Wealth Effect on Labor Market Transitions
Transcription
Wealth Effect on Labor Market Transitions
Wealth Effect on Labor Market Transitions Yann Algan EUREQua - Université de Paris I [email protected] Arnaud Chéron GAINS - Université du Maine & Cepremap [email protected] Jean-Olivier Hairault ∗ EUREQua - Université de Paris I & Cepremap [email protected] François Langot GAINS - Université du Maine & Cepremap [email protected] 3 mars 2005 ∗ Address : EUREQua, Université de Paris I, MSE, 106-112 Bd de l’Hôpital, 75647 Paris Cedex 13. We thank M. Julliard and T. Weitzenblum for helpful comments. 1 Motivations (I) – Comment expliquer les flux sur le marché du travail ? Les modèles de recherche d’emplois constituent un cadre théorique privilégié (Mortensen [1970], Lucas et Prescott [1974]) : la recherche constitue une activité dans laquelle les travailleurs investissent. ⇒ Les moyens de financement de cette activité, publique et/ou privé, influent sur les transitions emploichômage, chômage-emploi. – De récentes contributions théoriques tiennent compte d’une interaction entre le comportement d’épargne de précaution des ménages et leurs décisions sur le marché du travail. ⇒ La prise en compte de l’auto-assurance rétroagit sur les prescriptions normatives des modèles assurance chômage optimale (Hansen et Imhrologlu [1992], Acemoglu et Shimer [1999], Joseph et Weitzenblum [2001]). – Traditionnellement, deux représentations de cet effet richesse sont implicitement considérées. Le niveau de la richesse financière affecte la décision de refus d’emplois, via son impact sur la valorisation du loisir, et via son influence sur la valorisation de l’opportunité de chercher une meilleure offre. 2 Motivations (II) L’objectif du papier se situe en amont : dans quelle mesure la richesse financière des ménages affecte-t-elle les flux sur le marché du travail ? – D’une part, un travail économétrique : Idées : (i) Le stock d’épargne permet de financer plus longtemps la recherche et diminue l’aversion pour le risque : =⇒ relation positive entre la durée du chômage et l’épargne de précaution pour des conditions macroéconomiques données. (ii) Impact positif de l’épargne sur la probabilité de démissionner : investissement dans l’activité de recherche d’emploi pour trouver une meilleur offre =⇒ la richesse permet une mobilité salariale. Abondance de la littérature économétrique sur l’impact de l’assurance chômage sur la durée du chômage (Meyer [1990], Dormont, Fougère et Prieto [2000], mais absence de l’effet richesse. – D’autre part, il s’agit de déterminer la pertinence quantitative d’un modèle structurel calibré qui incorpore l’effet richesse. 3 Principaux résultats (I) : Econométriques (d’après les données du Panel Européen concernant la France) – Un accroissement du niveau de la richesse des chômeurs se traduit par une plus faible probabilité de sortie du chômage. L’influence de l’épargne n’est significative qu’à partir d’un certain niveau ( 30000Frs), comparable au niveau annuel minimal des allocations chômage. L’impact désincitatif des allocations chômage sur l’offre de travail est surestimé lorsque l’autre mécanisme assuranciel est ignoré. – Un accroissement du niveau de la richesse des employés se traduit par une plus grande probabilité que leurs emplois se terminent par un départ volontaire. – L’impact de la richesse sur la décision des employés de quitter leurs emplois est plus important pour ceux qui ont une rémunération inférieure. =⇒ La richesse explique plus des comportements de recherche d’emploi que de loisir. 