Machine Translated by Google

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Danh sách nội dung có sẵn tại ScienceDirect

Tạp chí Kinh tế Châu Âu

trang chủ tạp chí: www.elsevier.com/locate/eer

Đo lường cú sốc cung và cầu lao động trong COVID-19

Peter chơi , João B. Duarte
Một

, Miguel Faria-e-Castro b,
Một

Trường Kinh doanh và Kinh tế Nova, Bồ Đào Nha b

Ngân hàng Dự trữ Liên bang St. Louis, Hoa Kỳ

THÔNG TIN BÀI VIẾT TRỪU TƯỢNG

JEL phân loại: Chúng tôi đo lường các cú sốc cung và cầu lao động ở cấp ngành xung quanh đợt bùng phát COVID-19 bằng
E24 cách ước tính tự hồi quy vectơ cấu trúc Bayes trên số liệu thống kê hàng tháng về số giờ làm việc và tiền
E30
lương thực tế. Hầu hết các lĩnh vực đều phải chịu những cú sốc cung và cầu lao động tiêu cực lớn vào
J20
tháng 3 và tháng 4 năm 2020, với sự không đồng nhất đáng kể về quy mô của các cú sốc giữa các ngành. Các
từ khóa: ước tính của chúng tôi cho thấy rằng 2/3 mức giảm trong tốc độ tăng tổng số giờ trong tháng 3 và tháng 4
Cú sốc cung và cầu năm 2020 là do nguồn cung lao động. Chúng tôi xác thực các ước tính của mình về các cú sốc nguồn cung
COVID-19
bằng cách chỉ ra rằng chúng có tương quan với các biện pháp làm việc từ xa theo ngành.
Tự hồi quy véc tơ cấu trúc
Dấu hiệu hạn chế

1. Giới thiệu

Sự bùng phát COVID-19 và phản ứng chính sách y tế công cộng sau đó đã gây ra sự gián đoạn trên diện rộng ở hầu hết các nền kinh tế. Một mặt, các nhà

chức trách trên khắp thế giới đã thực thi các biện pháp ngăn chặn và giảm thiểu dẫn đến việc đóng cửa có giám sát toàn bộ các lĩnh vực trong nền kinh tế

của họ. Mặt khác, trước sự không chắc chắn về an toàn sức khỏe, các đại lý đã tự nguyện tham gia vào việc tự áp đặt giãn cách xã hội. Có nhiều khía cạnh

khiến việc nghiên cứu cú sốc này trở nên thú vị. Đầu tiên, đó là bản chất chưa từng có của nó, cả về mức độ và sự không chắc chắn liên quan đến sự tồn tại

của nó. Thứ hai, nó kết hợp các tính năng thường gắn liền với cả cú sốc cung và cầu. Thứ ba, tác động của nó đối với các ngành trong nền kinh tế là cực kỳ

không đồng nhất, với một số ngành đóng cửa gần như hoàn toàn (chẳng hạn như rạp chiếu phim), trong khi những ngành khác có khả năng hưởng lợi từ nhu cầu

gia tăng (chẳng hạn như các nhà bán lẻ hàng hóa tổng hợp). Đối với nhiều lĩnh vực, không rõ đây chủ yếu là một cú sốc về cung hay cầu.

Bài viết này cố gắng giúp trả lời câu hỏi đó bằng cách ước tính các cú sốc cung và cầu lao động ở cấp độ ngành. Cú sốc cung/cầu lao động được định

nghĩa ở đây là những thay đổi không lường trước được về mức độ sẵn sàng thuê/làm việc của người sử dụng lao động/người lao động với mức lương quan sát

được. Chúng tôi áp dụng phương pháp chung do Baumeister và Hamilton (2015) đề xuất và sử dụng phương pháp tự hồi quy vectơ cấu trúc Bayes (SVAR) để mô hình

hóa động lực chung của tiền lương thực tế hàng tháng và số giờ làm việc cho từng khu vực NAICS 2 chữ số của nền kinh tế Hoa Kỳ, cũng như cho tổng số việc

làm tư nhân. Kết hợp với các tiên nghiệm về độ co giãn của cung và cầu lao động đã được cung cấp thông tin trong tài liệu, chúng tôi sử dụng các hạn chế

về dấu hiệu để xác định và ước tính trình tự của các cú sốc cung và cầu lao động. mới nhất của chúng tôi

Chúng tôi cảm ơn Christiane Baumeister, Jesús Fernández-Villaverde, Erik Hurst và Peter Klenow vì những nhận xét và thảo luận rất hữu ích. Chúng tôi cảm ơn
những người tham gia hội thảo tại Ngân hàng Anh, Ngân hàng Bồ Đào Nha, Đại học Liên bang Pernambuco, Ngân hàng Dự trữ Liên bang St. Louis và Ngân hàng Mexico cũng
như những người tham gia hội nghị tại phiên họp Mô hình vĩ mô và dữ liệu vi mô NBER SI 2020 vì những nhận xét và đề xuất. Chúng tôi cũng cảm ơn Joao Barata và Serdar
Birinci vì những cuộc trò chuyện thú vị liên quan đến dữ liệu vi mô. Joao Duarte và Pedro Brinca thừa nhận tài trợ từ Fundação para a Ciência ea Tecnologia (UID/ECO/
00124/2013, UID/ECO/00124/2019, PTDC/EGE-ECO/7620/2020 và Social Science DataLab, LISBOA-01- 0145-FEDER-022209), POR Lisboa (LISBOA 01-0145-FEDER-007722, LISBOA-01-0145-
FEDER-022209), POR Norte (LISBOA-01-0145-FEDER-022209) và CEECIND/02747/2018. Quan điểm thể hiện ở đây là của các tác giả và không nhất thiết phản ánh quan điểm của
Ngân hàng Dự trữ Liên bang St. Louis hoặc Hệ thống Dự trữ Liên bang. Phiên bản đầu tiên: ngày 12 tháng 5 năm 2020.

Đồng tác giả.

Địa chỉ email: pedro.brinca@novasbe.pt (P. Truyện cười), joao.duarte@novasbe.pt (JB Duarte), miguel.fariaecastro@stls.frb.org (M. Faria-e-Castro).

https://doi.org/10.1016/j.euroecorev.2021.103901 Nhận
ngày 29 tháng 12 năm 2020; Nhận được ở dạng sửa đổi ngày 8 tháng 7 năm 2021; Được chấp nhận ngày 31 tháng

8 năm 2021 Có sẵn trực tuyến ngày 15

tháng 9 năm 2021 0014-2921/© 2021 Elsevier BV Bảo lưu mọi quyền.
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

ước tính phân tách lịch sử cho các tháng từ tháng 3 đến tháng 5 năm 2020, trong đó có việc đóng cửa có kiểm soát và sau đó là mở lại các bộ phận
của nền kinh tế Hoa Kỳ.

Tổng số việc làm khu vực tư nhân đã giảm 16,24 điểm phần trăm (pp) vào tháng 4 năm 2020; chúng tôi thấy rằng cú sốc cung chiếm 68,83% trong sự
sụt giảm này. Nói cách khác, tổng số việc làm khu vực tư nhân đã tăng ít hơn 16,04 điểm phần trăm vào tháng 4 năm 2020 (không theo hàng năm) so với
mức trung bình lịch sử và 2/3 mức tăng trưởng âm này là do cú sốc cung lao động tiêu cực. Mặc dù hầu hết các lĩnh vực mà chúng tôi xem xét đều phải
chịu những cú sốc cung tiêu cực trong giai đoạn này, nhưng có một số sự không đồng nhất về quy mô của cả cú sốc cung và cầu.
Lĩnh vực Giải trí và Khách sạn đã trải qua sự gián đoạn lớn nhất cho đến nay ( 9,55 pp vào tháng 3, 59% trong số đó là nguồn cung và 63,18 pp
vào tháng 4, 63% trong số đó là nguồn cung). Các lĩnh vực ít bị ảnh hưởng nhất là Tiện ích, Thông tin và Hoạt động Tài chính. Trên thực tế, Thông
tin đã trải qua cú sốc nhu cầu tích cực trong tháng 3 (+0,46 điểm phần trăm) và Tiện ích là lĩnh vực duy nhất có cú sốc nhu cầu tích cực trong
tháng 4 (+1,173 điểm phần trăm). Các mô hình này quay trở lại vào tháng 5, với hầu hết các lĩnh vực đều trải qua những cú sốc cung và cầu tích cực,
đặc biệt là Giải trí và Khách sạn và Xây dựng.

Vì chúng ta chỉ lập mô hình số giờ và tiền lương thực tế theo giờ, các cú sốc cung và cầu lao động ước tính được hiểu là sự dịch chuyển của
đường cung và cầu. Chúng là kết quả cuối cùng của nhiều cú sốc có thể xảy ra - tổng hợp hoặc theo ngành - ảnh hưởng đến các quyết định về lao động
của hộ gia đình (đường cung lao động) hoặc quyết định tuyển dụng của doanh nghiệp (đường cầu lao động). Ví dụ về các yếu tố chính có thể dẫn đến
sự dịch chuyển của đường cung lao động là sự gia tăng rủi ro sức khỏe khi đi làm, lệnh phong tỏa bắt buộc trong giai đoạn COVID-19 hoặc một số đặc
điểm của Đạo luật CARES (chẳng hạn như những thay đổi đối với bảo hiểm thất nghiệp ), vì tất cả những điều này có khả năng ảnh hưởng đến sự sẵn
lòng làm việc với mức lương thực tế theo giờ nhất định. Mặt khác, sự thiếu hụt nhu cầu (Guerrieri và cộng sự, 2020; Baqaee và Farhi, 2020), sự gián
đoạn nguồn cung và các chính sách tài chính và tiền tệ trong thời kỳ COVID-19, trong số những vấn đề khác, có thể có khả năng ảnh hưởng đến mức độ
sẵn sàng thuê của các công ty với giá tiền lương thực tế theo giờ cho trước—một sự dịch chuyển của đường cầu lao động. Một lưu ý quan trọng trong
phương pháp luận của chúng tôi là những thay đổi bất ngờ về tiền lương có thể là kết quả của những thay đổi trong các tham số mô hình SVAR (độ co
giãn của cung/cầu lao động và các tham số liên quan đến cấu trúc trễ) chứ không phải do các cú sốc. Nói cách khác, những thay đổi về mức lương và
số giờ cân bằng trong tháng 3 và tháng 4 năm 2020 có thể là kết quả của sự phá vỡ cấu trúc. Với dữ liệu hạn chế và cấu trúc tối thiểu trong khung

thực nghiệm của chúng tôi, không thể gỡ rối các cú sốc khỏi sự phá vỡ cấu trúc trong các tham số mô hình.1

Mặc dù cách hiểu của chúng tôi còn rộng, nhưng chúng tôi tin rằng việc tháo gỡ các cú sốc cung và cầu là rất quan trọng đối với việc thiết kế
chính sách kinh tế trong cuộc khủng hoảng này (Baqaee và Farhi, 2020). Về mặt khái niệm, biện pháp đo lường cú sốc nguồn cung lao động của chúng
tôi phải liên quan trực tiếp đến tình trạng khủng hoảng sức khỏe cộng đồng: một khi cuộc khủng hoảng được kiểm soát, những cú sốc nguồn cung tiêu
cực sẽ biến mất do người lao động không còn miễn cưỡng đi làm nữa và lệnh phong tỏa được dỡ bỏ. Mặc dù cú sốc cầu cũng có thể có yếu tố liên quan
đến sức khỏe cộng đồng (đặc biệt là trong các lĩnh vực mà tiêu dùng hàng hóa và dịch vụ liên quan đến yếu tố xã hội), chúng có thể liên quan nhiều
hơn đến tình trạng chung của nền kinh tế (phản ánh nhu cầu thấp do mất thu nhập từ công nhân hoặc sự không chắc chắn cao chẳng hạn).
Cụ thể hơn, sự sụt giảm về việc làm và tổng chi tiêu do cú sốc này gây ra có thể dẫn đến việc giảm hoạt động trong các lĩnh vực không bị phong tỏa
một cách rõ ràng. Việc giảm hoạt động trong các lĩnh vực không bị khóa, mà chúng tôi xác định là cú sốc nhu cầu của ngành, có thể được giải quyết
thông qua các chính sách ổn định có mục tiêu, chẳng hạn như chính sách tài khóa hoặc tín dụng. Vì những lý do này, việc đo lường các cú sốc cung
và cầu ở cấp ngành là rất quan trọng để thiết kế các chính sách công nhằm giảm thiểu tác động lâu dài của cuộc khủng hoảng.2

