2018-08-16

~MIT Angrist et al 子どもと親の労働~ 20180819

Children and their's labor supply : Evidence from exogenous variation in family size

Joshua Angrist and William Evans

子どもと親の労働供給

～世帯人数の外生的な変化による証拠～

子どもと親の労働供給

～世帯人数の外生的な変化による証拠～

労働供給と家庭の理論モデルは十分に発展してきたが、労働と家庭の重要な関係性を示す推定値は実証的にほとんど得られていない。本研究においては、少なくとも2人の子どもがいる家庭において、最初に生まれた子とその次に生まれた子の性比を操作変数とし、次に生まれる子どもが親の労働供給に与える効果を推定する。子どもの性比を利用した操作変数法による推定値は大きいが、対応するOLS推定値と比較すると小さい。さらにOLS推定とは異なり、性比を操作変数として利用し推定された女性の労働供給の効果は教育水準が高い女性と高賃金の夫を持つ女性に対してはない、と考えられる。また、3番目の子供を持つ女性は全サンプルの女性と同程度に労働供給を減少させる。一方で男性は女性の出産があったとしても、労働供給を減少させない。最後に操作変数を発生させるために、双子を使って得られた推定値とこれらの結果を比較する。子どもの誕生は操作変数によって引き起こされるので、子どもの年齢の違いから説明変数が一旦集められると、その推定値は性比を操作変数としたときの値とかなり近い。その推定値は子どもの年齢が13歳になるまでに、子どもの出産による労働供給の効果は消えるということを暗に示している。

子どもと親の労働供給の関係は理論上、実用上の多くの理由から重要である。まず、エコノミストや人口統計学者らは家庭と労働市場を結びつける様々なモデルを発展させた。次に、それらの実証研究はモデルのテストとして行われてきた。子供がいないことが労働市場への結びつきを強めるならば、家庭と労働市場のつながりは戦後の女性の労働力率の増加を部分的に説明するだろう。この主張の根拠は、Goaldinが1940,50年代の女性で子供を育てながら、労働市場に強い結びつきを持つ女性がほとんどいなかったことを示したことによる。また、出産に続く労働市場からの退出と低賃金の女性の間の関係性も示された。つまり、子どもがいることで、女性はキャリアを前進させることができなかった可能性がある。

出産と労働市場の因果関係を解消することに成功することは、他の本質的な問題を解決することにつながる。例えば、女性の労働供給の減少によって、親が育児に費やす総時間が増加し、少なくとも子どもの生活をより良くすることができる。家庭の行動に関するいくつかの研究は、妻の収入の変化は、結婚生活を安定させることを示している。子どもと親の労働供給に関する長きに渡る関心のもとで、数多くの研究があらゆる推定を報告してきたことは驚くべきことではない。これらの研究の大多数が報告しているのは、女性の労働供給と出産あるいは世帯人数の大きさの間の関係性は負の相関を持つということである。しかしながら近年の研究が示しているように、その負の関係性は不明瞭なままである。Willisは結婚の遅れ、出産の減少、離婚の増加、そして増加する女性の労働供給などの相関関係から因果効果を抽出することを可能にする、十分に計測された外生変数を見つけることは難しいと報告している。Browningも同様の見解を示している。われわれは頑健な相関関係を数多く持っているが、それらの関係から信頼できる推論をほとんど引き出すことができていない。

出生と労働供給の因果関係の解釈に関して懐疑的な考え方が生じたのは部分的にはGoldinがそれらの理論的な理由づけを強く行ったことに部分的に起因する。実際に、この内生性は学術的な研究議題として、常に考えられているものである。ある研究では、子どもの状態に関する変数が労働時間方程式の中で説明変数として扱われ、ある人口統計学者の研究では、賃金や労働に対する献身の指標が出生率に与える影響を考慮する回帰分析がよく議論されている。出生に関する変数は被説明変数かつ外生的な変数であることはできないので、両方のタイプが因果的に解釈を持つことができるとは判断できない。

本研究では子どもの出生から男性と女性の労働へと効果を与える、因果関係に焦点を当てる。我々の研究の貢献は2人以上の家族の兄弟性比を新たな操作変数として使用した点である。この操作では、幅広く観測された兄弟性比への親の選好を利用している。特に同性の兄弟を持つ親は、3人目の子どもを産む方向に向かう可能性が非常に高い。兄弟間で異性が発生することはランダムであり、2番目の子供が最初の子どもの性に一致するかどうかのダミー変数は少なくとも2人の子供を持つ女性が将来出産するかどうかに関して、妥当な操作変数となる。さらに、兄弟の性の配分は明らかに、両方の性別の関数となるにも関わらず、大体においては、両方が男子、あるいは女子という指標が各兄弟の性と統計的に独立である。それゆえ、長期にわたる子供の性が家族生活に与えるどんなインパクトも操作変数にほとんど悪影響を及ぼさない。

