当职业需求下降时，工人的成本有多高?随着新技术在越来越多的任务中取代人力，一些职业的就业率必然下降。直到最近，技术变革主要是自动化日常生产和文书工作(Autor et al. 2003)。但机器的能力正在扩大，最近的发展包括自动驾驶汽车和在某些任务上优于专业人员的软件。德赢vwin官网手机登录关于这些新技术对劳动力市场影响的辩论正在进行中(例如Brynjolfsson和McAfee 2014年，Acemoglu和Restrepo 2018年)。但在这些辩论中，重要的是不德赢vwin官网手机登录仅要问“机器人会取代我的工作吗?”，还有“如果机器人抢走了我的工作，我的事业会怎么样?”
这事关重大。职业衰退可能会伤害工人及其家庭，还可能对经济不平等、教育、税收和再分配产生更广泛的影响。如果它加剧了经济赢家和输家之间的结果差异，民粹主义力量可能会获得进一步的动力(Dal Bo等人，2019年)。
在一篇新论文中(Edin et al. 2019)，我们探讨了职业就业大幅下降对工人职业生涯的影响。我们收集了一个数据集，其中包括职业就业变化的预测，使我们能够识别出意外的下降，跨越几十年的人口水平的行政数据，以及非常详细的职业分类。这些数据使我们能够比较执行类似任务、对未来职业就业轨迹有相似期望、但实际经历不同职业变化的相似工人的结果。
我们的方法不同于以往对比常规工作者和非常规工作者职业结果的工作(例如Cortes 2016)，因为我们比较的是执行类似任务的工人，如果不是因为职业衰退，他们的职业生涯可能会遵循类似的路径。我们的工作也不同于大规模裁员的研究(例如Jacobson et al. 1993)，因为经历职业衰退的工人可能会在失去工作之前采取行动。
在我们的分析中，我们跟踪每个工人的职业生涯近30年，我们发现，与其他类似的工人相比，处于衰落职业的工人平均会损失2-5%的累积收入。初始收入较低的工人(相对于同职业的其他人)损失更多——约为平均累积收入的8-11%。这些收入损失既反映了失去的就业年数，也反映了有就业条件的收入下降;部分就业损失是由于失业和再培训时间增加，低收入者在失业和再培训上花费的时间更多。
评估职业衰退的后果
我们首先从美国劳工统计局发布的《职业展望手册》(OOH)中收集数据，该手册涵盖了400多个职业。在我们的主要分析中，如果职业的就业率从1984-2016年下降了至少25%，我们将其定义为下降，尽管我们证明了我们的结果在使用其他临界值时是稳健的。OOH还提供了影响每个职业的技术变革的信息，以及随着时间的推移的就业预测。使用这些数据，我们可以区分技术驱动的下降和意外的下降。减少的职业包括排字工、绘图员、校对员和各种机器操作员。
然后我们将OOH数据与详细的瑞典职业进行匹配。这使我们能够研究职业衰退对那些在1985年工作的工人的影响，这些工人的职业在随后的几十年里都在下降。我们证实，美国的就业岗位减少了，瑞典的就业岗位也减少了，劳工统计局对美国的就业预测对瑞典的就业变化具有预测能力。
详细的行政微观数据涵盖了所有瑞典工人，使我们能够解决两个潜在的问题，以确定职业衰退的后果:处于衰退职业的工人可能与其他工人不同，以及即使没有职业衰退，衰退职业也可能不同。为了解决关于个人排序的第一个问题，我们控制了性别、年龄、教育程度和地点，以及1985年的收入。一旦我们控制了这些特征，我们就会发现，在认知和非认知测试分数、父母的教育程度和收入方面，处于衰退职业的劳动者与其他人没有什么不同。为了解决第二个关于职业差异的问题，我们控制了职业收入概况(使用1985年的数据计算)、劳工统计局的预测以及其他职业和行业特征。
评估损失及其发生率的变化
我们发现，与职业没有衰退的类似工人相比，处于职业衰退的黄金年龄工人(1985年为25-36岁)在28年内失去了约2-6个月的就业机会。范围的高端是指我们在相似的工人之间的比较，而范围的低端是指在相似的职业中比较相似的工人。失业人数约占平均累积就业人数的1-2%。相应的收益损失更大，约占平均累积收益的2-5%。考虑到职业的大幅下降，这些平均损失似乎是适度的，但平均结果并不能说明全部情况。每个职业中收入最低的三分之一的人情况更糟，当他们的职业下降时，他们的平均收入会减少8-11%。