Phân tích cú sốc theo ngành của chúng tôi cũng cung cấp các điều kiện thời điểm tự nhiên để giúp kỷ luật công việc định lượng không chỉ trong
cuộc khủng hoảng COVID-19 mà còn trong các giai đoạn khác. Có một tập hợp lớn các cú sốc và các mô hình tương đương về mặt quan sát về mặt phù hợp
với một số thời điểm tiêu chuẩn đồng thời phù hợp với các biến động về số giờ làm việc và thu nhập thực tế. Người ta có thể xây dựng các mô hình
trong đó toàn bộ sự sụt giảm số giờ làm việc là do sự thay đổi của cầu lao động, và các mô hình khác trong đó tất cả các chuyển động này phát sinh
từ sự thay đổi của nguồn cung lao động. Kết quả phân tích của chúng tôi hạn chế tập hợp các mô hình và cú sốc có thể tin cậy được về mặt thực
nghiệm. Các biện pháp sốc theo ngành ước tính của chúng tôi cũng có thể được sử dụng làm công cụ cho các cú sốc về cung và cầu lao động trong
nghiên cứu thực nghiệm ở nhiều bối cảnh khác nhau, bao gồm nhưng không giới hạn ở cuộc khủng hoảng COVID-19. Bài tập phân tách của chúng tôi có
khả năng dễ bị tổn thương trước một số lời chỉ trích, cụ thể là vai trò của các hiệu ứng tổng hợp trong việc thúc đẩy động lực chung của số giờ
tổng hợp và thu nhập hàng giờ. Dựa trên dữ liệu có sẵn, chúng tôi cố gắng hết sức có thể để cung cấp các giới hạn trên cho tầm quan trọng của các
cú sốc cung khi có các phiên bản cực đoan của các hiệu ứng tổng hợp này; chúng tôi nhận thấy rằng các cú sốc cung tiêu cực sẽ vẫn còn lớn trong
giai đoạn được phân tích.

Bài viết của chúng tôi liên quan đến các tài liệu mới nổi về tác động kinh tế của cuộc khủng hoảng COVID-19, đặc biệt là các nghiên cứu liên
quan đến bản chất của các cú sốc ảnh hưởng đến các nền kinh tế đa ngành.3 Baqaee và Farhi (2020) nghiên cứu tác động của cuộc khủng hoảng COVID-19
trong một mô hình Keynes phân tách với nhiều lĩnh vực, nhân tố và mối liên kết đầu vào-đầu ra. Họ phát hiện ra rằng những cú sốc cung tiêu cực là
lạm phát đình đốn và những cú sốc tiêu cực về cầu là giảm phát, đây là cơ sở để chúng tôi nhận dạng. del Rio-Chanona và cộng sự. (2020) thực hiện
phân tích ngành về cú sốc cung và cầu trong nền kinh tế Hoa Kỳ. Thước đo mức độ tiếp xúc với các cú sốc cung của họ tổng hợp chỉ số lao động từ xa
giữa các ngành nghề ở cấp ngành, trong khi mức độ tiếp xúc của họ với các cú sốc cầu dựa trên ước tính của Văn phòng Ngân sách Quốc hội. Thay vào
đó, chúng tôi cùng nhau đo lường các cú sốc cung và cầu bằng cách sử dụng một kinh tế lượng thống nhất.

1
Cần lưu ý rằng ngay cả từ quan điểm của chính các tác nhân kinh tế, khó có thể lập tức biết ngay cách hành xử khi được cung cấp đầy đủ các mức lương khác nhau trong môi trường
khắc nghiệt này. Trong bất kỳ trường hợp nào, chúng tôi thừa nhận rằng việc không thể xác định các điểm phá vỡ cấu trúc mà không có thêm dữ liệu hoặc nhiều cấu trúc hơn là một hạn
chế trong hoạt động của chúng tôi.

2 Trọng tâm của bài viết này là các cú sốc về cung và cầu lao động, tức là không phải các cú sốc về cung và cầu ''tổng'' (sản lượng cuối cùng). Điều này có nghĩa là trong khi
một cú sốc TFP âm, chẳng hạn, sẽ được coi là một cú sốc cung tiêu cực trên thị trường đối với sản lượng cuối cùng, thì nó lại trở thành một cú sốc cầu tiêu cực trong bối cảnh của
chúng ta (cùng với các cú sốc tổng cầu tiêu cực). Do đó, không phải tất cả các cú sốc cầu tiêu cực đều có thể nhất thiết đòi hỏi một phản ứng tối ưu từ các nhà hoạch định chính sách
tài chính và tiền tệ. Tuy nhiên, và như chúng tôi trình bày trong bài báo, có lý do để tin rằng những cú sốc tiêu cực về nhu cầu mà chúng tôi ước tính không phải do TFP gây ra.
3
Các ví dụ bao gồm Danieli và Olmstead-Rumsey (2020), Barrot et al. (2020), Bodenstein và cộng sự. (2020) và Faria-e-Castro (2021).

2
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

framework và một nguồn dữ liệu duy nhất. Guerrier và cộng sự. (2020) chỉ ra rằng theo các giả định nhất định trong một mô hình có nhiều
ngành và các thị trường chưa hoàn thiện, cú sốc cung có thể có những tác động giống như tác động của cú sốc cầu (''cú sốc cung theo trường phái Keynes'').

Trong khi các bài báo được trích dẫn trước đây chủ yếu tập trung vào cung và cầu sản phẩm cuối cùng ''tổng hợp'', bài báo của chúng tôi tập trung vào thị trường lao động

cú sốc cung và cầu. Cú sốc cung và cầu ở cả hai thị trường không nhất thiết phải đẳng cấu: trong khi tổng sản lượng
cú sốc cầu cũng thể hiện dưới dạng cú sốc cầu trên thị trường lao động, chẳng hạn như cú sốc TFP dương, đồng thời là cú sốc
cú sốc cung đầu ra và cú sốc cầu lao động. Những cú sốc mà chúng tôi ước tính không mang tính cấu trúc qua lăng kính của một mô hình kinh tế như
trong Guerrieri et al. (2020), có nghĩa là chúng ta không thể tách chúng ra khỏi các loại cú sốc nhu cầu khác. Những hiểu biết của họ gợi ý
rằng chúng ta có thể đang đánh giá thấp quy mô của các cú sốc cung trong bài tập của mình. Ngoài ra còn có một tài liệu mới nhúng dịch tễ học
các tính năng trong các mô hình kinh tế vĩ mô tiêu chuẩn và nơi dịch bệnh tạo ra sự sụt giảm trong hoạt động kinh tế sẽ được nắm bắt
theo khuôn khổ của chúng tôi vì cả cú sốc cung và cầu đều tiêu cực (Eichenbaum và cộng sự, 2020).
Bài báo này được tổ chức như sau: Phần 2 mô tả khuôn khổ kinh tế lượng; Phần 3 mô tả dữ liệu; Phần 4 trình bày
các kết quả từ bài tập phân tách lịch sử của chúng tôi; Phần 5 trình bày các bài kiểm tra độ chắc chắn cũng như một số bài tập xác thực;
và Phần 6 kết thúc.

2. Phương pháp luận

Chúng tôi sử dụng phương pháp do Baumeister và Hamilton (2015) đề xuất để xác định các cú sốc cung và cầu lao động trong mỗi
khu vực . 4 Phương pháp này có thể được áp dụng chung cho bất kỳ thị trường nào, miễn là có sẵn dữ liệu về giá cả và số lượng;
chúng tôi đặc biệt áp dụng nó cho thị trường lao động Hoa Kỳ. Chúng tôi sử dụng SVAR để mô tả động lực chung của tốc độ tăng của tiền
lương thực tế và tốc độ tăng của số giờ làm việc ℎ trong một lĩnh vực nhất , ℎ ) là vectơ 2 × 1 của vật quan sát. Sau đó, SVAR
định. Hãy = ( cho ngành có dạng

= , (1)
0+ ( ) 1
+

ở đâu là ma trận 2 × 2 mô tả các mối quan hệ đồng thời, là ma trận 2 là một vectơ 2 × 1 của các hằng số, ( ) = + +
1
+
0 2 3
1
2 × 2 được liên kết với mỗi độ trễ của , và là một vectơ 2 × 1 của các cú sốc cấu trúc được giả định là

+ là iid (0, ) và không tương quan lẫn nhau ( là đường chéo).

Để = ( , ) sao cho phương trình thứ nhất tương ứng với cầu lao động và phương trình thứ hai tương ứng với cung lao động. chúng tôi giả định
, ,
rằng ma trận quan hệ đồng thời có dạng

(2)
= [ - 11 ] ,

được hiểu là độ co giãn của cầu lao động và độ co giãn của cung lao động trong ngành .
Các phương trình cung và cầu thị trường lao động trong ngành sau đó được đưa ra bởi

ℎ = , + , , , , ℎ + (3)
10 + 11 - + 12 - ,
=1 =1

ℎ = , + , , , , ℎ + . (4)
20 + 21 - + 22 - ,
=1 =1

Điều quan trọng cần nhấn mạnh là trong khuôn khổ này, quy mô tương đối của tác động của các cú sốc cung và cầu đối với
chuyển động cân bằng trong tốc độ tăng giờ phụ thuộc chủ yếu vào quy mô tương đối của cầu và độ co giãn của cung. Vì
ví dụ, giả sử không có chặn và không có độ trễ, giải quyết tốc độ tăng trưởng của giờ và tiền lương thực tế mang lại

1 1
ℎ = +
, ,
1
1 ( ) 1

= 1
+
1
.
, ,
- 1 1

Nếu chúng ta giả định rằng đường cầu dốc xuống và đường cung dốc lên, chúng ta có kết quả tiêu chuẩn
rằng, ceteris paribus, sự dịch chuyển dương của đường cầu làm cho số giờ cân bằng tăng lên và tiền lương tăng lên, trong khi, ceteris paribus,
ℎ ℎ
> khi
một sự dịch chuyển tích cực trong đường cung làm cho số giờ tăng lên và tiền lương giảm xuống. Nghĩa là, nếu < 0 và > 0 thì > 0, trong 0 và
, ,

> 0 và < 0. Hơn nữa, lưu ý rằng tác động quy mô tương đối của cú sốc cung và cầu đối với việc làm và tiền lương phụ thuộc
, ,

về cầu lao động tương đối và độ co giãn của cung. Đường cung càng phẳng (dốc) so với đường cầu thì
yếu hơn (mạnh hơn) thì tác động tương đối của cú sốc cung lên số giờ, và tác động của nó đối với tiền lương thực tế càng mạnh (yếu).5 Người ta có thể

4
cũng bao gồm khu vực ''Tổng việc làm tư nhân''.
5
Uhlig (2017) trình bày rõ ràng tất cả các giả định cơ bản cần thiết để xác định các cú sốc về cung và cầu.

3
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 1. Minh họa xác định cung và cầu lao động.

Ghi chú: Ví dụ trong đó phân tách các thay đổi về số giờ cân bằng (ℎ2 ℎ1 = ℎ = ℎ( ) + ℎ( )) giữa cú sốc cung và cầu lao động phụ thuộc vào
-
sự thay đổi trong tiền lương cân bằng ( 2 1 ) và hệ số co giãn theo lao động.

do đó, xác định các cú sốc cung và cầu lao động dựa trên dữ liệu về số giờ và tiền lương cũng như các giá trị của hệ số co giãn. Sử dụng những cú sốc đó,

sau đó người ta có thể phân tách các chuyển động của tiền lương và số giờ cân bằng thành các thành phần cung và cầu. Hình 1 trình bày một
biểu diễn trực quan của thủ tục nhận dạng.

Tự hồi quy véc tơ dạng rút gọn (VAR) được liên kết với mô hình SVAR (1) được cho bởi

= , (5)
0+ ( )
+
1

Ở đâu

1
( 0= ) 0
1
( ) = ( ) ( )

= ( 1 ) (6)

′
[ ( ) ] = = ( 1 ) (( ) 1) ′. (7)

Chúng tôi giả định rằng niềm tin trước đây về các giá trị của các tham số cấu trúc được biểu thị bằng mật độ khớp ( , , ). Chúng tôi

sau đó xem xét lại những niềm tin này khi đối mặt với chúng với dữ liệu ngành trong mẫu của chúng tôi = ( 1 , 2 , … , ). Quan trọng là, Baumeister
và Hamilton (2015) chỉ ra cách những niềm tin này có thể được cập nhật cho bất kỳ phân phối trước nào ( ) tóm tắt tốt nhất

thông tin. Về nguyên tắc, điều trước ( ) này có thể kết hợp bất kỳ sự kết hợp nào của các hạn chế loại trừ, hạn chế ký hiệu và
niềm tin trước đây mang tính thông tin về các yếu tố của .

