Thailand has entered into an aging society since the year 2000. Using the 2017 Survey of the Older Persons in Thailand collected by Thailand National Statistical Office, this study uses cross tabulation, random forest with variable importance measure and lasso logistic regression to examine factors that have effects on the elderly's decision to remain in the labor market after retirement. This study reveals that these following variables: age, education level, healthcare eligibility, marital status, health condition, total assets, gender, residential type, percent of elderly in the household, and number of children have strong influences on an elderly's desire to continue work. By knowing which factors contribute to the elderly wish to continue work in the market, this research allows for future prediction of the labor market that can accommodate elderly in Thailand. Our final models of random forest and lasso logistic regression provide prediction accuracy of 68.19 and 69.58 percent on the elderly's desire to work, respectively. This study has a significant impact as policymakers can utilize our models in predicting elderly's desire to work after retirement age and design a labor market that can accommodate elderly in Thailand in the future.


翻译:自2000年以来,泰国进入了一个老龄化社会。 利用泰国国家统计局收集的2017年泰国老年人调查,本研究采用交叉制表、随机森林(其重要性可变)、随机森林(其重要性可变)和拉索后勤回归等方法,对影响老年人在退休后继续进入劳动力市场的决定的因素进行审查。本研究揭示了以下变量:年龄、教育水平、保健资格、婚姻状况、健康状况、总资产、性别、居住类型、家庭中老年人的百分比、儿童人数对老年人继续工作的愿望有着强烈的影响。通过了解哪些因素促使老年人希望继续在市场上工作,这项研究可以预测泰国的劳动力市场能够容纳老年人。我们随机森林和拉索后勤回归的最后模型分别预测老年人工作意愿的准确率为68.19%和69.58%。这项研究产生了重要影响,因为决策者可以利用我们的模型预测老年人在退休年龄后继续工作的愿望,设计一个将来可以容纳泰国老年人的劳动力市场。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
33+阅读 · 2022年2月15日
Arxiv
13+阅读 · 2021年3月3日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员