2016年-世界发展银行全球_Unemployment_and_Mortality___Evidence_from_the_Great_Recession_33页_763kb

报告摘要

总结：失业与死亡率：来自大衰退的证据

核心内容

本研究探讨了大衰退期间失业对人口健康的影响，特别是对死亡率的影响。通过使用Bartik工具变量，研究试图识别失业与死亡率之间的因果关系，并排除了反向因果关系和遗漏变量偏差的影响。

主要观点

总体结论：
在大衰退期间，失业对整体死亡率没有显著的负面影响。也就是说，失业对大多数死亡类型的影响在统计上不显著。
例外情况：
- 阿尔茨海默病：失业增加了该类死亡率。
- 中毒：失业也增加了中毒相关的死亡率。
- 谋杀：失业反而降低了谋杀率。
性别与年龄组影响：
- 失业对男性和女性的死亡率没有显著影响。
- 唯一例外是25-34岁年龄组，该组的死亡率与失业存在显著的负相关。这意味着在大衰退期间，失业率高的县，该年龄段的死亡人数反而较少。这可能与该群体在经济衰退期间的就业结构、社会保障或行为模式有关。
社会成本渠道：
失业可能通过社会不稳定、犯罪和社区恶化等渠道影响未来的就业机会。因此，政府应考虑在失业加剧之前采取措施，以保护弱势群体并防止社会问题恶化。

关键信息

研究方法：
使用Bartik工具变量来捕捉由美国整体需求下降引起的可贸易行业失业，从而控制县内特定因素的影响。该工具变量基于行业就业变化和全国就业变化之间的关系，确保其外生性。
数据来源：
- 就业数据来自美国人口普查局的**县商业模式（County Business Patterns, CBP）**数据库，涵盖2007年和2010年的数据。
- 死亡率数据来自美国卫生与公共服务部（US DHHS）的疾病控制与预防中心（CDC） WONDER数据库。
- 控制变量包括家庭杠杆率、人口结构（如年龄、性别、种族）、经济指标（如收入、贫困率、城市化率）等。
模型设定：
- 使用**两阶段最小二乘法（2SLS）**进行回归分析。
- 第一阶段回归：将总失业率作为被解释变量，Bartik工具变量作为解释变量。
- 第二阶段回归：将死亡率变化作为被解释变量，总失业率作为解释变量，使用第一阶段估计的工具变量进行工具变量回归。
统计结果：
- OLS回归显示失业与死亡率之间存在负相关，但不具有因果性。
- 工具变量回归显示失业对死亡率的影响在统计上不显著，表明失业与死亡率之间可能不存在直接的因果关系。
- Bartik工具变量在第一阶段回归中具有显著的预测能力，F统计量为59.14，表明工具变量与被解释变量之间存在强相关性。
稳健性检验：
- 所有回归均以县的家庭数量加权，并以州为单位进行标准误聚类。
- 工具变量在不同县之间具有稳健性，且行业集中度较低，因此工具变量的外生性得以保证。