The Heterogeneous Earnings Impact of Job Loss Across Workers, Establishments, and Markets
创建于 更新于
摘要
本文利用瑞典行政微观数据和因果机器学习（Generalized Random Forest, GRF）估计就业厂关闭导致的相对年收入损失的条件平均处理效应（CATE），发现跨工人、企业与市场的异质性极大：短期平均收入下降约24%，但最易受冲击的分位组损失接近46%，最韧性组仅约6%，且短期预测对中长期损失具有稳定预测力，表明多维且可操作的定向救助政策（例如基于年龄与岗位例行性规则）能够显著提高救助效率与公平性 [page::0][page::18][page::35]
