新冠肺炎对印度年轻女性劳动力市场愿望和期望的影响

COVID - 19 对印度年轻女性劳动力市场的期望和期望的影响 S Anukriti Catalina Herrera - Almanza Sophie Ochmann 政策研究工作文件 10808 Abstract 青年失业和劳动市场结果中的性别差距是发展中各国的关键政策挑战。年轻求职者可能因为对劳动力市场的偏见看法以及不切实际的职业期望而难以找到工作。本研究探讨了COVID-19疫情暴露是否影响了劳动市场结果。 印度哈里亚纳邦女职业学生的职业抱负和期望在疫情期间受到了影响，降低了年轻女性的工资期望值，并使她们更加现实，尤其是在农村地区。这些效应的一个潜在机制可能是疫情导致农村女性愿意为工作迁移的人数下降。 这是发展研究组（Development Research Group）发展经济学部门的产品。它是世界银行为提供研究成果的开放访问并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。政策研究工作论文也在网上发布，网址为http://www.worldbank.org/prwp。作者可以通过sanukriti@worldbank.org联系。 政策研究工作论文系列旨在发布正在进行中的研究成果，以促进关于发展问题的想法交流。该系列的一个目标是在论文尚未完全完善的情况下迅速发表这些发现。这些论文应注明作者姓名，并按相应方式引用。本文的观点、解释和结论完全是作者的意见，不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不一定代表世界银行执行董事会成员或他们所代表的政府的观点。 COVID - 19 对青年女性劳动的影响∗印度的市场期望和预期 S AnukritiCatalina Herrera - AlmanzaSophie Ochmann世界银行†伊利诺伊大学香槟分校‡世界银行§ JEL 代码: J20, O12, D83关键词 ： COVID - 19 ， 大流行 ， 印度 ， 性别 ， 求职 1 Introduction 青年失业是发展中世界政策制定者普遍关注的问题，尤其是在年轻人占比较大且不断增长的国家（其中青年人口的比例较大且持续增加）。卡兰萨和麦肯齐,2024). 在印度等国家，年轻女性（15-29岁）的劳动力参与率比年轻男性低39个百分点（63.5%），这一显著的性别差距在这些国家增加了额外的政策挑战。1除了需求因素、技能差距和匹配摩擦外，年轻人可能难以找到工作并保持就业，因为他们对劳动力市场存在偏见的信念和不切实际的期望。越来越多的研究表明，求职的年轻人往往高估当前市场的工资水平，并设定过高的保留工资（例如，Kelley, Ksoll 和 Magruder(2024). 尽管 lofty 目标可以起到激励作用并激发努力，但如果目标设定得过于不切实际，它们可能会导致失望并产生不良的劳动力市场结果。Bandiera 等人。,2020;Ray,2006). 由于技术变革导致的工作本质的快速变化，以及最近的COVID-19大流行，这些挑战很可能会加剧。COVID-19大流行导致全球经济活动显著放缓，各国政府采取的遏制措施影响了企业对劳动力的需求以及工人的工作能力和意愿。疫情对就业的负面影响尤其由女性承担（“她衰退”），这主要是因为女性占主导地位的行业和职业受到更大的干扰，以及女性照料负担的更大增加（例如，）。亚伯拉罕、巴索和凯撒(2022);Chakravorty 等人。(2023);Deshpande(2022)). 我们研究了COVID-19疫情是否影响了印度年轻女性，特别是哈里亚纳邦年轻女性劳动力市场的职业抱负和预期。哈里亚纳邦青年劳动力参与率和失业率的性别差距甚至大于全国水平。根据2022-23年周期性劳动力力调查，哈里亚纳邦年轻女性的劳动力参与率和失业率分别为12.5%和21%，而年轻男性的相应数字为57.7%和16.8%。