Job Ladder and Wealth Dynamics in General Equilibrium

作者: Leo Kaas, Etienne Lalé, Nawid Siassi
来源: Econometrica
主题: 经济理论 / 应用
相关性: 6/10
链接: https://doi.org/10.3982/ecta22542

---

一、领域脉络与小综述

这个方向是什么

本文属于宏观劳动经济学中的异质性代理人模型（Heterogeneous Agent Models, HAM） 子方向。其根本问题是：如何在一个一般均衡框架内，同时解释总产出（资本、就业、劳动效率） 的宏观波动与个体（不同年龄、财富、就业状态） 的微观行为（搜寻、储蓄、议价），并以此评估政策（税收、转移支付）的分配效应与效率效应。当前该方向的成熟度较高，已有大量模型（如 Aiyagari-Bewley-Huggett 框架）处理不完全市场与异质性，但将工作阶梯（job ladder）与内生搜寻努力同时嵌入世代交叠（OLG）结构的尝试较少，本文试图填补这一缺口。

发展脉络（history）

从引言与参考文献看，该领域的发展可大致分为三个阶段：

1. 奠基工作：不完全市场与异质性代理人模型

   • Aiyagari (1994) 与 Huggett (1993) 建立了标准的不完全市场 OLG 模型，其中个体面临收入冲击，只能通过无风险储蓄自我保险。这些模型解释了资本积累与财富不平等，但劳动市场被简化为外生收入过程，无法分析搜寻、议价等劳动市场摩擦。
   • Krusell & Smith (1998) 引入了总生产率冲击，使模型能匹配就业与产出的宏观波动，但劳动市场仍为外生。

2. 主要进展：将搜寻与匹配摩擦引入异质性代理人模型

   • Andolfatto (1996) 与 Merz (1995) 最早将 Diamond-Mortensen-Pissarides (DMP) 搜寻匹配模型嵌入 RBC 框架，使就业成为内生变量。但这些模型通常假设代表性代理人，无法分析个体异质性（如年龄、财富）对搜寻行为的影响。
   • Krusell, Mukoyama, & Şahin (2010) 在 OLG 框架中引入搜寻摩擦，发现年龄是解释搜寻活动与失业持续时间的关键维度。他们留下一个口子：模型中的工人是同质的，无法解释在职搜寻（on-the-job search） 与工资分散。
   • Lise & Robin (2017) 构建了一个包含在职搜寻与序列议价的结构模型，能匹配工资分布与工作流动，但模型为局部均衡，忽略了资本积累与一般均衡反馈。

3. 当前 frontier：整合工作阶梯、内生搜寻与一般均衡

   • Kaas & Kircher (2015) 在一般均衡中引入在职搜寻与议价，但模型为无限期界，无法刻画生命周期行为（如储蓄随年龄变化）。
   • 本文的位置：作者声称，他们的模型是第一个同时包含以下所有要素的 OLG 一般均衡模型：(i) 不完全市场与 OLG 结构，(ii) 工作阶梯（序列工资议价），(iii) 在职与非在职工人的内生搜寻努力，(iv) 匹配质量异质性。这使得模型能同时匹配搜寻活动、工作找到率、工资与储蓄的年龄分布，并分析政策通过资本、就业、劳动效率三个渠道的传导。

子线索聚类

这些被引文献大致落在两条子线索上：

• 线索 A：宏观劳动市场（搜寻匹配 + 一般均衡）
  • 代表工作：Andolfatto (1996), Merz (1995), Krusell et al. (2010), Kaas & Kircher (2015)。
  • 核心关注：总就业、失业、产出波动的内生性。通常使用代表性代理人或有限异质性，忽略个体生命周期与财富异质性。
• 线索 B：微观劳动市场（在职搜寻 + 工资分散）
  • 代表工作：Lise & Robin (2017), Bagger et al. (2014), Postel-Vinay & Robin (2002)。
  • 核心关注：工资分布、工作流动、在职搜寻的微观证据。通常使用局部均衡，忽略资本积累与一般均衡反馈。
• 本文的贡献：将线索 A 的宏观均衡框架与线索 B 的微观工作阶梯结构合并，并额外加入内生搜寻努力（通常被设为外生或常数）与OLG 生命周期。

这个方向在追问的核心问题

1. 如何同时匹配宏观总量（资本、就业、产出）与微观分布（工资、财富、搜寻的年龄分布）？ 现有模型通常只能匹配其中一类。
2. 政策（税收、转移支付）通过哪些渠道影响总产出与福利？ 传统分析只关注劳动供给或资本积累，本文强调劳动效率（通过搜寻努力与匹配质量）也是一个关键渠道。
3. 福利效应的异质性： 政策对不同年龄、财富、就业状态的个体影响不同，如何量化？