Ưu tiên. Theo Baumeister và Hamilton (2015), chúng tôi sử dụng các nghiên cứu trước đây để hình thành các thông tin trước về và. Đầu tiên, chúng tôi áp đặt

dấu hiệu hạn chế về độ co giãn cung cầu của ngành: là âm và là dương. Hạn chế dấu hiệu phản ánh niềm tin của chúng tôi

rằng đường cầu lao động phải dốc xuống và đường cung phải dốc lên. Tuy nhiên, chúng tôi làm

không đặt một xác suất thống nhất cho tất cả các giá trị tôn trọng những hạn chế về dấu hiệu này. Cụ thể, chúng tôi giả sử các bản phân phối trước đó

phản ánh sự không chắc chắn về các giá trị thực của các tham số này và bao gồm cả các ước tính vi mô và vĩ mô trong tài liệu.

Đối với độ co giãn của cầu lao động , chúng tôi giả sử phân phối Student bị cắt ngắn (Baumeister và Hamilton, 2015, 2018) với

tham số vị trí 0,6, tham số tỷ lệ 0,6 và 3 bậc tự do, do đó chúng tôi đặt xác suất 90% cho [ 2,2, 0,1]. Cái này

phạm vi phản ánh ước tính độ co giãn của cầu lao động được tìm thấy trong các tài liệu vi mô và vĩ mô.6 Xét về độ co giãn của cung lao động,

dựa trên những phát hiện của Chetty et al. (2011), chúng tôi cũng sử dụng phân phối của Học sinh (Baumeister và Hamilton, 2015, 2018) với

tham số vị trí 0,6, tham số tỷ lệ 0,6 và 3 bậc tự do, do đó chúng tôi đặt xác suất 90% cho [0,1, 2,2]. Cái này

6 Hamermesh (1996) cung cấp một khảo sát ước tính kinh tế lượng vi mô về độ co giãn của cầu lao động và thấy chúng nằm trong khoảng -0,15 đến -0,75, trong khi Lichter
et al. (2015) nhận thấy rằng 80% ước tính nằm trong khoảng từ 0 đến 1. Một số nghiên cứu vĩ mô như Akerlof và Dickens (2007) và Galí et al. (2012) thấy rằng

độ co giãn của cầu lao động có thể là 2,5 hoặc thậm chí cao hơn.

4
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

do đó, khoảng thời gian bao gồm các ước tính thấp hơn được báo cáo bởi các ước tính vi mô và vĩ mô khi các thay đổi về tiền lương diễn ra liên tục và

bao gồm độ co giãn Frisch cao được báo cáo bởi các nghiên cứu vĩ mô về chu kỳ kinh doanh, chẳng hạn như trong Smets và Wouters (2007). kể từ khi chúng tôi

sử dụng cùng một ưu tiên cho cả hai độ co giãn, chúng tôi có niềm tin ngầm trước đó rằng cú sốc cung và cầu đơn vị có tác động như nhau

vào giờ. Cuối cùng, các dự đoán của chúng tôi về cung và cầu lao động được giả định là độc lập.7

Trong một phân tích tổng hợp sử dụng thông tin từ 151 nghiên cứu khác nhau và bao gồm tổng số 1334 ước tính, Lichter et al.

(2015) nhận thấy rằng, ngoại trừ Xây dựng và Sản xuất, độ co giãn của cầu lao động dường như không thay đổi đáng kể giữa các ngành

các lĩnh vực khác mà chúng tôi xem xét. Đối với ngành Xây dựng và Sản xuất, họ tìm thấy điểm khác biệt về độ co giãn của cầu so với

tổng nền kinh tế lần lượt là 0,25 và 0,35 . Tuy nhiên, đối với độ co giãn của cung lao động, có lý do để tin rằng nó thay đổi

giữa các ngành công nghiệp, vì những ngành này có sự kết hợp lao động khác nhau về giới tính, sự giàu có và trình độ học vấn. kể từ khi chúng tôi

không thể tìm thấy bằng chứng về cách chúng khác nhau giữa các ngành mà chúng tôi sử dụng, chúng tôi đã áp đặt cùng một phân phối trước cho lao động

co giãn trong tất cả các lĩnh vực. Tóm lại, vì những lý do đã nói ở trên, chúng tôi áp dụng cùng một phân phối trước ( ) cho tất cả các ngành trong

mẫu của chúng tôi.

Tiếp theo, chúng tôi xác định đặc điểm kỹ thuật cho các bản phân phối ưu tiên có điều kiện ( | ) và ( | , ). Đối với các phần tử của đường chéo
ma trận, chúng
, tôi giả định rằng các đối ứng của chúng (độ chính xác của các cú sốc cấu trúc) tuân theo phân phối gamma với tham số hình dạng

và tham số tỷ lệ. Chúng tôi đặt thành 2, = { , }, điều này đặt trọng số nhỏ lên dữ liệu trước chỉ bốn tháng của chúng tôi và đặt

tham số tỷ lệ sao cho giá trị trung bình trước đó của từng phần tử khớp với độ chính xác của các cú sốc cấu trúc sau khi trực giao hóa
̂ ̂
của tự hồi quy đơn biến với bốn độ trễ dưới . Nghĩa là, = là phương sai–hiệp phương sai′của , Ở đâu
đơn biến

dãy số dư. ( | ) sau đó là tích của hai phân phối gamma. Cuối cùng, ( | ) được đặt theo cách phù hợp với ,

các tiên tri Bayesian VAR Minnesota về các hệ số dạng rút gọn (Đoàn và cộng sự, 1984; Sims và Zha, 1998; Baumeister và

Hamilton, 2019). Lưu ý rằng việc đặt a trước trên các hệ số dạng rút gọn và điều kiện trên ngầm đặt a trước trên since =

. Do đó, các hệ số phân phối chuẩn có nghĩa là đối với các phần tử tương ứng với độ trễ của chính chúng và bằng không

cho tất cả những người khác. Hơn nữa, niềm tin của chúng tôi đặt mức độ chắc chắn cao hơn rằng độ trễ cao hơn sẽ bằng không. Chúng tôi theo dõi Baumeister và

Hamilton (2015) và đặt siêu tham số 0 = 0,2, kiểm soát độ kín tổng thể của phần trước; 1 = 1, chi phối cách thức

nhanh chóng các hệ số trễ trước thắt chặt về 0 đối với độ trễ cao hơn; và = 100, về cơ bản đặt trọng số bằng 0 trên
3
trước khi ước tính 0 . Sau đó, phân phối chung trước được đưa ra bởi:

( , , ) = ( ) ( | ) ( | , ). (số 8)

Ước lượng. Dựa trên tiêu chí thông tin Akaike, chúng tôi đặt số lần trễ thành = 4. Sau đó, chúng tôi sử dụng phương pháp Bayesian để cập nhật

niềm tin trước đây của chúng tôi đưa ra dữ liệu. Phía sau có thể được viết là

( , , | ) = ( | ) ( | , ) ( | , , ). (9)

Hậu nghiệm có điều kiện trên các hệ số cấu trúc là mật độ bình thường đa biến do liên hợp tự nhiên và

việc cập nhật tuân theo sự kết hợp lồi tiêu chuẩn của các ước tính phương tiện và OLS trước đó, trong đó các trọng số dựa trên giá trị tương đối

độ chính xác của ước tính trung bình trước so với OLS của biểu diễn giảm từ (5) và (7). Cũng vì sự liên hợp tự nhiên,

phần sau có điều kiện ( | ) cũng là một, phân phối gamma. Cuối cùng, ( | ) không có phân phối đã biết và chúng tôi sử dụng

một thuật toán Metropolis–Hastings đi bộ ngẫu nhiên để rút ra từ nó.

Nhận biết. Điều quan trọng cần lưu ý là với dữ liệu giới hạn và dữ liệu hạn chế của chúng tôi, mô hình sẽ chỉ được xác định theo bộ. Điều này có nghĩa rằng

các phân tách lịch sử cũng sẽ chỉ được xác định. Điều này cho phép chúng tôi tính đến không chỉ sự không chắc chắn của ước tính do

lượng dữ liệu hạn chế mà còn vì thực tế là chúng ta không có kiến thức hoàn hảo về cấu trúc cơ bản của nền kinh tế.

Điều thứ hai đặc biệt phù hợp trong các phân tích về thời kỳ đại dịch COVID-19, vì cú sốc này đã gây ra những thay đổi lớn trong lịch sử

trong các biến kinh tế vĩ mô như số giờ làm việc. Bộ được xác định là một chức năng của cả linh mục và dữ liệu. Tuy nhiên, cho rằng

chúng tôi sử dụng các ưu tiên đối xứng cho độ co giãn của cung và cầu lao động, tầm quan trọng tương đối của các cú sốc cung và cầu trong

phân tách lịch sử sẽ chỉ là một chức năng của dữ liệu.

3. Dữ liệu

Nguồn dữ liệu chính của chúng tôi là cơ sở dữ liệu Thống kê Việc làm Hiện tại (CES) từ Cục Thống kê Lao động (BLS), từ

nơi chúng tôi nhận được tiền lương thực tế hàng tháng và số giờ làm việc theo ngành từ tháng 3 năm 2006 đến tháng 5 năm 2020.8 CES cung cấp dữ liệu cho 14

các lĩnh vực tổng hợp chính: tư nhân toàn phần, khai thác mỏ và khai thác gỗ, xây dựng, sản xuất, thương mại bán buôn, thương mại bán lẻ, vận tải

và kho bãi, tiện ích, thông tin, hoạt động tài chính, dịch vụ chuyên nghiệp và kinh doanh, dịch vụ giáo dục và y tế, giải trí

và khách sạn, và các dịch vụ khác. Đối với mỗi lĩnh vực, chúng tôi tính tốc độ tăng hàng tháng cho tiền lương thực tế là chênh lệch log của

thu nhập hàng tháng trung bình hàng giờ của tất cả nhân viên trong năm 1982–1984 đô la. Tốc độ tăng số giờ làm việc trong một lĩnh vực nhất định là

được tính bằng cách lấy chênh lệch nhật ký của số giờ tổng hợp hàng tuần của tất cả nhân viên trong lĩnh vực đó. Với tính chất chưa từng có

về các cú sốc và khi chúng tôi thảo luận chi tiết hơn trong phần sau, chúng tôi ước tính SVAR bằng cách sử dụng dữ liệu cho đến tháng 2 năm 2020.

Sau đó, chúng tôi sử dụng mô hình ước tính để thực hiện phân tách lịch sử cho toàn bộ mẫu, bao gồm tháng 3, tháng 4 và tháng 5 năm 2020.

7
Những niềm tin trước đây của chúng tôi về sự phân phối đối với cầu lao động và độ co giãn của cung cũng phản ánh nhiều mâu thuẫn trên thị trường lao động, chẳng hạn như sự cố định của tiền lương.

Phụ lục A cung cấp thêm thông tin chi tiết về dữ liệu và phân loại ngành.
số 8

5
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

4. Kết quả

hậu môn. Đối với hầu hết các lĩnh vực, niềm tin về độ co giãn được sửa đổi đáng kể theo ước tính tài liệu vĩ mô, cụ thể là đối với Giải trí và Khách sạn và Tiện

ích. Độ co giãn của cầu hầu hết được điều chỉnh tăng (theo giá trị tuyệt đối), đặc biệt là trong lĩnh vực Xây dựng và Giải trí và Khách sạn. Do đó, chúng tôi kết

luận rằng việc xác định các cú sốc cung và cầu của chúng tôi bị ảnh hưởng mạnh mẽ bởi dữ liệu. Có thể tìm thấy mô tả chi tiết về các ước tính sau trong Phụ lục

trực tuyến.9

Sự phân hủy lịch sử trước COVID-19. Hình 2 biểu thị sự phân tách lịch sử của tốc độ tăng số giờ cho Tổng số việc làm Tư nhân và lĩnh vực Giải trí và Khách sạn.

