大规模裁员是否个人成本高昂但对社会有益？

2024年3月—1月 大规模裁员是否个人成本高昂但对社会有益？* 阿克塞尔·阿奇埃†& 托马斯·格里宾内†† 高亮内容 我们评估了大规模裁员事件中的个体和整体影响，使用了这些事件的独特量化定义。被取代的工人失业概率会长期增加，对于那些找到工作的人来说，他们的薪水会下降。六年后，大规模裁员事件的影响下，受影响地区的本地失业率比不受影响的地区高出12%，同时新企业创建份额也有所下降。大规模裁员不会对配置效率的提升做出贡献，因为最熟练的工人不太可能被匹配到最成功的机构。企业雇佣失业工人表现出较低的投资率、减少的附加值和减少的劳动力，同时固定期限合同员工的比重更高。 摘要 依靠丰富的行政数据，本文考察了法国劳动力市场在制造业大规模裁员后的适应能力。我们评估了这些冲击的个体和总体影响，使用了一个独特的定量定义的大规模裁员。我们首先表明，失业工人的失业概率会长期增加，而对于那些找到工作的人来说，他们的工资会下降。虽然大规模裁员会给失业工人带来成本，但如果它们导致工人向最具创新力的公司和生产新企业转移，则可能带来社会效益。值得注意的是，我们的研究发现，雇佣失业工人的公司表现出较低的投资率、减少的附加值和减少的劳动力，以及固定期限合同员工比例较高。此外，大规模裁员并没有促进资源配置效率的提高，因为最熟练的工人不太可能与最成功的机构相匹配。此外，我们还评估了地方经济对这些冲击的适应程度，发现大规模裁员事件发生六年后，与未受影响地区相比，当地失业率高出12%。最后，受影响地区新企业创建的比例也有所下降。 关键词 大量裁员，分类。 JEL J31, J42. 工作论文 :2024年1月订阅至《CEPII通讯》www.cepii.fr/KeepInformed 1 简介 在过去的四十年中，大多数发达经济体都经历了被称为去工业化的一场重大转变。这一转变通过制造业就业份额的显著下降而得到体现，在1979年的峰值22%下降到2022年的9%的美国，以及从21%下降到10%的法国。这一去工业化过程通过连续几波广泛的裁员潮得到体现，主要是由机器人化和增加的进口竞争等技术进步引发的。1然而，在这个持续的转型过程中，一个新的因素——生态转型，正在成为制造业结构性变化的显著催化剂。该行业将需要对其生产过程进行深刻重组，以满足减排目标。实现零净排放将促进新产业的诞生，同时导致旧产业的衰落。因此，这一转型将需要跨行业以及行业内部重新分配工人，很可能会导致更多的集体裁员事件。 了解劳动力市场如何对过去事件做出反应，对于评估它们对未来冲击的潜在适应性至关重要。2众多实证研究一致表明，当面临大规模裁员时，劳动力市场调节的内在弱点。这一点即使在以劳动力市场灵活性著称的美国也不例外。那些因大规模裁员或企业关闭而失业的工人，其收入会遭受持久的下降（参见Jacobson等人，1993年；Farber等人，1993年）。将失业工人重新分配到其他产业的过程已被证明是不完善的，这主要是由于技能不匹配和地区间流动性有限的综合结果（参见Azzopardi等人，2020年以及Mangum和Coate，2019年美国的相关研究）。 并且 Arquié 和 Bertin，2023 年（法国）。3大规模裁员对失业工人的不良影响已在多个国家得到经验证明，包括德国和法国（Helm 等人，2022；Brandily 等人，2022）。 本文提出了关于大规模裁员潜在权衡取舍的新见解，旨在探讨这些事件是否可能产生个人成本，同时在同时产生社会效益。从理论上讲，尽管受到裁员影响的个人可能会经历负面后果，但在地方经济规模上可能会出现积极效果，以补偿这些不利个人影响。对大规模裁员的整体影响持中立立场需要对两个层面的影响进行考察。解决这个研究问题需要使用类似的数据和统一的裁员定义，从而允许在个人和总体层面探索影响。我们的贡献在于同时分析两个层面的影响，使用独特的裁员量化定义来评估这些冲击对失业工人和更广泛总体层面的影响。 