[논문 리뷰] The Heterogeneous Earnings Impact of Job Loss Across Workers, Establishments, and Markets

Susan Athey, Lisa K. Simon외 3명|arXiv (Cornell University)|2023. 07. 13.

Agricultural risk and resilience인용 수 11

한 줄 요약

스웨덴 행정 데이터에서 Generalized Random Forest를 사용하여, 사업장 폐쇄로 인한 임금 손실이 근로자, 사업장, 시장 전반에 걸쳐 크게 이질적임을 보이며, 최악의 경우 첫 해에 약 ~50%, 10년 누적 약 ~250%까지 손실이 발생하는 것으로 나타난다.

ABSTRACT

Using rich Swedish administrative data, we apply causal machine learning methods to study how earnings losses after job displacement vary with observable characteristics that may be relevant for targeting policy interventions for workers. Heterogeneity in effects is as large within as across worker groups defined by age and schooling, and as large within as across establishments. A substantial portion of cross-establishment heterogeneity can be explained by industry and local labor market characteristics, suggesting a role for place- and industry-based targeting. The largest losses are concentrated among already vulnerable workers, indicating that well-designed targeting policies can improve both efficiency and equity.

연구 동기 및 목표

• 사업장 폐쇄 이후 임금 손실의 이질성을 이해하기 위해 이재해된 근로자, 사업장, 산업 및 위치를 특징화한다.
• GRF를 사용하여 대규모의 근로자-사업장-시장 차원의 공변량 집합에 따라 임금 손실이 얼마나 유연하게 달라지는지 추정한다.
• 임금 손실의 지속성 및 분포를 평가하고 큰 손실의 주요 예측 변수를 식별한다.
• 예상되는 큰 손실을 가진 근로자를 식별하기 위한 정책 표적화 시사점을 탐색한다.

제안 방법

• 식별 충격으로서 사업장 폐쇄를 활용한 스웨덴 RAMS 데이터(1985–2017).
• 근로자, 사업장 및 위치 특성의 풍부한 집합에 대한 성향 점수 매칭을 사용하여 생존한 사업장의 근로자들로 구성된 매칭 대조군을 구성한다.
• 일반화된 랜덤 포레스트(GRF)를 적용해 조건부 평균 처리 효과(CATE)를 추정하고 이탈 효과의 외샘플 이질성을 얻는다.
• 폴드 내에서 CATE로 근로자를 순위화하고 분위수 그룹을 형성하며, 각 그룹에 대해 평균 처리 효과(ATE)를 계산하되 폴드 간 독립성을 보장한다.
• 결과를 연간 임금으로 측정하되 t−1 시점의 근로자 임금으로 표준화하고, 이진 고용 지표를 더하며, t−3부터 t+10까지의 결과를 추적한다.

실험 결과

연구 질문

• RQ1 사업장 폐쇄로 인한 임금 손실이 다양한 시장과 사업장에서 연령, 학력, 재직기간 등의 근로자 특성과 어떻게 달라지는가?
• RQ2 시장 맥락(산업, 위치, 수요 조건)이 이재한 근로자의 이탈 효과의 규모를 어떻게 형성하는가?
• RQ3 관측 가능한 특성 중 어떤 것이 큰 이탈 효과를 가장 강하게 예측하며, 이를 고려한 후 이질성은 얼마나 남는가?
• RQ4 실직 후 임금 손실을 완화하기 위한 표적 정책의 시사점은 무엇인가?

주요 결과

• 폐쇄 직후 해의 평균 연간 임금은 24% 감소하고, 고용은 15퍼센트포인트 하락한다.
• 임금 효과의 3분의 1이 이주(displacement) 10년 후에도 지속된다.
• 가장 큰 예측 효과를 가진 상위 10%의 근로자는 이직 1년 후 약 50%의 임금을 잃으며, 중앙값 손실의 약 2.5배, 최솟값의 약 8배이다.
• 가장 영향을 받는 근로자는 이직 전 수입이 낮고 불리한 궤적을 보이는 경향이 있으며, 같은 사업장 내에서도 상당한 이질성을 보인다.
• 악화된 시장 여건은 손실을 확대하며, 연령, 학력, 산업(특히 제조업) 및 위치(예: 인구 밀도가 낮은 지역)에 따라 효과가 달라진다.
• 사업장 내외에서 이질성은 크며, 시장 여건(산업 및 위치)이 변동성의 상당 부분을 설명한다.
• 두 가지 쉽게 관찰 가능한 특성(예: 루틴 작업에 종사하는 고령 근로자)을 기반으로 한 표적화 규칙은 표적화를 개선할 수 있지만 여전히 전체 GRF 기반 예측에 미치지 못한다.