新冠肺炎对印度年轻女性劳动力市场愿望和期望的影响

授权公开披露 授权公开披露 政策研究工作文件10808 COVID-19对印度年轻女性劳动力市场的期望和期望的影响 SAnukritiCatalinaHerrera-AlmanzaSophieOchmann 发展经济学发展研究小组2024年6月 政策研究工作文件10808 Abstract 青年失业和劳动市场结果中的性别差距是发展中各国的关键政策挑战。年轻求职者可能因为对劳动力市场的偏见看法以及不切实际的职业期望而难以找到工作。本研究探讨了COVID-19疫情暴露是否影响了劳动市场结果。 印度哈里亚纳邦女职业学生的职业抱负和期望在疫情期间受到了影响，降低了年轻女性的工资期望值，并使她们更加现实，尤其是在农村地区。这些效应的一个潜在机制可能是疫情导致农村女性愿意为工作迁移的人数下降。 这是发展研究组（DevelopmentResearchGroup）发展经济学部门的产品。它是世界银行为提供研究成果的开放访问并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。政策研究工作论文也在网上发布，网址为http://www.worldbank.org/prwp。作者可以通过sanukriti@worldbank.org联系。 政策研究工作论文系列旨在发布正在进行中的研究成果，以促进关于发展问题的想法交流。该系列的一个目标是在论文尚未完全完善的情况下迅速发表这些发现。这些论文应注明作者姓名，并按相应方式引用。本文的观点、解释和结论完全是作者的意见，不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不一定代表世界银行执行董事会成员或他们所代表的政府的观点。 由研究支持团队制作 COVID-19对青年女性劳动的影响 ∗ 印度的市场期望和预期 SAnukritiCatalinaHerrera-AlmanzaSophieOchmann 世界银行†伊利诺伊大学香槟分校‡世界银行§ 关键词：COVID-19，大流行，印度，性别，求职JEL代码:J20,O12,D83 ∗我们感谢GauravChiplunkar、IsisGaddis、RobGarlick、ErinKelley、DavidMcKenzie、JayatiSethi 、AmbikaSharma、ShobhanaSosale和EmcetTas在该项目不同阶段提供的支持。RocioValdebenito和KunalDatt提供了卓越的研究协助。本项目得到了世界银行知识变革计划及南亚性别创新实验室的资金支持。本文的观点、解释和结论完全是作者的意见。它们不一定代表世界银行及其附属组织的观点，也不一定反映世界银行执行董事会或他们所代表的政府的观点。 †发展研究小组。sanukriti@worldbank.org。 ‡农业和消费经济部。cataher@illinois.edu。 §sophie.ochmann@gmail.com. 1Introduction 青年失业是发展中世界政策制定者普遍关注的问题，尤其是在年轻人占比较大且不断增长的国家（其中青年人口的比例较大且持续增加）。卡兰萨和麦肯齐,2024).在印度等国家，年轻女性（15-29岁）的劳动力参与率比年轻男性低39个百分点（63.5%），这一显著的性别差距在这些国家增加了额外的政策挑战。1除了需求因素、技能差距和匹配摩擦外，年轻人可能难以找到工作并保持就业，因为他们对劳动力市场存在偏见的信念和不切实际的期望。越来越多的研究表明，求职的年轻人往往高估当前市场的工资水平，并设定过高的保留工资（例如，Kelley,Ksoll和Magruder(2024).尽管lofty目标可以起到激励作用并激发努力，但如果目标设定得过于不切实际，它们可能会导致失望并产生不良的劳动力市场结果。Bandiera等人。,2020;Ray,2006). 