这种方法将我们的研究与现有文献区分开来，后者使用不同的定义对大规模裁员（无论是个人还是集体）的影响进行了独立研究。例如，Gathmann等人（2018年）和Helm等人（2022年）在德国研究了失业的置换效应。Gathmann等人（2018年）将大规模裁员定义为通过至少500员工，而 Helm 等人（2022）规定大规模裁员的企业必须有介于 30 和500员工在大规模裁员事件发生的前一年。因此，这两项研究不能用来评估与大规模裁员相关的权衡。 在我们的研究中，我们的重点是制造业中的大规模裁员。这一选择是有意为之的，因为地方需求冲击不太可能是主要决定因素。 大量制造业裁员。由于商品是可贸易的，该行业的需求不是来自当地消费者，而是来自全国或国际消费者。此外，我们选择大规模裁员事件，以最小化与内生性问题相关的担忧，因为失业员工技能不太可能是裁员的根本原因。我们将大规模裁员事件定义为在特定企业中，从一年到下一年的失业职位超过250个（绝对标准）。或者，它也可以定义为总员工人数减少30%的情况（相对标准）。此外，我们的标准考虑了连续两年累计的职位损失，以满足这些既定阈值之一。4,5 我们的实证方法基于事件研究，并通过匹配技术将可比工人或通勤区域进行配对。这种方法对于衡量因失业而受到影响的人和未受到影响的人之间的潜在差异，以及大规模裁员事件影响的通勤区域与未受影响的区域之间的差异至关重要。为了实现这一目标，我们采用了粗化精确匹配法，这种方法因其减少模型依赖性的能力而被选择，确保了更稳健和可靠的分析（Iacus等，2012）。 首先，我们的分析集中在大规模裁员对个人层面的影响。我们证明受影响的工人会经历持续的挑战，包括长期失业可能性持续上升以及收入下降，尤其是对于那些成功找到工作的人。对低技能工人来说，这种影响尤为明显，他们在大规模裁员后一年内收入减少了38%，甚至在六年后收入下降仍持续10%。相比之下，技能型员工的工资几乎没有下降。 此外，从制造业领域转型带来重大财务影响。 4在我们的识别大规模裁员事件的过程中，我们采用两阶段程序。首先，我们确定符合特定标准的大规模裁员企业，这些标准涉及失业数量。然后，我们对这些企业内的员工流动情况应用额外的标准。这一步骤旨在区分因大规模裁员导致的实际就业岗位损失和其他因素，如企业标识变更、企业销售或内部企业重组，这些因素可能会错误地表现为失业。参见第2节。我们确保大规模裁员事件发生的次年，公司不会进行显著的重新招聘努力以弥补最初的裁员。这一步骤 5有助于确认裁员的持续性和性质。 后果。例如，在制造业失业三年后找到第一份工作的个人，其收入比同类人低12%。然而，如果他们转向服务业，他们的薪水显著降低，降幅高达58%。这些发现强调了大规模裁员对受影响个人的持续和不同的经济影响，尤其是在工资差异和行业转型方面。 在我们的第二次大规模裁员影响的调查阶段中，我们深入探讨了两个关键维度：大规模裁员事件后劳动力再分配的模式和地方经济中观察到的后续调整。资源的重新分配，尤其是工人向最高效、最具生产力的公司流动，在影响整体生产力增长中发挥着关键作用（Hsieh and Klenow, 2009）。与创造性破坏的原则相一致，6大规模裁员有可能促使人力资源向最具创新性和价值中心的公司进行有益的重分配。尽管这样的裁员可能会给个人带来挑战，但总体效果可能产生社会优势，如果它能促进劳动力向为经济体创造大量价值的公司进行再分配的话。 通过利用法国数据提供的独特机会，无缝整合匹配的雇主-雇员数据与会计记录中的企业绩效指标，我们探讨了大规模裁员对提高工人分配效率潜力的 影响。7我们的研究发现，从事雇佣失业工人的公司表现出较低的投资率。此外，这些公司显示出较低的增加值，雇佣劳动力较少，并且短期合同员工的比例较高。 随后，我们根据从个体固定效应中得出的中位数，将企业分为两组：那些超过中位数的企业和那些低于中位数的企业。 AKM回归（Abowd等人，1999年）。