UID:
edoccha_9961432911502883
Umfang:
1 online resource (133 p.)
Ausgabe:
1st ed.
ISBN:
3-7639-4080-4
Serie:
IAB-Bibliothek (Dissertationen) 346
Inhalt:
Die Entwicklung von Arbeitslosigkeit und Beschäftigung wird maßgeblich von den Übergängen auf dem Arbeitsmarkt beeinflusst. Daniela Nordmeier analysiert die Übergänge von Arbeitskräften, also Einstellungen und Entlassungen, im konjunkturellen Kontext. Dabei stützt sie sich auf prozessgenerierte Personendaten des IAB, welche einen umfassenden Einblick in die Dynamik am deutschen Arbeitsmarkt ermöglichen. Die Arbeit umfasst drei eigenständige wissenschaftliche Aufsätze, die zentrale Aspekte dieser Thematik beleuchten: * Zeitaggregation bei der Messung von Arbeitsmarktübergängen * Dynamik der Arbeitslosigkeit in Abhängigkeit von strukturellen Schocks * Modellierung von Einstellungen mithilfe einer Matchingfunktion. The development of unemployment and employment is strongly determined by labor market flows. Daniela Nordmeier uses process-generated micro data provided by the Institute for Employment Research (IAB) to analyze the cyclical behavior of worker flows in Germany. She examines central aspects of this topic in three self-contained studies: * The time aggregation bias in worker flows * Unemployment dynamics conditional on structural shocks * The modeling of job findings by a matching function.
Anmerkung:
Dissertationen.
,
Inaugural Dissertation zur Erlangung des akademischen Grades eines Doktors der Wirtschafts- und Sozialwissenschaften (Dr. rer. pol.) der Friedrich-Alexander-Universität Erlangen-Nürnberg.
,
List of Figures List of Tables Preface 1 Introduction 1.1 Background 1.2 Overview of the Essays 2 Worker Flows in Germany: Inspecting the Time Aggregation Bias 2.1 Introduction 2.2 Data Description 2.3 Time Aggregation Bias 2.4 Stylized Facts of German Worker Flows 2.5 Conclusion 2.A Data Selection 2.B A Nonemployment Proxy according to 2.C Figures of the Time Aggregation Bias 2.D Robustness Checks 3 Patterns of Unemployment Dynamics in Germany 3.1 Introduction 3.2 Data Description 3.3 Empirical Model 3.4 Results 3.5 Robustness Analysis 3.6 Subsample Analysis 3.7 Conclusion 3.A Further Tables and Figures 3.B Imposing Identifying Restrictions 4 The Matching Function: A Selection-Based Interpretation 4.1 Introduction 4.2 Estimations from Empirical Data 4.3 A Simple Selection Model 4.4 Estimations from Simulated Data 4.5 Fictional Matching Function Analytics 4.6 Conclusion 4.A Previous Matching Function Studies 4.B Reporting Rate of Vacancies 4.C Robustness Checks of the CRS Assumption 4.D Control Variables 4.E Endogenous Separations 4.F Contact Rate 5 Conclusion References Abstract Kurzfassung
,
English
Weitere Ausg.:
ISBN 3-7639-4079-0
Sprache:
Englisch