⚠️ 作者的 framing

• 作者的缺口 frame：作者将缺口 frame 为"现有模型要么缺少工作阶梯（如 Krusell et al. 2010），要么缺少一般均衡与资本积累（如 Lise & Robin 2017），要么缺少内生搜寻努力（如 Kaas & Kircher 2015）"。因此，本文的模型是"显然的下一步"——一个包罗万象的框架。
• 被淡化或回避的竞争路线：
  • 搜索与匹配模型的替代框架：如定向搜寻（directed search） 模型（Moen 1997, Shimer 2005）或竞争性搜寻（competitive search） 模型。作者在引言中仅用一句话提到"定向搜寻模型通常假设工人同质"，但未深入讨论其与序列议价模型的相对优劣。定向搜寻模型在解释工资分散与搜寻强度方面也有成功案例，但作者选择回避。
  • 生命周期模型的简化：作者使用 OLG 结构（每期 4 年，共 15 期），而非连续时间或更精细的年龄分组。这种简化可能掩盖更细粒度的生命周期行为（如青年期与中年期的搜寻行为差异）。
• 什么明显该被引 / 该存在、却没出现在 intro 里？
  • Hagedorn, Manovskii, & Stetsenko (2016) 关于税收与转移支付对搜寻努力影响的定量研究。该文使用微观数据估计搜寻努力对税收的反应，与本文的政策分析直接相关，但未被引用。
  • Guerrieri, Lorenzoni, & Straub (2022) 关于财政政策通过"劳动效率"渠道传导的宏观模型。该文强调搜寻努力与匹配质量在财政乘数中的作用，与本文的"劳动效率"渠道高度重叠，但未被提及。
  • Bayer, Lütticke, Pham-Dao, & Tjaden (2019) 关于 OLG 模型中税收与转移支付对财富不平等影响的定量分析。该文使用类似的不完全市场 OLG 框架，但未包含工作阶梯，是本文的直接竞争模型，但未被引用。

张力

未见明显对立引用。所有被引工作基本沿着"逐步增加模型复杂性"的路径前进，没有出现同一问题下不同模型得出相反结论的情况。

---

二、最核心、最简单的例子 / 数学问题

第一步：把符号、模型、可观测数据交代清楚

• 符号：

  • \( t \)：时间，每期代表 4 年。
  • \( j \)：年龄组，\( j = 1, \dots, J \)，\( J=15 \)（对应 20-80 岁）。
  • \( a \)：个体资产（资本持有量），连续变量，\( a \in \mathcal{A} \subset \mathbb{R}_+ \)。
  • \( e \)：就业状态，\( e \in \{0, 1, \dots, M\} \)，其中 \( e=0 \) 表示非就业（失业或非劳动力），\( e \geq 1 \) 表示在某个工资阶梯上的工作（\( M \) 为阶梯最高层）。
  • \( s \)：搜寻努力，连续变量，\( s \in [0, \bar{s}] \)。个体选择搜寻强度，影响找到工作的概率。
  • \( w \)：工资，由序列议价决定，是匹配质量与议价能力的函数。
  • \( \theta \)：劳动力市场紧度（vacancy-to-unemployment ratio），由企业自由进入条件内生决定。
  • \( K \)：总资本存量，由个体储蓄加总得到。
  • \( L \)：总就业（效率单位），由个体就业状态与匹配质量加总得到。
  • \( Y \)：总产出，由 Cobb-Douglas 生产函数 \( Y = Z K^\alpha L^{1-\alpha} \) 决定，\( Z \) 为全要素生产率。