4 Principaux résultats (II) : Théoriques (d’après un modèle étalonné sur le cas Français) – Le niveau de la richesse financière réduit, à partir d’un certain seuil, les probabilités individuelles de sortie du chômage – Le niveau de la richesse financière réduit également les probabilités de rester dans les emplois faiblement rémunérés. – L’introduction d’une marge intensive dans les décisions d’offre de travail accentue ces deux derniers phénomènes. – A l’équilibre, la distribution de la richesse est telle qu’il existe des chômeurs et des travailleurs faiblement rémunérés qui sont en situation de refuser des offres. – Le modèle de recherche d’emploi avec effet richesse engendre des transitions sur le marché du travail réalistes. 5 Econométrie (I) Panel Européen, données françaises collectées par l’INSEE : 3 vagues 1993-1996 Richesse = Epargne de précaution → moyen de financement des épisodes de chômage = Comptes Dépôts et Livrets (3 niveaux) → 0 à 10000, 10000 à 30000, + de 30000Frs Explication de la durée d’un épisode de chômage par le niveau d’actifs détenu au début de l’épisode. → Sélection uniquement des durées de chômage sur la période 1994-1996. Le niveau de Livret déclaré pour la fin de l’année 1993 explique les épisodes commencés en 1994. → Cylindrage des chefs de famille et conjoints présents lors des trois vagues d’enquête et dont la structure du ménage est restée stable (le niveau du patrimoine est déclaré au niveau du ménage). → Prise en compte uniquement de ménages disposant d’un montant positif d’épargne. Explication du taux de départ volontaire de l’emploi par le niveau d’actif : stratégie de recherche d’un meilleur emploi (traitement des données : idem). 6 Econométrie (II) Estimateur de Kaplan Meyer – Estimateur non-paramétrique Ŝ (t) = nj − dj nj tj /tj ≤t Y – La probabilité de survivre dans l’état de chômage s’accroı̂t avec le niveau d’épargne : Periodes Niveau 1 Niveau 2 Niveau 3 de chômage 1 0.831 0.901 0.966 2 0.698 0.791 0.812 5 0.532 0.572 0.734 10 0.352 0.430 0.459 20 0.189 0.198 0.383 30 0.142 0.159 0.254 7 Econométrie (III) Modèle de durée sur les sorties du chômage : estimation semi-paramétrique de la fonction de hasard La probabilité qu’un chômeur retrouve un emploi à la date t, conditionnellement à ses caractéristiques xi est : λi (t|xi) = εiλ0 (t) exp {x0iβ} où – Estimation semi-paramétrique : Meyer [1990] - Estimation directe de la fonction de hasard plutôt que d’imposer une spécification à priori de la loi de hasard. - Estimation par morceaux du hasard de base : λ0 (t) = exp {α1γ1 + ... + αLγL} ⇒ Hasard de base constant pendant des périodes de 2 mois pour les 24 premiers mois puis constant pendant 6 mois du 24ème au 36ème mois. – Hétérogénéité inobservée : εi suit une loi Gamma de variance σ 2 (capture l’hétérogénéité inobservée sur les propositions d’emploi, par exemple). 8 Econométrie (IV) Modèle probit sur les départs vers le chômage : 1) modèle de durée non retenu, car durée maximale des emplois stables = 3ans 2) sélection des départs vers le chômage 3) distinction de la stratégie de départ des hauts et des bas salaires. Soit y une variable qualitative, avec y = 1 si le départ E → U est volontaire et y = 0 sinon, alors : yt = α + βxt + εt, yt = t = 1994, 1995, 1996 1 si départ involontaire 0 si départ involontaire où xt est le vecteur des variables explicatives. 9 Tab. 1 – Estimation of the hazard rate to leave unemployment Variables Female Age General Graduate Ungraduate Technical graduate Superior graduate Unemployment benefits Wealth 1 −.458∗∗ (.096) −.020∗∗ (.005) Reference −.571∗∗ (.073) .014∗∗ (.003) .011∗∗ (.004) −.313∗∗ (.078) Reference −.163 (.117) −.263∗∗ (.082) Wealth 2 Wealth 3 Constant −.567∗∗ (.227) Sigma 4.996 E − 6 (4.274 E − 6) Log-likelihood −1419.912 Number of monthly 4717 unemployment spells Note - Standard errors are in parentheses. 10 Tab. 2 – Estimation of a wealth effect on transitions from employment to unemployment Variables Age Woman General graduate HW workers LW workers −.042∗ (.022) −.121 (.516) Reference −.109∗∗ (.041) −.032 (.043) Reference .030 (.611) Technical graduate .343 (.571) − Reference .644 (.665) 1.215∗∗ (.671) Reference 2.255∗∗ (.852) 2.611∗∗ (.979) Constant −0.351 (1.077) 1.266 (1.239) Log-likelihood −17.840 −14.016 Superior graduate Wealth 1 Wealth 2 Wealth 3 48 66 Number of observations Note - Standard errors are in parentheses. 11 Théorie (I) Environnement économique : max E0 ∞ X t=0 β tU (ct, lt) s.c. at+1 = (1 + r)at + ytht − ct at ≥ 0 lt ∈ [0, 1] [cαt (1 − χt)1−α ]1−σ − 1 avec U (ct, lt) = 1−σ ht si Emp. où χt = e si Unemp. y(²j ) = µj W for j = h, l, u πh,h 0 1 − πh,h P= 0 πl,l 1 − πl,l πu,h πu,l 1 − πu,h − πu,l 12 Théorie (II) Décision d’accumulation des ménages : 0 W (a) = max {U (y(² )h + (1 + r)a − a , 1 − h) h 0 a ≥0;h +β [πh,h max {W (a0) , S (a0)} + (1 − πh,h)S (a0)]} 0 V (a) = max {U (y(² )h + (1 + r)a − a , 1 − h) l 0 a ≥0;h +β [πl,l max {V (a0) , S (a0)} + (1 − πl,l )S (a0)]} 0 S (a) = max {U (y(² ) + (1 + r)a − a , 1 − e) u 0 a ≥0 +β [πu,h max {W (a0) , S (a0)} +πu,l max {V (a0) , S (a0)} + (1 − πu,l − πu,h)S (a0)]} Décision de statut sur le marché du travail des ménages : Φ(., ²u) = 1 Φ(a, ²l ) = 1 if S (a) ≥ V (a) Φ(a, ²h) = 1 if S (a) ≥ W (a) ⇒ Règle de décision d’accumulation des ménages conditionnelle à leurs stocks d’actifs et leurs opportunités sur le marché du travail : A(a, ²) = Φ(a, ²)Au(a)+[1−Φ(a, ²l )]Al (a)+[1−Φ(a, ²h)]Ah(a) 13 Théorie (III) Equilibre : Etant donné le vecteur de prix {r, w}, l’équilibre est défini par : (i) Les règles de décision, A(a, ²), C(a, ²), H(a, ²) et Φ(a, ²), qui sont solution du problème des ménages. (ii) La distribution stationnaire λ(a, ²) induites par P et les règles de décision {A(a, ²), Φ(a, ²)} (iii) Le taux de taxe τ qui équilibre le budget de l’Etat. 14 Etalonnage Tab. 3 – Model Calibration β 0.99 σ 2.5 α 0.33 r 0.5% w 3 µu 0.35 1 − πh,h 0.69% 1 − πl,l 1.53% φ 45% µl 1 µh 1.6 Sachant que πh,h 0 1 − πh,h P= 0 πl,l 1 − πl,l φξ φ(1 − ξ) 1 − φ Etalonnage des paramètres inconnus : e et ξ t.q. – Taux de chômage = 12%, – Taux d’emploi ”good” = taux d’emploi ”bad” = 48%, d’où ξ πu,l 6.2% 42,2% πu,h 2,8% 15 πu,u 55% e 0.99 Wealth effect and the option value of unemployment Fig. 1 – Consumption rules Consumption of good−employed Consumption of bad−employed 1.6 0.95 0.94 0.93 Consumptiont Consumptiont 1.55 1.5 0.92 1.45 1.4 1.35 0.91 variable h constant h no disutility 0.89 0 0.88 20 40 60 80 Capital Grid (in thousands of francs) Consumption of unemployed 1.1 1 Consumptiont 0.9 0.8 0.7 0.6 0.5 0.4 0.9 0 20 40 60 80 Capital Grid (in thousands of francs) 16 0 5 10 15 Capital Grid (in thousands of francs) Fig. 2 – Hours worked rules Hours worked by good−employed Hours worked by bad−employed 0.37 0.355 0.36 0.35 Hourst Hourst 0.35 0.34 0.33 0.345 0.32 0.31 0 0.34 20 40 60 80 Capital Grid (in thousands of francs) 0 5 10 15 Capital Grid (in thousands of francs) Fig. 3 – Unemployment Duration and Bad-Job Tenure A − Quarterly Bad−Employment Duration B − Quarterly Unemployment Duration 40 16 variable h constant h no disutility 14 12 Quarters Quarters 30 20 10 8 6 10 4 0 0 5 10 15 Capital Grid (thousands of francs) 2 20 17 0 20 40 60 Capital Grid (thousands of francs) 80 Wealth effect and the option value of unemployment Fig. 4 – Wealth Distribution A − Aggregate Capital Distribution B − Unemployed Capital Distribution 0.2 0.025 0.02 Probability Probability 0.15 0.1 0.05 0 0.015 0.01 0.005 0 0 20 40 60 80 Capital Grid (in thousands of francs) 0 C − Bad−Employed Capital Distribution D − Good−Employed Capital Distribution 0.1 0.2 0.15 Probability Probability 0.08 0.06 0.04 0.1 0.05 0.02 0 20 40 60 80 Capital Grid (in thousands of francs) 0 0 20 40 60 80 Capital Grid (in thousands of francs) 18 0 20 40 60 80 Capital Grid (in thousands of francs) Wealth effect and the option value of unemployment Tab. 4 – Model Predictions Bad Unemp. Emp. Transitions (quarters) Exogenous Durations 2.2 65.4 Average Durations no disutility 3.68 21.5 constant h 3.75 16.4 variable h 3.73 8.9 Population (percentages) Exogenous Rates 3 87 Total Rates no disutility 7.7 65.3 9 59.2 constant h variable h 12 44 Mean of Assets (thousands of francs) no disutility 10.1 5.9 constant h 11.4 6.2 variable h 12.3 7.4 19 Good Emp. 144.9 144.9 144.9 144.9 10 27 31.8 44 46 49.7 51.1 Tab. 5 – Model Predictions : the impact of wage dispersion Ref. 1.65 wg /wb 1.8 variable h constant h no disutility 12 9 7.7 15.8 13.8 13.3 19.2 18 17.9 22 22 22 Average durations (quarters) variable h constant h no disutility 3.7 3.7 3.7 4.4 4.6 4.6 7.4 7.9 7.7 27.8 28.5 28.4 Mean of assets (thousands of francs) variable h constant h no disutility 12.3 11.4 10.1 15.9 15.5 15.4 28.8 29.4 28.9 252.8 252.6 248 variable h constant h no disutility 44 59.2 65.3 28.5 37.8 39.5 13.4 18.4 18.8 0.6 0.6 0.6 Average durations (quarters) variable h constant h no disutility 8.9 16.4 21.5 4.6 7.2 7.8 2.4 3.3 3.4 1 1 1 Mean of assets (thousands of francs) variable h constant h no disutility 7.4 6.2 5.9 8.2 7.1 7.1 8.2 6.9 7 6.2 3.8 3.6 (in %) 34.6 36 38.5 46.7 variable h constant h no disutility 44 31.8 27 55.7 48.4 47.2 67.4 63.6 63.3 77.4 77.4 77.4 Average durations (quarters) variable h constant h no disutility 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 Mean of assets (thousands of francs) variable h constant h no disutility 51.1 49.7 46 62 61.1 61 98.8 96.6 93.6 525.6 518.4 331.9 33 33 32.9 32.4 Unemployment Rates (percentages) Bad employment Rates (percentages) Average hours worked Good employment Rates (percentages) Average hours worked (in %) 4 Tab. 6 – Model Predictions : the impact of unemployment compensation Ref. 0.375 θ 0.40 0.45 variable h constant h no disutility 12 9 7.7 15.9 13.9 13.7 17.8 16.5 16.4 20 19.5 19.4 Average durations (quarters) variable h constant h no disutility 3.7 3.7 3.7 4.1 4.1 4.1 4.5 4.9 4.7 5.6 6.2 6 Mean of assets (thousands of francs) variable h constant h no disutility 12.3 11.4 10.1 12.5 12.1 11.8 12.8 12.8 12.6 11.6 12.6 12.3 variable h constant h no disutility 44 59.2 65.3 28.2 36.9 38 19.3 25.2 26 9.7 11.8 12.1 Average durations (quarters) variable h constant h no disutility 8.9 16.4 21.5 4.3 6.6 6.9 2.6 3.9 4 1.5 1.8 1.9 Mean of assets (thousands of francs) variable h constant h no disutility 7.4 6.2 5.9 7.5 6.5 6.4 6.9 5.7 5.8 5.1 4 4 (in %) 34.6 35.9 37.1 39 variable h constant h no disutility 44 31.8 27 55.9 49.2 48.3 62.9 58.3 57.6 70.3 68.7 68.5 Average durations (quarters) variable h constant h no disutility 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 Mean of assets (thousands of francs) variable h constant h no disutility 51.1 49.7 46 50.6 49.9 49 51 51.3 50.9 47.7 49.5 48.7 33 33 33 33 Unemployment Rates (percentages) Bad employment Rates (percentages) Average hours worked Good employment Rates (percentages) Average hours worked (in %) Tab. 7 – Model Predictions : the impact of risk aversion Ref. 1.25 σ 1.75 2 variable h constant h no disutility 12 9 7.7 15.9 13.5 13.1 4 4 4 4.1 4.1 4.1 Average durations (quarters) variable h constant h no disutility 3.7 3.7 3.7 2.9 3.1 3.1 3.8 3.9 3.8 4.2 4.3 4.3 Mean of assets (thousands of francs) variable h constant h no disutility 12.3 11.4 10.1 8.3 7.8 7.7 11.3 11.7 11.6 15.7 16 16 variable h constant h no disutility 44 59.2 65.3 28.1 39.1 40.7 81.8 81.7 81.8 81.2 81.2 81.3 Average durations (quarters) variable h constant h no disutility 8.9 16.4 21.5 3.7 6.3 6.7 65.4 65.4 65.4 65.4 65.4 65.4 Mean of assets (thousands of francs) variable h constant h no disutility 7.4 6.2 5.9 8.2 6.6 6.6 5.4 5.3 5.3 6.1 6.1 6.1 (in %) 34.6 36.7 33.1 33.1 variable h constant h no disutility 44 31.8 27 56 47.4 46.2 14.2 14.3 14.2 14.7 14.7 14.6 Average durations (quarters) variable h constant h no disutility 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 144.9 Mean of assets (thousands of francs) variable h constant h no disutility 51.1 49.7 46 32.7 33.8 33.5 57.2 57.6 57.1 70.2 69.2 69.7 33 33 33 33 Unemployment Rates (percentages) Bad employment Rates (percentages) Average hours worked Good employment Rates (percentages) Average hours worked (in %)