我们记录的收入和就业损失反映了花费在失业和政府资助的再培训上的时间增加——对于初始收入较低的工人来说更是如此。我们还发现，面临职业衰退的老年员工退休得稍早一些。
我们还发现，从事1985年后下降的职业的工人不太可能留在原来的职业。很有可能，这种对不断下降的职业的供应减少，有助于减轻留在那里的工人的损失。
我们表明，当我们将分析局限于与技术相关的职业衰退时，我们的主要发现基本上没有变化。
此外，我们发现，职业衰退导致的平均收入和就业损失很小，这并非瑞典独有。我们使用1979年全国青年纵向调查(National Longitudinal Survey of Youth)，对美国工人进行了一个较小的面板数据集，得出了类似的结果。
理论意义
我们的论文还考虑了我们的发现对罗伊(1951)模型的影响，该模型是劳动经济学家的主力模型。我们表明，在关于技能分布的各种假设下，无摩擦罗伊模型预测在初始职业收入排名中损失正在增加。这一预测与我们的发现不一致，即职业衰退导致的最大收入损失发生在那些收入最少的人身上。为了协调我们的发现，我们在模型中添加了摩擦:我们假设在一个职业中收入很少的工人，如果他们试图换工作，他们会花费更多的时间寻找工作或再培训。这种模型的扩展，特别是当加上非自愿的工作位移时，使我们能够协调我们的几个实证发现。
结论
关于我们是否应该害怕机器取代人类的工作，学术界和公众都展开了激烈的辩论。新技术不仅可以取代工厂和办公室的工作人员，还可以取代司机和一些专业职业。我们的论文比较了28年来从事相似职业的相似工人。我们发现，尽管那些最初从事后来下降的职业的人在收入和就业方面的平均损失相对温和(收入的2-5%和就业的1-2%)，但低收入者的损失要大得多。
正如现有文献中报道的那样，我们发现，职业衰退造成的损失比经历大规模裁员的工人遭受的损失要小。由于我们研究的职业衰退持续了数年甚至数十年，其对个体工人的成本可能通过退休、减少进入衰退职业的人数以及增加从工作到其他职业的跳槽人数来减轻。与工厂关闭等大规模、突然的冲击相比，我们研究的衰退对当地经济的影响可能也不那么明显。
虽然我们发现损失平均来说是适度的，但有几个原因可以解释为什么未来的职业衰退可能会产生不利影响。首先，虽然我们研究的是意料之外的下降，但下降是相当缓慢的。例如，在机器学习的快速发展之后，突然的冲击可能会带来更大的成本。其次，我们研究的职业衰退主要影响了低技能和中等技能的职业，这些职业需要的人力资本投资比未来可能受到影响的职业要少。最后，或许也是最重要的一点，我们的研究结果表明，低收入个人已经遭受了相当大的(税前)收入损失，即使在瑞典，那里的机构都在努力减轻这些损失，并为职业转型提供便利。帮助这些工人在面临职业衰退时保持生产力仍然是政府面临的一项重要挑战。
参考文献
阿西莫格鲁，D和P Restrepo(2018)，“人与机器之间的竞赛:技术对增长、要素份额和就业的影响，”美国经济评论108(6): 1488 - 1542。
Autor, D, F Levy和R J Murnane(2003)，“最近技术变革的技能含量:实证探索”，经济学季刊118(4): 1279 - 1333。
Brynjolfsson, E和A McAfee (2014)，第二次机器时代:辉煌技术时代的工作、进步与繁荣美国诺顿公司
科尔特斯，G M(2016)，“中等工资工人去哪里了?”利用面板数据的偏振研究，"劳动经济学杂志34(1): 63 - 105。
Dal Bo, E, F Finan, O Folke, T Persson和J Rickne(2019)，“经济失败者和政治赢家:瑞典的激进右翼”，工作论文。
Edin, P, T Evans, G Graetz, S Hernnäs和G Michaels(2019)，”职业衰退的个体后果CEPR讨论文件13808。
Jacobson, L S.， R J LaLonde，和D G Sullivan(1993)，“失业工人的收入损失”，美国经济评论83(4): 685 - 709。
罗伊，A·D(1951):“关于收入分配的一些思考”牛津经济论文3(2): 135 - 146。
