Big data i zasiłki dla bezrobotnych

Big data i zasiłki dla bezrobotnych Kolsrud J., C. Landais, P. Nilsson, J. Spinnewijn, "The Optimal Timing of Unemployment Benefits: Theory and Evidence from Sweden", 2015

W Warszawie w minionym tygodniu odbyła się chyba najbardziej prestiżowa konferencja makroekonomiczna na świecie: coroczne spotkanie Society for Economic Dynamics. Najlepszą prezentacją jaką miałem okazję zobaczyć pierwszego dnia było wystąpienie Johannesa Spinnewijna z London School of Economics. Spinnewijn z trzema współautorami1 wykorzystali dane ze szwedzkiego rejestru bezrobotnych by pokazać, że zasiłki powinny rosnąć wraz z długością bezrobocia.

W jaki sposób wykorzystać dane, by ocenić optymalność danej polityki? Na to pytanie stara się odpowiedzieć szybko pączkujący nurt artykułów o statystykach dostatecznych (ang. sufficient statistics). Idea jest następująca: świat jest bardzo różnorodny i skomplikowany, ale w wielu przypadkach różnorodność ta wpływa na optymalną decyzję poprzez tylko kilka zmiennych. Dobrym przykładem jest równanie Baily’ego-Chetty’ego, wyznaczające optymalną wysokość zasiłku od bezrobocia2. By podjąć decyzję, potrzebne są nam tylko trzy statystyki:

  1. elastyczność oczekiwanej długości bezrobocia względem wysokości zasiłku,
  2. współczynnik względnej awersji do ryzyka,
  3. średni spadek konsumpcji w przypadku utraty pracy.

Elastyczność (1) jest miarą wpływu zasiłku na średnią długości bezrobocia. Przykładowym (lecz nie jedynym) wyjaśnieniem dodatniej elastyczności jest zmienny wysiłek, jaki bezrobotni wkładają w poszukiwanie pracy. Jeśli zasiłki są wysokie, bezrobotni mają mniej bodźców do uciążliwego wysyłania CV i średnio pozostają dłużej bez pracy. Elastyczność ta dobrze oddaje krańcowy koszt podwyższenia świadczeń dla bezrobotnych.

Dwie kolejne statystyki opisują krańcową korzyść z podwyższania zasiłku. Awersja do ryzyka (2) wyraża niechęć do wahań konsumpcji, w tym wahań konsumpcji spowodowanych utratą pracy (3). Naturalnie, wyższe zasiłki ograniczają spadek konsumpcji w bezrobociu. Im wyższy jest iloczyn czynników (2) i (3), tym cenniejsze są zasiłki.3

Podejście statystyk dostatecznych ma dwie duże zalety. Po pierwsze, wiemy dokładnie, co musimy wyliczyć z danych. Po drugie, to samo równanie (np. Baily’ego-Chetty’ego) wyznacza optymalny wybór w wielu różnych modelach. Niezależnie od tego, czy gospodarstwa domowe mogą wziąć kredyt w banku bądź pożyczkę od rodziny, czy pobierają zasiłki pracując jednocześnie w szarej strefie, bądź też czy pozostają dłużej w bezrobociu bo chcą znaleźć pracę zgodną z kwalifikacjami, optymalne zasiłki są wyznaczone przez to samo równanie. Nie oznacza to, że te czynniki nie powinny mieć wpływu na decyzję rządu. Czynniki te wpływają na optymalne zasiłki właśnie i jedynie poprzez statystyki dostateczne.

Spinnewijn ze współautorami uogólnili równanie Baily’ego-Chetty’ego do przypadku w którym zasiłki mogą zależeć od długości okresu bezrobocia. Następnie policzyli statystyki dostateczne na szwedzkiej administracyjnej bazie danych bezrobotnych. Wiele badań empirycznych polega na wnioskowaniu z relatywnie niewielkiej próby sondażowej o tym, co się dzieje z całą populacją bezrobotnych w danym kraju. Autorzy uzyskali szczegółowe dane administracji rządowej o każdej osobie w Szwecji, jej zatrudnieniu, dochodach oraz majątku, co pozwala na dużo precyzyjniejsze oszacowania. Kraje skandynawskie słyną z rejestrowania i upubliczniania szczegółów życia swoich obywateli, są zatem rajem dla statystyków.