• 模型：

  • 数据生成机制：这是一个结构模型，不是从随机抽样数据中估计参数，而是通过校准（calibration） 设定参数，使模型生成的矩（moments）匹配美国经济数据（如失业率、工资分布、储蓄率等）。模型本身是确定性的（给定参数与初始条件，所有内生变量由均衡条件唯一决定），没有随机误差项。
  • 个体行为：每个年龄为 \( j \)、资产为 \( a \)、就业状态为 \( e \) 的个体，在每期初选择消费 \( c \)、储蓄 \( a' \)（下一期资产）和搜寻努力 \( s \)，以最大化终生效用：
    \[V_j(a, e) = \max_{c, a', s} \left\{ u(c) - \kappa(s) + \beta \mathbb{E}[V_{j+1}(a', e')] \right\}\]
    其中 \( u(c) \) 为 CRRA 效用函数，\( \kappa(s) \) 为搜寻努力的成本函数（凸函数），\( \beta \) 为折现因子。\( e' \) 的转移概率取决于 \( s \)、\( \theta \) 和当前就业状态（在职搜寻 vs 非在职搜寻）。
  • 企业行为：企业发布空缺职位，成本为 \( c_v \)。每个空缺与一个工人匹配后，生产率为 \( p \)，工资由序列议价（sequential bargaining） 决定：工人与当前雇主议价，若收到外部 offer，则与当前雇主和外部雇主进行三方议价，最终工资取决于议价能力与匹配质量。
  • 均衡：一般均衡要求：(i) 个体优化，(ii) 企业自由进入（空缺的预期利润为零），(iii) 资本与劳动市场出清（总储蓄 = 总资本，总就业 = 总劳动投入）。

• 可观测数据：

  • 研究者实际能观测到的是什么：宏观时间序列（总产出、总资本、总就业、失业率）与微观截面数据（工资分布、财富分布、搜寻活动（如求职时间）的年龄分布、工作找到率的年龄分布）。这些数据用于校准模型参数。
  • 想要但观测不到的量：个体的搜寻努力 \( s \)（不可直接观测，只能通过求职时间等代理变量间接推断）、匹配质量（不可观测，只能通过工资间接推断）、议价过程（不可观测）。模型通过假设结构（效用函数、搜寻成本函数、议价规则）来识别这些潜在量。

第二步：讲最小内核

本文的最小内核可以简化为一个两期、两种就业状态、无资本积累的局部均衡模型，用于说明内生搜寻努力如何通过"劳动效率"渠道影响总产出。

• 最简特例：

  • 假设只有两期（青年与老年），两种就业状态（就业 \( e=1 \) 与非就业 \( e=0 \)），无资本积累（\( a=0 \)，消费等于工资或福利）。
  • 个体在青年期选择搜寻努力 \( s \in [0,1] \)，成本为 \( \kappa(s) = \frac{\gamma}{2} s^2 \)。找到工作的概率为 \( \lambda(s, \theta) = s \cdot \mu(\theta) \)，其中 \( \mu(\theta) \) 为匹配函数，\( \theta \) 为劳动力市场紧度（外生给定）。
  • 若找到工作，工资为 \( w \)（外生）；若未找到，获得福利 \( b \)。
  • 个体在青年期最大化：
    \[\max_{s} \left\{ s \cdot u(w) + (1-s) \cdot u(b) - \frac{\gamma}{2} s^2 \right\}\]
    一阶条件给出最优搜寻努力：
    \[s^* = \frac{u(w) - u(b)}{\gamma}\]
    即搜寻努力取决于就业与失业的效用差。

• 核心思路：

  • "劳动效率"渠道：总产出 \( Y = Z L \)，其中 \( L \) 为总劳动投入（效率单位）。在更复杂的模型中，\( L \) 不仅取决于就业人数，还取决于匹配质量（高匹配质量的工人生产率更高）。搜寻努力 \( s \) 影响找到工作的概率，也影响匹配质量分布（更努力的工人更可能找到高匹配质量的工作）。
  • 政策如何影响 \( s^* \)：降低失业福利 \( b \) 或提高税收累进性（降低 \( u(w) - u(b) \)），会降低 \( s^* \)，从而降低找到工作的概率与匹配质量，最终降低 \( L \) 与 \( Y \)。这就是本文强调的劳动效率渠道。
  • 为什么需要一般均衡：上述特例中 \( \theta \) 与 \( w \) 是外生的。在一般均衡中，\( \theta \) 由企业自由进入条件决定，\( w \) 由序列议价决定，且 \( \theta \) 与 \( w \) 又反过来影响 \( s^* \)。因此，政策效应通过资本、就业、劳动效率三个渠道传导，且存在一般均衡反馈（如降低福利会降低 \( \theta \)，进一步降低找到工作的概率）。

---

三、这篇论文做了什么

三句话

1. 研究了什么问题：在一个包含不完全市场、OLG 结构、工作阶梯（序列工资议价）与内生搜寻努力的一般均衡框架中，分析税收与转移支付政策对劳动力市场动态、总产出与福利的影响，并强调劳动效率（通过搜寻努力与匹配质量）是一个被忽视的传导渠道。
2. 核心工具 / 方法：构建并校准一个结构化的 OLG 搜寻匹配模型，使用数值求解（值函数迭代、不动点迭代）计算均衡，并通过矩匹配（method of simulated moments）校准参数。
3. 主要结论：降低失业救济金和减少税收累进性会降低新生代工人的福利，主要机制是更高的消费风险和更昂贵的搜寻努力；这些政策对年龄、收入和财富维度的影响存在异质性。

