Monsieur Miguel ZERECERO ANTON soutiendra sa thèse de doctorat en Sciences économiques le 29 Juin 2021 à 10h30.
Visioconférence (TSE)
Sur le sujet : « Essays on Labor Economics »
Directeur de thèse : Christian Hellwig
Composition du jury :
- Jan Eeckhout, Professeur d’économie, Université Pompeu Fabra
- Thomas Chaney, Professeur d’économie, SciencesPo
- Patrick Fève, Professeur d’économie, UT1 Capitole - TSE
- Christian Hellwig, Directeur scientifique de TSE, UT1 Capitole – TSE
Pour assister à la soutenance publique merci de contacter Elvire JALRAN
Résumé :
Ce travail de thèse est composé de trois chapitres traitant des effets macroéconomiques du marché du travail en mettant l’accent sur les déterminants de la migration interne, les inégalités spatiales, le pouvoir du marché du travail et la détermination des salaires.
Dans le premier chapitre, j’étudie une raison potentielle pour laquelle les travailleurs restent dans des zones économiquement en difficulté: les gens aiment vivre près de leur location d’origine. En utilisant des données administratives françaises, j’obtiens les résultats suivants: (i) la part de migrants qui retournent dans leur lieu de naissance est presque deux fois plus grande que la part de migrants qui se rendent dans une autre localité; (ii) il existe une relation négative entre les flux de main-d’oeuvre et la distance par rapport au lieu de naissance des travailleurs; et (iii) les travailleurs acceptent une réduction de salaire de 9 à 11 pourcent pour vivre dans leur localité d’origine. Pour comprendre les implications de ces résultats, je construis un modèle de migration quantitative dynamique dans lequel j’introduis un biais d’origine, compris comme un coût en terme d’utilité de la vie loin de son lieu de naissance. J’utilise le modèle pour identifier séparément le biais domestique et les coûts de migration à partir des données. Je trouve que les différences de lieu de naissance entraînent des différences de bien-être moyen allant jusqu’à 30 pourcent en termes d’équivalence de consommation et expliquent 43 pourcent de la dispersion totale du bien-être.
Enfin, je montre qu’un modèle de migration sans biais d’origine surestime la réponse migratoire des agents. Cela sous-estime la répercussion de la productivité locale sur les salaires réels et surestime les coûts d’efficacité associés aux politiques territoriales.
Dans le second chapitre, Miren Azkarate-Askasua et moi étudions les effets du pouvoir du marché des employeurs et les syndicats sur l’efficience et le bien-être. Nous utilisons des données du secteur de la production industrielle française pour documenter premièrement la relation négative entre concentration d’emploi avec les salaires et la partie de la valeur ajoutée qui va au paiement du travail. Au niveau micro, nous identifions les effets de la concentration d’emploi grâce à un choque de licenciement aux compétiteurs. À la suite nous construisons un modèle de négociations en équilibre général avec pouvoir de marché des employeurs et les syndicats. Ce modèle délivre des wedges structurelles hétérogènes à travers des entreprises que génère potentiellement une mis-allocation des ressources. Nous proposons une estimation qu’identifie séparément chaque source de pouvoir du marché au marché de travail. En outre nous permettons que les paramètres soient flexibles à travers des secteurs ce qui contribue à l’hétérogénéité des wedges. Nous montrons que l’observation des salaires et niveau d’emploi est suffisant pour calculer des contrefactuelles relatives à la base. Nous évaluons le coût des distorsions du marché du travail. Éliminer le pouvoir du marché des employeurs et les syndicats augmente la production en 1.6% et la partie qui va au paiement de la main d’oeuvre en 21 points pourcentuelles ce qui signifie une augmentation significative du bien-être des salariés. La mobilité géographique est la clé pour réaliser les gains de la compétition.
Dans le dernier chapitre, Miren Azkarate-Askasua et moi proposons une méthode de correction de biais qui apparait dans les estimations des formes quadratiques des paramètres de modèles linéaires. Ce biais de faible échantillonnage apparait quand nous voulons faire une décomposition de variance comme par exemple pour décomposer les sources des inégalités salariales. Quand le nombre de variables indépendantes est grand, le calcul directe du biais n’est pas faisable. Nous proposons une méthode de bootstrap pour corriger le biais. Notre méthode s’adapte à différentes hypothèses de la structure des erreurs comme heteroscdecasticité et autocorrélation. Nous pouvons corriger le biais de plusieurs formes quadratiques d’un modèle linéaire sans augmenter le coût des calculs. Nous montrons à travers de simulations de Monte Carlo que notre procédure de bootstrap effectivement corrige le biais et nous le comparons à d’autres méthodes de la littérature. Nous misons en application notre méthode avec des données administratives françaises pour faire une décomposition de la variance des salaires avec effets fixes de travailleur et entreprise. Nous trouvons que les effets de personne et entreprise sont moins importants une fois nous avons corrigé pour le biais.