由于技术变革导致的工作本质的快速变化，以及最近的COVID-19大流行，这些挑战很可能会加剧。COVID-19大流行导致全球经济活动显著放缓，各国政府采取的遏制措施影响了企业对劳动力的需求以及工人的工作能力和意愿。疫情对就业的负面影响尤其由女性承担（“她衰退”），这主要是因为女性占主导地位的行业和职业受到更大的干扰，以及女性照料负担的更大增加（例如，）。亚伯拉罕、巴索和凯撒(2022);Chakravorty等人。 (2023);Deshpande(2022)). 我们研究了COVID-19疫情是否影响了印度年轻女性，特别是哈里亚纳邦年轻女性劳动力市场的职业抱负和预期。哈里亚纳邦青年劳动力参与率和失业率的性别差距甚至大于全国水平。根据2022-23年周期性劳动力力调查，哈里亚纳邦年轻女性的劳动力参与率和失业率分别为12.5%和21%，而年轻男性的相应数字为57.7%和16.8%。我们重点关注的是对财务回报的期望，这是个人认为工作中最重要的维度之一。2我们还考察了疫情对移民意愿的影响是否是我们主要结果的一个潜在传导渠道。这一研究方向是由疫情对印度农村到城市迁移造成的重要负面影响所驱动的（We还考察了疫情对移民意愿的影响是否是我们主要结果的一个潜在传导渠道。这一研究方向是由疫情对印度农村到城市迁移造成的重要负面影响所驱动的。）阿罗拉等人。,2023). 1资料来源：印度劳动力定期调查，2022年7月-2023年6月。 2在我们的样本中，93%的受访者认为工资是工作的一个非常重要的方面。 近期估算数据显示，在印度全国范围内，大约有1100万跨州务工人员在第一次封锁后返回了家乡。Imbert,2020我们对关于印度女性劳动力市场参与的研究做出了重要贡献 。考察疫情对年轻女性工资期望和职业抱负的影响对于理解她们的劳动市场选择，进而了解未来女性工作的发展演变至关重要。 2Data 我们的分析基于我们从印度北部哈里亚纳邦的职业培训学院（也称为工业培训学院或ITI ）注册的3,180名女学生中收集的主要调查数据（如图所示）。1).这些调查于2022年6月至8月在ITIs（工业培训institute）现场进行。请注意，印度政府在2022年3月31日几乎解除了所有与COVID-19相关的限制措施，即我们在数据收集之前的几个月。我们选择了在调查时符合以下条件的学生：i)处于ITI项目最后一年；ii)拥有智能手机。 图1：映射受访者的分布 注意：该图显示了我们在哈里亚纳邦的研究样本中的地区受访者人数。 我们的样本是在基线调查期间接受采访的受访者的子集 一项旨在减少年轻女性求职信息障碍的随机对照试验（RCT）。除了本论文中分析的样本，该RCT样本还包括在基线调查前已从职业培训学校毕业的学生。我们排除了这些受访者，以便集中研究大流行对正处于从学校过渡到工作的女性的影响，以及她们在疫情期间的暴露情况。此外，由于RCT将通过手机求职门户传播信息，因此我们的样本女性在基线时必须能够使用智能手机。然而，绝大多数（95%）接受调查的女性学生都能够使用智能手机，确保了我们的样本代表了哈里亚纳邦最后一年女性职业培训学校的毕业生。 我们收集了受访者关于其社会经济特征、教育背景、工作经历、职业抱负和期望，以及为工作迁移意愿的数据。为了衡量工资预期，我们询问了受访者他们开始工作后的预期月收入。类似地，霍根(2004我们使用每月的保留工资（即受访者在接受任何永久全职工作时所接受的绝对最低到手工资）作为工资期望的代理指标。为了减少测量误差的影响，我们将保留工资和工资期望变量的最顶端和最底端10%的数据进行Winsor化处理 。 在调查时，受访者平均年龄为22岁，主要为未婚人士，其中60%的人居住在农村地区（见表）。1）。在加入ITI之前，83％的受访者至少完成了12级课程，只有17％的人有任何工作经验。 我们的样本女性的职业抱负非常高。绝大多数受访者（95%）表示希望毕业后继续在ITI项目工作。此外，近一半的样本表示，如果工资增加5000印度卢比（约60美元），他们愿意搬迁到另一个城市或城镇工作。