Các bảng này chỉ bao gồm khoảng thời gian ước tính và loại trừ tháng 3 đến tháng 5 năm 2020, được phân tích riêng trong các phần sau. Chúng chỉ ra rằng tốc độ

tăng số giờ phải chịu những cú sốc tiêu cực lớn đối với cả cung và cầu trong thời kỳ Đại suy thoái. Phù hợp với các câu chuyện tiêu chuẩn, cuộc Đại suy thoái bắt

đầu với cú sốc cầu tiêu cực vào cuối năm 2007 và đầu năm 2008. Bắt đầu từ cuối năm 2008, chúng tôi cũng xác định các cú sốc cung lao động tiêu cực lớn, phù hợp

với nhiều tài liệu về thị trường lao động trong giai đoạn này (Elsby et al ., 2010).10

4.1. Suy thoái COVID-19: Tháng 3 và tháng 4 năm 2020

Giờ đây, chúng ta hãy xem xét kỹ hơn kết quả của tháng 3 và tháng 4 năm 2020: hai tháng có sự sụt giảm đáng kể trong hoạt động kinh tế ở Hoa Kỳ và trùng với

thời điểm ''Đại phong tỏa''11 Hình . Hình 3 và 4 chứa tập hợp kết quả chính của chúng tôi đối với các ngành có 2 chữ số của NAICS và vẽ đồ thị trung bình của sự

phân tách lịch sử về tốc độ tăng số giờ giữa các ngành cho tháng 3 và tháng 4, tương ứng.12 Sự đóng góp lịch sử của nhu cầu (cung) gây ra cú sốc cho tốc độ tăng

số giờ của ngành là tác động tích lũy của tất cả các cú sốc về cầu (cung) trong quá khứ và hiện tại đối với tốc độ tăng số giờ. Tác động tiêu cực kết hợp của

cung và cầu đối với tốc độ tăng số giờ đối với tổng số việc làm tư nhân là -2 pp vào tháng 3 và -16,26 vào tháng 4. Các cú sốc cung tiêu cực lần lượt chiếm 71,5%

và 68,8% trong các tác động này.

Hình 3 cho thấy sự không đồng nhất đáng kể trong mức độ rủi ro của các ngành trước các cú sốc. Giải trí và Khách sạn là lĩnh vực bị ảnh hưởng tiêu cực nhất,

với tác động tổng hợp là -9,55 pp, trong đó 59% là nguồn cung. Các lĩnh vực ít bị ảnh hưởng nhất là Thương mại Bán buôn ( 0,06 pp), Hoạt động Tài chính ( 0,09

pp) và Thông tin (+0,16 pp). Thương mại Bán lẻ, Thương mại Bán buôn và Xây dựng chịu những cú sốc cầu tích cực nhỏ, trong đó cú sốc cầu đáng kể nhất là Thông tin

(+0,46 điểm phần trăm). Những kết quả này phù hợp với tường thuật về thời điểm bắt đầu phong tỏa: các dịch vụ có mức độ tiếp xúc vật lý cao, tập trung vào lĩnh

vực Giải trí và Khách sạn (và các Dịch vụ khác), gặp phải những cú sốc tiêu cực lớn đối với cả cung và cầu. Khi các đại lý thay đổi mô hình tiêu dùng của họ, các

lĩnh vực như Bán lẻ và Bán buôn được hưởng lợi một phần. Cuối cùng, lĩnh vực Thông tin được hưởng lợi từ việc tăng nhu cầu, vì nhiều công ty tăng nhu cầu về dịch

vụ công nghệ để thực hiện các thỏa thuận làm việc từ xa.

Hình 4 trình bày sự phân hủy gây sốc cho tháng 4, tháng đầu tiên thực hiện phong tỏa. Lưu ý sự khác biệt về quy mô phản ánh mức độ lớn hơn nhiều của các cú

sốc: tổng mức giảm trong Tổng số giờ riêng tư là 16,24 pp, trong đó 68,8% là do nguồn cung. Giải trí và Khách sạn là lĩnh vực bị ảnh hưởng nhiều nhất, như trước

đây, với mức giảm 63,17 pp, trong đó 63% là nguồn cung. Điều này được mong đợi đối với một lĩnh vực phụ thuộc vào các hoạt động tiếp xúc nhiều với cơ thể. Cú sốc

cung lao động tiêu cực là kết quả của các biện pháp phong tỏa ngăn cản người lao động thực sự đi làm, trong khi cú sốc cầu lao động tiêu cực là do người tiêu

dùng không thực hiện các hoạt động đó. Cũng cần lưu ý rằng các lĩnh vực dịch vụ khác như Giáo dục và Dịch vụ Y tế cũng trải qua những cú sốc cung và cầu tiêu cực

về mức độ tương đương với những cú sốc đã trải qua trong cuộc Đại suy thoái.

Về cơ bản, tất cả các lĩnh vực trong nền kinh tế đều bị ảnh hưởng tiêu cực trong tháng 4, kể cả những ngành chịu cú sốc tích cực trong tháng 3 (như Thông

tin). Các ngành ít bị ảnh hưởng nhất là Tiện ích (+0,09 pp) và Hoạt động tài chính ( 3,06 pp). Như chúng tôi trình bày trong phần tiếp theo, đây là những lĩnh

vực có tỷ lệ công việc cao có thể được thực hiện tại nhà. Cơ cấu cung/cầu nhìn chung là tương tự giữa các ngành. Các lĩnh vực có nhu cầu phù hợp hơn là Sản xuất

(40%), Thông tin (40%) và Dịch vụ Giáo dục và Y tế (45%). Phát hiện này phù hợp với ý kiến cho rằng ngay cả những lĩnh vực không nhất thiết phải áp dụng các biện

pháp phong tỏa cũng có thể bị ảnh hưởng do tổng cầu giảm.

Hình 5 lặp lại phân tích ở cấp NAICS 3 chữ số và cho thấy bức tranh phong phú hơn nhiều về tác động không đồng nhất mà COVID-19 gây ra giữa các ngành. Ví

dụ, nó cho thấy rằng Dịch vụ ăn uống và Địa điểm uống rượu đã trải qua cú sốc cung và cầu tiêu cực lớn, trong khi Cửa hàng thực phẩm và đồ uống trải qua cú sốc

cầu dương, phản ánh sự thay thế trong mô hình tiêu dùng trong thời gian phong tỏa. Thứ hai, chúng tôi lưu ý rằng trong khi các cú sốc về nguồn cung chiếm ưu thế

trong lĩnh vực Giải trí và Khách sạn ở cấp độ tổng hợp của NAICS-2, thì các cú sốc về nhu cầu có vai trò nổi bật hơn so với nguồn cung trong hai phân ngành bị

ảnh hưởng nhiều nhất là Dịch vụ lưu trú và ăn uống và Địa điểm uống rượu. Thứ ba, nó cho thấy rằng nhiều lĩnh vực ngoài những lĩnh vực liên quan trực tiếp đến

Thông tin thực sự đã trải qua những cú sốc tích cực về cầu lao động, mặc dù cũng chịu những cú sốc cung tiêu cực (Cửa hàng cung cấp vật liệu xây dựng và làm

vườn, Cửa hàng thực phẩm và đồ uống, trong số những ngành khác). Thứ tư, nhiều lĩnh vực tương đối ít bị ảnh hưởng bởi COVID-19. Hình 6 lặp lại phân tích ở cấp

độ NAICS 3 chữ số cho tháng 4, cho thấy một bức tranh rất khác so với tháng 3. Hầu như không có lĩnh vực nào trải qua cú sốc nhu cầu tích cực trong tháng Tư.

Ngay cả những lĩnh vực có hoạt động ít bị ảnh hưởng bởi các rủi ro sức khỏe do COVID-19 gây ra hoặc không bị ảnh hưởng trực tiếp bởi các biện pháp phong tỏa cũng

trải qua những cú sốc về nhu cầu tiêu cực. Trái ngược với tháng 3, nguồn cung lao động là cú sốc chi phối đối với các lĩnh vực bị ảnh hưởng nặng nề nhất.

9
Hình B.1 trong Phụ lục trực tuyến vẽ biểu đồ phân phối trước cho độ co giãn dọc theo biểu đồ của các lần rút từ phía sau. Bảng A.2 trình bày các thời điểm

của các phân bố sau và Hình B.2 vẽ sơ đồ các hàm đáp ứng xung.
10
Hình B.3 và B.4 trong Phụ lục trực tuyến vẽ sơ đồ các cú sốc ước tính cho tất cả các ngành khác.
11
Quy trình của chúng tôi là bất khả tri về mức độ mà sự chậm lại được thúc đẩy trực tiếp bởi các biện pháp phong tỏa hoặc bởi hành vi tự nguyện, nội sinh trên

bộ phận người lao động và người tiêu dùng.

12 Bảng A.3 và A.4 trong Phụ lục trực tuyến báo cáo các giá trị trung bình cùng với khoảng tin cậy 95% cho các cú sốc này và kiểm tra sự khác biệt về nguồn cung
và nhu cầu.

6
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 2. Sự phân tách lịch sử của tốc độ tăng số giờ: Tổng số việc làm tư nhân, giải trí và khách sạn. Bộ trung bình và 95% đáng tin cậy.

4.2. Mở cửa trở lại: Tháng 5 năm 2020

Bây giờ chúng ta chuyển sang phân tích cú sốc vào tháng 5 năm 2020, tương ứng với việc nền kinh tế mở cửa trở lại sau hai tháng đóng cửa. Đến tháng này, hầu hết các tiểu bang và chính

quyền địa phương đã áp đặt lệnh ở nhà hoặc trú ẩn tại chỗ bắt đầu dỡ bỏ những hạn chế này, gây ra cú sốc cung và cầu tích cực. Phù hợp với kết quả trước đây của chúng tôi, chúng tôi thấy

rằng các cú sốc cung lao động tích cực hơn trong các lĩnh vực bị ảnh hưởng nhiều nhất bởi lệnh phong tỏa: Giải trí và Khách sạn (+19,35 trang, 74%

7
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 3. Sự phân tích lịch sử về tốc độ tăng số giờ theo các lĩnh vực 2 chữ số của NAICS vào tháng 3 năm 2020.

cung) và Xây dựng (+9,39 pp, 71% nguồn cung). Các lĩnh vực như Hoạt động tài chính và Thông tin hầu như không bị ảnh hưởng, phù hợp với thực tế là

những lĩnh vực này là những lĩnh vực có tỷ lệ người lao động có thể thực hiện nhiệm vụ từ xa lớn nhất (xem Hình 7 ) .13

4.3. Giải thích các cú sốc

Trong tiểu mục này, chúng tôi thảo luận về cách đóng cửa, mở rộng trợ cấp thất nghiệp và cú sốc TFP trong COVID-19 có thể

được hiểu thông qua lăng kính của khuôn khổ kinh nghiệm của chúng tôi.

Vai trò của khóa. Một số lượng lớn chính quyền tiểu bang và địa phương của Hoa Kỳ đã áp dụng các biện pháp phong tỏa trong tháng Tư. Về mặt khái niệm,

biện pháp phong tỏa tạm thời áp đặt hạn chế về số lượng giờ làm việc trên thị trường lao động. Hình 8 cung cấp hình ảnh trực quan về cách các biện pháp

phong tỏa có thể ảnh hưởng đến việc xác định cú sốc lao động theo khuôn khổ thực nghiệm của chúng tôi. Bảng a) cho thấy các biện pháp phong tỏa ảnh

hưởng đến thị trường lao động như thế nào trong bối cảnh không có tác động cân bằng chung, trong đó nhu cầu về lao động không thay đổi để đáp ứng với

phong tỏa.14 Trong trường hợp này, việc hạn chế số giờ không gây ra bất kỳ sự thay đổi nào trong nhu cầu về lao động hàng hóa và dịch vụ, do đó không

ảnh hưởng đến nhu cầu về lao động. Do đó, sự hạn chế về số lượng này ngụ ý sự gia tăng giá cân bằng và sự thay đổi về số giờ hoàn toàn được giải thích

bằng cú sốc cung. Phần b) minh họa trường hợp, do hiệu ứng cân bằng chung, nhu cầu về lao động cũng bị ảnh hưởng bởi việc phong tỏa. Trong trường hợp

đó, tiền lương vẫn có thể tăng, nhưng sẽ ít hơn so với mức dự đoán do một cú sốc cung thuần túy (tức là sự dịch chuyển dọc theo đường cầu). Trong

trường hợp đó, sự khác biệt giữa mức tăng tiền lương sẽ được tạo ra bởi một chuyển động dọc theo đường cầu và sự thay đổi thực tế về tiền lương phản

ánh quy mô của cú sốc cầu.

