Simple Science

最先端の科学をわかりやすく解説

# 経済学# 計量経済学

職業訓練が賃金に与える影響の評価

仕事のトレーニングが雇用と賃金の結果にどんな影響を与えるかを調べてる。

Kory Kroft, Ismael Mourifié, Atom Vayalinkal

― 0 分で読む


職業訓練と賃金職業訓練と賃金調査中。職業訓練が賃金や雇用の選択に与える影響を
目次

職業訓練プログラムは、働く人たちがスキルを向上させてより良い仕事を見つける手助けをするために設計されてるんだ。アメリカでは、政府が毎年これらのプログラムにかなりのお金を投入してる。でも、これらのプログラムが効果的かどうかについては議論が続いている。一部の人は、これが雇用市場のスキルギャップを埋めるのに役立つと信じてるけど、他の人は無駄なリソースだと思ってる。

この議論での重要な質問は、職業訓練が参加者の賃金を実際に上げるのかってこと。これは研究者や政策立案者にとって重要な問題で、この関係を理解することで資金や職業訓練プログラムの開発に影響を与えることができるからね。

研究によると、従来の評価は総所得を見がちだけど、これは職業訓練以外の要因にも影響されるんだ。だから、職業訓練が賃金にどう影響するのかを具体的に理解することがめっちゃ重要。また、研究者は雇用されている人の賃金しか観察できないから、職業訓練が個人が雇用されるかどうかにも影響を及ぼすかもしれないっていう複雑な問題もある。

サンプル選択の問題

サンプル選択は研究でよくある問題で、特に職業訓練プログラムを研究する際に顕著に現れる。この問題は、研究者が現在雇用されている個人のデータにしかアクセスできないときに起こり、職業訓練が賃金に与える影響についてバイアスのかかった理解につながる。これに対処するために、研究者はこのバイアスを考慮しながら職業訓練の効果を部分的に特定するためのさまざまな手法を開発している。

サンプル選択の問題を解決する1つのアプローチは、雇用されていることと得られる賃金の両方を考慮したモデルを作成することだ。研究者は、訓練が賃金に与える因果関係を推定するために特定の仮定に頼ることが多いけど、これらの仮定は実世界の設定で検証するのがトリッキーなんだ。

従来モデルの拡張

研究者は、従来、雇用されているかどうかの二元選択プロセスを仮定したモデルを使ってきたけど、このモデルは異なる企業がさまざまな賃金や仕事の条件を提供するという仕事市場の複雑さを捉えきれてない。実際には、いくつかの職業訓練プログラムは、単に誰かが仕事を得るかどうかだけでなく、どこで働くか、どれだけ稼ぐかにも影響を与えるかもしれない。

これをよりよく理解するために、研究者たちは異なるタイプの企業やその賃金構造を考慮した拡張モデルを開発してる。この多層的なアプローチにより、研究者は職業訓練が異なる企業での賃金にどのように影響を与えるかを分析できるし、賃金の変化が訓練によるものなのか、単に高収入の職に移動することによるものなのかを区別する手助けをしてる。

職の質と企業の異質性

職業訓練プログラムの重要な側面は、仕事の量(仕事を得ること)だけでなく、仕事の質(より良い給料の仕事を得ること)を改善する可能性があるってこと。最近の議論では、労働者が雇用される企業の種類が賃金に大きく影響を与えることが認識されている。だから、職業訓練が雇用だけでなく、企業の選択にもどのように影響を与えるかを理解することが重要なんだ。

研究によると、健康保険や退職金などの良い福利厚生を提供する企業は、高い賃金を支払う傾向がある。だから、重要な質問が出てくる:職業訓練は人々をこういった高賃金の企業に導くのか?

