AdobeStock_353029286.jpeg
VoxEU 新型冠状病毒肺炎 劳动力市场

临时裁员是衡量公司对未来的预测

在2019冠状病毒病大流行期间,临时裁员激增。本专栏分析了奥地利数据中的临时裁员,并认为临时裁员的比例包含了雇主对其业务未来的预测。

企业经常面临裁员的需要,以应对需求或生产率的冲击。如果预计劳动力的减少是暂时的,那么最终重新雇用同一名工人可以使公司避免雇用成本,使工人避免寻找成本,并保留潜在的公司特定的人力资本。然而,下岗工人可能不会等待。一个多世纪以来,解决这一问题的方法是,公司与员工沟通他们对离职的短暂性的看法,从而在员工方面产生被重新聘用的期望(Floud et al. 2014)。

临时裁员与非临时或永久性裁员有很大区别。工人寻找的机会更少(Katz and Meyer 1990, Nekoei and Weber 2015),但通过被召回更快地摆脱失业(Feldstein 1975, Katz 1986, Katz and Meyer 1990, Nekoei and Weber 2015)。被召回的工人倾向于获得失业前的工资,避免了通常的下岗后工资损失(Katz和Meyer 1990, Nekoei和Weber 2015, Fujita和Moscarini 2017)。

图1失业人员中临时裁员的比例缺乏趋势

请注意:美国1967年1月至2020年4月的月份额。该份额以一些历史高点为标志:1975年6月、1980年6月、2020年3月和4月。减弱上个月的份额以使其余数据可见。横线显示的是整个时期内平均临时失业占失业人数的比例。季节性调整。资料来源:现行人口调查(CPS)。

在2020年封锁期间,临时裁员飙升至历史最高水平(图1)。从临时裁员的普遍现象中,我们可以推断出当前经济危机的本质是什么?我们认为,保持裁员规模不变的临时裁员比例,揭示了企业对未来复苏的预测。

临时裁员比例作为公司对其业务预测的一个指标

在最近的研究中(Nekoei和Weber 2020),我们使用来自奥地利的独特行政数据来检验这一假设,在那里,2004-2013年期间所有工作离职的裁员类型(临时或永久性)都被记录了下来。我们的数据的新颖之处在于,它包括了预期的再就业日期。在奥地利,被视为临时解雇的失业工人需要提供一份书面文件,说明重新雇用的预计日期。然后,将这些数据与社会保障和失业登记进行匹配,其中包含日工资、确切的就业期限和获得的失业救济等信息。

图2目前的TL股份和未来的召回和分离(公司层面)

请注意:当前TL份额和未来下岗职工召回可能性和在职职工离职可能性。(左面板)按裁员类型、临时裁员(TL)或永久性裁员(PL)进行召回的可能性(右面板)与未来六个月相对于当月的裁员人数之比(右面板)与当月公司被解雇工人中当前TL所占比例之间的关系的100箱散点图。灵活控制裁员规模、行业、地区和日历月份的相互作用(季节性)。修正将x轴的范围扩展到[0,1]区间之外。

图2调查了一个工人未来的就业前景和她所在公司或行业的当前临时裁员比例之间的关系(既控制了裁员的规模,也控制了行业和地区)。一般来说,临时裁员比永久性裁员被召回的几率更高。有趣的是,被解雇的员工被旧雇主重新雇用的可能性随着被解雇人群中临时裁员的比例的增加而增加,不管是临时裁员还是永久裁员。因此,临时裁员比例的增加是未来可能重新雇佣的积极信号,即使是那些没有承诺被召回的人。

同样重要的是,我们发现在裁员中,较高的临时裁员比例意味着那些在裁员期间保留工作的工人在接下来的六个月里不太可能被解雇(图2,右边的面板)。有关行业层面的类似结果,请参见Nekoei和Weber 2020。

这两个证据表明,如果一家公司或一个行业的裁员数量表明了当前所面临的冲击的程度,那么这些裁员中临时裁员占比就揭示了雇主对其业务未来的预测:临时裁员占比越高,就意味着公司对其复苏的预期越积极。

因此,我们认为,临时裁员几乎可以作为雇主预测的实时指标。由于就业办公室通常会记录裁员是否是临时的,所以无论是在部门层面,还是在企业层面,政策制定者都可以观察到临时裁员的比例。我们在图2中对奥地利使用了这样的数据。研究临时裁员占比的另一个潜在数据来源是劳动力调查,如图1中使用的CPS。然而,与就业办公室的行政数据相反,调查并不能涵盖所有失业工人,因此不能给出经济的完整形象

临时裁员的普遍现象

理论模型预测,对于难以以同样的工资被取代的工人来说,临时裁员是很常见的。这包括那些内在的或积累的匹配特定质量高的工人,或者当一个工人在当前公司特别有生产力并且积累了公司特定的人力资本。

从经验上讲,我们在奥地利数据(Nekoei和Weber 2020)中阐述了临时裁员流行的三种关键模式:

首先,临时裁员在工资分布的中上阶层更为普遍。这种反u型模式可能是由于两种相互抵消的力量在起作用:一方面,高技能工人的替换成本更高(例如,他们具有更高的企业特有人力资本);另一方面,对于工资较高的工人来说,等待召回的机会成本更高。

