Springe zum Inhalt
Kennungsbild für die Veranstaltungsreihe „IAB-Colloquium“
IAB-Colloquium

Im Rahmen der Reihe „IAB-Colloquium zur Arbeitsmarkt- und Berufsforschung“ stellen überwiegend externe Wissenschaftlerinnen und Wissenschaftler die Ergebnisse ihrer Forschungsarbeit vor und diskutieren diese mit Expertinnen und Experten aus dem IAB. Auch Interessierte aus Arbeitsverwaltung, Politik und Praxis sind willkommen.

What is the Value Added by Using Causal Machine Learning Methods in a Welfare Experiment Evaluation?

IAB-Colloquium

Recent studies have proposed causal machine learning (CML) methods to estimate conditional average treatment effects (CATEs). In this study, I investigate whether CML methods add value compared to conventional CATE estimators by re-evaluating Connecticut’s Jobs First welfare experiment. This experiment entails a mix of positive and negative work incentives. Previous studies show that it is hard to tackle the effect heterogeneity of Jobs First by means of CATEs. I report evidence that CML methods can provide support for the theoretical labor supply predictions. Furthermore, I document reasons why some conventional CATE estimators fail and discuss the limitations of CML methods.

Termin

13.2.2020

, 13:00 - 14:00 Uhr

Zu Gast

Professor Anthony Strittmatter,
Universität St.Gallen

Ort

Institut für Arbeitsmarkt- und Berufsforschung
Regensburger Straße 100
Raum E10
90478 Nürnberg