Employment and Earnings Effects of Displaced Workers:

Evidence from Unexpected Firm Closures due to Sudden Death of Firm Owners

NØF: Koldingfjord 2014Januar, 2014

Andreas Orebo Hansen & Esben Anton Schultz

1

Agenda

1. Introduktion2. Empiriske analyser af displacement effekter3. Identifikationsstrategi og deskriptiv statistik4. Empiriske resultater5. Vurdering af resultater og konklusion6. Næste skridt: Mulige add-ons

2

1. Introduktion

3

Hvorfor er det interessant at undersøge effekterne af at blive fyret?

– Socialt aspekt: Hvad er de individuelle (økonomiske) omkostninger er af, at blive fyret.

– Samfundsøkonomisk aspekt: Hvad er de samfundsmæssige omkostninger af, at folk bliver fyret.

– Policy implikationer: Displacement effekter giver en indikation af betydningen af branche- og virksomhedsspecifikke faktorer i løndannelsen, og kan derfor være retningsbestemmende for den aktive arbejdsmarkedspolitiske indsats.

– OBS: En egentlig diskussion af effekternes policyimplikationer er uden for rammerne af papirets analytiske formål.

2. Empiriske analyser af displacement effekter

4

Følgende resultater kan rapporteres fra litteraturen:– Effekterne varierer afhængig af benyttet data

(survey/administrativt) og på tværs af brancher og konjunkturer.– Der findes også stor variation i effekterne på tværs af lande:

• De største effekter findes i Tyskland, Italien, Storbritannien og USA.

• Effekterne i de skandinaviske lande, Belgien og Japan er moderate.

• Forskelle i effekternes størrelse kan oplagt skyldes forskelle i arbejdsmarkedsstrukturer (ex høj jobomsætning i Danmark som følge af ”flexicurity”).

– Der foreligger et studie på danske data [Albæk et al. (2002)], hvorfra følgende kan rapporteres:• 1. årseffekter: -4,0% på timelønnen og -6,4% på årslønnen (for

genansatte).• 3. årseffekter: -4,7% på timelønnen og -6,8% på årslønnen (for

genansatte).• Dvs. moderate, men vedvarende tab.

3. Identifikationsstrategi

5

Svært at måle displacement effekter…– Der eksisterer et fundamentalt identifikationsproblem når man vil

undersøge effekterne af displacement.– Problemet er, at det ikke er tilfældigt hvem der bliver fyret,

hvorfor der eksisterer et endogenitetsproblem.

Litteraturens forsøg på at løse problemet…− Der forsøges at tage høje for dette problem ved at benytte

virksomhedslukninger som en slags naturligt eksperiment.− Problemet med dette er, at det ikke er tilfældigt hvilke

virksomheder, som lukker. Dvs. der opstår nyt endogenitetsproblem…

− Dette problem kan ofte identificeres i data som et Ashenfelter’s Dip (se næste slide).

3. Identifikationsstrategi

6

Ashenfelter’s Dip

Pre-displacement

3. Identifikationsstrategi

7

Det har således endnu ikke været muligt at identificere en eksogen variation som har muliggjort identifikation af de ”sande” displacement effekter.

Sudden death-identifikation…– I dette papir benyttes det omfattende danske registerdata til at

identificere eksogen variation via en indtil nu ubenyttet identifikationsstrategi.

– Ved at identificere virksomhedslukninger som følge af ejerens pludselige død genereres eksogen variation i beskæftigelsesstatus.

– Denne eksogene variation gør det muligt at undgå de endogenitetsproblemer der hidtil har plaget litteraturen.

Identifikationen udføres på følgende vis…

3. Identifikationsstrategi

8

3. Identifikationsstrategi

9

3. Identifikationsstrategi

10

Dvs. (594-445=) 149 virksomheder lukker ikke i den betragtede periode…

3. Identifikationsstrategi

11

3. IdentifikationsstrategiTo potentielle trusler mod identifikation:1. Det er ikke tilfældigt hvilke virksomheder der lukker som

følge af ejerens pludselige død (husk, at ikke alle virksomheder lukkede efter ejerens død).– Addresseres i papiret ved at benytte de beskæftigede i de ikke-

lukkede virksomheder som treatment-gruppe.– Resultat: Ingen signifikante behandlingseffekter (vises senere).– Fortolkning: Indikation af, at det er tilfældigt hvilke

virksomheder som lukker.