Để hiểu các ước tính gây sốc của chúng tôi liên quan như thế nào đến việc khóa máy, chúng tôi khai thác thực tế là có sự khác biệt đáng kể về lĩnh

vực nào vẫn mở và lĩnh vực nào bị khóa ở cấp độ 3 chữ số NAICS. Hình 9 biểu thị các ước tính về cú sốc cung và cầu của chúng tôi, theo trục x và trục

y, tương ứng, cùng với đường 45 độ và dấu hiệu cho biết mỗi lĩnh vực là ''mở'' hay

13 Hình B.6 trong Phụ lục trực tuyến cho thấy đây thực tế là một mô hình có hệ thống: các ngành có tỷ lệ việc làm có thể làm tại nhà nhỏ nhất là

chính xác là những người bị ảnh hưởng nhiều nhất bởi việc nới lỏng các hạn chế và đã trải qua những cú sốc cung lao động lớn hơn vào tháng Năm.

14 Những hiệu ứng cân bằng này có thể phát sinh thông qua sự ưu tiên bổ sung giữa các hàng hóa như trong Guerrieri et al. (2020) hoặc qua mạng đầu vào-đầu ra như trong Baqaee

và Farhi (2020), trong số những người khác.

số 8
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 4. Sự phân tích lịch sử về tốc độ tăng số giờ theo các lĩnh vực 2 chữ số của NAICS vào tháng 4 năm 2020.

Hình 5. Sự phân tích lịch sử về tốc độ tăng số giờ theo các lĩnh vực 3 chữ số của NAICS vào tháng 3 năm 2020.

Lưu ý: Mẫu dữ liệu được sử dụng cho phân tách lịch sử trong các lĩnh vực 3 chữ số của NAICS chỉ sử dụng nhân viên sản xuất và nhân viên không giám sát và bắt đầu từ năm 1990.

9
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 6. Sự phân tích lịch sử về tốc độ tăng số giờ theo các lĩnh vực 3 chữ số của NAICS vào tháng 4 năm 2020.
Lưu ý: Mẫu dữ liệu được sử dụng cho phân tách lịch sử trong các lĩnh vực 3 chữ số của NAICS chỉ sử dụng nhân viên sản xuất và nhân viên không giám sát và bắt đầu từ năm 1990.

Hình 7. Phân tách lịch sử tốc độ tăng số giờ theo ngành vào tháng 5 năm 2020.

10
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 8. Tác động của lệnh phong tỏa đối với cú sốc lao động.

Lưu ý: Bảng (a) cho thấy việc khóa ngành ảnh hưởng như thế nào đến việc xác định cú sốc khi không có hiệu ứng cân bằng. Việc khóa hoạt động như một chuyển động dọc theo đường cầu và cặp tiền lương theo giờ cân bằng mới trở thành

( 2 , ℎ2 ). Tất cả sự thay đổi về số giờ và tiền lương được giải thích là do cú sốc cung. Bảng (b) cho thấy việc khóa ngành ảnh hưởng như thế nào đến việc xác định cú sốc với các hiệu ứng cân bằng chung. Trong trường hợp này,

đường cầu cũng co lại, dẫn đến số giờ giảm nhiều hơn và mức tăng (hoặc giảm) nhỏ hơn ở mức lương cân bằng.

''đóng cửa.'' Hình này cho thấy các ngành đóng cửa có xu hướng chịu cú sốc cung tương đối lớn hơn (tiêu cực hơn) so với cú sốc cầu.
Thứ hai, các ngành đóng cửa trải qua cú sốc cung và cầu lớn hơn (tiêu cực) so với các ngành mở. Thứ ba, có sự không đồng nhất đáng kể giữa các
ngành đóng cửa xét về quy mô tương đối của các cú sốc cung và cầu, hàm ý rằng việc thiếu cầu có sự khác biệt lớn giữa các ngành này. Chẳng hạn, Cửa
hàng quần áo và phụ kiện quần áo chịu cú sốc cung lớn hơn nhiều so với cầu, trong khi Chỗ ở chịu cú sốc cung và cầu với quy mô gần bằng nhau.

Lao động so với cú sốc cung và cầu đầu ra. Như chúng tôi lưu ý trong phần giới thiệu, bài tập của chúng tôi đo lường các cú sốc về cung và cầu của
thị trường lao động . Điều này khác với các nghiên cứu khác về phân tích các cú sốc tổng cung và cầu đầu ra trong giai đoạn COVID-19 (Baqaee và
Farhi, 2020; Guerrieri và cộng sự, 2020). Các cú sốc tổng cầu (đầu ra) cũng sẽ tự biểu hiện thành các cú sốc cầu trên thị trường lao động: ví dụ,
sự sụt giảm cầu đối với hàng hóa và dịch vụ sẽ dẫn đến việc các công ty giảm việc tuyển dụng với một mức lương nhất định, trong khi các yếu tố khác
không đổi. Tương tự, một cú sốc cung lao động tiêu cực mà qua đó người lao động sẵn sàng làm việc ít giờ hơn với một mức lương nhất định cũng nên
được hiểu là một cú sốc tổng cung (đầu ra) tiêu cực. Một loại cú sốc mà bản đồ này phá vỡ là TFP: một cú sốc TFP âm tương ứng với một cú sốc tổng
cung (đầu ra) âm, nhưng nó biểu hiện như một cú sốc cầu âm trên thị trường lao động. Vì lý do này, việc ánh xạ các cú sốc ước tính của chúng tôi
thành các cú sốc sản lượng tổng hợp là không đơn giản, và do đó, kết quả của chúng tôi không thể so sánh trực tiếp với kết quả của các nghiên cứu
khác.

Tuy nhiên, chúng tôi cung cấp một số bằng chứng gợi ý rằng các cú sốc cầu lao động mà chúng tôi ước tính không phản ánh các cú sốc TFP tiêu cực.
Nguyên nhân hợp lý nhất gây ra cú sốc TFP âm trong tháng 3 và tháng 4 là sự gián đoạn chuỗi cung ứng: một số ngành và lĩnh vực gặp khó khăn trong
việc tìm nguồn đầu vào trung gian cần thiết do đóng cửa biên giới. Nếu các cú sốc cầu lao động mà chúng tôi ước tính phản ánh các cú sốc TFP tiêu
cực, thì chúng ta nên kỳ vọng các ngành dễ bị ảnh hưởng bởi sự gián đoạn thương mại quốc tế sẽ hứng chịu nhiều cú sốc cầu lao động tiêu cực hơn, cả
vào tháng 3 và tháng 4. Hình 10 vẽ đồ thị ước tính cú sốc cầu lao động của chúng tôi trên trục - so với tổng tỷ lệ đầu vào trung gian nước ngoài
được sử dụng trong mỗi ngành.15 Những số liệu này cho thấy mối quan hệ rất yếu giữa hai biến số (và, nếu có, là mối quan hệ đồng biến trong tháng
3) , điều này cho thấy rằng các ước tính về cú sốc cầu lao động của chúng tôi không nắm bắt được khả năng bị gián đoạn chuỗi cung ứng. Mặc dù bằng
chứng này chỉ mang tính gợi ý và không cho phép chúng tôi loại trừ hoàn toàn khả năng có các loại cú sốc TFP tiêu cực khác trong giai đoạn này,
nhưng nó giúp chúng tôi tin tưởng rằng các cú sốc tiêu cực về cầu lao động mà chúng tôi ước tính có khả năng liên quan đến cú sốc tổng cầu (đầu ra)
âm.

Mở rộng giao diện người dùng và Đạo luật CARES. Một trong những thay đổi chính sách lớn nhất trong giai đoạn phân tích là việc mở rộng đáng kể mức
độ rộng rãi của bảo hiểm thất nghiệp (UI) do Đạo luật CARES ban hành tháng 3 năm 2020. Các ước tính gây sốc của chúng tôi là kết quả của mô hình
kinh tế lượng dạng rút gọn của thị trường lao động và do đó, chúng tôi hoàn toàn không biết các cú sốc phản ánh các cú sốc cơ cấu tác động đến nền
kinh tế hay các can thiệp chính sách ở mức độ nào. Tuy nhiên, các mô hình tiêu chuẩn về tìm kiếm lao động sẽ dự đoán rằng

15 Dữ liệu này được lấy từ cơ sở dữ liệu Thương mại Giá trị Gia tăng của OECD.

11
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 9. Cú sốc cung và cầu giữa các lĩnh vực đóng và mở trong thời gian phong tỏa.

sự hào phóng về bảo hiểm thất nghiệp tăng lên sẽ làm tăng giá trị của lựa chọn bên ngoài của người lao động, do đó sẽ làm tăng (một cách yếu ớt) mức lương đã

được thương lượng/theo hợp đồng trong một số giờ nhất định, mọi thứ khác không đổi.16 Trong mô hình dạng rút gọn của chúng tôi, điều này nên biểu hiện như một

cú sốc cung lao động tiêu cực.

Hình 11 vẽ sơ đồ đo lường của chúng tôi về các cú sốc cung và cầu ước tính cho từng ngành trên trục - so với tỷ lệ yêu cầu bảo hiểm thất nghiệp ban đầu

trên mỗi ngành trong tháng 3 và tháng 4.17. Chúng tôi nhận thấy mối tương quan nghịch đáng kể giữa hai biến số: các ngành tương ứng với tỷ lệ yêu cầu BHTN lớn

hơn trong tháng đó dường như đã trải qua cả những cú sốc về cung và cầu lao động tiêu cực hơn. Chúng tôi không có ý định thiết lập bất kỳ mối quan hệ nhân quả

nào giữa hai biến số, vì bài tập đơn giản này không kiểm soát nhiều nguồn biến thiên khác về số lượng yêu cầu UI tương đối giữa các ngành, mà cung cấp bằng

chứng gợi ý về mối quan hệ sẽ được dự đoán bởi các mô hình đơn giản của thị trường lao động.

Một đặc điểm quan trọng khác của Đạo luật CARES làm phức tạp thêm việc phân tích vai trò tiềm năng của việc hào phóng mở rộng UI: thực tế là nó cũng được

áp dụng cho những người lao động bị sa thải. Những người lao động được cho nghỉ phép vẫn là một phần của lực lượng lao động của người sử dụng lao động và không

cần phải tìm việc để được phân loại là thất nghiệp trong dữ liệu CES. Một công nhân bị cho nghỉ phép được đăng ký trong CES với số giờ bằng không và thu nhập

bằng không, và do đó, phân tích của chúng tôi coi họ là người đã rời khỏi thị trường lao động một cách hiệu quả.

5. Tính chắc chắn và xác thực

5.1. Những thách thức về phương pháp do COVID-19 đặt ra

Bản chất khác nhau và quy mô tuyệt đối của các cú sốc trong COVID-19 có thể đặt ra những thách thức đối với hoạt động thực nghiệm của chúng tôi vì một số

lý do; phần này liệt kê chúng và chỉ ra cách chúng tôi giải quyết chúng. Đầu tiên, họ có thể làm cho phần dư không cố định, do đó

16 Chúng tôi muốn làm nổi bật thành phần ''mọi thứ khác không đổi'' của dự đoán này và thực tế là có nhiều thay đổi khác xảy ra cùng lúc

thời gian trong khoảng thời gian này. Một phân tích cấu trúc nằm ngoài phạm vi của bài báo này.

17 Tỷ lệ này tương ứng với số lượng yêu cầu thất nghiệp lần đầu cho người lao động trong một lĩnh vực nhất định chia cho tổng số yêu cầu thất nghiệp trong tất cả các lĩnh vực trong tháng

đó. Dữ liệu được lấy từ Viện Chính sách Kinh tế (2020) và chỉ có sẵn cho 19 tiểu bang vì đây là những tiểu bang duy nhất báo cáo mã NAICS của ngành những người yêu cầu UI.

12
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 10. Các cú sốc về nhu cầu trong COVID-19 so với tỷ lệ đầu vào trung gian nước ngoài được sử dụng trong sản xuất.

