Professions sont des faisceaux de besoins en comp\u00e9tences et t\u00e2ches ins\u00e9parables. Nous vous proposons une nouvelle approche pour \u00e9tudier la relation entre les salaires et les ensembles de comp\u00e9tences et t\u00e2ches professionnelles. Nous pr\u00e9disons les salaires au travail en utilisant une approche d’arbre de r\u00e9gression qui fournit \u00e9galement un syst\u00e8me d’agr\u00e9gation de mani\u00e8re empirique puissante o\u00f9 les professions d\u00e9taill\u00e9es avec les salaires et les conditions d’emploi similaires sont regroup\u00e9es en 15 grands groupes d’occupation. Notre analyse empirique est r\u00e9alis\u00e9e sur un ensemble de donn\u00e9es obtenues en combinant O * Net des informations sur les attributs d’emploi avec l’information sur les salaires et l’emploi au travail de Statistique emploi au travail. Ne pas avoir une information a priori sur laquelle O * des variables nettes appartiennent dans une \u00e9quation salariale, la premi\u00e8re \u00e9tape de notre analyse consiste \u00e0 effectuer une analyse des facteurs sur un certain nombre de O * cat\u00e9gories NET qui repr\u00e9sentent les besoins de comp\u00e9tences professionnelles de base et les attributs d’emploi. La deuxi\u00e8me \u00e9tape consiste \u00e0 utiliser un arbre de r\u00e9gression pour regrouper les professions d\u00e9taill\u00e9es SOC en agr\u00e9gats plus larges. Ces agr\u00e9gats professionnels sont ensuite utilis\u00e9s pour analyser non param\u00e9triquement le creusage bien connu en ph\u00e9nom\u00e8ne et l’augmentation de la variance des salaires journal 2005-2017. Traduit a\u0300 l'aide de Google Translate<\/p>\n","protected":false},"excerpt":{"rendered":"
Professions sont des faisceaux de besoins en comp\u00e9tences et t\u00e2ches ins\u00e9parables. Nous vous proposons une nouvelle approche pour \u00e9tudier la relation entre les salaires et les ensembles de comp\u00e9tences et t\u00e2ches professionnelles. Nous pr\u00e9disons les salaires au travail en utilisant une approche d’arbre de r\u00e9gression qui fournit \u00e9galement un syst\u00e8me d’agr\u00e9gation de mani\u00e8re empirique puissante o\u00f9 les professions d\u00e9taill\u00e9es avec les salaires et les conditions d’emploi similaires sont regroup\u00e9es en 15 grands groupes d’occupation. Notre analyse empirique est r\u00e9alis\u00e9e sur un ensemble de donn\u00e9es obtenues en combinant O * Net des informations sur les attributs d’emploi avec l’information sur les salaires et l’emploi au travail de Statistique emploi au travail. Ne pas avoir une information a priori sur laquelle O * des variables nettes appartiennent dans une \u00e9quation salariale, la premi\u00e8re \u00e9tape de notre analyse consiste \u00e0 effectuer une analyse des facteurs sur un certain nombre de O * cat\u00e9gories NET qui repr\u00e9sentent les besoins de comp\u00e9tences professionnelles de base et les attributs d’emploi. La deuxi\u00e8me \u00e9tape consiste \u00e0 utiliser un arbre de r\u00e9gression pour regrouper les professions d\u00e9taill\u00e9es SOC en agr\u00e9gats plus larges. Ces agr\u00e9gats professionnels sont ensuite utilis\u00e9s pour analyser non param\u00e9triquement le creusage bien connu en ph\u00e9nom\u00e8ne et l’augmentation de la variance des salaires journal 2005-2017. [googletranslate_fr]<\/p>\n","protected":false},"template":"","reference-tag":[],"reference-type":[436],"class_list":["post-131417","reference","type-reference","status-publish","hentry","reference-type-white-paper"],"acf":{"citation":"Dey, M. and Loewenstein, M. (2019). On job requirements, skill, and wages. BLS Working Paper:513. Washington, DC: US Bureau of Labor Statistics. Retrieved from https:\/\/stats.bls.gov\/osmr\/research-papers\/2019\/ec190030.htm.","authors":"Dey, M. and Loewenstein, M.","org":"US Department of Labor, US Bureau of Labor Statistics, and Office of Employment and Unemployment Statistics","year":"2019","title_fr":null,"editors_hidden":"","publication":"","publication_fr":null,"volume":"","issue":"","Series":"BLS Working Paper","SeriesNumber":"513","page_range":"1-70","publisher_city":"Washington","publisher_state":"DC","publisher":"US Bureau of Labor Statistics","abstract_en":null,"abstract_fr":null,"keywords":"Skills, tasks, occupations, factor analysis, regression tree","paywall":"0","doi":"","isbn":"","url":"https:\/\/stats.bls.gov\/osmr\/research-papers\/2019\/ec190030.htm","url_fr":null,"url_amazon":"","TRACK":"0"},"yoast_head":"\n