nØf: koldingfjord 2014 januar, 2014 andreas orebo hansen & esben anton schultz
Post on 22-Feb-2016
45 Views
Preview:
DESCRIPTION
TRANSCRIPT
Employment and Earnings Effects of Displaced Workers:
Evidence from Unexpected Firm Closures due to Sudden Death of Firm Owners
NØF: Koldingfjord 2014Januar, 2014
Andreas Orebo Hansen & Esben Anton Schultz
1
Agenda
1. Introduktion2. Empiriske analyser af displacement effekter3. Identifikationsstrategi og deskriptiv statistik4. Empiriske resultater5. Vurdering af resultater og konklusion6. Næste skridt: Mulige add-ons
2
1. Introduktion
3
Hvorfor er det interessant at undersøge effekterne af at blive fyret?
– Socialt aspekt: Hvad er de individuelle (økonomiske) omkostninger er af, at blive fyret.
– Samfundsøkonomisk aspekt: Hvad er de samfundsmæssige omkostninger af, at folk bliver fyret.
– Policy implikationer: Displacement effekter giver en indikation af betydningen af branche- og virksomhedsspecifikke faktorer i løndannelsen, og kan derfor være retningsbestemmende for den aktive arbejdsmarkedspolitiske indsats.
– OBS: En egentlig diskussion af effekternes policyimplikationer er uden for rammerne af papirets analytiske formål.
2. Empiriske analyser af displacement effekter
4
Følgende resultater kan rapporteres fra litteraturen:– Effekterne varierer afhængig af benyttet data
(survey/administrativt) og på tværs af brancher og konjunkturer.– Der findes også stor variation i effekterne på tværs af lande:
• De største effekter findes i Tyskland, Italien, Storbritannien og USA.
• Effekterne i de skandinaviske lande, Belgien og Japan er moderate.
• Forskelle i effekternes størrelse kan oplagt skyldes forskelle i arbejdsmarkedsstrukturer (ex høj jobomsætning i Danmark som følge af ”flexicurity”).
– Der foreligger et studie på danske data [Albæk et al. (2002)], hvorfra følgende kan rapporteres:• 1. årseffekter: -4,0% på timelønnen og -6,4% på årslønnen (for
genansatte).• 3. årseffekter: -4,7% på timelønnen og -6,8% på årslønnen (for
genansatte).• Dvs. moderate, men vedvarende tab.
3. Identifikationsstrategi
5
Svært at måle displacement effekter…– Der eksisterer et fundamentalt identifikationsproblem når man vil
undersøge effekterne af displacement.– Problemet er, at det ikke er tilfældigt hvem der bliver fyret,
hvorfor der eksisterer et endogenitetsproblem.
Litteraturens forsøg på at løse problemet…− Der forsøges at tage høje for dette problem ved at benytte
virksomhedslukninger som en slags naturligt eksperiment.− Problemet med dette er, at det ikke er tilfældigt hvilke
virksomheder, som lukker. Dvs. der opstår nyt endogenitetsproblem…
− Dette problem kan ofte identificeres i data som et Ashenfelter’s Dip (se næste slide).
3. Identifikationsstrategi
6
Ashenfelter’s Dip
Pre-displacement
3. Identifikationsstrategi
7
Det har således endnu ikke været muligt at identificere en eksogen variation som har muliggjort identifikation af de ”sande” displacement effekter.
Sudden death-identifikation…– I dette papir benyttes det omfattende danske registerdata til at
identificere eksogen variation via en indtil nu ubenyttet identifikationsstrategi.
– Ved at identificere virksomhedslukninger som følge af ejerens pludselige død genereres eksogen variation i beskæftigelsesstatus.
– Denne eksogene variation gør det muligt at undgå de endogenitetsproblemer der hidtil har plaget litteraturen.