ML: Khai thác và khai thác gỗ; C: Xây dựng;M: Sản xuất; WT: Bán buôn; RT: Thương mại bán lẻ; TW: Vận tải và kho bãi; U: Tiện ích; Tôi: Thông tin; FA: Hoạt động tài
chính; PBS: Dịch vụ chuyên nghiệp và kinh doanh; EHS: Dịch vụ giáo dục và y tế; LH: Giải trí và hiếu khách; HĐH: Các dịch vụ khác. Các dải màu xám đại diện cho khoảng
tin cậy 95%. Dữ liệu về tỷ lệ đầu vào trung gian nước ngoài được lấy từ cơ sở dữ liệu Thương mại Giá trị Gia tăng của OECD.

hiển thị phân tách Wold không hợp lệ. Thứ hai, họ có thể đặt câu hỏi về giả định về tính tuyến tính do sự phá vỡ cấu trúc hoặc do sự dịch
chuyển lớn của đường cung và đường cầu có thể đẩy họ vào một khu vực mà độ co giãn của họ không còn là hằng số. Thứ ba, do các ngành nghề
khác nhau có mức lương khác nhau trong từng ngành, nếu một số ngành nghề bị ảnh hưởng khác nhau trong đại dịch COVID-19, thì những thay đổi
về mức lương theo ngành có thể hoàn toàn đến từ những thay đổi trong cơ cấu ngành nghề.
Các vấn đề phát sinh khi ước tính VAR bằng một chuỗi các quan sát cực đoan, chẳng hạn như những quan sát được thực hiện trong COVID-19 và
cách giải quyết chúng đúng cách đã được thảo luận kỹ lưỡng trong Lenza và Primiceri (2020). Trong công việc của mình, họ kết luận rằng có thể
chấp nhận bỏ qua những quan sát cực đoan này cho mục đích của chúng ta, đó là ước lượng tham số. Do đó, chúng tôi làm theo hướng dẫn của họ
và giải quyết mối quan tâm thứ nhất và thứ hai bằng cách ước tính mô hình không bao gồm các tháng COVID-19 (tháng 3–tháng 5 năm 2020). Vấn đề
thứ hai, liên quan đến sự phá vỡ tuyến tính/cấu trúc, rất khó giải quyết với hai điểm dữ liệu mà không bổ sung thêm cấu trúc vào khung thực
nghiệm của chúng tôi. Phá vỡ cấu trúc sẽ ảnh hưởng đến kết quả phân tách lịch sử của chúng tôi thông qua những thay đổi về độ co giãn lao
động SVAR và cấu trúc trễ. Ví dụ, nguy cơ bị nhiễm bệnh khi đi làm có thể ảnh hưởng không chỉ đến sự sẵn sàng làm việc của người lao động khi
được đưa ra mức lương như nhau, mà còn ảnh hưởng đến cách các đại lý cung cấp lao động ở mức cận biên khi được cung cấp một loạt mức lương
không cân bằng - độ co giãn của cung lao động. Nếu đây là trường hợp, cái mà chúng ta định nghĩa là cú sốc cung sẽ chỉ là một bất ngờ từ quan
điểm của nhà kinh tế lượng chứ không phải của các tác nhân. Do đó, ước tính phân tách lịch sử của chúng tôi sẽ bị sai lệch. Ngoài ra, xét về
cấu trúc độ trễ, chẳng hạn, bằng cách ngoại suy sự kiên trì từ tháng 2 đến tháng 3, người ta có thể nhận được số dư nhỏ hơn có khả năng đánh
giá quá cao sự đóng góp của cả cú sốc cung và cầu lao động trong cuộc khủng hoảng COVID-19. Mặc dù không thể giải thích cho những vấn đề này,
chúng tôi cố gắng xoa dịu những lo ngại về khía cạnh thứ hai này bằng cách thực hiện bài tập xác thực trong Phần 5.3, trong đó chúng tôi lập
luận rằng chuỗi cú sốc đã xác định của chúng tôi tương quan với chuỗi được đo lường bên ngoài, chẳng hạn như chỉ số làm việc từ xa.

5.2. hiệu ứng thành phần

Một thách thức đối với các giả định nhận dạng của chúng tôi có liên quan đến hiệu ứng thành phần. Tình huống trong đó cú sốc cầu lao động
tiêu cực dẫn đến phá hủy hầu hết các công việc lương thấp phù hợp với việc giảm số giờ và tăng tiền lương thực tế trung bình, có thể được coi
là cú sốc cung. Mongey và cộng sự. (2020), ví dụ, tài liệu cho thấy những người lao động làm công việc có khả năng làm việc tại nhà thấp có
xu hướng có thu nhập thấp hơn và có nhiều khả năng mất việc làm hơn theo CPS tháng 3 năm 2020. Mối quan tâm này khó giải quyết do thiếu dữ
liệu phân tách chất lượng cao với tần suất đủ cao. Tuy nhiên, chúng tôi cố gắng giải quyết vấn đề này theo ba cách khác nhau.18

18 Ngoài ra, người ta có thể nghĩ đến tình huống những người làm việc năng suất nhất nghỉ việc để ở nhà do tăng nguy cơ lây nhiễm chẳng hạn. Để duy trì sản xuất, các công ty sau đó buộc phải sử dụng những công nhân kém năng

suất hơn với mức lương thấp hơn. Điều này có thể dẫn đến tình huống ban đầu là một cú sốc cung tiêu cực dẫn đến giảm lương và tăng số giờ (vì những người lao động kém năng suất hơn cần phải làm việc nhiều giờ hơn để sản xuất ra

cùng một lượng

13
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 11. Mối tương quan giữa các cú sốc ngành và tỷ lệ yêu cầu thanh toán thất nghiệp.

ML: Khai thác và khai thác gỗ; C: Xây dựng; M: Sản xuất; WT: Bán buôn; RT: Thương mại bán lẻ; TW: Vận tải và kho bãi; U: Tiện ích; Tôi: Thông tin; FA: Hoạt động tài
chính; PBS: Dịch vụ chuyên nghiệp và kinh doanh; EHS: Dịch vụ giáo dục và y tế; LH: Giải trí và hiếu khách; HĐH: Các dịch vụ khác. Các dải màu xám đại diện cho khoảng
tin cậy 95%.

5.2.1. Nhân viên sản xuất và không giám sát Nỗ

lực đầu tiên của chúng tôi để giải quyết vấn đề này bao gồm lặp lại bài tập cơ bản cho tất cả các lĩnh vực NAICS-2, nhưng chỉ sử
dụng dữ liệu về số giờ và thu nhập của nhân viên trong vai trò sản xuất và không giám sát. Bằng cách tập trung vào các công nhân sản
xuất, bài tập của chúng tôi được lặp lại trên một nhóm công nhân đồng nhất hơn và do đó ít bị ảnh hưởng bởi các hiệu ứng thành phần.
Chúng tôi thấy rằng điều này không làm thay đổi đáng kể kết quả cơ bản của chúng tôi. quả sung. 12 và 13 trình bày các phân tích sốc cho tháng 3 và

đầu ra). Tuy nhiên, tình huống này không phù hợp với bằng chứng được trình bày trong Mongey et al. (2020), những người lao động có thu nhập thấp hơn có nhiều khả năng bị mất việc làm hơn trong giai đoạn này.

14
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 12. Phân tích lịch sử về tốc độ tăng số giờ giữa các ngành chỉ sử dụng nhân viên sản xuất và nhân viên không giám sát, tháng 3 năm 2020.
Lưu ý: Mẫu cho nhân viên sản xuất và không giám sát mà chúng tôi sử dụng để ước tính SVAR của mình bắt đầu từ năm 1984. Mã sê-ri CES cho nhân viên sản xuất và không giám
sát cho tiền lương thực tế là 32 và tổng số giờ hàng tuần là 81.

tương ứng vào tháng 4 năm 2020, sử dụng nhân viên sản xuất.19 Đối với tổng số việc làm khu vực tư nhân, tốc độ tăng số giờ giảm trong tháng 3 nhỏ hơn một

chút ( 1,91 đ.p so với 2,59 đ.p) nhưng lớn hơn vào tháng 4 ( 18,6 đ.p so với 16,24 trang). Cú sốc nguồn cung chiếm 77% mức giảm trong tháng 3 và 68%

trong tháng 4. Nhìn chung, chúng tôi tìm thấy các mô hình tương tự trong các lĩnh vực. Tầm quan trọng của các cú sốc về nhu cầu gia tăng trong một số

lĩnh vực, cụ thể là trong lĩnh vực Giải trí và Khách sạn (56% trong tháng 3, 43% trong tháng 4) và Giao thông vận tải (65% trong tháng 3), nhưng nó lại

giảm trong các lĩnh vực khác, cho thấy rằng mặc dù có thể có một số tác động sai lệch, kết quả cơ bản của chúng tôi dường như tương đối mạnh mẽ.

Ngoài ra, Hình. Hình 5 và 6 cho thấy kết quả cơ sở của chúng tôi không thay đổi nhiều khi phương pháp của chúng tôi được áp dụng cho số giờ và tiền

lương của nhân viên sản xuất và nhân viên không giám sát đối với các ngành ở cấp độ NAICS-3. Bằng cách tập trung vào phân loại ngành được phân tách nhiều

hơn, một lần nữa chúng tôi cố gắng áp dụng phương pháp của mình cho nhóm người lao động đồng nhất hơn.

5.2.2. CPS phản thực tế

Phương pháp thứ hai của chúng tôi để giải quyết những lo ngại về tác động của thành phần liên quan đến việc sử dụng dữ liệu vi mô từ Khảo sát dân số

hiện tại (CPS, có nguồn từ IPUMS) để tính toán những thay đổi ngụ ý về tiền lương trung bình sẽ được quan sát nếu động lực chung của số giờ và tiền lương

hoàn toàn do thành phần chi phối ảnh hưởng vào tháng 3 và tháng 4. Chúng tôi thấy rằng điều này sẽ tạo ra mức tăng lớn trong thu nhập hàng giờ, phần lớn

trái ngược với dữ liệu vi mô quan sát được cho tháng 3 và tháng 4 năm 2020 và chỉ có thể được hợp lý hóa khi có những cú sốc nhu cầu lớn bất thường trong

cùng kỳ.

Chúng tôi bắt đầu bằng cách tính toán những thay đổi tiền lương phản thực tế trong các ngành cụ thể với giả định rằng không có cú sốc về cung lao

động và tất cả những thay đổi về tiền lương đều do tác động của thành phần. Chúng tôi tập trung vào ba phân ngành có số giờ giảm nhiều nhất vào tháng 4

năm 2020: Lưu trú du lịch (NAICS: 7211), Cửa hàng quần áo và phụ kiện quần áo (448) và Dịch vụ ăn uống và Địa điểm uống rượu (722).20 Đối với từng lĩnh

vực và nghề nghiệp , chúng tôi tính toán số giờ làm việc trong giai đoạn trước đại dịch ℎ cũng như thu nhập trung bình mỗi giờ , ,0

21 , ,0 .

19 Bảng A.6 và A.7 trong Phụ lục mô tả các cú sốc cùng với khoảng tin cậy 95%.
20
Chúng tôi sử dụng dữ liệu CPS hàng năm năm 2020 đề cập đến các nghề và ngành đã làm việc trong năm 2019 do chất lượng dữ liệu tốt hơn và nhất quán hơn so với năm 2020
CPS hàng tháng và cho rằng dữ liệu đó đại diện cho giai đoạn trước đại dịch (tháng 2 năm 2020).
21
Chúng tôi sử dụng biến uhrsworkly cho số giờ làm việc hàng tuần. Để tính thu nhập trung bình mỗi giờ, chúng tôi chia tiền lãi cho tích của uhrsworkly và wkswork1.
Chúng tôi loại trừ các quan sát mà tỷ lệ gia tăng bằng 0 hoặc bị thiếu, các quan sát mà uhrsworkly bị thiếu hoặc nhỏ hơn hoặc

15
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 13. Phân tích lịch sử về tốc độ tăng số giờ giữa các ngành chỉ sử dụng nhân viên sản xuất và nhân viên không giám sát, tháng 4 năm 2020.
Lưu ý: Mẫu dành cho nhân viên sản xuất và nhân viên không giám sát mà chúng tôi sử dụng để ước tính SVAR của mình bắt đầu từ năm 1984. Nhân viên sản xuất và nhân viên không giám sát CES

mã sê-ri cho tiền lương thực tế là 32 và cho tổng số giờ hàng tuần là 81.

Bảng 1

Thu nhập hàng giờ phản thực đối với các lĩnh vực được chọn, giả sử các hiệu ứng thành phần cực đoan. Lưu ý rằng đây không phải là tiền lương theo giờ, do đó
sự khác biệt về mức độ.

