tóm tắt bài báo kinh tế ưd

Bài đọc “People I know: job search and social networks” Federico Cingano và Alfonso Rosolia, 2012 Tạp chí Journal of Labor Economics, quyển 30, số 2, trang 291-332 Thuật ngữ Unemplo

KHOA KINH TẾ

- -

Tóm tắt bài đọc

PEOPLE I KNOW:

JOB SEARCH AND

SOCIAL NETWORKS

Federico Cingano và Alfonso Rosolia, 2012

(Kinh tế học ứng dụng)

HUỲNH CHÍ THIỆN MSHV: 7701261057A Cao học KTPT-2016

TP.HCM, tháng 04 năm 2017

Bài đọc

“People I know:

job search and social networks”

Federico Cingano và Alfonso Rosolia, 2012

(Tạp chí Journal of Labor Economics, quyển 30, số 2, trang 291-332)

Thuật ngữ

Unemployment duration: thời gian thất

nghiệp

Employment rate: tỷ lệ việc làm

Entry wage: lương khởi điểm

Reservation wage: lương kỳ vọng Peer pressure: áo lực đồng trang lứa Arrival rate: tỷ lệ xin được việc Acceptance threshold: ngưỡng đồng ý

Social network: tạm dịch mạng lưới xã hội của 1 cá nhân, phân biệt với trang mạng xã hội trong tìm việc làm

1 ĐẶT VẤN ĐỀ

Nghiên cứu đánh giá thực nghiệm về mạng lưới xã hội có lẽ vẫn khó thực hiện vì: thông tin xác định không dễ dàng/không khả dụng (unavailable actual contacts); thường nội sinh; vấn đề trong việc xác định mối liên quan với hiệu ứng lan truyền thông tin…Bài viết này thực nghiệm đo lường mạng xã hội định lượng theo tỷ lệ việc làm và quy mô mạng lưới đó (số đồng nghiệp)

2 MỤC TIÊU NGHIÊN CỨU

Thời gian thất nghiệp của các cá nhân sau khi công ty ngưng hoạt động có bị

ảnh hưởng bởi tình trạng việc làm hiện thời trong mạng xã hội của cá nhân đó hay

không?

Ảnh hưởng này là do hiệu ứng lan truyền thông tin hay là kênh tương tác khác

của mạng xã hội?

* DỮ LIỆU: 13 triệu mối quan hệ, 1.2 triệu ghi chép việc làm ở 2 tỉnh Bắc Ý giai đoạn 1975-1997 Xem xét công ty ngưng hoạt động từ 1980-1994, 3 năm cuối theo dõi tình hình được tuyển dụng lại Mẫu cuối cùng có 9121 cá nhân trong độ tuổi lao động, 1195 công ty đóng cửa

Nghiên cứu này giới hạn cá nhân thất nghiệp chỉ do công ty ngưng hoạt động;

xác định mạng lưới xã hội dựa trên lịch sử làm việc, số đồng nghiệp trong 5 năm

trước thời điểm được tính là thất nghiệp

3 CƠ SỞ LÝ THUYẾT

Thông tin việc làm thường lan truyền nội bộ trong những nhóm người tương tự nhau về một số đặc điểm (ngành nghề, quê quán…) Những cá nhân hiện có việc làm, chủ yếu là mạng lưới đồng nghiệp trước đây sẽ là nguồn tin quan trọng Mức độ kết nối xã hội sẽ giúp giải quyết tình trạng thất nghiệp

Với người tìm việc, các chỗ đã từng làm là nguồn kết nối xã hội chính và cũng bởi vì đồng nghiệp cũ là nguồn thông tin tham khảo tự nhiên nhất Granovetter (1995) ghi nhận rằng người quen trong công việc trước đây là nguyên nhân chính cho nhiều việc làm qua liên hệ cá nhân Rất hợp lý vì họ là người trực tiếp biết về kỹ năng và động lực của người tìm việc này cũng như những thông tin liên quan, yêu cầu mà việc làm đang tuyển đòi hỏi đối với người tìm việc

4 MÔ HÌNH PHÂN TÍCH

ui: thời gian thất nghiệp của cá nhân i

ERit : tỷ lệ việc làm trong mạng xã hội

t0: thời điểm bắt đầu thất nghiệp

Nit : quy mô mạng lưới xã hội

Xit : yếu tố khác

eit : yếu tố không quan sát

Hai thách thức chính trong mô hình là:

- Nội sinh: đặc điểm của mạng lưới xã hội không chỉ tác động đến tỷ lệ việc làm (ER) mà cả thời gian thất nghiệp (u) - Sai lệch do biến bị loại bỏ (Omitted variable bias)

- Ảnh hưởng của mạng lưới xã hội không chỉ là việc cung cấp thông tin việc làm (Manski (2000) groups the social effects into those working through an agent’s constraints (1),

through her expectations (2), and through her preferences(3))

4.1 Giải quyết vấn đề nội sinh

1 Đặt giả định/giả thuyết

- Các cá nhân thất nghiệp là cùng công ty  Những đặc điểm khác mà nghiên cứu không quan tâm (unobserved determinants/characteristics) là hoàn toàn tương tự nhau

- Cá nhân thất nghiệp và người liên hệ trong mạng lưới có cùng trải nghiệm (Nghĩa là người liên hệ này “biết rõ” về kỹ năng của cá nhân đang thất nghiệp)

- Sai lệch lựa chọn (Selection bias) tăng khi cá nhân có mạng lưới tốt hơn

 Giả định là các vấn đề trên đều được giải quyết Các đặc điểm của mạng lưới là tương tự nhau

2 Hiệu ứng thay đổi theo thời gian (Time-varying effects) cho các nhân tố nơi

ở (residential location) và kỹ năng (skill type)

3 Kiểm soát các đặc trưng của chủ thuê Giải quyết biến quan sát (observed characteristics) khác có ảnh hưởng đến thời gian thất nghiệp (Cá nhân thất nghiệp có chiến lược lựa chọn chỗ làm) Ý thứ 3 này là để đảm bảo việc có việc làm là hoàn toàn khách quan như nhau

4.2 Xác định kênh tương tác của mạng xã hội lên việc làm

Tất cả các kênh tương tác của mạng xã hội tác động lên hành vi của người tìm việc đều thông qua suy nghĩ (chiến lược) chọn lựa, tìm việc tối ưu Ở đây, mạng lưới

xã hội có thể tương tác qua:

- Kênh thông tin (Áp lực đồng trang lứa tác động đến hành vi cá nhân thất

nghiệp tùy thuộc vào thông tin; thông tin tác động trực tiếp đến mức lương kỳ vọng,

tỷ lệ xin được việc…); hoặc,

- Kênh unexpected innovations

Bài viết giải thích thêm sự tồn tại của kênh unexpected innovations Cách giải quyết mô hình:

1 Đưa thêm các biến độc lập liên quan tình trạng việc làm (các biến này cho

thấy ảnh hưởng của kênh unexpected innovations) vào, qua hồi quy probit và fixed-effect, nếu do kênh unexpected innovations tác động lên tỷ lệ việc làm, kết quả sẽ không bị ảnh hưởng

2 Kiểm tra ảnh hưởng của tỷ lệ việc làm lên lương khởi điểm Tương tự, nếu

do kênh unexpected innovations tác động, sẽ không có sự tương quan giữa chúng

5 KẾT QUẢ (Xem thêm trong bài báo: Table 2 trang 309; Table 3 trang 313) 5.1 Bảng 2 (Kết quả cơ sở)

Cột thứ nhất của bảng liệt kê các đặc điểm cá nhân Kết quả hồi quy cho thấy thời gian thất nghiệp và tỷ lệ việc làm tương quan ngược chiều với nhau; trong khi với quy mô mạng lưới thì tương quan không có ý nghĩa thống kê

Cột 2 xử lý thêm biến thu nhập (căn cứ lương trung bình thời điểm mất việc; mức tăng lương trung bình) và thời gian thất nghiệp trung bình trong 5 năm trước Các nhân tố này đều là đặc điểm mạng lưới, thuộc phần dư trong mô hình Cả hai đều

tương quan có ý nghĩa thống kê với thời gian thất nghiệp; hệ số tương quan của tỷ lệ việc làm không bị ảnh hưởng nhiều

Cột 3 xử lý biến số công ty đã làm 5 năm trước để xem xu hướng “nhảy việc”

