-
Enriching administrative data using survey data and machine learning techniques
Kunaschk, Max (2024): Enriching administrative data using survey data and machine learning techniques. In: Economics Letters, Jg. 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, Richard, Anna Heusler, Max Kunaschk & Christopher Osiander (2024): Willingness to pay for improved working conditions of nurses: Results from a factorial survey experiment in Germany. In: International journal of nursing studies, Jg. 155. DOI:10.1016/j.ijnurstu.2024.104779
-
IAB-Politikbrief April 2024
Bossler, Mario, Erik-Benjamin Börschlein, Wolfgang Braun, Bernd Fitzenberger, Michaela Fuchs, Ramona Jost, Max Kunaschk, Christopher Osiander, Martin Popp, Julia Schmidtke, Gesine Stephan, Mark Trappmann, Susanne Wanger, Enzo Weber & Antje Weyh (2024): IAB-Politikbrief April 2024. (IAB-Politikbrief), Nürnberg, 7 S. DOI:10.48720/IAB.PB.2401
-
The effects of minimum wages on employment and Prices - Evidence from the hairdressing sector
Kunaschk, Max (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
Berg, Gerard J. van den, Max Kunaschk, Julia Lang, Gesine Stephan & Arne Uhlendorff (2024): Predicting Re-Employment: Machine Learning Versus Assessments by Unemployed Workers and by Their Caseworkers. (IAB-Discussion Paper 03/2024), Nürnberg, 56 S. DOI:10.48720/IAB.DP.2403
-
Pflegeberufe und Covid-19-Pandemie: Befürchtete Kündigungswelle ist ausgeblieben
Kunaschk, Max & Gesine Stephan (2024): Pflegeberufe und Covid-19-Pandemie: Befürchtete Kündigungswelle ist ausgeblieben. (IAB-Kurzbericht 02/2024), Nürnberg, 8 S. DOI:10.48720/IAB.KB.2402
-
Predicting Re-Employment: Machine Learning versus Assessments by Unemployed Workers and by Their Caseworkers
Berg, Gerard J. van den, Max Kunaschk, Julia Lang, Gesine Stephan & Arne Uhlendorff (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 S.
-
Can Algorithms Reliably Predict Long-Term Unemployment in Times of Crisis? – Evidence from the COVID-19 Pandemic
Kunaschk, Max & Julia Lang (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 S. DOI:10.48720/IAB.DP.2208
-
Essays in Applied Labor Economics
Kunaschk, Max (2021): Essays in Applied Labor Economics. Erlangen, 175 S.
-
Mindestlohn für Jugendliche?
Bossler, Mario, Hans Dietrich & Max Kunaschk (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 S.
-
Trotz Mindestlohn zeigt sich die Beschäftigung im Friseurgewerbe bislang stabil
Kunaschk, Max (2020): Trotz Mindestlohn zeigt sich die Beschäftigung im Friseurgewerbe bislang stabil. In: IAB-Forum H. 11.03.2020, o. Sz.
-
Technologie und Arbeitsmarkt
Janssen, Simon & Max Kunaschk (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), S. 123-134.