ipums

人口老龄化对经济增长、劳动力和生产率的影响

3 或者，我们也可以使用人口普查中的州级人口统计数据。但是，我们选择从相同的个人层面数据构建我们的人口规模和劳动力供应指标，以尽量减少因数据聚合程序差异而产生的差异。使用这些噪声更大的州级人口指标不会影响我们估计的一致性，但可能会增加我们的标准误差。4 有证据表明，由于调查变化，人口普查和 ACS 之间的收入数据不可比。https://www.census.gov/content/dam/Census/library/working-papers/2003/acs/2003_Nelson_01.pdf（最后访问时间为 2018 年 8 月 18 日）发现 ACS 家庭收入比人口普查家庭收入低 4.6%。我们假设时间固定效应解释了这一变化，或者更准确地说，在对时间固定效应进行条件化后，这一变化与我们的工具无关。我们还按十年显示了结果。 1980-1990 和 1990-2000 的样本仅依赖人口普查数据并避免了这个问题。5 我们用每周通常的工作小时数乘以工作周数来计算每个人的年度小时数。工作周数在 ACS 中仅按间隔报告。使用人口普查数据，我们将每个间隔的分类指标上的周数回归并估算周数。6 我们使用 1990 年人口普查局的行业分类方案，该方案自 1950 年以来一直在 IPUMS 中报告。7 虽然州一级的 GDP 可能比全国 GDP 数据更容易受到测量误差的影响，但我们假设这种测量误差与我们预测的人口老龄化指标无关。8 最后访问时间为 2015 年 3 月 31 日。BEA 警告说，由于从 SIC 行业代码转换为 NAICS 行业代码，州 GDP 时间序列出现不连续性。我们假设时间固定效应解释了这种转变，并且各州之间的任何差异变化都与我们的工具（预测的老龄化变化）无关。文献中曾将 1997 年之前的各州 GDP 数据附加到 1997 年之后的各州 GDP 数据中（例如，Nakamura 和 Steinsson，2014 年）。另请注意，我们按十年呈现结果，这表明我们的结果不是由 1990 年至 2000 年之间的变化驱动的。9 使用总产量而不是消费数据的一个优势是 GDP 包括资产收入，可用于补偿消费下降。10 各州和各年份的劳动力结果仍然存在轻微的不一致，因为在 2000 年之前，人口普查仅包括当年居住州的信息。对于 2000 年和 2010 年，可以按上一年的居住州汇总劳动力结果。我们分别使用对齐和非对齐度量对 2000-2010 年的主要回归模型进行了稳健性检验，发现这不会影响我们的结果。这些估计值显示在附录表 A.10 中，并在下文中讨论。