2. Det er ikke tilfældigt hvilke virksomhedsejere som dør pludseligt (ex pga. ”risky behavior”).– Addresseres ikke i papiret, men kan undersøges ved kun at

kigge på død som følge af trafikuheld, ex.– Resultat: TBA.– Fortolkning: Såfremt der ikke findes signifikant andre effekter

her, så er det en indikation af, at ”risky behavior” ikke er en trussel mod identifikationen.

12

3. Deskriptiv statistik

13

4. Empiriske resultater

14

Empiriske resultater opdelt i…

1. Grafisk evidens2. Estimationsanalyse

Der benyttes en difference-in-differences (DiD)tilgang som har to identificerende antagelser:

3. Ingen sammensætningsændringer over tid: Opfyldt som følge af den eksogene variation (dvs. ikke mulighed for selvselektion).

4. Common trend-antagelse, dvs. grupperne skal følge den samme underliggende trend over tid: Undersøges ved grafisk inspektion.

4. Empiriske resultater: Grafisk evidens

15

Effekten af displacement på beskæftigelse

DiD:2,5 %

DiD:7,3 %

Markant fald i beskæftigelses-graden

umiddelbart efter displacement, men

herefter konvergens tilbage.

Common-trend antagelse opfyldt!

Ingen tegn på Ashenfelter’s Dip…

4. Empiriske resultater: Grafisk evidens

16

Effekten af displacement på årlig lønindkomst

DiD:5,9 %

DiD:9,5 %

Ligeledes et markant fald i årlig lønindkomst umiddelbart efter

displacement. Effekten er varig. Måske drevet af

lavere timeløn/ kortere arbejdstid?

Common-trend antagelse opfyldt!

Ingen tegn på Ashenfelter’s Dip…

4. Empiriske resultater: Grafisk evidens

17

Effekten af displacement på timeløn (balanceret panel)

DiD:2,5 %

DiD:0,7 %

Ingen umiddelbar effekt på timeløn. Dog et fald

efter fire år, hvilket også kan forklare effekten på den årlige lønindkomst.

Common-trend antagelse opfyldt!Ingen tegn på Ashenfelter’s Dip…

4. Empiriske resultater: Grafisk evidens

18

Robusthedstjek:

• Skyldes effekterne blot, at de virksomheder, som lukker som følge af ejerens død, er nogle specielt svage virksomheder.

• Mao.: Er de fundne effekter et resultat af en selektion snarere end displacement effekter?

• For at undersøge dette sammenlignes udviklingen i de tre variable nu med arbejderne i de ikke-lukkede virksomheder, hvor ejeren er død.

• Såfremt der ikke findes forskelle er det en indikation af, at de fundne effekter ikke skyldes selektionsbias…

4. Empiriske resultater: Grafisk evidens

19

Udviklingen i beskæftigelsesgraden

Ingen indikation af selektionsbias…

4. Empiriske resultater: Grafisk evidens

20

Udviklingen i årlig lønindkomst

Ingen indikation af selektionsbias…

4. Empiriske resultater: Grafisk evidens

21

Udviklingen i timeløn (balanceret panel)

Ingen indikation af selektionsbias…

4. Empiriske resultater: Estimationer

22

Figurerne giver indikationer af signifikante displacement effekter, men numerisk analyse er nødvendig for at afgøre om forskellene er statistisk signifikante…

…derfor estimeres følgende model:

– for displaced workers, og 0 ellers.– for displacement og 1 efter.– , hvis displaced og perioden er efter.– er en vektor bestående af observerbare karakteristika.– er årsdummyer som tager højde for den makroøkonomiske udvikling.

