信息不完全与劳动力市场复苏缓慢

2025年9月 信息不完美和劳动力市场缓慢复苏 安努斯卡·米特拉 请引用本文：mitra, anushka (2025). “信息不完美与劳动力市场缓慢复苏,”国际金融讨论论文 1423. 华盛顿：理事会联邦储备系统，https://doi.org/10.17016/IFDP.2025.1423。 注意：国际金融讨论文件（ifdps）是初步材料，用于激发讨论和批评性评论。所提出的分析和结论是作者的观点，并不表示研究团队其他成员或理事会成员的同意。在出版物中对国际金融讨论文件系列（除致谢外）的引用应与作者（们）进行确认，以保护这些文件的试探性特点。最近的ifdps可在www.federalreserve.gov/pubs/ifdp/网站上获得。本文可以从社会科学研究网络电子图书馆www.ssrn.com免费下载。 信息不完美和劳动力市场缓慢复苏 Anushka Mitra * 美联储委员会 摘要 摘要：失业率在经济衰退后仍长期处于高位，这种持续状态是标准的搜寻-配对模型无法解释的。我证明，噪声冲击——由于接收到的关于总冲击信号中的噪声而产生的预期误差——解释了大部分这种迟缓现象。使用结构化向量自回归模型，我发现若没有噪声冲击，1968年至2019年间失业率将比实际提前六个季度恢复到衰退前的水平。为了解释这一证据，我构建了一个包含在职搜寻、内生搜寻努力和工资刚性的搜寻-配对模型。嵌入不完善信息产生了两种持续渠道：慢速学习放大了持续生产力冲击的影响，而噪声冲击提供了迟缓的另一个来源，并进一步由粘性工资和职位空缺发布而放大。该模型成功复制了失业的缓慢恢复和系统性预测误差，突显不完善信息是后衰退劳动力市场动态背后的关键机制。 关键词：不完美信息，劳动力市场，商业周期JEL代码：E24，E32，E70 1 引言 传统商业周期模型的一个长期挑战在于匹配劳动力市场复苏的持续性，特别是衰退后失业率的复苏。在本文中，我记录了一个新的特征事实：专业预测者系统地高估了失业率从衰退中恢复所需的时间，这表明他们在事前预期复苏时间会比实际观察到的时间更长。这种系统性高估表明存在信息摩擦，即代理人错误地感知了总冲击的持续性，并依赖噪声信号来形成预期。此类摩擦的存在为减缓岗位创造和搜寻活动提供了一个潜在的机制，从而产生一个正向反馈循环，导致失业率复苏更慢。为了研究这种渠道，我从一个三变量VAR模型中估计了噪声冲击、持续全要素生产率冲击和暂时全要素生产率冲击。我发现噪声冲击在解释劳动力市场的持续性方面起着关键作用。然后，我将噪声冲击纳入一个信息不完善的劳动力搜寻模型，并证实信息不完善对于模型成功匹配复苏期间失业率的缓慢变化至关重要。 我首先使用失业率和专业预测者调查（SPF）的预测数据，呈现了一组经验事实。美国失业率从衰退性增长中恢复一半需要5到16个季度，而恢复到衰退前水平则需要超过20个季度。接下来，我使用SPF的预测数据记录，专业预测者对复苏的悲观情绪比实际数据所显示的更为严重。在各个衰退期间，预期失业率和实际失业率之间存在一个持续的差距，并且预测显示复苏速度会更慢。这种模式表明，预测者与经济中的代理人一样，可能缺乏对总体的完美信息，而是依赖于嘈杂的信号来形成关于基本面变化是持续还是暂时性的预期。这种错误认知会影响关键的经济决策，例如招聘和投资，从而阻碍劳动力市场的复苏。 为了理解这些事实，我借鉴了Chahrour、Nimark和Pitschner（2021）以及Enders、Kleemann和Müller（2021）的识别策略，从利用调整的TFP、实际GDP增长和专业预测者现在预测误差的VAR模型中估计噪声冲击（由预期变化而基本面没有变化引起的冲击）、持续TFP冲击和暂时TFP冲击。噪声冲击的识别使用了符号约束，并假设噪声冲击，根据定义，必须比基本面更影响预期。我进一步通过施加一个零约束来完善这一策略，该约束排除了噪声冲击对实际TFP的当期效应。