Reconstructing Subnational Labor Indicators in Colombia: An Integrated Machine and Deep Learning Approach
重建哥伦比亚地方劳动指标：机器学习与深度学习的整合方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要构建地区层面的长期劳动市场面板，并明确采用时间分解、序列拼接和插值，因此选择宏观面板与时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
重建哥伦比亚地方劳动指标：机器学习与深度学习的整合方法
- 研究问题
- 如何为哥伦比亚全部三十三个省级地区重建跨期一致的月度与年度劳动指标，并覆盖缺少直接调查资料的地区？
- 方法与思路
- 作者整合时间分解、序列拼接与插值、统计学习和制度协变量，并通过劳动核算恒等式、人口预测及全国基准校准。
- 材料陈述的贡献
- 摘要称生成一九九三至二〇二五年的七类劳动指标，官方资料比较中的样本内平均绝对百分比误差均低于百分之二点三。
- 阅读关注点
- 应核对各时期和地区的原始资料覆盖、估计与观测值的区分、校准约束，以及缺调查地区和样本外表现如何验证。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；样本内误差不能证明缺覆盖地区的准确性，摘要未说明重建不确定性。
原文摘要
This study proposes a unified multi-stage framework to reconstruct consistent monthly and annual labor indicators for all 33 Colombian departments from 1993 to 2025. The approach integrates temporal disaggregation, time-series splicing and interpolation, statistical learning, and institutional covariates to estimate seven key variables: employment, unemployment, labor force participation (PEA), inactivity, working-age population (PET), total population, and informality rate, including in regions without direct survey coverage. The framework enforces labor accounting identities, scales results to demographic projections, and aligns all estimates with national benchmarks to ensure internal coherence. Validation against official departmental GEIH aggregates and city-level informality data for the 23 metropolitan areas yields in-sample Mean Absolute Percentage Errors (MAPEs) below 2.3% across indicators, confirming strong predictive performance. To our knowledge, this is the first dataset to provide spatially exhaustive and temporally consistent monthly labor measures for Colombia. By incorporating both quantitative and qualitative dimensions of employment, the panel enhances the empirical foundation for analysing long-term labor market dynamics, identifying regional disparities, and designing targeted policy interventions.