Identifikationen udføres på følgende vis…
3. Identifikationsstrategi
8
3. Identifikationsstrategi
9
3. Identifikationsstrategi
10
Dvs. (594-445=) 149 virksomheder lukker ikke i den betragtede periode…
3. Identifikationsstrategi
11
3. IdentifikationsstrategiTo potentielle trusler mod identifikation:1. Det er ikke tilfældigt hvilke virksomheder der lukker som
følge af ejerens pludselige død (husk, at ikke alle virksomheder lukkede efter ejerens død).– Addresseres i papiret ved at benytte de beskæftigede i de ikke-
lukkede virksomheder som treatment-gruppe.– Resultat: Ingen signifikante behandlingseffekter (vises senere).– Fortolkning: Indikation af, at det er tilfældigt hvilke
virksomheder som lukker.
2. Det er ikke tilfældigt hvilke virksomhedsejere som dør pludseligt (ex pga. ”risky behavior”).– Addresseres ikke i papiret, men kan undersøges ved kun at
kigge på død som følge af trafikuheld, ex.– Resultat: TBA.– Fortolkning: Såfremt der ikke findes signifikant andre effekter
her, så er det en indikation af, at ”risky behavior” ikke er en trussel mod identifikationen.
12
3. Deskriptiv statistik
13
4. Empiriske resultater
14
Empiriske resultater opdelt i…
1. Grafisk evidens2. Estimationsanalyse
Der benyttes en difference-in-differences (DiD)tilgang som har to identificerende antagelser:
3. Ingen sammensætningsændringer over tid: Opfyldt som følge af den eksogene variation (dvs. ikke mulighed for selvselektion).
4. Common trend-antagelse, dvs. grupperne skal følge den samme underliggende trend over tid: Undersøges ved grafisk inspektion.
4. Empiriske resultater: Grafisk evidens
15
Effekten af displacement på beskæftigelse
DiD:2,5 %
DiD:7,3 %
Markant fald i beskæftigelses-graden
umiddelbart efter displacement, men
herefter konvergens tilbage.
Common-trend antagelse opfyldt!
Ingen tegn på Ashenfelter’s Dip…
4. Empiriske resultater: Grafisk evidens
16
Effekten af displacement på årlig lønindkomst
DiD:5,9 %
DiD:9,5 %
Ligeledes et markant fald i årlig lønindkomst umiddelbart efter
displacement. Effekten er varig. Måske drevet af
lavere timeløn/ kortere arbejdstid?
Common-trend antagelse opfyldt!
Ingen tegn på Ashenfelter’s Dip…
4. Empiriske resultater: Grafisk evidens
17
Effekten af displacement på timeløn (balanceret panel)
DiD:2,5 %
DiD:0,7 %
Ingen umiddelbar effekt på timeløn. Dog et fald
efter fire år, hvilket også kan forklare effekten på den årlige lønindkomst.
Common-trend antagelse opfyldt!Ingen tegn på Ashenfelter’s Dip…
4. Empiriske resultater: Grafisk evidens
18
Robusthedstjek:
• Skyldes effekterne blot, at de virksomheder, som lukker som følge af ejerens død, er nogle specielt svage virksomheder.
• Mao.: Er de fundne effekter et resultat af en selektion snarere end displacement effekter?
• For at undersøge dette sammenlignes udviklingen i de tre variable nu med arbejderne i de ikke-lukkede virksomheder, hvor ejeren er død.
• Såfremt der ikke findes forskelle er det en indikation af, at de fundne effekter ikke skyldes selektionsbias…
4. Empiriske resultater: Grafisk evidens
19
Udviklingen i beskæftigelsesgraden
Ingen indikation af selektionsbias…
4. Empiriske resultater: Grafisk evidens
20
Udviklingen i årlig lønindkomst
Ingen indikation af selektionsbias…
4. Empiriske resultater: Grafisk evidens
21
Udviklingen i timeløn (balanceret panel)
Ingen indikation af selektionsbias…
4. Empiriske resultater: Estimationer
22
Figurerne giver indikationer af signifikante displacement effekter, men numerisk analyse er nødvendig for at afgøre om forskellene er statistisk signifikante…
…derfor estimeres følgende model:
– for displaced workers, og 0 ellers.– for displacement og 1 efter.– , hvis displaced og perioden er efter.– er en vektor bestående af observerbare karakteristika.– er årsdummyer som tager højde for den makroøkonomiske udvikling.