我们重点关注的是对财务回报的期望，这是个人认为工作中最重要的维度之一。2我们还考察了疫情对移民意愿的影响是否是我们主要结果的一个潜在传导渠道。这一研究方向是由疫情对印度农村到城市迁移造成的重要负面影响所驱动的（We还考察了疫情对移民意愿的影响是否是我们主要结果的一个潜在传导渠道。这一研究方向是由疫情对印度农村到城市迁移造成的重要负面影响所驱动的。）阿罗拉等人。,2023). 近期估算数据显示，在印度全国范围内，大约有1100万跨州务工人员在第一次封锁后返回了家乡。Imbert,2020我们对关于印度女性劳动力市场参与的研究做出了重要贡献。考察疫情对年轻女性工资期望和职业抱负的影响对于理解她们的劳动市场选择，进而了解未来女性工作的发展演变至关重要。 2 Data 我们的分析基于我们从印度北部哈里亚纳邦的职业培训学院（也称为工业培训学院或ITI）注册的3,180名女学生中收集的主要调查数据（如图所示）。1). 这些调查于2022年6月至8月在ITIs（工业培训 institute）现场进行。请注意，印度政府在2022年3月31日几乎解除了所有与COVID-19相关的限制措施，即我们在数据收集之前的几个月。我们选择了在调查时符合以下条件的学生：i) 处于ITI项目最后一年；ii) 拥有智能手机。 我们的样本是在基线调查期间接受采访的受访者的子集 一项旨在减少年轻女性求职信息障碍的随机对照试验（RCT）。除了本论文中分析的样本，该RCT样本还包括在基线调查前已从职业培训学校毕业的学生。我们排除了这些受访者，以便集中研究大流行对正处于从学校过渡到工作的女性的影响，以及她们在疫情期间的暴露情况。此外，由于RCT将通过手机求职门户传播信息，因此我们的样本女性在基线时必须能够使用智能手机。然而，绝大多数（95%）接受调查的女性学生都能够使用智能手机，确保了我们的样本代表了哈里亚纳邦最后一年女性职业培训学校的毕业生。 我们收集了受访者关于其社会经济特征、教育背景、工作经历、职业抱负和期望，以及为工作迁移意愿的数据。为了衡量工资预期，我们询问了受访者他们开始工作后的预期月收入。类似地，霍根(2004我们使用每月的保留工资（即受访者在接受任何永久全职工作时所接受的绝对最低到手工资）作为工资期望的代理指标。为了减少测量误差的影响，我们将保留工资和工资期望变量的最顶端和最底端10%的数据进行Winsor化处理。 在调查时，受访者平均年龄为22岁，主要为未婚人士，其中60%的人居住在农村地区（见表）。1） 。在加入 ITI 之前 ， 83 ％ 的受访者至少完成了 12 级课程 ， 只有 17 ％的人有任何工作经验。 我们的样本女性的职业抱负非常高。绝大多数受访者（95%）表示希望毕业后继续在ITI项目工作。此外，近一半的样本表示，如果工资增加5000印度卢比（约60美元），他们愿意搬迁到另一个城市或城镇工作。然而，我们样本中的52%的年轻女性存在不切实际的工资期望，即她们的保留工资显著高于劳动力市场预期的收入水平。3此外，他们对工资的期望与 aspiration 之间的差距是积极的。平均受访者的工作保留工资高于其预期薪资 INR 2,735（约 USD 33）每月。 大约一半（48%）的样本报告称其ITI培训因疫情而中断（例如，由于课程时间表的变化、项目周期的调整等）。 转向在线课程），并且47%的人表示其家庭因工作、业务或收入丧失、家庭成员患病等原因受到COVID-19经济影响。 3 实证策略 为了估计 COVID - 19 大流行的影响 ，Bau et al.(2022), 我们为每位受访者创建一个“剔除自身后的暴露度衡量指标”，通过计算她所在ITI的其他受访者中报告因COVID-19受到影响的比例来实现。4这一冲击指标的一个担忧是它依赖于自我报告的数据，可能会因测量误差而产生偏差。因此，我们利用行政数据构建了一个额外的区级“综合COVID-19冲击”指标，该指标定义为2020年1月30日至2021年10月31日期间的人口调整后的累计COVID-19死亡人数。