-
Enriching administrative data using survey data and machine learning techniques
Kunaschk, M. (2024): Enriching administrative data using survey data and machine learning techniques. In: Economics Letters, Vol. 243. DOI:10.1016/j.econlet.2024.111924
-
Willingness to pay for improved working conditions of nurses: Results from a factorial survey experiment in Germany
Wolff, R., Heusler, A., Kunaschk, M. & Osiander, C. (2024): Willingness to pay for improved working conditions of nurses: Results from a factorial survey experiment in Germany. In: International journal of nursing studies, Vol. 155. DOI:10.1016/j.ijnurstu.2024.104779
-
IAB-Politikbrief April 2024
Bossler, M., Börschlein, E., Braun, W., Fitzenberger, B., Fuchs, M., Jost, R., Kunaschk, M., Osiander, C., Popp, M., Schmidtke, J., Stephan, G., Trappmann, M., Wanger, S., Weber, E. & Weyh, A. (2024): IAB-Politikbrief April 2024. (IAB-Politikbrief), Nürnberg, 7 p. DOI:10.48720/IAB.PB.2401
-
The effects of minimum wages on employment and Prices - Evidence from the hairdressing sector
Kunaschk, M. (2024): The effects of minimum wages on employment and Prices - Evidence from the hairdressing sector. In: Labour Economics. DOI:10.1016/j.labeco.2024.102540
-
Predicting Re-Employment: Machine Learning Versus Assessments by Unemployed Workers and by Their Caseworkers
van den Berg, G., Kunaschk, M., Lang, J., Stephan, G. & Uhlendorff, A. (2024): Predicting Re-Employment: Machine Learning Versus Assessments by Unemployed Workers and by Their Caseworkers. (IAB-Discussion Paper 03/2024), Nürnberg, 56 p. DOI:10.48720/IAB.DP.2403
-
Healthcare professions and the Covid-19-Pandemic: No increase in quits from the profession
Kunaschk, M. & Stephan, G. (2024): Pflegeberufe und Covid-19-Pandemie: Befürchtete Kündigungswelle ist ausgeblieben. (IAB-Kurzbericht 02/2024), Nürnberg, 8 p. DOI:10.48720/IAB.KB.2402
-
Predicting Re-Employment: Machine Learning versus Assessments by Unemployed Workers and by Their Caseworkers
van den Berg, G., Kunaschk, M., Lang, J., Stephan, G. & Uhlendorff, A. (2023): Predicting Re-Employment: Machine Learning versus Assessments by Unemployed Workers and by Their Caseworkers. (IZA discussion paper / Forschungsinstitut zur Zukunft der Arbeit 16426), Bonn, 55 p.
-
Can Algorithms Reliably Predict Long-Term Unemployment in Times of Crisis? – Evidence from the COVID-19 Pandemic
Kunaschk, M. & Lang, J. (2022): Can Algorithms Reliably Predict Long-Term Unemployment in Times of Crisis? – Evidence from the COVID-19 Pandemic. (IAB-Discussion Paper 08/2022), Nürnberg, 34 p. DOI:10.48720/IAB.DP.2208
-
Essays in Applied Labor Economics
Kunaschk, M. (2021): Essays in Applied Labor Economics. Erlangen, 175 p.
-
Mindestlohn für Jugendliche?
Bossler, M., Dietrich, H. & Kunaschk, M. (2020): Mindestlohn für Jugendliche? Mögliche Effekte einer Abschaffung der Ausnahmeregelung für jugendliche Beschäftigte vom gesetzlichen Mindestlohn in Deutschland. Stellungnahme des IAB zur schriftlichen Anhörung im Wirtschaftsausschuss des Schleswig-Holsteinischen Landtags am 16.3.2020. (IAB-Stellungnahme 02/2020), Nürnberg, 10 p.
-
Trotz Mindestlohn zeigt sich die Beschäftigung im Friseurgewerbe bislang stabil
Kunaschk, M. (2020): Trotz Mindestlohn zeigt sich die Beschäftigung im Friseurgewerbe bislang stabil. In: IAB-Forum No. 11.03.2020, o. Sz.
-
Technology and the labour market : a brief stocktaking of current literature
Janssen, S. & Kunaschk, M. (2016): Technologie und Arbeitsmarkt. Eine kurze Bestandaufnahme der bestehenden Literatur. In: L. Bellmann & G. Grözinger (Hrsg.) (2016): Bildung in der Wissensgesellschaft (Jahrbuch Ökonomie und Gesellschaft, 28), p. 123-134.