また、操作変数として、性比を用いた結果と複数の出産によって引き起こされた結果を比較する。双子の分析はこれまでに出生に関して因果推論が行われてきたが、ここで分析されているように、サイズが大きく代表的なサンプルでは決してなかった。

双子と性比に基づく操作変数法の並列的な分析によって、子供の年齢が異なっていると、子供の労働供給に対する影響を比較することができる。二つの操作変数によって、子供の労働供給に対する結果が消えるまでの時間を推定することができる。

本研究は出生、労働供給、子供に関する家庭内生産の簡単なモデルによって始まる。それらは関心の変数の理論的な関係性を記述するために利用される。第2に、データと性比の操作変数の第一段階について述べる。第3に、出生と労働供給の主な結果を示す。これには、夫の収入と妻の教育年数によって定義されたサブグループの効果の分析も含む。第4に性比と双子の操作変数による結果を比較する。第五に、女性の労働供給に関する理論的なフレームと最近の動向に焦点を当て、議論する。最後に結論で終わる。

2018-08-14

〜The effect of sons and daughters on wage and labor supply〜 20180814

労働時間に対するmarriage premium

1. FE推定値はOLS推定値の半分。これはpositive selectionによる。賃金を引き上げる(観測されない時間を通じて一定な)要因は、結婚する可能性を引き上げる要因でもある。その要因の影響が取り除かれると、marriage premiumは小さくなる。

2. marriage premiumは1950年以前に比べて、1950年以後の方が大きい。

2018-08-14

〜不動産投資歴史〜 20180814

不動産投資は明治時代に始まった。1873年に地租改正があり、これによって土地の私的所有権が確立された。当初は、裕福な商人が長屋を庶民に貸し出していた。時代は1970年代、投資用マンションという言葉が生まれたのはこの時期だ。1棟マンションを所有するものはほとんどおらず、区分マンションが流行した。1976年にマルコーが竣工したメゾンド早稲田では、既に管理代行も行われていたようである。

2018-08-10

~The effect of sons and daugters on men's labor supply and wages~ 20180810

Result

wage
$\$ marriage premiumは時間を通じて、減少していることがわかる。1950年以降に生まれた人は、1950年以前に生まれた人に比べて、marriage premiumが小さい。
$\$ child(1,2人) effect on wageはlate cohortより、early cohortに対して、大きな効果をもつ。例えば、1人目の子供が生まれることは、early cohortの人のwageを9.7%引き上げる効果を持つが、late cohortの人に対しては5.7%の効果しかない。
$\$ child(3人) effect on wageはearlyで負の効果、lateでわずかに正の効果である。さらに、earlyにおいては、child effectは非線形かつ非単調であるが、lateにおいては線型かつ単調である。
hours
$\$ OLS推定の結果、結婚している男性は独身男性より、年間で201時間多く働く。
$\$ FE推定の結果、115時間多く働く --- marriage OLS positive selection
$\$ cohort比較で、marriage premiumはlateの方が大きいことがわかる。

2018-08-10

〜不動産投資収益シミュレーションとリスクヘッジ〜 20180810

以下では、不動産投資の収益を計算し、想定されるリスクを考える。そこから、成功するケースの不動産投資のパターンを見つける。

例えば、借入金2000万円を起こして練馬区にワンルームマンションを購入したとしよう。このマンションの物件状況は家賃 6.2万.管理費・修繕積立金7千円である。また、返済期間は35年で、全期間固定金利1.34%、頭金・ボーナスなしという条件で考える。この場合、毎月のローンの支払いは元本 4.8万利息 1.2万の計6万である。以上のことから、毎月の収支は

$収入=家賃(62000)-管積(7000)-ローン(60000)=-15000$

となる。

このように、月々の収入から費用を引いたときに、マイナスが出てしまう場合、そのマンションは"持ち出し"がでている、という。

上の例では、持ち出しが15000円出てしまっていることになる。

2018-08-09

世界最先端のマーケティング 20180809

　以下の記事は"世界最先端のマーケティング日経BP社"を読んだ後に書いたものである $^{1}$ 。六本木一丁目から、六本木へ歩く。交差点を少し過ぎると六本木ヒルズがあるが、そこにはファストファッション業界の王者、インディテックスの基幹ブランドZARAがある。ユニクロを基幹ブランドとするファーストリテイリングによれば、2018年1月決算期における売上高は3.33兆円である。以下の図1を見れば、ZARAの強さは圧倒的である $^{2}$ 。