此外，为了区分持续TFP冲击和暂时TFP冲击，我将持续成分识别为使TFP的长期预测误差方差最大化的冲击。我从这项研究中记录了两个关键发现。首先，劳动力市场变量，包括失业率、职位空缺率和就业发现率，对估计的噪声冲击有显著反应，这些冲击解释了它们在商业周期频率下约三分之一的变异。其次，在没有噪声冲击的情况下，失业率平均会在六个季度前恢复到衰退前的水平。1这些发现表明了 劳动力市场复苏中的噪音冲击表明存在信息摩擦。2 为了研究噪声冲击在驱动劳动力市场持续中的作用，我将不完备信息（Lorenzoni，2009）嵌入一个具有内生搜寻努力、在职搜寻和粘性工资的均衡失业模型中，该模型源自Gertler、Huckfeldt和Trigari，2020。3该模型包含两种基本的生产率冲击，暂时性和持久性，但代理无法区分它们。相反，他们观察总生产率，并接收到关于其持久性成分的噪声信号，他们利用该信号形成对未来生产率的信念。噪声冲击通过使代理更难辨别观察到的变化是否反映了真实的持久性冲击或仅仅是信号的噪声，增加了复杂性。经过校准的模型成功解释了劳动力市场缓慢复苏：与完全信息模型相比，不完全信息模型在经济衰退后产生了额外六个季度（30%）的较高失业率。 模型成功的两个渠道。首先，在非完善信息下的学习内生地产生持续性：代理人需要时间来学习冲击是持续的还是不持续的，导致初始反应不足。工资粘性进一步延迟这种动态，因为不频繁的重新谈判使代理人不愿在没有完全了解冲击的持续性之前修订工资。这种非完善信息与工资刚性的相互作用是新颖的，并且是持续性机制的核心。其次，噪声冲击本身可能会延长复苏期，因为代理人将它们误认为是实际的生产力冲击，并相应地做出反应，即使基本面没有改变。总的来说，这些机制成功地解释了经济衰退后失业动态中的持续性。 此外，该模型成功复制了数据中专业预测者对中短期失业的系统高估。这种超调内生地源于由噪声冲击驱动的代理人的错误认知，并且无法在仅包含结构性生产力冲击的模型中复制，根据定义，结构性生产力冲击意味着实际结果超过预期，因此倾向于产生预测反应不足，这是标准宏观经济模型的一个众所周知的优势。这种匹配失业持续性和预测误差的能力不仅是对模型的成功，也是对不完全信息渠道的关键经验验证。 本文基于文献记录，阐述了经济衰退后失业的持续性问题，以及传统商业周期模型难以解释这一现象的困难，如科尔和罗杰森（1999）所述，以及更近期的霍尔和库德拉克（2022）和费拉罗（2023）的研究所记录。经济衰退后的劳动力市场缓慢复苏一直是战后经济衰退的一个持续特征，然而 目前尚未就其深层驱动因素达成统一共识。有影响力的解释包括工作两极化（Jaimovich和Siu，2020）、长期扩张后的组织结构调整（Berger等，2012；Koenders、Rogerson等，2005）、商业周期持续性的变化（Bachmann，2012；Panovska，2017）、自1980年代中期以来技术冲击日益重要（Barnichon，2010b）、失业保险的延长（Mitman和Rabinovich，2019）以及女性就业的趋同（Fukui、Nakamura和Steinsson，2023）。这些解释侧重于基础因素的变化。在本论文中，我则记录了噪声冲击在参与者在对基础因素变化存在不完美信息时出现的新作用。该机制通过展示信息摩擦——当嵌入到搜寻与匹配模型中时——如何生成数据中观察到的缓慢失业复苏，从而补充了现有文献。 另一条文献脉络强调非对称的劳动力市场动态，其中衰退会引发失业率急剧上升，但复苏则缓慢。这种非对称性已通过内生的职位分离（Andolfatto，1997）和工作者在生产率上的异质性（Ferraro，2018）进行建模。这些模型通过劳动力市场中的非线性放大冲击，从而产生缓慢的复苏。相反，我的论文则记录了新的证据，表明衰退和扩张背后的驱动力量在系统上存在差异，指向一个互补的机制。特别是，我表明专业预测者系统性地在复苏期间高估失业率——这一典型事实是传统模型无法复制的。 