Đưa thêm biến này để xem xét độ lớn ảnh hưởng lên tỷ lệ việc làm

Cột 4 xử lý biến nơi ở và ngành chuyên môn theo năm Ngành chuyên môn là biến để chỉ kỹ năng đã tích lũy Hai tỉnh khảo sát trong bài báo này ở Ý được chia thành 19 LLM (local labor market), 19 thị trường lao động, chính là biến nơi ở Ngành chuyên môn được phân chia và gắn mã số, có thể tạm dịch là nhóm ngành 2 chữ số (2-digit industry); phân chia chi tiết hơn thành các ngành nhỏ, gọi là ngành 3

chữ số (3-digit industry) Cột 4 xử lý với ngành

Cột 5 tương tự, xử lý theo thời gian với biến lúc này là nhóm ngành Kết quả cho thấy tương quan âm tính có ý nghĩa của tỷ lệ việc làm lên thời gian thất nghiệp Các hệ số tương quan cho thấy khi tỷ lệ việc làm tăng 1SD (20 điểm phần trăm), thời gian thất nghiệp sẽ giảm 7% (khoảng 3 tuần thời gian thất nghiệp trung bình) Tăng lương (biến Wage at displacement) 1SD , thời gian thất nghiệp sẽ giảm khoảng 10% (4 tuần) Kết quả cũng cho thấy quy mô mạng lưới tương quan không có ý nghĩa thống kê

5.2 Bảng 3

Chạy thêm biến để kiểm tra tính vững mô hình Cột (1) là các kết quả cơ sở Cột (2) và (3) xử lý tương quan thời gian thất nghiệp và tỷ lệ việc làm theo các

khoảng thời gian trước khi thất nghiệp Kết quả đều cho thấy tương quan không có ý

nghĩa thống kê, đều nằm trong vùng sai số chuẩn Nghĩa là hành vi của cá nhân thất nghiệp trong việc tìm việc là ổn định, không thay đổi theo thời gian

Cột (4)-(6) xử lý các biến liên quan người liên hệ trong mạng lưới (biến

contact’s ability) Nếu các biến này tác động, hệ số tương quan của tỷ lệ việc làm sẽ

giảm Kết quả cột (4) cho thấy, các biến đã khảo sát có tương quan nhẹ với thời gian thất nghiệp nhưng lại không ảnh hưởng đến tỷ lệ việc làm Cột (5) và (6) cũng tương

tự, tỷ lệ việc làm không bị ảnh hưởng

Các cột còn lại giải quyết kênh tương tác Cột (7), (8) xử lý biến tỷ lệ việc làm

mong đợi Kết quả cho thấy ảnh hưởng âm tính không có ý nghĩa thống kê, không ảnh

hưởng đến tỷ lệ việc làm của mạng lưới

Cột (9), xử lý biến lương khởi điểm Hệ số tương quan rất thấp và không có ý nghĩa thống kê

Các kết quả trong Table 3 cho thấy unexpected innovations ảnh hưởng âm tính

có ý nghĩa thống kê lên thời gian thất nghiệp Mạng lưới xã hội tác động không chỉ là

là ở nguồn thông tin mà còn là những cải tiến thích nghi với thị trường lao động

6 KẾT LUẬN

Trong bài báo này, hiệu quả tìm việc chịu tác động của tỷ lệ việc làm trong mạng lưới cũng như các đặc điểm mạng lưới liên quan việc trao đổi thông tin Thời gian thất nghiệp ít hơn khi có nhiều chia sẻ của người hiện có việc làm; ảnh hưởng càng khuếch đại lên nếu người liên hệ tích cực trong hoạt động tìm việc và người chủ thuê mới tương cận về địa lý cũng như ngành chuyên môn (Tương cận về địa lý ở đây

là công ty mới cùng hoặc gần LLM với cá nhân thất nghiệp)

Quan hệ gắn bó (Strong ties) sẽ làm tăng hiệu quả của mạng lưới

Kênh tác động chính của mạng lưới xã hội ở đây là unexpected innovation Mạng lưới xã hội và kênh thuê mướn không chính thức là những nguồn thông tin việc làm quan trọng, thậm chí là trong những thị trường lao động nhỏ, đồng nhất

và mật độ cao ở địa phương như trong bài nghiên cứu này