Opfanger effekten på af displacement
4. Empiriske resultater: Estimationer
23
Table D1: Regression Analysis of Short-Term Displacement effectsResponse variable:
Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.
Treat (d) 0.00174 (0.013) -26,819.2*** (8027.294) -24631.2*** (7,474.114) -14.85*** (4.463)Post (d) -0.0743*** (0.013) -19,328.2** (8054.020) -4,213.1 (7,601.550) 9.517** (4.370)Treat x Post (d) -0.0770*** (0.019) -24,995.3** (11375.499) -4,337.1 (10,894.870) 1.196 (6.262)Explanatory variables:Age 0.000525 (0.003) 4,260.0** (2,097.522) 4,498.5** (2,037.128) 3.831** (1.195)Age2 -0.0000408 (0.000) -91.21*** (25.625) -88.08*** (24.969) -0.0509*** (0.015)Male (d) 0.0194* (0.011) 6,4617.3*** (6,590.991) 6,5411.7*** (6,305.682) 37.19*** (3.673)Immigrant (d) 0.0379 (0.025) -1,656.8 (1,5147.641) 12,000.9 (14,766.060) -13.98 (8.728)Primary education (d) -0.0211** (0.010) -30,680.0*** (5,910.973) -29,688.0*** (5,659.870) -23.19*** (3.259)White-collar (d) 0.00731 (0.014) 57,670.7*** (8,599.802) 60,450.9*** (8,230.688) 31.89*** (4.736)Experience 0.00371 (0.002) 9,823.3*** (1,444.094) 9,988.6*** (1,391.890) 1.672** (0.832)Experience2 -0.0000432 (0.000) -139.2*** (38.253) -143.9*** (36.744) -0.0182 (0.022)Tenure 0.000627 (0.003) 3,828.5** (1,803.751) 3,261.4* (1,738.117) -0.965 (0.979)Tenure2 0.0000114 (0.000) -193.8** (81.876) -159.1** (79.427) 0.0192 (0.044)Constant 1.023*** (0.063) 144,200.1*** (38,649.302) 13,1873.6*** (36,985.136) 106.1*** (21.924)
Year of displacement dummiesR2
Sample size
(1) (2) (3) (4)
Yes0.22862102
Yes0.15202029
Yes0.21892222
Yes0.10452219
Employment Hourly Wages
All All Reemployed Reemployed
Annual Earnings
-10,6%
4. Empiriske resultater: Estimationer
24
Table D2: Regression Analysis of Long-Term Displacement effectsResponse variable:
Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.
Treat (d) 0.00131 (0.014) -27,412.9** (8,476.049) -25,365.3** (7,779.648) -14.97** (4.869)Post (d) -0.149*** (0.015) -21,454.1** (9,114.046) 13,797.1 (8,684.240) 37.05*** (5.217)Treat x Post (d) -0.0273 (0.021) -14,128.3 (12,645.048) 595.2 (12,220.405) -8.747 (7.265)Explanatory variables:Age 0.0140*** (0.004) 4,911.4** (2,354.385) 3,065.5 (2,329.226) 4.602** (1.408)Age2 -0.000244*** (0.000) -106.2*** (28.870) -68.40** (28.849) -0.0634*** (0.017)Male (d) 0.0285** (0.012) 69,283.3*** (7,264.657) 70,683.7*** (6,940.065) 44.44*** (4.231)Immigrant (d) 0.0191 (0.030) -31,314.5* (17,592.243) -12,050.6 (17,170.986) -31.44** (10.537)Primary education (d) -0.0198* (0.011) -34,315.2*** (6,549.707) -34,025.3*** (6,269.976) -25.19*** (3.757)White-collar (d) 0.0222 (0.016) 65,236.9*** (9,251.579) 6,4266.2*** (8,810.138) 34.02*** (5.304)Experience 0.000305 (0.003) 7,581.7*** (1,624.341) 7,916.4*** (1,593.543) 0.211 (0.979)Experience2 0.0000744 (0.000) -98.19** (43.303) -111.9** (42.729) 0.0109 (0.026)Tenure 0.00337 (0.003) 3,790.2* (2,020.100) 2,597.8 (1,954.821) -0.528 (1.186)Tenure2 -0.0000935 (0.000) -180.4* (92.243) -118.7 (90.530) 0.00927 (0.055)Constant 0.795*** (0.077) 16,7151.2*** (45,588.251) 17,5366.6*** (43,736.684) 115.0*** (24.809)
Year of displacement dummiesR2
Sample size 2022 2027 1871 1815
(1) (2)
Yes Yes Yes Yes0.1682 0.2013 0.1947 0.1821
Employment Annual Earnings Hourly Wages
All All Reemployed Reemployed(3) (4)
-7,0% -2,6%Signifikante ved større sample?