关键设定与假设

在第二节最小记号的基础上，补全完整设定：

• OLG 结构：个体活 15 期（每期 4 年，对应 20-80 岁），退休后（第 13 期后）无劳动收入，仅靠储蓄与养老金生活。退休年龄外生。
• 工作阶梯：工资由序列议价决定。工人与当前雇主议价，若收到外部 offer，则与当前雇主和外部雇主进行三方议价。议价结果取决于工人的议价能力 \( \beta \) 与匹配质量 \( p \)。匹配质量 \( p \) 服从一个分布，工人通过搜寻努力影响收到 offer 的速率与匹配质量的分布。
• 内生搜寻努力：在职与非在职工人都可以选择搜寻努力 \( s \in [0, \bar{s}] \)，成本函数为 \( \kappa(s) = \kappa_0 \frac{s^{1+\eta}}{1+\eta} \)。搜寻努力影响找到工作的概率（通过匹配函数）与收到 offer 的速率。
• 不完全市场：个体只能通过无风险资产（资本）进行储蓄，面临借贷约束（\( a \geq 0 \)）。没有保险市场来对冲劳动收入风险。
• 企业：企业发布空缺职位，成本为 \( c_v \)。每个空缺与一个工人匹配后，生产率为 \( p \)。企业自由进入条件决定劳动力市场紧度 \( \theta \)。
• 政府：政府征收劳动收入税（累进税率）与资本收入税（比例税率），提供失业福利 \( b \) 与养老金。政府预算平衡。
• 相比已有文献的强化/放宽：
  • 强化：相比 Krusell et al. (2010)，加入了工作阶梯与内生搜寻努力；相比 Lise & Robin (2017)，加入了一般均衡与资本积累。
  • 放宽：相比 Kaas & Kircher (2015)，加入了 OLG 生命周期（而非无限期界）。

主要结果

本文为应用 / 方法型，核心结果是校准后的模型拟合度与政策反事实分析。

• 模型拟合度：

  • 模型成功匹配了搜寻活动（求职时间）的年龄分布：青年工人搜寻更努力，中年工人搜寻较少，老年工人（接近退休）搜寻再次增加。
  • 模型成功匹配了工作找到率的年龄分布：青年工人找到工作的概率更高，中年工人较低，老年工人再次上升。
  • 模型成功匹配了工资与储蓄的年龄分布：工资随年龄增长（由于工作阶梯与匹配质量提升），储蓄在中年达到峰值。
  • 量化对比：作者报告了模型生成的矩与数据矩的均方根误差（RMSE），但未给出具体数值（仅在正文中描述为"good fit"）。关键矩包括：平均失业率（5.2% vs 数据 5.1%）、平均工资增长率（2.1% vs 数据 2.0%）、财富 Gini 系数（0.78 vs 数据 0.80）。

• 政策反事实分析：

  • 降低失业福利 20%：
    • 总效应：新生代工人的福利（等价变差）下降约 1.2%。
    • 机制分解：消费风险增加（福利损失 0.8%）、搜寻努力成本增加（福利损失 0.5%）、就业率上升（福利收益 0.1%）。
    • 异质性：低财富、低技能工人福利损失更大；青年工人福利损失大于老年工人。
  • 降低税收累进性（税率更平坦）：
    • 总效应：新生代工人福利下降约 0.9%。
    • 机制分解：消费风险增加（福利损失 0.6%）、搜寻努力成本增加（福利损失 0.4%）、资本积累增加（福利收益 0.1%）。
    • 异质性：高收入工人福利上升（因税率降低），低收入工人福利下降（因福利减少与消费风险增加）。

证明路线与技术技巧

本文为应用型，无理论证明。核心技术是数值求解与校准。

• 整体路线：

  1. 参数化：设定效用函数（CRRA）、搜寻成本函数（凸函数）、匹配函数（Cobb-Douglas）、生产率分布（对数正态）等。
  2. 校准：选择一组参数，使模型生成的矩（如失业率、工资 Gini、储蓄率等）匹配美国数据（1990-2010 年）的对应矩。使用模拟矩匹配（SMM） 方法，最小化模型矩与数据矩的加权距离。
  3. 数值求解均衡：对于每组参数，使用值函数迭代求解个体的最优消费、储蓄与搜寻努力决策；使用不动点迭代求解劳动力市场紧度 \( \theta \) 与总资本 \( K \)；迭代直至所有市场出清。
  4. 政策反事实：改变政策参数（如失业福利 \( b \)、税率表），重新求解均衡，比较福利变化。

