Effets causals hétérogènes des programmes du marché du travail : une approche d'apprentissage automatique / par Andy Handouyahia, Tristan Rikhi, Georges Awad et Essolaba Aouli. : CS11-522/2022-1-17F-PDF

« Dans le présent document, nous recherchons la présence d'hétérogénéité dans la réalisation des évaluations de l'impact de l'intervention en développement des compétences offerte dans le cadre des Ententes sur le développement du marché du travail. Nous utilisons des données administratives longitudinales couplées couvrant un échantillon de personnes ayant participé au développement des compétences de 2010 à 2017. Nous appliquons un estimateur causal d'apprentissage automatique comme dans Lechner (2019) pour estimer les impacts individualisés du programme au niveau d'agrégation à la granularité la plus fine. Ces impacts granulaires révèlent la répartition des impacts nets, ce qui permet de plus facilement étudier les éléments pour déterminer les plus efficaces pour chaque personne. Les résultats montrent des améliorations statistiquement significatives des résultats sur le marché du travail pour les participants en général et pour les sous-groupes d'intérêt stratégique » -- Résumé.

Lien permanent pour cette publication :
publications.gc.ca/pub?id=9.943155&sl=1

• Format MARC XML
• Format MARC HTML

Demander des formats alternatifs