4. Empiriske resultater: Estimationer
25
Table D3: Group-specific displacement costsResponse variable:
Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.
Treat (d) 0.01000 (0.110) 0.0160 (0.158) -19,0161.6** (70,331.623) 3,577.2 (97,299.623)Post (d) 0.161 (0.114) 0.166 (0.161) -23,0820.2** (73,130.592) -33,342.5 (99,040.501)Treat x Post (d) -0.565** (0.193) -0.570** (0.224) 25,5650.7** (123,586.378) 57,970.0 (138,001.315)Interactions:Age 0.0372** (0.012) 0.0377** (0.013) -6,186.1 (7,419.286) -2,814.2 (8,306.403)Age2 -0.000476*** (0.000) -0.000480** (0.000) 83.14 (90.524) 21.19 (101.217)Male (d) 0.0181 (0.036) 0.0144 (0.042) -6,3717.9** (2,3092.487) 23,324.3 (25,752.156)Immigrant (d) -0.0213 (0.086) -0.0111 (0.097) -12,787.4 (54,778.146) 1,715.2 (59,784.466)Primary education (d) 0.0314 (0.033) 0.0294 (0.038) 27,925.3 (20,853.038) -14,629.9 (23,198.006)White-collar (d) -0.0394 (0.046) -0.0403 (0.053) -60,525.3** (29,554.693) 11,748.8 (32,729.105)Experience -0.0232** (0.008) -0.0239** (0.009) -13,277.2** (5,172.677) -4,051.3 (5,745.672)Experience2 0.000593** (0.000) 0.000623** (0.000) 248.9* (137.767) 116.8 (151.683)Tenure -0.00971 (0.010) -0.00972 (0.011) -3,191.6 (6,248.168) 2,931.3 (6,967.230)Tenure2 0.000369 (0.000) 0.000365 (0.001) 10.08 (283.327) -208.5 (316.459)
Explanatory variablesYear of displacement dummiesR2
Sample size0.1359 0.1791 0.23912219 2222 2222
0.13612219
All All All
Yes Yes Yes
All
YesNo Yes No Yes
Annual Earnings(1) (3) (4)
Employment(2)
4. Empiriske resultater: Grafisk evidens
26
Robusthedstjek:
• Igen undersøges om effekterne blot skyldes, at de virksomheder, som lukker som følge af ejerens død, er nogle specielt svage virksomheder.
• For at undersøge dette, benyttes arbejderne i de ikke-lukkede virksomheder, hvor ejeren er død, nu som treatment-gruppe.
• Såfremt der ikke findes signifikante forskelle kan det afvises, at de fundne effekter skyldes selektionsbias…
4. Empiriske resultater: Estimationer
27
Table D4: Regression Analysis of Treatment Effects for Non-displaced Workers in Firms Not Closing Following Owners DeathResponse variable:
Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.
