LMA) von Nicht-Erwerbstätigen zu messen.
Basierend auf Daten der spanischen Arbeitskräfteerhebung (EPA) werden zwei Gruppen – gebunden und nicht gebunden – definiert und eine kontinuierliche Wahrscheinlichkeitsverteilung für die Zugehörigkeit jedes Individuums zu diesen Gruppen geschätzt.
Insbesondere das überwachte Modell zeigt eine höhere Vorhersagekraft für zukünftige Beschäftigungsübergänge.
Mehr als nur eine Definition
Bisherige Forschung zur Arbeitsmarktbindung nutzte oft ad-hoc-Klassifikationen für Zwischenzustände.
Die BDE hingegen setzt auf einen datengesteuerten, modellagnostischen Ansatz, der jedem Individuum einen kontinuierlichen Grad der Arbeitsmarktbindung zuweist.
Diese multi-modale Wahrscheinlichkeitsverteilung ermöglicht flexiblere Gruppierungen.
Die Studie belegt, dass die überwachte Methodik eine engere Beziehung zum Konjunkturzyklus aufweist und Beschäftigungsflüsse besser vorhersagt als herkömmliche Maße.
Dies unterstreicht die Notwendigkeit, über die binäre Unterscheidung von Arbeitslosen und Inaktiven hinauszugehen.
Ein längst überfälliger Schritt
Diese Studie liefert endlich eine differenziertere Sicht auf den Arbeitsmarkt, jenseits veralteter binärer Klassifikationen.
Der Einsatz von KI ermöglicht es, die wahre Komplexität der Arbeitsmarktbindung präziser zu erfassen, was für zielgenauere Politikmaßnahmen entscheidend ist.
Die praktische Integration in offizielle Statistiken erfordert jedoch noch erhebliche Anstrengungen und breite Akzeptanz.