Decomposition analysis is a long-established method that has most freq的简体中文翻译

Decomposition analysis is a long-es

Decomposition analysis is a long-established method that has most frequently been used to study wage differentials between groups of individuals, especially between the genders (for a meta-analysis, see Weichselbaumer and Winter-Ebmer, 2005). While less common, the method is also suited to the investigation of differences in labour market outcomes between time points rather than groups (e.g., Bachmann and Sinning, 2016; Fairlie and Sundstrom, 1999). Nevertheless, previous studies on the drivers of change in the prevalence of particular employment types in Australia have relied on shift-share analysis (e.g., de Ruyter, 1997; Sadler and Aungles, 1990; Shomos et al., 2013). Shift-share analysis is usually based on macro-data and can only be used to investigate the role of one explanatory factor at a time. In contrast, decomposition approaches based on multiple regression analysis allow exploration of the role of one factor while holding other factors constant.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
分解分析是一种历史悠久的方法,最常用于研究个人群体之间,尤其是性别之间的工资差异(有关荟萃分析,请参见Weichselbaumer和Winter-Ebmer,2005年)。尽管不那么普遍,该方法也适合于调查时间点之间而不是群体之间劳动力市场结果的差异(例如,Bachmann和Sinning,2016; Fairlie和Sundstrom,1999)。尽管如此,以前关于澳大利亚特定就业类型流行率变化的驱动因素的研究仍依赖于转移份额分析(例如,de Ruyter,1997; Sadler和Aungles,1990; Shomos等,2013)。班次份额分析通常基于宏数据,并且一次只能用于调查一种解释性因素的作用。相反,
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
分解分析是一种长期建立的方法,最常用于研究个人群体之间的工资差异,特别是性别之间的工资差异(关于荟萃分析,见韦希塞尔鲍默和温特-埃布默,2005年)。这种方法虽然不太常见,但也适合调查时间点之间,而不是群体之间劳动力市场结果的差异(例如,巴赫曼和辛宁,2016年;费尔利和桑德斯特伦,1999年)。然而,以前关于澳大利亚特定就业类型流行程度变化的驱动因素的研究依赖于移位份额分析(例如,De Ruyter,1997年;萨德勒和昂格尔斯,1990年;Shomos等人,2013年)。移位共享分析通常基于宏观数据,一次只能用于调查一个解释性因素的作用。相比之下,基于多重回归分析的分解方法允许探索一个因素的作用,同时保持其他因素不变。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
分解分析是一种长期存在的方法,最常用于研究个体群体之间的工资差异,尤其是性别之间的差异(meta-analysis,见Weichselbaumer和Winter-Ebmer,2005)。与传统的劳动力市场调查方法相比,前者更适用于劳动力市场,后者则更不适用于后者。尽管如此,以前关于澳大利亚特定就业类型流行率变化驱动因素的研究都依赖于转移份额分析(例如,de Ruyter,1997;Sadler and Aungles,1990;Shomos等人,2013)。偏移份额分析通常基于宏观数据,每次只能用于调查一个解释因素的作用。相比之下,基于多元回归分析的分解方法允许探索一个因素的作用,同时保持其他因素不变。<br>
正在翻译中..
 
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.

Copyright ©2024 I Love Translation. All reserved.

E-mail: