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 %)