JEL classification: D84, E24, E31, E32, J11 Key words: Phillips curve, unemployment, inflation, natural rate of unemployment, expectations _________________ Crump: Federal Reserve Bank of New York (email: richard.crump@ny.frb.org).Eusepi,午:德克萨斯大学奥斯汀分校(电子邮件:stefano.eusepi@austin.utexas.edu,aysegul.sahin@austin.utexas.edu)。 Giannoni:Barclays(电子邮件:mpgiannoni@gmail.com)。 马克·吉安诺尼(Marc Giannoni)在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议,Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯(Ricardo Reis),匿名裁判,他们的讨论者乔迪·加里(JordiGalí)和乔纳森·哈泽尔(Jonathan Hazell)以及2022年JME-SNB-SCG会议的参与者。 此外,他们感谢爱德华·尼尔森(Edward Nelson)对历史通货膨胀动态解释的有益评论。 Jin Yan,Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Eusepi,午:德克萨斯大学奥斯汀分校(电子邮件:stefano.eusepi@austin.utexas.edu,aysegul.sahin@austin.utexas.edu)。Giannoni:Barclays(电子邮件:mpgiannoni@gmail.com)。 马克·吉安诺尼(Marc Giannoni)在达拉斯联邦储备银行的雇员时为本文做出了贡献。 本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议,Regis Barnichon进行了讨论。 他们还要感谢他们的编辑里卡多·里斯(Ricardo Reis),匿名裁判,他们的讨论者乔迪·加里(JordiGalí)和乔纳森·哈泽尔(Jonathan Hazell)以及2022年JME-SNB-SCG会议的参与者。 此外,他们感谢爱德华·尼尔森(Edward Nelson)对历史通货膨胀动态解释的有益评论。 Jin Yan,Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Giannoni:Barclays(电子邮件:mpgiannoni@gmail.com)。马克·吉安诺尼(Marc Giannoni)在达拉斯联邦储备银行的雇员时为本文做出了贡献。本文最初是在2021年1月3日关于“衡量失业差距”的ASSA会议上发表的。作者感谢Emmanuel Saez和Pascal Michaillat组织了会议,Regis Barnichon进行了讨论。他们还要感谢他们的编辑里卡多·里斯(Ricardo Reis),匿名裁判,他们的讨论者乔迪·加里(JordiGalí)和乔纳森·哈泽尔(Jonathan Hazell)以及2022年JME-SNB-SCG会议的参与者。此外,他们感谢爱德华·尼尔森(Edward Nelson)对历史通货膨胀动态解释的有益评论。Jin Yan,Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。Jin Yan,Charles Smith和Ignacio Lopez Gaffney提供了出色的研究帮助。
我们通过开放经济多部门模型的镜头研究荷兰疾病的相关性,该模型以劳动力市场摩擦引起的失业率。该模型的贝叶斯估计值量化了商业周期冲击和结构变化对失业率的影响。将我们的模型应用于澳大利亚经济,我们发现2000年代商品价格的持续上涨导致汇率和净出口税率下降,从而导致了由于部门转移而导致失业率的上升压力。然而,这种荷兰疾病效应估计数量很小,并且被与可贸易部门相比,在不可交通部门工作的相对不足性有关的失业率持续下降而被抵消。劳动力供应偏好的变化,以及家庭偏好向不可交易消费的转变,类似于结构性转型过程,使可贸易行业对商品价格冲击更加敏感,但占整体经济的较小部分。我们得出的结论是,商品价格的变化即使在像澳大利亚这样的商品丰富的经济中,商品价格也不像其他冲击或结构性变化有关。
我们通过一个开放经济多部门模型来研究“荷兰病”的相关性,该模型以劳动力市场摩擦导致的失业为特征。该模型的贝叶斯估计量化了商业周期冲击和结构性变化对失业率的影响。将我们的模型应用于澳大利亚经济,我们发现 21 世纪大宗商品价格的持续上涨导致汇率升值和净出口下降,从而导致部门转移导致失业率上升。然而,据估计,这种“荷兰病”效应在数量上很小,并被失业率的持续长期下降所抵消,这是由于非贸易部门相对于贸易部门的相对负效用降低所致。劳动力供应偏好的变化,以及家庭偏好向非贸易消费的转变,类似于结构转型过程,使贸易部门对大宗商品价格冲击更加敏感,但在整个经济中所占比例较小。我们得出的结论是,即使在像澳大利亚这样商品资源丰富的经济体中,商品价格的变化在解释失业问题时也不像其他冲击或结构性变化那么重要。
∗ 我感谢 Daniel Carrol、Wouter den Haan、Brigitte Hochmuth、Roozbeh Hosseini、Monika Merz、Xavier Ragot 和三位审稿人对本文早期版本的详细评论。我还从 SED 会议、ASSA 会议、牛津-纽约联邦储备银行货币经济学会议、康斯坦茨货币理论与政策研讨会、维也纳宏观研讨会、T2M 年会、马拉喀什宏观周的与会者以及来自不同地方的研讨会参与者那里得到了有益的反馈。我感谢法国国家研究机构 (Labex Ecodec/ANR- 11-LABX-0047) 的资金支持。我没有与本文所述研究相关的物质或经济利益。† 巴黎综合理工学院和 CREST;地址:5 av. Le Chatelier, 91120 Palaiseau, France;电子邮件:edouard.challe@gmail.com。 ‡ 第一稿:2017 年 2 月。
UI计划是通过联邦和州雇主薪资税共同资助的。联邦失业税(FUTA)用于部分用来为每个州的失业保险计划的行政费用以及与扩展福利有关的某些联邦费用提供资金。根据《威斯康星州失业保险法》和所有其他州失业保险法的雇主工资税仅用于向失业工人支付福利。该计划仅通过雇主捐款(税)来资助。UI计划不是作为联邦社会保障体系,州工人薪酬计划或任何联邦或州福利计划的一部分运行的。威斯康星州UI法律要求每个涵盖的雇主根据工资税公式向失业储备金资金提供一个帐户。UI向前雇员支付的福利通常向雇主的储备基金帐户收取。谁管理UI程序?