Opfanger effekten på af displacement

4. Empiriske resultater: Estimationer

23

Table D1: Regression Analysis of Short-Term Displacement effectsResponse variable:

Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.

Treat (d) 0.00174 (0.013) -26,819.2*** (8027.294) -24631.2*** (7,474.114) -14.85*** (4.463)Post (d) -0.0743*** (0.013) -19,328.2** (8054.020) -4,213.1 (7,601.550) 9.517** (4.370)Treat x Post (d) -0.0770*** (0.019) -24,995.3** (11375.499) -4,337.1 (10,894.870) 1.196 (6.262)Explanatory variables:Age 0.000525 (0.003) 4,260.0** (2,097.522) 4,498.5** (2,037.128) 3.831** (1.195)Age2 -0.0000408 (0.000) -91.21*** (25.625) -88.08*** (24.969) -0.0509*** (0.015)Male (d) 0.0194* (0.011) 6,4617.3*** (6,590.991) 6,5411.7*** (6,305.682) 37.19*** (3.673)Immigrant (d) 0.0379 (0.025) -1,656.8 (1,5147.641) 12,000.9 (14,766.060) -13.98 (8.728)Primary education (d) -0.0211** (0.010) -30,680.0*** (5,910.973) -29,688.0*** (5,659.870) -23.19*** (3.259)White-collar (d) 0.00731 (0.014) 57,670.7*** (8,599.802) 60,450.9*** (8,230.688) 31.89*** (4.736)Experience 0.00371 (0.002) 9,823.3*** (1,444.094) 9,988.6*** (1,391.890) 1.672** (0.832)Experience2 -0.0000432 (0.000) -139.2*** (38.253) -143.9*** (36.744) -0.0182 (0.022)Tenure 0.000627 (0.003) 3,828.5** (1,803.751) 3,261.4* (1,738.117) -0.965 (0.979)Tenure2 0.0000114 (0.000) -193.8** (81.876) -159.1** (79.427) 0.0192 (0.044)Constant 1.023*** (0.063) 144,200.1*** (38,649.302) 13,1873.6*** (36,985.136) 106.1*** (21.924)

Year of displacement dummiesR2

Sample size

(1) (2) (3) (4)

Yes0.22862102

Yes0.15202029

Yes0.21892222

Yes0.10452219

Employment Hourly Wages

All All Reemployed Reemployed

Annual Earnings

-10,6%

4. Empiriske resultater: Estimationer

24

Table D2: Regression Analysis of Long-Term Displacement effectsResponse variable:

Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.

Treat (d) 0.00131 (0.014) -27,412.9** (8,476.049) -25,365.3** (7,779.648) -14.97** (4.869)Post (d) -0.149*** (0.015) -21,454.1** (9,114.046) 13,797.1 (8,684.240) 37.05*** (5.217)Treat x Post (d) -0.0273 (0.021) -14,128.3 (12,645.048) 595.2 (12,220.405) -8.747 (7.265)Explanatory variables:Age 0.0140*** (0.004) 4,911.4** (2,354.385) 3,065.5 (2,329.226) 4.602** (1.408)Age2 -0.000244*** (0.000) -106.2*** (28.870) -68.40** (28.849) -0.0634*** (0.017)Male (d) 0.0285** (0.012) 69,283.3*** (7,264.657) 70,683.7*** (6,940.065) 44.44*** (4.231)Immigrant (d) 0.0191 (0.030) -31,314.5* (17,592.243) -12,050.6 (17,170.986) -31.44** (10.537)Primary education (d) -0.0198* (0.011) -34,315.2*** (6,549.707) -34,025.3*** (6,269.976) -25.19*** (3.757)White-collar (d) 0.0222 (0.016) 65,236.9*** (9,251.579) 6,4266.2*** (8,810.138) 34.02*** (5.304)Experience 0.000305 (0.003) 7,581.7*** (1,624.341) 7,916.4*** (1,593.543) 0.211 (0.979)Experience2 0.0000744 (0.000) -98.19** (43.303) -111.9** (42.729) 0.0109 (0.026)Tenure 0.00337 (0.003) 3,790.2* (2,020.100) 2,597.8 (1,954.821) -0.528 (1.186)Tenure2 -0.0000935 (0.000) -180.4* (92.243) -118.7 (90.530) 0.00927 (0.055)Constant 0.795*** (0.077) 16,7151.2*** (45,588.251) 17,5366.6*** (43,736.684) 115.0*** (24.809)