具有更高固定效应的工人（公司）是在回归中包括的可观察特征的基础上获得补偿高于预期的工人（公司），因此可以说是最好的工人（公司）之一。我们调查这些冲击对配置效率的影响，结果显示一个引人注目的结果：在大规模裁员之后，最熟练的工人与表现最佳的机构配对的几率有所下降。8因此，我们的分析显示大规模裁员事件不太可能提高资源配置效率。 最后，为了评估大规模裁员对更广泛范围的影响，我们研究了在突如其来的中断之后，地方经济如何进行调整。与大量文献考察大规模裁员对失业工人的直接后果相比，只有少数研究调查了大规模裁员是否也会对周边地区产生间接影响。这一领域所做出的贡献包括Gathmann等（2018年）、Jofre-Monseny等（2018年）、Vom Berge和Schmillen（2023年）以及Celli等（2023年）。 间接影响可能会出现，如果在某一地区的大规模裁员导致当地消费者对当地商品和服务的需求减少，例如餐厅或零售业，这主要是由于当地的乘数效应。此外，由于与大规模裁员企业通过投入产出联系相关的当地企业产品需求减少，该地区的就业可能也会下降。现有文献对此问题尚未达成共识。Jofre-Monseny等人（2018年）以及Vom Berge和Schmillen（2023年）未发现溢出效应的证据。在研究西班牙45家制造厂的关闭时，Jofre-Monseny等人（2018年）指出，大规模裁员的直接影响被其他当地企业弥补，以减轻最初的负面劳动力需求冲击。9Vom Berge和Schmillen（2023）关注至少拥有100名员工的植物，发现地方溢出效应显著减轻了大规模裁员对市级就业的直接影响。相反，Gathmann等人（2018）发现 当地溢出效应放大了由大规模裁员直接造成的就业损失。从另一个角度来看，Celli等人（2023年）研究了当地劳动力市场对24次大规模裁员的长期反应，发现仅在相同行业的就业上产生了负面且持续的效应，而当地经济的其他部分则经历了轻微的影响。 我们提供了关于溢出效应存在的经验证据。具体而言，我们发现大规模裁员事件后，当地失业率呈现出上升趋势。在冲击发生后的六年里，失业率相比未受影响的通勤区增加了12%。此外，受影响地区的临时和短期合同比例也更高。此外，我们还提供了关于地方层面创造性破坏过程的宝贵见解。虽然从理论上讲，地方就业条件下降可能会因新企业的成立而得到抵消，但我们的研究结论并不支持这一观点。在经历过大规模裁员的地方，大规模裁员事件之后创建的制造业企业的比例显著较低。10 本文结构如下。第二部分描述了数据构建和样本选择。第三部分介绍了实证方法。第四部分提供了实证结果。我们计算了大规模裁员对失业工人的影响，对企业目的地、资源配置效率和当地劳动市场的影响。第五部分讨论了我们研究结果的意义并得出结论。 2 数据和样本选择 本节对所采用的数据来源进行了描述，提供了大规模裁员数量的定量定义，并阐述了样本的选择。本研究主要使用三个数据库：DADS-Postes和DADS-Panel用于识别企业层面的大规模裁员事件，DADS-Panel用于衡量与个人工人相关的劳动力成果。企业年度统计数据详述(ESANE ; Fare) 企业特征数据集。11 2.1 数据来源 我们使用名为“社会数据年度声明”（DADS-Postes 和 DADS-Panel）的数据集，这些是自1995年至2019年由法国国家统计局（INSEE）收集的法国雇主-雇员行政数据集。薪酬申报对所有在法国设立的工资支付个体和法人实体都是强制性的，但除外雇佣公务员的实体。DADS-Postes提供了所有职位的综合记录，但无法追踪工人随时间的变化。12另一方面，DADS-Panel使我们能够观察10月出生的个体（代表约1/12的人口）在多个年份的动态。 对于这两个数据库，我们拥有关于性别、年龄、就业性质（是否为固定期限合同或永久合同）、年度收入和职业（按四位数字划分）的数据。此外，我们还了解雇主的行业领域（按四位数