该州的失业保险(UI)融资系统被打破了。该州的UI计划应该是自给自足的,也就是说,系统应收取足够的资金来支付随着时间的推移而支付的福利。这意味着,在几年内,该系统将收集更多的必要条件,以便在大多数经济低迷中,有足够的钱来支付上涨的福利成本。该系统被打破了:税收征收通常没有支付福利成本。(州的财政问题与影响大流行期间临时联邦UI计划的广泛欺诈无关。)我们的办公室和政府都期望这些年度短缺在可预见的未来。根据我们的预测,未来五年的赤字平均每年约20亿美元。这种前景是前所未有的:尽管过去该州在经济增长期间未能建立强大的储备,但在其中一个时期之一中,它从未在持续的赤字中持续存在。
近几十年来,美国的职业结构发生了很大变化,高技能的职业相对于中低技能的角色增加了其就业份额。尽管大部分文献都研究了这些长期模式,但对职业组成的短期动力学的关注较少。在本文中,我们记录了对高技能劳动力的需求飙升,但获得这些职业所需的培训要求也增加了。相比之下,对低技能和中产阶级职业的培训要求保持相对恒定。使用职业信息网络(O*NET)和人口普查数据,我们计算出,由于高技能职业的增长,从2006年的6.29岁增加到2019年的6.29岁到2019年的7.04年。这样的变化可以通过影响长期职业结构,并通过使流离失所者的短期职业流动性通过使他们过渡到扩大高技能的职业的长期来增加失业率。职业转换的障碍在很大程度上被某些职业流离失所的时期中更加相关。最近的技术进步表明,可以迅速采用制度(AI)和机器人技术,从而重塑了发达经济体中劳动力的职业结构。1个机器人已经可以在人工干预的情况下可能在各种职业中执行各种任务,包括焊接,绘画和包装。机器人便宜2因此,虽然劳动力替代技术被迅速而广泛地采用,但职业流动性的障碍会增加。在本文中,我们研究了这两个因素之间的相互作用如何导致技术失业的出现。在(i)技术的到来可以使某些职业中的工人取代以及(ii)培训障碍阻碍职业流动性的环境中,我们建立和校准了动态的多占用增长模型。我们将职业建模为构成一组任务的生产单位。具有类似的精神,与不断增长的有关基于任务的技术变革的文献相似,我们假设当前的技术允许广泛定义的资本(即机器人)执行现有任务的子集,并且在这些任务中,劳动力和资本是完美的替代品。
CNN(卷积神经网络)算法通常用于分类和深度学习图像处理(Zhang等,2018)。该神经元网络的核心由包含一组过滤器的卷积层表示,用作输出的张量(Lecun等,1998)。使用CNN算法进行失业率预测,并在NHOSE等人中获得中等结果。(2023)。尽管CNN算法的改进版本也已被证明对预测有效,但在本文中,使用了基本模型。CNN算法的更新版本是CNN – LSTM模型,其中卷积层之后是LSTM网络,为Ou-Yang等人的汽车销售预测提供了良好的预测性能。(2022)。同样,CNN和LSTM合并模型也用于房价预测(GE,2019年)。
可视化功能。作为开发和逐步推广过程的一部分,OUI 已邀请来自 SWA、地区 UI 办公室和国家办公室主题专家的多名志愿者利益相关者参与当前系统演示和未来应用程序的用户验收测试,以纳入用户反馈。这种利益相关者参与模仿了该部门在各州开展自己的现代化项目时推荐的类似最佳实践,如 UI 计划函第 11-18 号所述。该部门将继续通过会议、网络研讨会和用户验收测试与州、地区和国家用户互动,以确保实现功能和所需的用户体验。