職業訓練の効果を理解する

職業訓練プログラムを調べる主な目的は、賃金に対するその真の効果を理解すること。そのため、プログラムを評価する際には、さまざまなタイプの効果を分けることが重要だよ:

  1. 企業内効果:これは、職業訓練が特定の企業内で賃金に与える影響を指す。
  2. 選別効果:これは、職業訓練が労働者がどの企業と関わるかに影響を与え、他の場所でより良い給料の仕事を得る可能性を示す。

両方の効果を分析することで、研究者は職業訓練が賃金に与える総合的な影響をより包括的に理解できるんだ。

所見の政策的含意

職業訓練と賃金効果に関する発見は、単なる学術的なものではなく、政策に対する現実的な意味を持っている。もし職業訓練プログラムがスキルの向上やより良い仕事のマッチングによって賃金を上げることが示されれば、これらのプログラムへの資金と支援の継続が優先事項になる。逆に、利益が最小限であったり、単により良い企業への選別によるものでスキルの改善がないなら、こうしたプログラムの構造や資金の見直しを促すかもしれない。

ケーススタディ:ジョブコープ

アメリカで最大の職業訓練プログラムの1つがジョブコープで、恵まれない若者を支援することを目的としている。このプログラムは、その影響を理解するために広範な評価を受けてきた。ジョブコープの研究データは、参加者の初期の収入は低いかもしれないが、時間が経つにつれて彼らの収入はプログラムに参加しなかった対照群と比べて増加することを示している。

これは、職業訓練がより良い雇用結果をもたらす可能性があることを示しているけど、研究者は訓練の効果を賃金に影響を与える他の変数から分離しなきゃいけない。

ジョブコープの実証分析

ジョブコープの研究データを分析する際、研究者は参加者を雇用している企業の特性に焦点を当てた。企業を提供するアメニティに基づいて分類することで、訓練を受けた後に労働者がより良い賃金環境に選別されているかどうかを評価できた。

結果、ジョブコープに参加した人たちは、より良いアメニティを提供する企業で働く可能性が高く、企業の質を介して賃金の改善に職業訓練が間接的に関連していることが示された。

結論

職業訓練と賃金率の関係は複雑だ。訓練が労働者により良いスキルを提供できる一方で、雇用の選択や企業の特性の役割も考えなきゃいけない。ジョブコープのようなケーススタディや層別分析を通じて、研究者は職業訓練が収入に与える影響をよりよく理解でき、その結果、労働力開発における効果的な政策立案につながる。

こうした影響についてより詳細な理解に向かう中で、厳密で多層的な分析の必要性が労働経済学の中でますます重要になっていくよ。企業の異質性や選別効果の探求は、労働者やその結果、経済全体に最大の利益をもたらすために職業訓練プログラムをどう構築するかに関する重要な洞察を提供するんだ。

要するに、職業訓練プログラムは、単に雇用率を上げるだけでなく、個人がアクセスできる仕事の質も向上させる可能性がある。課題は、労働市場の複雑な中でこれらの効果を正確に測定し、解釈することだね。

オリジナルソース

タイトル: Lee Bounds with Multilayered Sample Selection

概要: This paper investigates the causal effect of job training on wage rates in the presence of firm heterogeneity. When training affects worker sorting to firms, sample selection is no longer binary but is "multilayered". This paper extends the canonical Heckman (1979) sample selection model - which assumes selection is binary - to a setting where it is multilayered, and shows that in this setting Lee bounds set identifies a total effect that combines a weighted-average of the causal effect of job training on wage rates across firms with a weighted-average of the contrast in wages between different firms for a fixed level of training. Thus, Lee bounds set identifies a policy-relevant estimand only when firms pay homogeneous wages and/or when job training does not affect worker sorting across firms. We derive sharp closed-form bounds for the causal effect of job training on wage rates at each firm which leverage information on firm-specific wages. We illustrate our partial identification approach with an empirical application to the Job Corps Study. Results show that while conventional Lee bounds are strictly positive, our within-firm bounds include 0 showing that canonical Lee bounds may be capturing a pure sorting effect of job training.

著者: Kory Kroft, Ismael Mourifié, Atom Vayalinkal

最終更新: 2024-09-06 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2409.04589

ソースPDF: https://arxiv.org/pdf/2409.04589

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

類似の記事