其次,在大规模裁员的情况下,如果同时解雇更多的工人,临时裁员份额和有临时裁员条件的召回率会更高。小规模裁员更可能是由于工人水平的低效率(相对于生产率的高工资),而不是公司水平的生产率或需求冲击。

第三,同样,行业层面的大规模裁员(衰退)也伴随着更高的召回份额这主要是由于临时裁员和永久裁员的召回率都较高,而不是临时裁员占比较高。临时工和永久性裁员的反周期召回率表明,如果我们假设临时裁员部分揭示了雇主对企业未来的预测和召回的可能性,雇主没有充分调整他们的预测以适应经济周期。雇主低估了平均回归,因此他们在经济低迷时期相对悲观,在经济扩张时期相对乐观。

图3新工作的工资与前同事的离职有关

请注意:失业前与失业后工作之间的工资变动对数只适用于在参考日期(即部分失业前同事被解雇的日期)前后找到新工作(未被解雇)的工人。

临时下岗职工的工作成果

我们在Nekoei和Weber 2020中使用的数据的一个新方面是雇主传达的预期再雇佣日期的信息(召回日期),这使我们能够跟踪临时裁员的结果相对于最初的召回承诺。利用社会保险记录,我们发现大多数召回发生在沟通的召回日期前后。在失业期间,接受新工作的风险上升,接受的新工作工资在召回日下降。当前同事被召回时,也会出现同样的情况,这被认为降低了自己被召回的几率(图3)。

受Katz和Meyer (1990b)的启发,我们关注的是那些在召回日期之前没有找到新工作的非召回临时裁员。其中一半的人永远找不到工作,这意味着临时性裁员相对于永久性裁员的提前排序。通知的召回日期越远,接受的新工作工资就越低,无论是无条件的还是有非雇佣期限的(图4)。

这表明,等待更晚的召回日期是昂贵的。然而,工人会考虑到这一点(至少部分),当面临以后的解雇日期时,他们会在失业期间的每个点降低目标工资。最好的证据是,在失业初期找到的新工作,等待时间越长,工资越低,而裁员前的工资是恒定的(图4)。

图4临时裁员的结果根据裁员和预期召回日期之间的等待时间长短而定

请注意:工资日志,包括裁员前工资,召回工资,公司月新工作工资,任何新工作工资无条件和有条件的非雇佣时间(NED)。控制因素是企业固定效应、工资、任期、地区、企业规模、时间(季度)与行业的相互作用;以及年龄、学历、性别、婚姻状况、蓝领等指标,包括所有交互项。如果用3位数的行业固定效应来代替固定效应,结果非常相似。

一个解释

从这些事实中可以得出一个框架:当企业对难以以相同工资取代的工人感到暂时的冲击时,就会使用临时裁员。这包括具有高内在或累积的比赛特定素质的工人。裁员中的临时裁员占比表明雇主对其企业未来的预测几乎是实时的:临时裁员占比越高意味着对企业复苏的预测越积极,增加了临时和永久性裁员的召回可能性,同时降低了未来裁员的可能性。大多数召回都发生在约定的召回日期前后,工人会等待:他们更有选择性,搜索更少,因此在召回日期之前不太可能失业。如果不召回,由于负的持续时间依赖性,这种等待的代价很高。知道这一点后,当被召回的可能性较低且沟通的召回日期较晚时,临时裁员等待的时间会更短。一旦过了召回日期,员工没有被召回,目标工资就会下降,而找到工作的几率就会上升,这表明员工更新了他们的信念。然而,召回是非常有选择性的,因此那些在召回日期后仍然失业的人的就业前景是可怕的:选择可能导致较低的工资,如果不是永久退出劳动力市场。

参考文献

费尔德斯坦,M S(1975),“临时裁员的重要性:实证分析”,布鲁金斯经济活动论文3: 725 - 745。

Floud R, J Humphries和P Johnson (2014),《现代英国剑桥经济史:第二卷,增长与衰退,1870年至今》,剑桥:剑桥大学出版社。

Fujita, S和G Moscarini(2017),“召回与失业”,美国经济评论107(12): 3875 - 3916。

李晓明(1986),“失业、召回与失业持续时间的关系”,《经济研究》。

梅耶(1990b):“失业保险、回忆预期与失业结果”,《经济学人》经济学季刊105(4): 973 - 1002。

Nekoei, A和A Weber(2015),“回忆期望与持续时间依赖”,美国经济评论105(5): 142 - 46所示。

Nekoei, A和A Weber(2020),”关于临时裁员的七个事实, CEPR讨论文件14845。

尾注

另一个区别,尽管不那么重要,是临时裁员定义的细微差别:例如,在CPS中,临时裁员被定义为失业工人,预计在调查时的六个月内被失业前的雇主召回,而在奥地利的数据中,它被定义为在进入工作岗位时有一个预期的重新雇佣日期

2相关地,Fujita & Moscarini 2017在国家层面证明了TL与失业率之间的负相关关系。

840年读

Baidu
map