然而，我们样本中的52%的年轻女性存在不切实际的工资期望，即她们的保留工资显著高于劳动力市场预期的收入水平。3此外，他们对工资的期望与aspiration之间的差距是积极的。平均受访者的工作保留工资高于其预期薪资INR2,735（约USD33）每月。 大约一半（48%）的样本报告称其ITI培训因疫情而中断（例如，由于课程时间表的变化 、项目周期的调整等）。 32018年就业的ITI女性毕业生平均收入为8,697印度卢比，相当于2023年的11,956印度卢比(145美元)（印度政府技能发展与创业部, 2018). 表1：统计摘要 Age21.694.37 曾经结婚0.180.38 生活在农村地区0.600.49 预定种姓或部落0.400.49 其他落后类0.320.47 在ITI之前完成12级0.830.38 母亲是文盲0.310.46 在ITI0.170.38之前工作过 吸气缺口*2,734.916,374.44 保留工资*19,740.577,844.89 预期起薪*17,005.666,819.30 不切实际的高期望0.520.50 现实愿望0.260.44 不切实际的低误入率0.230.42 愿意为工作迁移$0.480.50 受COVID影响的家庭0.470.50 受COVID影响的ITI教育0.480.50观察3,180 平均值SD (1)(2) Notes:这张表展示了估计样本的汇总统计信息。变量定义详见在线附录。*INR/月。$表示如果工资增加5 ,000INR的迁移意愿；该变量的观测次数为3,143次。 转向在线课程），并且47%的人表示其家庭因工作、业务或收入丧失、家庭成员患病等原因受到COVID-19经济影响。 3实证策略 为了估计COVID-19大流行的影响，Bauetal.(2022),我们为每位受访者创建一个“剔除自身后的暴露度衡量指标”，通过计算她所在ITI的其他受访者中报告因COVID-19受到影响的比例来实现。4这一冲击指标的一个担忧是它依赖于自我报告的数据，可能会因测量误差而产生偏差。因此，我们利用行政数据构建了一个额外的区级“综合COVID-19冲击”指标，该指标定义为2020年1月30日至2021年10月31日期间的人口调整后的累计COVID-19死亡人数。我们获得了 4本文最后介绍了变量构造的更多细节。 图2：绘制COVID休克✁不同测量方法 Notes:左图显示了各地区COVID-19死亡率（每10万人）✁差异。右图显示了平均受访者“留一出”✁COVID-19暴露情况在各地区✁差异。Bhiwani和CharkhiDadri✁数据代表这两个地区联合✁情况。 The数据来自印度Socioeconomic高分辨率农村-城市地理平台（SHRUG）✁死亡数据 ，并使用2011年印度人口普查✁数据进行了区级人口✁调整。如图所示：2显示，我们 ✁“leave-one-out”COVID-19指标与区级COVID-19死亡率具有类似✁地理变异性，并且与区级COVID-19死亡率显著相关，这增强了我们冲击指标✁信心。我们✁自我报告 ✁冲击与区级COVID-19死亡率之间✁相关性p值为<0.001.后来，我们通过使用区级COVID-19冲击指标代替个体水平✁“删除一个观察值”暴露变量来进行稳健性检查，以验证我们✁结果。 我们使用以下回归规范估计暴露于COVID-19对我们感兴趣✁结果✁影响： Y=α+βCOVID+X′γ+δ+ϵ itdi ditd whereY是女性✁结果变i量i在ITI学习t位于区dat itd 调查✁时间。变量COVID表示个人级别✁“留一” i (1) 表2：COVID-19休克与大流行前观测值之间✁相关性 父亲完成 妈妈至少不识字8级一般种姓 (1)(2)(3) COVID冲击-0.0940.1050.010 [0.098][0.104][0.113] 结果平均值0.310.700.28 观察3,1803,