Year of displacement dummiesR2

Sample size 2022 2027 1871 1815

(1) (2)

Yes Yes Yes Yes0.1682 0.2013 0.1947 0.1821

Employment Annual Earnings Hourly Wages

All All Reemployed Reemployed(3) (4)

-7,0% -2,6%Signifikante ved større sample?

4. Empiriske resultater: Estimationer

25

Table D3: Group-specific displacement costsResponse variable:

Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.

Treat (d) 0.01000 (0.110) 0.0160 (0.158) -19,0161.6** (70,331.623) 3,577.2 (97,299.623)Post (d) 0.161 (0.114) 0.166 (0.161) -23,0820.2** (73,130.592) -33,342.5 (99,040.501)Treat x Post (d) -0.565** (0.193) -0.570** (0.224) 25,5650.7** (123,586.378) 57,970.0 (138,001.315)Interactions:Age 0.0372** (0.012) 0.0377** (0.013) -6,186.1 (7,419.286) -2,814.2 (8,306.403)Age2 -0.000476*** (0.000) -0.000480** (0.000) 83.14 (90.524) 21.19 (101.217)Male (d) 0.0181 (0.036) 0.0144 (0.042) -6,3717.9** (2,3092.487) 23,324.3 (25,752.156)Immigrant (d) -0.0213 (0.086) -0.0111 (0.097) -12,787.4 (54,778.146) 1,715.2 (59,784.466)Primary education (d) 0.0314 (0.033) 0.0294 (0.038) 27,925.3 (20,853.038) -14,629.9 (23,198.006)White-collar (d) -0.0394 (0.046) -0.0403 (0.053) -60,525.3** (29,554.693) 11,748.8 (32,729.105)Experience -0.0232** (0.008) -0.0239** (0.009) -13,277.2** (5,172.677) -4,051.3 (5,745.672)Experience2 0.000593** (0.000) 0.000623** (0.000) 248.9* (137.767) 116.8 (151.683)Tenure -0.00971 (0.010) -0.00972 (0.011) -3,191.6 (6,248.168) 2,931.3 (6,967.230)Tenure2 0.000369 (0.000) 0.000365 (0.001) 10.08 (283.327) -208.5 (316.459)

Explanatory variablesYear of displacement dummiesR2

Sample size0.1359 0.1791 0.23912219 2222 2222

0.13612219

All All All

Yes Yes Yes

All

YesNo Yes No Yes

Annual Earnings(1) (3) (4)

Employment(2)

4. Empiriske resultater: Grafisk evidens

26

Robusthedstjek:

• Igen undersøges om effekterne blot skyldes, at de virksomheder, som lukker som følge af ejerens død, er nogle specielt svage virksomheder.

• For at undersøge dette, benyttes arbejderne i de ikke-lukkede virksomheder, hvor ejeren er død, nu som treatment-gruppe.

• Såfremt der ikke findes signifikante forskelle kan det afvises, at de fundne effekter skyldes selektionsbias…

4. Empiriske resultater: Estimationer

27

Table D4: Regression Analysis of Treatment Effects for Non-displaced Workers in Firms Not Closing Following Owners DeathResponse variable:

Population:Coeff. S.E. Coeff. S.E. Coeff. S.E. Coeff. S.E.

Treat (d) -0.00152 (0.012) -17,416.5** (7,878.275) -16,850.8** (7,468.319) -13.95** (4.601)Post (d) -0.0743*** (0.011) -19,302.4** (7,624.959) -3,777.3 (7,331.729) 9.412** (4.447)Treat x Post (d) -0.00726 (0.016) 722.5 (10,606.755) 2,374.4 (10,207.326) 4.113 (6.188)Explanatory variables:Age 0.00590** (0.003) 6,846.7*** (2,010.361) 6,672.5*** (1,958.416) 6.460*** (1.211)Age2 -0.000107** (0.000) -120.1*** (24.450) -113.6*** (23.831) -0.0826*** (0.015)Male (d) 0.00688 (0.009) 6,6248.1*** (6,169.761) 6,9135.0*** (5,928.419) 35.66*** (3.638)Immigrant (d) 0.0200 (0.019) -1,942.8 (13,091.156) 7,838.1 (12,774.185) 3.609 (8.042)Primary education (d) -0.0210** (0.008) -26,775.1*** (5,686.919) -27,539.0*** (5,478.460) -20.55*** (3.324)White-collar (d) 0.0158 (0.012) 58,879.6*** (7,911.847) 59,819.5*** (7,607.933) 36.24*** (4.585)Experience 0.00416** (0.002) 8,225.7*** (1,390.292) 7,828.2*** (1,354.800) 0.693 (0.845)Experience2 -0.0000705 (0.000) -88.48** (36.136) -75.72** (35.110) 0.0120 (0.022)Tenure 0.00660** (0.003) 4,886.8** (1,715.885) 3,436.3** (1,655.662) -0.601 (0.993)Tenure2 -0.000282** (0.000) -212.2** (77.337) -152.4** (74.802) -0.00201 (0.044)Constant 0.927*** (0.055) 89,498.6** (38,609.615) 82,088.4** (37,246.378) 43.27* (22.301)

Year of displacement dummies

R2

Sample size

Employment Annual Earnings Hourly Wages(1) (2) (3) (4)All All Reemployed Reemployed

Yes Yes Yes Yes

0.0841 0.2481 0.2610 0.18082290 2293 2220 2150

Ingen indikation af selektionsbias!

5. Vurdering af resultater og konklusion

28

Følgende kan konkluderes på baggrund af analysens resultater:

– Papiret er som det første i litteraturen i stand til at identificere en eksogen variation. Dermed undgås de endogenitetsproblemer som hidtil har plaget litteraturen.

– Papiret bringer evidens for moderate displacement effekter på det danske arbejdsmarked.→ Beskæftigelsesgrad:

→ 1. årseffekter: -7,7%→ 5. årseffekter: -2,7% (signifikant?)

→ Årlig lønindkomst: → 1. årseffekter: -10,6% / 0% for genansatte.→ 5. årseffekter: 7,0% (signifikant?) / 0% for genansatte.

→ Timeløn:→ 1. årseffekter: 0%→ 5. årseffekter: -2,6% (signifikant?)

5. Vurdering af resultater og konklusion

29

Vurdering af effekternes størrelsesorden:

De fundne effekter er i underkanten af hvad Albæk et al. (2002) fandt:

Potentielle forklaringer på forskelle:→ Sudden death-identifikationen undgår endogenitetsproblemerne som

kan lede til upward bias.→ Forskelle i analyseperioder.→ Forskelle i sample means (og dermed typer af arbejdere).

Årlig lønindkomst (genansatte)

Timeløn

Studie: Kort sigt Langt sigt

Kort sigt

Langt sigt

Orebo Hansen (2013)Albæk et al. (2002)

0% 0% 0% -2,6%-4,7%-4,0%-6,8%-6,4%

6. Næste skridt: Mulige add-ons• Undersøgelse af effekter på tilfældigt døde, hvor

dødsårsag er trafikuheld– Ved at gøre dette kan man undersøge, om der er nogle

selektionseffekter af ”risky behavior”, dvs. om identifikationen er påvirket af, at nogle virksomhedsejere eksempelvis fører en mere usund livsstil.

• Undersøgelse af branchespecifikke displacement effekter.– Ved at undersøge om der er særligt store displacement

effekter for de personer, som finder beskæftigelse i en ny sektor end den de blev afskediget fra.

• Diskussion af effekternes størrelse afhængig af arbejdsmarkedsregime.

• Addresering af eksternt validitetsproblem.

30