Data Science
Het CPB wil zijn wetenschappelijk en beleidsgerichte onderzoek verrijken met data science-technieken, waardoor meer inzicht geboden wordt in belangrijke maatschappelijke thema’s. Hiervoor doen we kennis op over nieuwe, door data gedreven, methoden om te voorspellen (machine learning) en verspreiden we deze kennis binnen en buiten het CPB.
We ontwikkelen de zijlichtmodellen voor macro-economische variabelen verder door op basis van machine learning. Hierbij onderzoeken we hoe machine learning-modellen het best getraind kunnen worden om economische tijdreeksen te voorspellen. Ook evalueren we binnen deze onderzoekslijn hoe verschillende machine learning-modellen tot hun voorspellingen komen, wat ons meer leert over hoe deze modellen tot hun voorspellingen komen. Daarnaast combineren we machine learning en CBS-microdata (big data) om economische uitkomsten te voorspellen, waardoor we meer leren over kansengelijkheid en verdeling van risico’s. Dit laatste keert ook terug in het beschreven onderzoek van de CPB-programma’s Zorg en Risico & Regulering.
14 mei 2024
De voorspellende waarde van toetsen uit het LVS
6 juli 2023
Greep op selectie-algoritmes
5 juli 2023
Selectie door algoritmes kan wel representatief
Contactpersonen
Gerelateerd
Meerwaarde machine learning bij macro-economische voorspellingenDiversiteit studentenpopulatie bevorderen kan zonder lotingDe voorspellende waarde van toetsen uit het leerlingvolgsysteem voor de eindtoetsEconomische effecten schatten voor individuen bij difference-in-differencesGreep op selectie-algoritmes