Treat (d) -0.00152 (0.012) -17,416.5** (7,878.275) -16,850.8** (7,468.319) -13.95** (4.601)Post (d) -0.0743*** (0.011) -19,302.4** (7,624.959) -3,777.3 (7,331.729) 9.412** (4.447)Treat x Post (d) -0.00726 (0.016) 722.5 (10,606.755) 2,374.4 (10,207.326) 4.113 (6.188)Explanatory variables:Age 0.00590** (0.003) 6,846.7*** (2,010.361) 6,672.5*** (1,958.416) 6.460*** (1.211)Age2 -0.000107** (0.000) -120.1*** (24.450) -113.6*** (23.831) -0.0826*** (0.015)Male (d) 0.00688 (0.009) 6,6248.1*** (6,169.761) 6,9135.0*** (5,928.419) 35.66*** (3.638)Immigrant (d) 0.0200 (0.019) -1,942.8 (13,091.156) 7,838.1 (12,774.185) 3.609 (8.042)Primary education (d) -0.0210** (0.008) -26,775.1*** (5,686.919) -27,539.0*** (5,478.460) -20.55*** (3.324)White-collar (d) 0.0158 (0.012) 58,879.6*** (7,911.847) 59,819.5*** (7,607.933) 36.24*** (4.585)Experience 0.00416** (0.002) 8,225.7*** (1,390.292) 7,828.2*** (1,354.800) 0.693 (0.845)Experience2 -0.0000705 (0.000) -88.48** (36.136) -75.72** (35.110) 0.0120 (0.022)Tenure 0.00660** (0.003) 4,886.8** (1,715.885) 3,436.3** (1,655.662) -0.601 (0.993)Tenure2 -0.000282** (0.000) -212.2** (77.337) -152.4** (74.802) -0.00201 (0.044)Constant 0.927*** (0.055) 89,498.6** (38,609.615) 82,088.4** (37,246.378) 43.27* (22.301)
Year of displacement dummies
R2
Sample size
Employment Annual Earnings Hourly Wages(1) (2) (3) (4)All All Reemployed Reemployed
Yes Yes Yes Yes
0.0841 0.2481 0.2610 0.18082290 2293 2220 2150
Ingen indikation af selektionsbias!
5. Vurdering af resultater og konklusion
28
Følgende kan konkluderes på baggrund af analysens resultater:
– Papiret er som det første i litteraturen i stand til at identificere en eksogen variation. Dermed undgås de endogenitetsproblemer som hidtil har plaget litteraturen.
– Papiret bringer evidens for moderate displacement effekter på det danske arbejdsmarked.→ Beskæftigelsesgrad:
→ 1. årseffekter: -7,7%→ 5. årseffekter: -2,7% (signifikant?)
→ Årlig lønindkomst: → 1. årseffekter: -10,6% / 0% for genansatte.→ 5. årseffekter: 7,0% (signifikant?) / 0% for genansatte.
→ Timeløn:→ 1. årseffekter: 0%→ 5. årseffekter: -2,6% (signifikant?)
5. Vurdering af resultater og konklusion
29
Vurdering af effekternes størrelsesorden:
De fundne effekter er i underkanten af hvad Albæk et al. (2002) fandt:
Potentielle forklaringer på forskelle:→ Sudden death-identifikationen undgår endogenitetsproblemerne som
kan lede til upward bias.→ Forskelle i analyseperioder.→ Forskelle i sample means (og dermed typer af arbejdere).
Årlig lønindkomst (genansatte)
Timeløn
Studie: Kort sigt Langt sigt
Kort sigt
Langt sigt
Orebo Hansen (2013)Albæk et al. (2002)
0% 0% 0% -2,6%-4,7%-4,0%-6,8%-6,4%
6. Næste skridt: Mulige add-ons• Undersøgelse af effekter på tilfældigt døde, hvor
dødsårsag er trafikuheld– Ved at gøre dette kan man undersøge, om der er nogle
selektionseffekter af ”risky behavior”, dvs. om identifikationen er påvirket af, at nogle virksomhedsejere eksempelvis fører en mere usund livsstil.
• Undersøgelse af branchespecifikke displacement effekter.– Ved at undersøge om der er særligt store displacement
effekter for de personer, som finder beskæftigelse i en ny sektor end den de blev afskediget fra.
• Diskussion af effekternes størrelse afhængig af arbejdsmarkedsregime.
• Addresering af eksternt validitetsproblem.
30
top related