図1

このように全世界の王者として君臨するZARAであるが、ZARA ROPPONGIはその理由を物語る。この店舗では、ZARAのアプリで、試着したい商品を入力する。すると店員さんがその商品を準備してくれ、試着ができる。気に入れば、その場でも自宅でも、アプリを通じて購入することが可能である(店舗での購入はできない)。ZARAは、店舗で選択し、アプリを通じて購入する、といったようなオフライン(店舗) × オンライン(アプリ)の購買体験を提供しているのである。

　従来は、ZARAの服を買うためには、ZARAの店舗に行き、試着(選択)をし、そしてその場で購入する必要があった。オフライン(店舗) × オフライン(店舗)の購買体験である。そしてEコマースの普及により、オンラインで選択・購入ができるようになった。このためZARAをはじめとして多くの企業が、顧客にオンラインで商品を供給するようになった。しかし、オンライン × オンラインは既に最も新しいものではなくなった。現在、ZARAのオフライン(店舗) × オンライン(アプリ)のように、顧客へクロスチャネルを敷いている企業で最も巨大な企業はAmazonである。

　現在、AmazonはAmazon Dashというボタンを発売している。このボタンを押せば商品が注文され、到着する(図2)。

図2 $^{3}$

f:id:noap3b69n:20180809201059p:plain

図2を見ればお分りいただけると思うが、このボタンを押せばアリエールが自宅にすぐ届く。これは自宅という店舗の中で、Amazonのアカウントを通じて購入するという、オフライン(店舗) × オンライン(Amazon)の購買体験である。

　Amazonは、このようなクロスチャネルを利用した顧客体験によって、さらに発展するであろう。ただAmazonを発展させた最も大きな要因の一つはAmazonプライム会員制度であろう。プライム会員に関しては、そうでない顧客に比べて低価格で商品を購入できる。この会員であるか、そうでないかによって商品の価格を変化させることを経済学の用語で第3級価格差別という。Amazonがある市場で独占している状況であれば、この価格差別によって、利潤を拡大することができる。

明日はその第3級価格差別について、簡単にまとめてみようと思う。

$^{1}$ https://www.amazon.co.jp/%E4%B8%96%E7%95%8C%E6%9C%80%E5%85%88%E7%AB%AF%E3%81%AE%E3%83%9E%E3%83%BC%E3%82%B1%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0-%E9%A1%A7%E5%AE%A2%E3%81%A8%E3%81%A4%E3%81%AA%E3%81%8C%E3%82%8B%E4%BC%81%E6%A5%AD%E3%81%AE%E3%83%81%E3%83%A3%E3%83%8D%E3%83%AB%E3%82%B7%E3%83%95%E3%83%88%E6%88%A6%E7%95%A5-%E5%A5%A5%E8%B0%B7%E5%AD%9D%E5%8F%B8/dp/4822255581/ref=sr_1_1?ie=UTF8&qid=1533814118&sr=8-1&keywords=%E4%B8%96%E7%95%8C%E6%9C%80%E5%85%88%E7%AB%AF%E3%81%AE%E3%83%9E%E3%83%BC%E3%82%B1%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0

$^{2}$ 各社のアニュアルレポートより

$^{3}$ https://www.amazon.co.jp/Amazon-JK29LP-%E3%82%A2%E3%83%AA%E3%82%A8%E3%83%BC%E3%83%AB-Dash-Button/dp/B01L2WP5ZY]

2018-08-09

~不動産修繕費用~ ~育児と賃金~ 20180809

1. 不動産修繕費用

・高費用

　・エレベータ 500万~1000万

　・給排水等配管(*3F建12戸の部屋で) 200万

　・外壁塗装,屋上防水数百万

⇔

・低費用

　・インターホン 1万~

　・ウォシュレット 7千~

　・キッチン 10万~

2. 育児と賃金

・Empirical Specification and Econometric Issues

　次に前回のモデルにこどもの変数をいれて、労働のアウトカムと各変数の線型的な関係性を明らかにするモデルを考えよう。 $NKID_{it}$ をこどもが4人以下の場合、値としてこどもの数をとり、そうでなければ0をとる変数として定義する。次に $DKID_{it}$ をこどもが5人以上いる場合、1をとるダミー変数として定義する。例えば、こどもの人数が3人の人の場合、 $NKID_{it}$ は3をとり、 $DKID_{it}$ は0をとる。

　次は非線形のモデルを考える。先ほどの $NKID_{it}$ をそれぞれ $NKID_{j\ it}\ {j\ =\ 1,2,3,4}$ とする。この変数は $j\ =\ 1$ の時、こどもが1人ならば1をとるダミー変数である。この変数が1から4まであると考える。

　これらのモデルを推定する方法は4つある。まず1つ目はOLS推定である。この推定方法は広く使われているため、他の研究と比較可能である。しかし、その推定は、omitted variable biasなどにより、多くの場合biasする。

　そこでbiasを回避する方法として、

1 instrumental variable procedure

2 sibling fixed effect estimate

3 individual fixed effect

などがあげられる。1に関して簡単に説明しよう。Angrist et al(1997)は男性の出生能力を推定した。彼らの関心の変数であったのは3番目の子供がいるか、どうかであった。3番目の子供がいるかいないかをとるダミー変数を取り、そこに操作変数として、3人目が生まれる前の2人の子供の性比を取り入れた。ある親は子が男の子2人であれば、おそらくバランスの良い家族構成を考え、女の子を産むために3人目の子供を望むであろう。つまり、3番目の子供が生まれる前の2人の性比は3番目の子供を産むかどうかと相関する。一方で性比がその他の変数と相関するとは考えにくい。このため、3番目の子供のダミー変数の係数推定値は頑健に推定される。

しかしこの研究では、3番目の子供のダミー変数が関心の変数ではないため、このアプローチは使用することができない。そこでindividual FEを用いる。この方法は、Koreman and Neumark(1992)やWaldfogel(1997)(on children on women wage),Neumark(1991)(on the marriage premium)で用いられている。individual FEは観測不可能な時間を通じて一定の変数に関する影響をモデルの中から排除し、係数推定値のbiasを引き下げるが、それでもなおbiasが生じると考えられる理由が2つある。

1点目は結婚や出産のタイミングが賃金に影響を与えるのではなく、賃金が上がるあるいは昇進するタイミングで結婚するという考え方もあるであろう。つまり逆の因果が存在している場合がある。この場合、係数推定値がbiasする。また、そもそも賃金が高い人が、結婚しやすいし、子供を作りやすいということも考えられる。hours equationに関して、労働時間は比較的時間を通じて安定していると考えられるので、逆の因果を問題にしなくても良いと考えられる。

　1. The Effect of Sons versus Daugters

子供の性別が労働のアウトカムに与える影響を見ていくために、それぞれ基本モデルに3つの変数を組み入れたケースを個別に考えていく。

　　1. $NBOY3,NGIRL3,GIRBOYS$ 　それぞれ男の子が3人未満、女の子が3人未満、男の子か女の子が3人以上、ならば1をとるダミー変数

　　2. $IFBOY,IFGIRL$ 　それぞれ少なくとも、男の子が1人、女の子が1人であるならば、1をとるダミー変数

　　3. $FIRBOY,FIRGIR$ 　それぞれ最初の子供が男の子なのか、女の子なのかで1をとるダミー変数

最後に、非線形モデルに $GIRBOYG$ 変数を加えたモデルも考える。

　・Result

FEの推定結果に関して、簡単に説明すると

　1. 結婚ダミーのみのモデル。結婚している男性は、そうでない男性に比べて6.1%賃金が高い

　2. $NKID$ と $DKID$ を入れたモデルにおいては、その数値は5.7%に下がり、 $DKID$ の係数は4.2%と推定される。

　3. 非線形モデルでは、1,2人目の子供に関しては正の有意な推定値。3,4人目に関しては、その値は小さく有意ではない。

　4. OLSと比較すると、marriage premiumは10%に対して6%だから、OLS推定値はupward bias。positive selectionが起きている。wageにもmarriageにも正の影響を与える観測不可能な要因が存在したため、FEによって、係数推定値が減少したと考えられる。。

　5. OLSと比較すると、子供変数の係数推定値は大きい。つまりOLSの係数推定値のdownward biasはnegative selectionによる。

　6. OLSにおいては、4人目の子供は賃金にマイナスの影響を与えるが、FEによるとプラスの影響を与えることがわかる。つまり、OLSによる子供の限界効果の減少は、観測されない異質性によってもたらされたものだとわかる。

tmp

本ブログに記載されている内容は個人的見解です。