Cửa hàng quần áo Chỗ ở Địa điểm ăn uống

Thu nhập hàng giờ CPS 2019 21.16 17,61 14,82

Phản thực tháng 3 năm 2020 % 21,47 18,55 15h35

CF tháng 3 năm 2020 so với CPS năm 2019 +1,45% +5,29% +3,59%
% , dữ liệu 0,061% 1,62% 2,54%

Phản thực tháng 4 năm 2020 % 65,35 38,28 24,54

CF tháng 4 năm 2020 so với dữ liệu % CF tháng +204,43% +106,39% +59,80%

3 năm,2020 +11,33% +3,05% 1,11%

Sau đó, chúng tôi thực hiện các thay đổi quan sát được (theo tháng) về số giờ làm việc trong từng lĩnh vực: 2,48% và 92,83% trong

Cửa hàng quần áo lần lượt cho tháng 3 và tháng 4; 14,36% và 71,01% đối với Địa điểm ăn uống; 9,79% và 78,52% cho

Chỗ ở. Đối với mỗi lĩnh vực, chúng tôi xếp hạng tất cả các công việc trong lĩnh vực đó theo thu nhập hàng giờ. Cho rằng chúng tôi quan sát số giờ làm việc cho

mỗi ngành nghề và trong mỗi lĩnh vực, chúng tôi giảm số giờ làm việc thích hợp bắt đầu từ những ngành nghề có thu nhập thấp nhất

cho đến khi số giờ giảm tương ứng với số giờ quan sát được trong dữ liệu và sau đó chúng tôi tính toán lại thu nhập trung bình mỗi giờ trong đó

lĩnh vực. Chúng tôi thực hiện điều này trước tiên cho tháng 3, lấy phân bổ số giờ CPS năm 2019 giữa các ngành nghề và lĩnh vực làm điểm chuẩn và

áp dụng mức giảm theo ngành quan sát được trong số giờ cho tháng đó. Sau đó, chúng tôi áp dụng số giờ giảm trong tháng 4 cho phân phối kết quả trong

Bước đều. Điều này cho phép chúng tôi tính toán hai khoản thu nhập theo giờ phản thực cho mỗi lĩnh vực, một khoản cho mỗi tháng. Những kết quả này được hiển thị
trong Bảng 1.

bằng 1 và các quan sát trong đó wkswork1 nhỏ hơn 20. Tất cả các biến ngành-nghề nghiệp được tính toán bằng cách sử dụng quyền số mẫu thích hợp.
Chúng tôi tập trung vào sản xuất và nhân viên không giám sát. Không có cờ CPS nào phù hợp với định nghĩa CES; chúng tôi loại trừ bất kỳ nghề nghiệp nào có
nhãn bao gồm các chuỗi quản lý hoặc giám sát.

16
Machine Translated by Google

P. Brinca và cộng sự.

Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 14. Tiền lương theo giờ đối với những công việc có tỷ lệ số giờ làm việc theo thành phần lớn nhất có tác động phản thực tế trong mỗi lĩnh vực.

Nguồn: CPS hàng tháng năm 2020 (IPUMS).

ban 2

Phân tách lịch sử phản thực tế cho các ngành được chọn, giả sử các hiệu ứng tổng hợp thúc đẩy tất cả mức tăng lương quan sát được.

Cửa hàng quần áo Chỗ ở Địa điểm ăn uống

Phân tích lịch sử điểm chuẩn tháng 4 73,9% 51,7% 51,0%

Phân tích lịch sử phản thực tháng 4 63,3% 48,7% 51,9%

Bằng cách xây dựng, và cho rằng tất cả các lĩnh vực này đều trải qua sự sụt giảm về số giờ trong cả tháng 3 và tháng 4, thu nhập hàng giờ
theo hiệu ứng tổng hợp tăng trong hai tháng này. Điều quan trọng là chúng tăng nhiều hơn đáng kể so với trong dữ liệu. Để dung hòa những tác
động tổng hợp này với những thay đổi quan sát được trong dữ liệu, những ngành này cần phải chịu những cú sốc lớn về nhu cầu lao động dẫn đến
thu nhập hàng giờ của những người lao động vẫn làm việc giảm đáng kể, để bù đắp phần lớn tăng thúc đẩy bởi các hiệu ứng thành phần.

Chúng tôi tiếp tục ghi nhận rằng không có bằng chứng nào về việc giảm lương lớn cho người lao động trong các ngành nghề sẽ vẫn được tuyển
dụng theo các hiệu ứng tổng hợp-chỉ phản thực tế. Để làm điều này, chúng tôi sử dụng dữ liệu từ CPS hàng tháng năm 2020 (cũng có nguồn từ
IPUMS) để theo dõi thu nhập hàng giờ của những người lao động làm việc trong các lĩnh vực này, trong những ngành nghề không bị giảm số giờ theo
kịch bản phản thực của chúng tôi. Chúng tôi tập trung vào nghề nghiệp có tỷ lệ phần trăm số giờ làm việc lớn nhất trong kịch bản phản thực của
chúng tôi cho từng lĩnh vực: Đại diện dịch vụ khách hàng cho Cửa hàng quần áo (34,7% số giờ làm việc trong kịch bản phản thực tháng 4, mã nghề
nghiệp 5240) và Đầu bếp và bếp trưởng cho cả Nhà trọ ( 17,6% số giờ làm việc trong phản thực tháng 4, mã nghề nghiệp 4000) và Đồ ăn & Đồ uống
(28,3% số giờ làm việc trong phản thực tháng 4). Hình 14 cho thấy mức lương theo giờ này tương đối ổn định trong tháng 3 và tháng 4 năm 2020.

Phân tích của chúng tôi về dữ liệu vi mô không làm mất hiệu lực khả năng các hiệu ứng thành phần đóng vai trò giải thích động lực chung của
số giờ và tiền lương theo giờ trong tháng 3 và tháng 4 năm 2020, nhưng chúng tôi hy vọng đã thuyết phục được người đọc rằng một kịch bản cực
đoan trong đó không có cú sốc cung lao động tiêu cực nào và tất cả các biến động về tiền lương đều do cú sốc cầu gây ra và các hiệu ứng thành
phần sẽ dẫn đến động lực tiền lương trái ngược với dữ liệu vi mô.

5.2.3. Tiền lương không đổi phản thực

tế Cuối cùng, chúng tôi sử dụng các ước tính tham số từ bài tập ước tính cơ sở của mình để thực hiện phân tích cú sốc thay thế trong đó
chúng tôi giả định rằng tiền lương không hề tăng đối với một số ngành nhất định. Về nguyên tắc, các hiệu ứng tổng hợp sẽ tạo ra các biến động
ngược chiều về tiền lương và số giờ vào tháng 3 và tháng 4, điều này sẽ khiến chúng ta đánh giá quá cao tầm quan trọng của các cú sốc cung.
Bằng cách áp đặt rằng tiền lương giữ nguyên và không tăng, sau đó sử dụng các ước tính cơ bản của chúng tôi để thực hiện phân tích lịch sử,
theo một nghĩa nào đó, chúng tôi đang cung cấp một giới hạn thấp hơn cho tầm quan trọng của các cú sốc cung trong giai đoạn nghiên cứu. Chúng
tôi lại tập trung vào ba lĩnh vực NAICS-3 bị ảnh hưởng nặng nề nhất trong tháng 4 – Chỗ ở du lịch, Cửa hàng quần áo và phụ kiện quần áo, Dịch
vụ ăn uống và Địa điểm uống rượu – và chỉ ra rằng ngay cả khi chúng tôi cho rằng tiền lương không tăng trong các lĩnh vực này (và vẫn phẳng),
cú sốc cung vẫn đóng một vai trò rất quan trọng.
Kết quả của bài tập phản thực này, trong đó tiền lương được giữ cố định, được thể hiện trong Bảng 2. Những kết quả này cho thấy đóng góp
tương đối của các cú sốc cung đối với sự thay đổi theo giờ giảm 10,6 điểm đối với Cửa hàng quần áo, 3 điểm đối với Chỗ ở và

17
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

bàn số 3

Phân loại ngành CES.

ngành mã BLS mã NAICS

05000000 –
Tổng số riêng tư

Khai thác và khai thác gỗ 10000000 11–21

Sự thi công 20000000 23

Chế tạo 30000000 31–33

thương mại bán buôn 41420000 42
Bán lẻ 42000000 44–45

Vận tải và kho bãi 43000000 48–49

tiện ích 44220000 22
Thông tin 50000000 51
Hoạt động tài chính 55000000 52–53
Dịch vụ chuyên nghiệp và kinh doanh 60000000 54–56
Dịch vụ giáo dục và y tế 65000000 61–62

Giải trí và hiếu khách 70000000 71–72

Các dịch vụ khác 80000000 81

thực tế tăng 0,9 điểm phần trăm đối với Dịch vụ ăn uống & Địa điểm uống rượu. Do đó, các cú sốc cung vẫn đóng vai trò chủ đạo trong việc giải thích các chuyển động

tính bằng giờ cho các lĩnh vực này ngay cả khi không có sự gia tăng tiền lương quan sát được.

5.3. Xác thực kết quả: tỷ lệ công việc có thể được thực hiện tại nhà theo lĩnh vực

Nếu các biện pháp hạn chế có ý nghĩa thực nghiệm đối với nguồn cung lao động, thì chúng ta nên kỳ vọng rằng ước tính của chúng ta về các cú sốc cung lao động

sẽ tương quan thuận với khả năng thực hiện nhiệm vụ của người lao động tại nhà. Hình 15 biểu đồ các cú sốc nguồn cung ước tính của chúng tôi

(trục y) cho tháng 4 năm 2020 so với tỷ lệ công việc có thể làm tại nhà theo lĩnh vực (trục x), lấy từ Dingel và Neiman (2020).

Bảng (a) xác nhận rằng có tồn tại mối tương quan như vậy. Giải trí và Khách sạn, lĩnh vực có tỷ lệ việc làm nhỏ nhất có thể

được thực hiện tại nhà, chính xác là lĩnh vực bị ảnh hưởng nặng nề nhất bởi cú sốc cung lao động tiêu cực. Các ngành có quy mô lớn hơn như vậy

cổ phiếu chịu đựng những cú sốc cung lao động nhỏ hơn, chẳng hạn như Hoạt động Tài chính và Thông tin. Mặc dù số lượng quan sát ít,

mối quan hệ có ý nghĩa thống kê ở mức 5% (p = 0,037) và tỷ lệ lao động có thể thực hiện công việc của họ ở

nhà trên mỗi khu vực giải thích 34% sự thay đổi của các cú sốc cung ước tính. Cũng lưu ý rằng mối quan hệ này là mạnh mẽ để loại trừ

lĩnh vực Lao động và Khách sạn từ phân tích; xem bảng (c). Bảng (b) cho thấy rằng cũng có một số mối tương quan giữa

tỷ lệ công việc có thể làm tại nhà và cú sốc nhu cầu ước tính vào tháng 4 năm 2020, nhưng bảng (d) cho thấy mối tương quan này là

không còn có ý nghĩa thống kê sau khi chúng tôi loại bỏ Lao động và Khách sạn.

Hơn nữa, mối quan hệ giữa thước đo này và cú sốc cung luôn mạnh hơn mối quan hệ với cú sốc cầu,

ngay cả khi chúng tôi loại bỏ lĩnh vực Giải trí và Khách sạn (vốn trải qua cả cú sốc về nhu cầu lớn nhất và nguồn cung lớn nhất trong giai đoạn này

Giai đoạn).

Trong Phụ lục trực tuyến, chúng tôi chỉ ra rằng bài tập xác thực cũng được áp dụng cho tháng 3 (Hình B.6). Ngoài ra, nó cũng

cho thấy rằng chúng tôi có mô hình ngược lại vào tháng 5 năm 2020, với các lĩnh vực mà tỷ lệ công việc nhỏ hơn có thể được thực hiện tại nhà

những cú sốc cung tích cực nhất. Chúng tôi cũng lặp lại phân tích cho tháng 3 và tháng 4 năm 2019: Hình B.7 cho thấy

tương quan dương và có ý nghĩa thống kê biến mất khi phép đo này được so sánh với các cú sốc cung được ước tính trong một

giai đoạn ''bình thường''.

6. Kết luận

Trong bài báo này, chúng tôi đã sử dụng Bayesian SVAR và các tiên tri thông tin để ước tính trình tự các cú sốc cung và cầu lao động

cho từng lĩnh vực chính của nền kinh tế Mỹ. Tập trung vào đợt bùng phát COVID-19 đang diễn ra, chúng tôi nhận thấy rằng hai phần ba số trường hợp giảm trong

tốc độ tăng số giờ làm việc trong tháng 3 và tháng 4 năm 2020 có thể là do cú sốc cung lao động tiêu cực. Hầu hết các lĩnh vực NAICS-2 là

chịu những cú sốc cung và cầu lao động tiêu cực. Một lĩnh vực cụ thể - Giải trí và Khách sạn - đã bị ảnh hưởng bởi lịch sử

cú sốc cung và cầu tiêu cực lớn. Các lĩnh vực khác, chẳng hạn như Thông tin và Thương mại Bán lẻ, trải qua những cú sốc nguồn cung nhỏ

và, trong một số trường hợp, cú sốc nhu cầu tích cực.