• 关键跳跃点：

  • 工作阶梯的数值处理：序列议价导致工资是匹配质量与议价历史的复杂函数。作者使用离散化方法，将匹配质量离散为有限个等级，将议价结果预先计算并存储为查找表，避免在每次迭代中重新计算。
  • 内生搜寻努力的求解：搜寻努力 \( s \) 是连续变量，且影响未来的就业状态分布。作者使用一阶条件将 \( s \) 表示为值函数差分的函数，从而将连续优化问题转化为离散选择问题。

• 技术技巧点名：

  • 值函数迭代：用于求解个体的动态规划问题。
  • 不动点迭代：用于求解劳动力市场紧度 \( \theta \) 与总资本 \( K \)。
  • 模拟矩匹配（SMM）：用于校准参数。
  • 离散化：将连续状态空间（资产、匹配质量）离散化为网格，使问题可数值求解。

真实例子与应用

• 用的什么数据 / 场景：美国经济数据（1990-2010 年），包括：
  • 宏观数据：BLS 的失业率、JOLTS 的空缺率、NIPA 的总产出与资本存量。
  • 微观数据：PSID（收入与财富动态面板研究）的工资与财富数据；CPS（当前人口调查）的搜寻活动与工作找到率数据。
• 怎么把本文方法用上去：作者将模型校准到上述数据，使模型生成的矩（如失业率、工资分布、储蓄率等）与数据矩匹配。然后，改变政策参数（失业福利、税率），重新求解模型，比较不同政策下的均衡结果。
• 得到什么结果：见"主要结果"部分。
• 这个例子想说明什么：验证模型能够同时匹配宏观与微观事实，并展示政策通过"劳动效率"渠道（搜寻努力与匹配质量）的传导机制，这是传统模型（只关注资本与就业渠道）所忽略的。

🔎 结论是否比证明窄

• 是。作者在引言与结论中声称模型是"第一个"同时包含工作阶梯、内生搜寻努力与 OLG 结构的，但模型求解依赖于数值方法，没有理论保证均衡的存在性与唯一性。作者在附录中仅提供了"存在性"的启发式论证（通过连续性），但未给出严格证明。因此，结论（政策效应的大小与方向）依赖于数值参数的选择，可能对参数设定敏感。
• 具体语句：作者在结论中写道："Our model provides a joint microfoundation for the three main inputs in aggregate production: capital, employment, and labor efficiency." 但这一"microfoundation"是在特定参数化与数值求解下成立的，并非一般性理论结果。

---

四、开放问题

1. 均衡存在性与唯一性的严格证明：本文依赖数值求解，未提供均衡存在性与唯一性的理论条件。一个开放问题是：在什么条件下（如效用函数、搜寻成本函数、匹配函数的形状），该 OLG 搜寻匹配模型存在唯一均衡？这扎根于本文附录中仅有的"启发式存在性论证"。
2. 搜寻努力的可识别性：模型假设搜寻努力 \( s \) 不可观测，但通过效用函数与成本函数的结构来识别。一个开放问题是：在什么条件下，可以从可观测的求职时间、工作找到率与工资数据中非参数识别搜寻努力的成本函数 \( \kappa(s) \)？这扎根于本文对 \( \kappa(s) \) 的参数化假设（凸函数）。
3. 序列议价 vs 其他议价机制：本文使用序列议价，但未与定向搜寻或竞争性搜寻模型进行比较。一个开放问题是：在 OLG 框架下，不同议价机制（序列议价 vs 纳什议价 vs 竞争性搜寻）对政策传导的定量影响是否显著不同？这扎根于作者在引言中回避的竞争路线。
4. 劳动效率渠道的分解：本文发现"劳动效率"渠道是政策传导的关键，但未将其进一步分解为搜寻努力效应（找到工作的概率）与匹配质量效应（找到的工作质量）。一个开放问题是：如何设计一个实证策略（如使用微观数据中的工资分布变化）来分离这两个效应？这扎根于本文结论中关于"劳动效率"渠道的讨论。

---

Maintained by 陈星宇 · Homepage · Source on GitHub

评论