本文因此连接到宏观经济中信息摩擦的长期研究议程，追溯到 Lucas (1972, 1975)，并在 Angeletos and La’O (2010, 2013)，Blanchard, L’Huillier, and Lorenzoni (2013) 以及 Angeletos, Collard, and Dellas (2020) 中得到进一步发展。这些理论展示了基本面的噪声信号如何扭曲信念并传播冲击。我的贡献是将此类信息摩擦嵌入劳动力市场的搜索-配对模型中，从而将它们与失业的持续期联系起来，而这一应用在此文献中尚未被探索。同时，一个实证文献已经发展了从宏观数据中识别噪声冲击的方法，最近的是 Chahrour, Nimark, and Pitschner (2021) 以及 Enders, Kleemann, and Müller (2021)。我通过改进他们的识别策略来推进这一实证议程：我施加了额外的限制，并且将持续性和暂时性生产率冲击分开识别，从而使我能够量化噪声冲击在推动劳动力市场复苏中的不同作用。总而言之，这些贡献弥合了关于信息摩擦的理论和实证工作，提供了一个全面的解释，说明噪声信号如何塑造信念和劳动力市场动态。 在劳动力市场文献中，Venkateswaran（2014）表明，企业无法将总冲击与特质冲击区分开来，可能会导致比标准搜寻模型中更大的波动性。在该框架下，企业将部分总冲击错误归因于特质因素，并且由于他们对后者的反应更为强烈，雇佣波动被放大，有助于解决Shimer（2005）的波动性谜题。我的论文通过关注一种不同的摩擦——关于总冲击持续性的不完美信息，对此进行补充。而Venkateswaran（2014）强调由对冲击来源的误判驱动的波动性，我表明噪声冲击 与对持续性的误解相关联，导致劳动力市场复苏迟缓以及系统性预测错误。 Faccini和Melosi（2022）以及Morales-Jiménez（2022）的近期研究定量评估了信息摩擦在劳动力市场动态中的重要性。此外，Kozlowski、Veldkamp和Venkateswaran（2020）以及D’Agostino、Mendicino和Puglisi（2022）表明，关于冲击分布的不完美信息会产生持续性的暂时性扰动效应，特别是在大萧条期间。我的分析通过结合新的实证证据——专业预测者的系统性预测误差——与一个结构模型，来补充这些论文，该模型展示了噪声冲击和不完美信息如何共同解释跨经济衰退的劳动力市场恢复缓慢。 本文结构安排如下。第二节讨论了经验证据以及使用结构向量自回归模型识别噪音冲击及其对劳动力市场动态的影响。第三节将非完美信息结构引入一个一般均衡搜寻匹配模型。第四节讨论了模型参数的校准和估计策略。第五节展示了定量分析的结果，第六节总结。 2 失业恢复和噪声冲击 在这一部分，我首先记录了1968-2019年间美国失业率缓慢复苏的情况。我表明，失业率平均需要25个季度才能恢复到衰退前的谷底。然后，我记录了职业预测家对失业率的误判，并表明预测家一贯预测的劳动力市场复苏比实际发生的更为缓慢。在确立了这些事实之后，我接着在2.1节使用即时预测误差来识别噪声冲击，在那里我详细讨论了识别策略。 我在第2.2节中记录了，这些噪音冲击对总体劳动力市场结果有显著影响，包括失业率、职位空缺和就业率。具体来说，我记录了以下实证事实。首先，噪音冲击对劳动力市场的动态有持续效应。一个标准差大小的噪音冲击导致失业率在4个季度内上升0.4个百分点，并在8-10个季度内恢复。这种反应是由失业人员流入增加和就业率下降引起的，这受到企业职位空缺和招聘率下降的影响。工资反应微弱且调整缓慢。脉冲响应表明，在信息不完美的情况下，企业和工人都在学习。其次，一个预测误差方差分解表明，噪音冲击解释了关键劳动力市场变量波动的大约三分之一。第三，一个历史冲击分解表明，噪音冲击对失业率的恢复有显著贡献：如果没有噪音冲击，失业率平均