Measuring non-workers’ labor market attachment with machine learning

• Forteza, Nicolás ^[1] ; Puente, Sergio ^[1]
  1. [1] Banco de España

     Banco de España

     Madrid, España

     
• Localización: Documentos de trabajo - Banco de España, ISSN 0213-2710, Nº 34, 2025
• Idioma: inglés
• Enlaces
  • Texto completo
• Resumen
  • español

    El estudio de la vinculación con el mercado laboral de la población no trabajadora resulta fundamental de cara a explicar diversos fenómenos económicos, como el salario real o el desempleo de larga duración. Las estadísticas oficiales se basan en variables autoevaluativas y procedimientos reglados a la hora de asignar a cada individuo un estado laboral. Sin embargo, esta clasificación no tiene en cuenta otras características individuales, como determinadas variables relacionadas con el salario de reserva o con la cantidad y tipo de ofertas de trabajo recibidas, lo que implica que las estimaciones sobre el estatus de los no trabajadores podrían estar sesgadas. En este documento proponemos una metodología novedosa para medir la vinculación de los no trabajadores con el mercado laboral. Utilizando la Encuesta de Población Activa (EPA), definimos dos grupos (vinculados y no vinculados) y estimamos una distribución de probabilidad para cada individuo de pertenecer a cada uno de estos grupos. Para recuperar estas distribuciones de probabilidad, nos basamos en algoritmos de aprendizaje automático, tanto supervisado como no supervisado. Así, describimos las diferencias entre el desempleo proveniente de la EPA, otras formas de medir la vinculación presentes en la literatura sobre el tema y nuestra clasificación. Identificamos los casos en los que nuestra metodología tiene una relación más estrecha con indicadores tales como los salarios, el PIB y los flujos de empleo.

  • English

    Studying the labor market attachment (LMA) for the non-working population is crucial for several economic outcomes, such as real wages or long-term non-employment. Official statistics rely on self-reported variables and rule-based procedures to assign the labor market status of an individual. However, this classification does not take into account other individual-level characteristics, like variables related to reservation wages or the amount and type of job offers received, implying that estimates of non-worker status could be biased. In this paper, we propose a novel methodology to measure non-workers’ LMA. Using the Spanish Labor Force Survey (LFS), we define two groups (attached vs. non-attached), and estimate a probability distribution for each individual of belonging to such groups. To recover these probability distributions, we rely on unsupervised and supervised machine learning algorithms. We describe the differences between LFS unemployment, other measures of attachment in the literature, and our non-worker classification. We identify the instances in which our proposed methodology has a tighter relationship with measures like salaries, GDP and employment flows.