Wykorzystując reformę zasiłków z początku minionej dekady, autorzy pokazali że elastyczność oczekiwanej długości bezrobocia spada po 20 tygodniu bez pracy. Podniesienie zasiłku ma mniejszy wpływ na prospekt znalezienia pracy przez długotrwale bezrobotnego niż przez osobę dopiero co zwolnioną. Z drugiej strony, konsumpcja bezrobotnych (obliczona jako różnica między dochodem a przyrostem majątku) spada przez pierwszych kilka miesięcy bezrobocia, a następnie pozostaje mniej więcej stała4.  Podsumowując, po dwudziestym tygodniu bezrobocia zasiłek ma mniejszy wpływ na szansę znalezienia pracy, natomiast spadek konsumpcji jest większy niż w przypadku bezrobocia krótkookresowego. Autorzy, opierając się na równaniu Baily’ego-Chetty’ego, wnioskują zatem, że zasiłek dla długotrwale bezrobotnych powinien być wyższy niż zasiłek przysługujący przez pierwszych kilka miesięcy po utracie pracy.

Na koniec kilka słów krytyki. Autorzy przekonująco argumentują, że zasiłki powinny rosnąć wraz z okresem pozostawania bez pracy. Nie wiemy natomiast, dlaczego. Elastyczność długości bezrobocia względem zasiłku może maleć w czasie, gdyż bezrobotni szybko tracą umiejętności i stają się „niezatrudnialni”, bądź też czują niechęć przed długotrwałym pozostawianiem na garnuszku państwa. A te dwie sytuacje, choć prowadzą do takiej samej optymalnej wysokości zasiłku, mają skrajnie różne implikacje dla pozostałych instrumentów walki z bezrobociem.

Statystyki dostateczne można też zaatakować z innej strony. Równanie Baily’ego-Chetty’ego jest bardzo ogólne, ale nie uwzględnia tzw. efektów równowagi ogólnej.  Niższy zasiłek daje bezrobotnym silniejsze bodźce do poszukiwania pracy. Dzięki temu firmom łatwiej jest zatrudniać pracowników i decydują się na stworzenie większej liczby wakatów. Większa liczba wakatów oznacza, że łatwiej jest znaleźć pracę, co może zachęcić część osób nieaktywnych zawodowo do powrotu na rynek pracy. Marcus Hagedorn i inni,5 w artykule który również został zaprezentowany w Warszawie w minionym tygodniu, argumentują, że ten efekt był bardzo istotny w minionej recesji w Stanach Zjednoczonych. W 2013 roku skrócono okres przyznawania zasiłków, a wkrótce potem powstało wiele nowych miejsc pracy. Co ciekawe, ponad 60% nowych miejsc pracy zostało zajętych przez osoby wcześniej nieaktywne zawodowo, co sugeruje, że ten efekt równowagi ogólnej może być bardzo istotny.

Spinnewijn i jego współautorzy argumentują, że długotrwałe bezrobocie jest dużo większym problemem niż krótkotrwała utrata pracy, stąd też rząd powinien dostarczyć długotrwale bezrobotnym większego wsparcia. Nie wiemy, czy wnioski ze szwedzkiej bazy danych można uogólnić na inne kraje. Warto to sprawdzić.

Na zdjęciu z czasów wielkiego kryzysu bezrobotni stoją w kolejce po zupę, kawę i pączki ufundowane przez Ala Capone. Źródło.


  1. Kolsrud J., C. Landais, P. Nilsson, J. Spinnewijn, “The Optimal Timing of Unemployment Benefits: Theory and Evidence from Sweden”, 2015 

  2. Raj Chetty i Emmanuel Saez są ojcami chrzestnymi statystyk dostatecznych w finansach publicznych. Chetty w artykule z 2006 roku uogólnił równanie Martina Baily’ego z 1978 i pokazał, że można je zastosować w bardzo ogólnej klasie modeli. Saez w artykule z 2001 roku (który opisałem tutaj, choć na statystyki dostateczne nie starczyło miejsca) pokazał, jakie statystyki są dostateczne do wyznaczenia optymalnego podatku dochodowego. 

  3. Oryginalne równanie Baily’ego wyznacza optymalny poziom zasiłku poprzez, jak to zazwyczaj bywa w ekonomii, zrównanie krańcowego kosztu z krańcową korzyścią: (1) = (2)*(3). Chetty zmodyfikował to równanie poprzez rozważenie ogólniejszych preferencji względem ryzyka.  

  4. Uważni czytelnicy zwrócą uwagę, że taki sposób szacowania konsumpcji jest błędny, jeśli bezrobotni mają więcej czasu na szukanie niższych cen. Jakiś czas temu pisał o tym Krzysiek.  

  5. M. Hagedorn, I. Manovskii, K. Mitman, “The Impact of Unemployment Benefit Extensions on Employment:The 2014 Employment Miracle?”, 2015