我们获得了 Notes:左图显示了各地区COVID-19死亡率（每10万人）的差异。右图显示了平均受访者“留一出”的COVID-19暴露情况在各地区的差异。Bhiwani和Charkhi Dadri的数据代表这两个地区联合的情况。 The 数据来自印度 Socioeconomic 高分辨率农村-城市地理平台（SHRUG）的死亡数据，并使用2011年印度人口普查的数据进行了区级人口的调整。如图所示：2显示，我们的“leave-one-out” COVID-19 指标与区级 COVID-19 死亡率具有类似的地理变异性，并且与区级 COVID-19 死亡率显著相关，这增强了我们冲击指标的信心。我们的自我报告的冲击与区级 COVID-19 死亡率之间的相关性 p 值为<0.001. 后来，我们通过使用区级COVID-19冲击指标代替个体水平的“删除一个观察值”暴露变量来进行稳健性检查，以验证我们的结果。 我们使用以下回归规范估计暴露于 COVID - 19 对我们感兴趣的结果的影响 ： whereY是女性的结果变量i在 ITI 学习t位于区datitd调查的时间。变量COV ID表示个人级别的 “留一 ”ii Notes:本表展示了对各自疫情前可观察数据与我们“剔除一项”的COVID-19冲击度量指标进行回归分析得到的系数估计值。每一列代表了单独的回归分析。稳健的标准误差以ITI区为集群进行了计算，括号内给出。变量定义详细信息请参见在线附录。∗p <0.1,∗∗p <0.05,∗∗∗p <0.01. COVID - 19 暴露变量。我们还控制了受访者特征的向量 (X)i 可能影响她劳动力市场期望和目标的因素包括她的年龄（一个分类变量，表示她的ITI项目或“贸易”），以及是否属于计划阶级或部落、其他 backward classes 类别，是否曾经结婚，是否居住在农村地区，在加入 ITI 之前是否完成过高中教育，母亲是否文盲，以及在加入 ITI 之前是否曾经工作过。5此外，我们控制了受访者居住区与其所在地区的ITI所在地不同的情况，因为这可能会影响其COVID-19的暴露风险。6最后 ， 我们包括 ITI 位置区域的固定效应 ，δ， 以控制时间不变的地区特定的不可观测值。7我们估计稳健d 标准误差 ， 并在 ITI 级别对其进行聚类。 我们的兴趣系数 ，β, 在假设条件社会经济特征和区固定效应条件下，我们的“排除一项”的COVID-19暴露变量的变化与我们感兴趣的结果无关，因此具有因果解释。为了评估这一假设的有效性，如表所示。2我们表明，我们的冲击测量值与受访者在疫情前的社会经济特征（如父母的教育背景和种姓）无关，这些特征可能会影响我们的结果。我们缺乏其他疫情前的社会经济状态衡量数据，例如家庭收入。此外，如前所述，我们的COVID-19暴露变量与区级的COVID-19死亡率显著相关，正如我们后来所示，我们的结果对使用这一更详细的变量具有稳健性。 暴露的总体度量。 4 结果 Notes:农村和城市分别指的是受访者的家庭所在地。所有列均包括规范（1）中提到的完整控制变量，除了一般位置。稳健的标准误按ITI区集群显示，在括号中。变量定义见在线附录。∗p <0.1,∗∗p <0.05,∗∗∗p <0.01. Table3呈现了对农村和城市亚样本分别估算方程（1）的结果。面板A显示，新冠肺炎疫情显著降低了居住在农村地区的年轻女性的实际工资期望（即保留工资）25%。她们对工资期望的影响较小且统计上不显著（下降了13%）。这些效果共同导致了年轻农村女性的期望差距下降了90%。疫情对期望差距的负面影响是由受访者中拥有不切实际高工资期望的比例下降（列4）驱动的。相反，疫情使年轻农村女性的期望更加现实（列5）。城市女性表现出相似的结果；然而，面板B中的系数统计上不显著。 Table4显示整体样本的结果与我们观察到的农村子样本结果是一致的。暴露于疫情显著减少了工资期望差距的77%