Mặc dù có một số lo ngại hợp lý rằng kết quả của chúng tôi có thể bị chi phối một phần bởi các hiệu ứng bố cục và điều đó không thể dễ dàng

được giải quyết, kết quả của chúng tôi dường như tương đối mạnh mẽ khi sử dụng các loại công nhân và ngành hẹp hơn. Chúng tôi cũng chỉ ra rằng

quy mô của các cú sốc cung ước tính của chúng tôi tương quan với các biện pháp khác, chẳng hạn như tỷ lệ công việc trong mỗi lĩnh vực có thể được thực hiện

từ nhà. Chúng tôi tin rằng điều này đóng vai trò xác thực chiến lược xác định cú sốc của chúng tôi.

Đo lường đúng cú sốc cung và cầu là cần thiết cho việc thiết kế và thực hiện chính sách kinh tế trong giai đoạn

Sự bùng phát của covid-19. Cú sốc cung lao động tiêu cực có liên quan trực tiếp hơn đến cuộc khủng hoảng sức khỏe cộng đồng đang diễn ra (và sức khỏe cộng đồng

phản ứng chính sách), trong khi cú sốc cầu lao động phản ánh các lực lượng kinh tế có thể tồn tại sau cuộc khủng hoảng sức khỏe cộng đồng. Tiêu cực

cú sốc cầu có thể phản ánh sự sụt giảm trong tổng cầu và có thể được giải quyết thông qua chính sách tài khóa, đặc biệt là trong các ngành không

bị ảnh hưởng trực tiếp bởi việc phong tỏa (Guerrieri et al., 2020; Faria-e-Castro, 2021). Phân tích sốc của chúng tôi có thể giúp các nhà hoạch định chính sách

để xác định những lĩnh vực nào bị ảnh hưởng nhiều nhất do thiếu nhu cầu, đồng thời thiết kế và nhắm mục tiêu các chính sách phù hợp nhằm giảm thiểu

18
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Hình 15. Mối tương quan giữa các cú sốc theo ngành vào tháng 4 năm 2020 và tỷ lệ công việc có thể làm tại nhà theo ngành.
ML: Khai thác và khai thác gỗ; C: Xây dựng; M: Sản xuất; WT: Bán buôn; RT: Thương mại bán lẻ; TW: Vận tải và kho bãi; U: Tiện ích; Tôi: Thông tin; FA: Hoạt động tài
chính; PBS: Dịch vụ chuyên nghiệp và kinh doanh; EHS: Dịch vụ giáo dục và y tế; LH: Giải trí và hiếu khách; HĐH: Các dịch vụ khác. Các dải màu xám đại diện cho khoảng
tin cậy 95%.

tác động của cuộc khủng hoảng hiện tại đối với các lĩnh vực đó.22 Chúng tôi cũng nghĩ rằng bài tập đo lường của chúng tôi rất hữu ích cho những người

thực hiện nghiên cứu về các mô hình định lượng của cuộc khủng hoảng COVID-19, vì nó cung cấp các điều kiện thời điểm liên quan đến chuyển động của

cung và cầu lao động mà các mô hình hợp lý về mặt kinh nghiệm nên có thể phù hợp. Cuối cùng, chuỗi các cú sốc ước tính cũng có thể được sử dụng làm

công cụ cho các cú sốc cung và cầu lao động trong công việc ứng dụng.

Phụ lục A. Nguồn số liệu và phân loại ngành

Chúng tôi sử dụng cơ sở dữ liệu Thống kê Việc làm Hiện tại (CES) từ Cục Thống kê Lao động (BLS) để có được thu nhập hàng giờ trung bình hàng tháng

của tất cả nhân viên trong năm 1982–1984 đô la (mã CES: 13) và tổng số giờ hàng tuần của tất cả nhân viên (mã CES: 56).

Dữ liệu bắt đầu từ tháng 3 năm 2006 và kéo dài đến tháng 4 năm 2020 và tất cả các chuỗi được điều chỉnh theo mùa.23 Bảng 3 liệt kê tất cả các phân

loại ngành CES được sử dụng cũng như các mã NAICS liên quan. Nhân viên sản xuất và nhân viên không giám sát Dữ liệu CES được sử dụng cho các lĩnh vực

3 chữ số của NAICS bắt đầu từ năm 1990 và mã sê-ri cho tiền lương thực tế là 32 và tổng số giờ hàng tuần là 81.

Liên quan đến những lo ngại về chất lượng dữ liệu trong những tháng xảy ra đại dịch, một thông cáo báo chí của BLS được công bố vào ngày 8 tháng 5

năm 2020 tiết lộ rằng tỷ lệ thu thập trong cuộc khảo sát của cơ sở vẫn không thay đổi. Xem https://www.bls.gov/news.release/archives/empsit_ 05082020.pdf.

22
Một báo trước tự nhiên cho điều này là các cú sốc tổng thể có thể biểu hiện khác nhau giữa các ngành. Nghĩa là, một số cú sốc tổng thể có thể là cú sốc cầu trong một
số ngành và cú sốc cung trong những ngành khác. Ngoài ra, các cú sốc tổng cung về sản lượng, chẳng hạn như các cú sốc về TFP, cũng có thể biểu hiện dưới dạng các cú sốc về
cầu trên thị trường lao động. Chúng tôi cung cấp một số bằng chứng gợi ý rằng các cú sốc về cung và cầu dường như không bắt nguồn từ sự biến dạng của chuỗi cung ứng, nguồn
gốc hợp lý nhất của các xáo trộn TFP trong giai đoạn phân tích.
23
Chỉ có dữ liệu cho tất cả nhân viên từ năm 2006 trở đi. Đối với tất cả các bài tập ước tính liên quan đến sản xuất và nhân viên không giám sát, CES
chuỗi dữ liệu dài hơn và bắt đầu từ năm 1990.

19
Machine Translated by Google

P. Brinca và cộng sự. Tạp chí Kinh tế Châu Âu 139 (2021) 103901

Phụ lục B. Dữ liệu bổ sung

Tài liệu bổ sung liên quan đến bài viết này có thể được tìm thấy trực tuyến tại https://doi.org/10.1016/j.euroecorev.2021.103901.

Người giới thiệu

Akerlof, GA, Dickens, WT, 2007. Công việc dở dang trong kinh tế vĩ mô của lạm phát thấp: Lời tri ân tới George và Bill của Bill và George. suối. Bốp.

kinh tế. Hành động. 2007 (2), 31–46.

Baqaee, D., Farhi, E., 2020. Cung và cầu trong các nền kinh tế Keynes được phân tách với ứng dụng cho cuộc khủng hoảng Covid-19. Báo cáo kỹ thuật, Harvard
Trường đại học.

Barrot, J.-N., Grassi, B., Sauvagnat, J., 2020. Tác động theo ngành của giãn cách xã hội. Kinh tế Covid (3).

Baumeister, C., Hamilton, JD, 2015. Hạn chế ký hiệu, tự hồi quy véc tơ cấu trúc và thông tin hữu ích trước đó. Kinh tế lượng 83(5), 1963–1999.

Baumeister, C., Hamilton, JD, 2018. Suy luận về tự hồi quy véc tơ cấu trúc khi các giả định xác định không được tin tưởng hoàn toàn: Đánh giá lại

vai trò của chính sách tiền tệ trong các biến động của nền kinh tế. J. Kinh tế tiền tệ. 100 (C), 48–65.

Baumeister, C., Hamilton, JD, 2019. Giải thích cấu trúc của tự hồi quy véc tơ với nhận dạng không đầy đủ: Xem xét lại vai trò của cung cấp dầu và

cú sốc nhu cầu. Mỹ. kinh tế. Rev. 109 (5), 1873–1910.

Bodenstein, M., Corsetti, G., Guerrieri, L., 2020. Giãn cách xã hội và gián đoạn nguồn cung trong đại dịch. Báo cáo kỹ thuật, Tài liệu thảo luận CEPR số DP14629.

Chetty, R., Guren, A., Manoli, D., Weber, A., 2011. Độ co giãn cung lao động vi mô và vĩ mô có nhất quán không? Một đánh giá bằng chứng về chuyên sâu và rộng rãi

lề. Mỹ. kinh tế. Rev. 101 (3), 471–475.

Danieli, A., Olmstead-Rumsey, J., 2020. Cú sốc theo ngành cụ thể và kênh co giãn chi tiêu trong cuộc khủng hoảng COVID-19. Bản thảo, Tây Bắc
Trường đại học.

del Rio-Chanona, RM, Mealy, P., Pichler, A., Lafond, F., Farmer, D., 2020. Cú sốc cung và cầu trong đại dịch COVID-19: Một ngành và nghề nghiệp

luật xa gần.

Dingel, JI, Neiman, B., 2020. Có bao nhiêu công việc có thể làm tại nhà? Trong: Tài liệu làm việc 26948, Cục nghiên cứu kinh tế quốc gia.

Doan, T., Litterman, R., Sims, C., 1984. Dự báo và dự báo có điều kiện bằng cách sử dụng các phân phối thực tế trước đó. Kinh tế lượng Rev. 3 (1), 1–100.

Viện Chính sách Kinh tế, 2020. Yêu cầu thanh toán thất nghiệp lần đầu hàng tuần theo tiểu bang và ngành. Báo cáo kỹ thuật, Dữ liệu được thu thập từ nhiều nguồn khác nhau.

Eichenbaum, MS, Rebelo, S., Trabandt, M., 2020. Kinh tế vĩ mô của dịch bệnh. Trong: Tài liệu làm việc 26882, Cục nghiên cứu kinh tế quốc gia.

Elsby, MW, Hobijn, B., Sahin, A., 2010. Thị trường lao động trong cuộc đại suy thoái. suối. Bốp. kinh tế. Hành động. 41 (1 (Mùa xuân), 1–69.

Faria-e-Castro, M., 2021. Chính sách tài khóa trong thời kỳ đại dịch. J. Kinh tế. động lực học. Kiểm soát 125 (C).

Galí, J., Smets, F., Wouters, R., 2012. Thất nghiệp trong một mô hình Keynes mới ước tính. Kinh tế vĩ mô NBER. hàng năm. 26(1), 329–360.

Guerrieri, V., Lorenzoni, G., Straub, L., Werning, I., 2020. Tác động kinh tế vĩ mô của COVID-19: Cú sốc nguồn cung tiêu cực có thể gây ra thiếu hụt nhu cầu không? TRONG:

Tài liệu làm việc 26918, Cục nghiên cứu kinh tế quốc gia.

Hamermesh, DS, 1996. Nhu cầu lao động. Nhà xuất bản Đại học Princeton.

Lenza, M., Primiceri, GE, 2020. Cách ước tính VAR sau tháng 3 năm 2020. Báo cáo kỹ thuật, Cục nghiên cứu kinh tế quốc gia.

Lichter, A., Peichl, A., Siegloch, S., 2015. Độ co giãn của cầu lao động theo tiền lương của bản thân: Một phân tích hồi quy tổng hợp. Ơ. kinh tế. Rev. 80, 94–119.

Mongey, S., Pilossoph, L., Weinberg, A., 2020. Những người lao động nào chịu gánh nặng của chính sách giãn cách xã hội? Trong: Tài liệu làm việc 27085, Văn phòng quốc gia về
Nghiên cứu Kinh tế.

Sims, CA, Zha, T., 1998. Phương pháp Bayes cho các mô hình đa biến động. quốc tế. kinh tế. Rev. 949–968.

Smets, F., Wouters, R., 2007. Những cú sốc và xung đột trong chu kỳ kinh doanh của Hoa Kỳ: Cách tiếp cận DSGE của Bayes. Mỹ. kinh tế. Rev. 97 (3), 586–606.

Uhlig, H., 2017. Sốc, hạn chế ký hiệu và nhận dạng. Trong: Những tiến bộ trong Kinh tế học và Kinh tế lượng: Tập 2: Đại hội Thế giới lần thứ 11, tập. 59. Cambridge

Nhà xuất bản Đại học, tr. 95.

20