Non abbiamo tutti le stesse probabilità
Sintesi di “Labor Market Dynamics: A Hidden Markov Approach”
Sommario
Shibata (2019) introduce un modello di Markov nascosto (HMM) per analizzare le dinamiche del mercato del lavoro, sfidando l'approccio standard basato su processi di Markov del primo ordine (FOM) tipicamente utilizzato nella letteratura economica del lavoro. Utilizzando dati del Current Population Survey (CPS), l'autore dimostra che l'HMM supera significativamente i modelli tradizionali nella previsione delle transizioni del mercato del lavoro su un orizzonte di 15 mesi.
L'innovazione chiave di questo studio consiste nell'introduzione di “stati di attaccamento al mercato del lavoro” non osservati che catturano sia l'eterogeneità (lavoratori diversi con lo stesso stato attuale della forza lavoro che hanno differenti probabilità di transizione) sia la dipendenza dalla durata (le probabilità di transizione dello stesso lavoratore che cambiano nel tempo). L'autore identifica nove stati di attaccamento distinti attraverso le categorie di occupazione, disoccupazione e non partecipazione.
L'HMM migliora l'approccio FOM standard riducendo la deviazione media assoluta delle probabilità di transizione di un fattore pari a 30, anche quando confrontato con modelli FOM estesi che includono categorie dettagliate di occupazione. Il paper dimostra che l'attaccamento non osservato al mercato del lavoro dei lavoratori è fortemente correlato con caratteristiche osservabili come i guadagni, le ragioni della disoccupazione e i tipi dettagliati di stato della forza lavoro, ma queste variabili osservabili da sole non possono catturare completamente l'eterogeneità nelle transizioni del mercato del lavoro.
Classificazione Metodologica
Questo paper può essere classificato come:
Innovazione metodologica nell'analisi del mercato del lavoro – Introduce un approccio statistico innovativo per modellare le transizioni del mercato del lavoro
Studio sulla complessità del mercato del lavoro – Esamina le interazioni complesse tra lo stato osservato della forza lavoro e le caratteristiche non osservate dei lavoratori
Utilizzo di modelli dinamici per catturare cambiamenti strutturali – Impiega un approccio di modellazione dinamica (HMM) per comprendere l'evoluzione delle transizioni del mercato del lavoro
Applicazioni e Risultati
Il paper dimostra il valore dell'HMM attraverso quattro applicazioni:
Conseguenze a lungo termine della separazione dal lavoro: Il modello stima le perdite occupazionali derivanti dalla separazione da un impiego stabile che si allineano con i risultati degli studi basati sui dati della Social Security, ma utilizzando solo panel CPS a breve termine.
Tendenze nella stabilità occupazionale: L'analisi rivela che mentre i tassi di occupazione maschile sono diminuiti dagli anni '70, la loro stabilità occupazionale (condizionata all'essere occupati) è rimasta sostanzialmente invariata. Per le donne, la stabilità occupazionale è migliorata fino alla metà degli anni '90, ma questo miglioramento si è concentrato tra le donne più istruite.
Confronto tra recessioni: La Grande Recessione del 2007-09 ha mostrato flussi più ampi e persistenti di lavoratori verso lo stato di disoccupazione più persistente (U2), lo stato occupazionale meno stabile (E2) e gli stati di non partecipazione associati alla disoccupazione (O2), spiegando la ripresa più lenta rispetto alla recessione del 1981.
Importanza dell'eterogeneità non osservata: Il paper dimostra che economie con distribuzioni identiche dello stato osservato della forza lavoro ma con diverse distribuzioni degli stati di attaccamento possono sperimentare traiettorie di disoccupazione future drasticamente differenti.
Contributo alla Letteratura di Riferimento
In una rassegna della letteratura sugli approcci avanzati alle dinamiche del mercato del lavoro, Shibata (2019) rappresenta un significativo avanzamento metodologico. A differenza dei modelli tradizionali che assegnano probabilità di transizione identiche a tutti i lavoratori nello stesso stato della forza lavoro, l'approccio Hidden Markov di questo paper cattura con successo la persistenza empiricamente osservata nelle transizioni del mercato del lavoro.
Il framework HMM colma il divario tra modelli teorici e realtà empirica nella ricerca sul mercato del lavoro, offrendo una comprensione più sfumata dell'eterogeneità nelle transizioni dei lavoratori. Questo approccio è particolarmente utile per studiare gli impatti differenziali degli shock economici tra gruppi demografici diversi e per comprendere perché alcuni lavoratori sperimentano disoccupazione persistente mentre altri no.
Riferimento Bibliografico
Shibata, I. (2019). Labor Market Dynamics: A Hidden Markov Approach. IMF Working Paper No. 19/282, International Monetary Fund.
Verifica la disponibilità on line