|
刚好最近NBER上有一篇工作论文是讨论这个话题的。虽然跟题目不完全吻合…… Guvenen, F., S. Schulhofer-Wohl, J. Song, M. Yogo, 2017, Worker Beats: Five Facts about Systematic Earnings Risk, NBER Working Paper 23163 这不是一篇很深入很严谨的研究，只是展示了对一些数据的初步处理结果。文中用的又是美国数据，未必与中国情况类似，所以各位看看就好。 这些数据来自美国社保署(Social Security Administration)1978年到2013年的Master Earnings File。作者只用了其中的1/10，据说是因为"computing resource constraints"。即便如此，这也已经是一个巨大的样本了。  如上表所示，样本中包含数以亿计的观测值。 作者用的方法也简单粗暴，基本上就是一个普通的分组回归。  以个人收入变化为被解释变量，以GDP或其他宏观指标的变化为解释变量，显然， 越大，则个人收入受宏观波动影响越大，在经济危机中也就越容易被波及。 然后作者估计了不同收入、性别、年龄、从事行业、就职企业规模分组的 。  如上图所示，收入最高和最低的人更易受影响，男性更易受影响，中低收入人群年龄越大越不受影响，而高收入人群则有所不同。
 上图是分行业情形，各行业基本也都是收入两头的人更容易受影响，而最能抵御风险的行业，毫无疑问是健康&教育行业(Health & Education)。
 最后，是就职企业规模的影响。上面从左至右三张图分别展示了企业规模不同时，GDP变化、企业内其他人员平均工资变化、行业内其他人员平均工资变化对个人工资变化的影响。 基本上，除了收入最高那一小撮人，企业规模扩大会减少宏观波动对员工收入的影响，不过会提高同事之间工资水平的相关性。 考虑到收入最高的人群多半有其他抵御风险的手段，这结果反正就是，为了防范风险，大家拼命升职加薪吧。 此外，一个或许有趣的事实是，对26-35岁的男性而言，随着工资上升，工资和GDP变化之间的相关性会从3.04下降到0.95，而如果他的工资处于中间水平，他从耐用品制造部门跳槽到健康&教育部门，会让这个相关性从2.61下降到0.5。行业间和行业内部差异基本处于同一数量级上。 | 
转播
