non-linear trend in the prevalence of different employment types over t的简体中文翻译

non-linear trend in the prevalence

non-linear trend in the prevalence of different employment types over the 17-year period, we present three decomposition models for each employment type: The first model analyses changes over the entire period by comparing 2001 with 2017, and the second and third models look at changes within sub-periods by comparing 2001 with 2008 and 2008 with 2017, respectively. The analysis is weighted using crosssection responding person weights, and standard errors are clustered on the individual. The models include all worker and job characteristics presented in Table 2, but to avoid potential collinearity, neither firm size nor public sector are included in the model for self-employed workers. We apply the deviation contrast transform to the categorical predictor variables in our models to ensure the results are not dependent on the choice of reference category (Jann, 2008). When presenting results, the contribution of sets of variables is summarised in a single coefficient. However, when discussing our results, we also make use of the estimated coefficients on the individual variables.
0/5000
源语言: -
目标语言: -
结果 (简体中文) 1: [复制]
复制成功!
17年期间不同就业类型的流行的非线性趋势,我们为每种就业类型提供了三种分解模型:第一种模型通过比较2001年和2017年来分析整个时期的变化,第二种和第三种模型通过分别比较2001年与2008年以及2008年与2017年来比较子时段内的变化。使用横截面响应人员的权重对分析进行加权,标准误差以个体为单位进行聚类。该模型包括表2中列出的所有工人和工作特征,但是为了避免潜在的共线性,自雇工人模型既不包括公司规模也不包括公共部门。我们将偏差对比变换应用于模型中的分类预测变量,以确保结果不依赖于参考类别的选择(Jann,2008年)。当呈现结果时,变量集的贡献以单个系数来概括。但是,在讨论我们的结果时,我们还使用了各个变量的估计系数。
正在翻译中..
结果 (简体中文) 2:[复制]
复制成功!
在17年不同就业类型的流行趋势中,我们提出了每种就业类型的三个分解模型:第一个模型通过比较2001年与2017年来分析整个时期的变化;第二个模型和第三个模型分别通过比较2001年与2008年、2008年与2017年来分析子期间的变化。使用交叉截面响应人员权重对分析进行加权,标准误差将聚类在个人上。这些模型包括表2中介绍的所有工人和工作特征,但为了避免潜在的共线性,自营职业者模型中既没有公司规模,也没有公共部门。我们将偏差对比度变换应用于模型中的分类预测变量,以确保结果不依赖于参考类别的选择(Jann,2008 年)。在呈现结果时,变量集的贡献用单个系数进行汇总。但是,在讨论结果时,我们也利用各个变量的估计系数。
正在翻译中..
结果 (简体中文) 3:[复制]
复制成功!
在17年期间不同就业类型流行率的非线性趋势中,我们针对每种就业类型提出了三种分解模型:第一种模型通过比较2001年和2017年来分析整个时期的变化,第二种和第三种模型通过比较2001年与2008年和2008年来研究子时期内的变化分别是2017年。分析使用横截面响应人的权重进行加权,并将标准误差聚集在个体上。模型包括表2中列出的所有工人和工作特征,但为了避免潜在的共线性,个体经营者的模型中既不包括企业规模也不包括公共部门。我们对模型中的分类预测变量应用偏差对比变换,以确保结果不依赖于参考类别的选择(Jann,2008)。当呈现结果时,变量集的贡献在一个系数中总结。然而,在讨论我们的结果时,我们也使用了个别变量的估计系数。<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: