德国SynLBD构建：探索合成纵向业务数据库的国际合作

本篇研究论文探讨了在德国建立合成纵向业务数据库（German Longitudinal Business Database, GLBD）的重要性和可行性，作为迈向德国SynLBD的第一步。合成数据在统计领域中一直面临成本高昂、生成复杂的问题，但作者认为早期合成数据生成领域的经验教训可以被借鉴，以减少投资并提升效率。 论文关注的核心问题是将已经在美国研发的合成数据生成算法应用于德国就业研究所的数据源，以创建一个与美国Longitudinal Business Database（LBD）类似的综合性数据产品。德国的GLBD包含了丰富的信息，其构建旨在评估在美国开发的算法是否可以直接应用，或者需要进行适当的调整以适应德国的数据特性。 研究的首要任务是构建GLBD，并通过广泛的评估来验证该算法的通用性。如果算法无需过多调整就能提供有用的数据，那么这将是一个重大突破，因为它表明合成方法具有跨地域的适用性，有助于促进国家间的研究对比，如康奈尔大学SynLBD项目所追求的目标。 值得注意的是，这篇论文是在美国经济研究所（Center for Economic Studies, CES）的框架下完成的，虽然未经正式的官方审查，但所有的研究成果都经过了保密性检查，确保不会泄露敏感信息。如果想了解更多信息，读者需联系论文作者或通过指定的联系人获取授权。 本文不仅关注技术层面的实施，也涉及了数据保护和隐私问题，展示了如何在保持数据安全的前提下，利用先进的合成数据技术推动经济研究的国际合作。这项工作对于推进全球范围内的数据共享和对比研究具有重要的理论和实践价值。