Ederer, Tim (2023) Essais en économie du travail : modèles empiriques d'appariement et allocation spatiale des enseignants. Toulouse School of Economics (Toulouse).

Preview

Text Download (7MB) | Preview

Abstract

Cette thèse est composée de trois chapitres ayant deux objectifs principaux : (i) élargir notre compréhension du contenu empirique des modèles d'appariement en développant de nouveaux outils méthodologiques et (ii) appliquer ces outils pour comprendre les causes et les conséquences des inégalités spatiales d'accès aux enseignants qualifiés afin de proposer des recommandations politiques concrètes. Les méthodes de recherche utilisées dans cette thèse s'appuient sur la littérature d'organisation industrielle empirique en étudiant comment des données sur les choix observés des agents peuvent être utilisées pour récupérer les primitives fondamentales qui gouvernent leurs décisions. Plus précisément, j'étudie comment l'offre et la demande de travail se traduisent en équilibre de marché à travers les modèles d'appariement. J'explore ensuite le contenu empirique de ces modèles et j'étudie si les préférences des agents participants peuvent être identifiées et estimées à partir de données sur les appariements observés. Lorsque les données le permettent, j'utilise également des méthodes de recherche reposant sur des hypothèses moins contraignantes en complément des méthodes basées sur ces modèles pour identifier les paramètres clés. Dans le premier chapitre de cette thèse intitulé « Two-Sided Matching Without Transfers : A Unifying Empirical Framework », je développe un modèle statique d'appariement unifiant les cas one-to-one et many-to-one sans transferts et j'étudie comment des données sur des appariements réalisés peuvent être utilisées pour identifier et estimer les préférences des agents participants. Je constate que, sous des hypothèses parcimonieuses sur les préférences, on ne peut identifier que la fonction de surplus à la fois dans le cas one-to-one et many-to-one. Je concilie cette conclusion avec des résultats à priori contradictoires venant de la littérature. Je propose ensuite des moyens de surmonter ce résultat négatif à la fois dans le cas one-to-one et many-to-one, rendant ces outils applicables à un plus large éventail de contextes, tels que les marchés du travail ou le marché du mariage. Dans le deuxième chapitre intitulé « Teacher Compensation and Structural Inequality : Evidence from Centralized School Choice in Peru », co-écrit avec Matteo Bobba, Gianmarco León-Ciliotta, Christopher Neilson et Marco Nieddu, nous montrons que l'augmentation de la rémunération des enseignants dans les écoles rurales est efficace pour réduire les inégalités spatiales de réussite des élèves et nous fournissons des outils pour concevoir de telles politiques en minimisant leur coût. En exploitant un changement inconditionnel dans la structure de la rémunération des enseignants au Pérou, nous fournissons d'abord une preuve causale qu'une augmentation de 30% des salaires dans les zones rurales a attiré des enseignants de meilleure qualité, ce qui s'est traduit par une augmentation moyenne des scores des élèves aux tests de 0,33 à 0,38 écarts types. Nous utilisons ensuite des données détaillées sur les offres d'emploi et les candidatures pour identifier et estimer les élasticités de l'offre de travail des enseignants sous des hypothèses minimales. Cela nous permet de concevoir une procédure qui fournit systématiquement la distribution des salaires qui modifie l'offre de travail de manière à atteindre un objectif social donné à un coût minimal. Nous utilisons ces outils pour concevoir deux politiques de primes salariales qui permettraient soit (i) d'attirer au moins un enseignant certifié dans chaque école, soit (ii) de combler l'écart entre les zones urbaines et rurales en matière de qualité des enseignants. Enfin, dans le troisième et dernier chapitre intitulé « Labor Market Dynamics and Teacher Spatial Sorting », je fournis une explication unifiée pour la pénurie d'enseignants qualifiés dans les zones rurales. [...]

This thesis is composed of three chapters that have two main objectives: (i) broaden our understanding of the empirical content of two-sided matching models by developing novel methodological tools and (ii) apply these tools to get a thorough understanding of the causes and consequences of spatial inequalities in access to skilled teachers and provide concrete policy recommendations. The research methods used in this thesis build on the empirical industrial organization literature by studying how data on observed choices can be used to recover the fundamental primitives governing agents' decisions. More specifically, I study how labor supply and demand map into equilibrium sorting on the labor market through the lens of two-sided matching models. I then explore the empirical content of these models and investigate whether the preferences of participating agents can be identified and estimated from data on observed matches. When the data permits, I also leverage research designs relying on less stringent assumptions in complement with model-based methods to identify the key primitive parameters of interest. In the first chapter of this thesis titled "Two-Sided Matching Without Transfers: A Unifying Empirical Framework", I develop a unifying static framework of one-to-one and many-to-one matching without transfers and investigates how data on realized matches can be leveraged to identify and estimate preferences of participating agents. I find that, under parsimonious assumptions on preferences, one can only identify the joint surplus function both in the one-to-one and many-to-one case. I reconcile this finding with seemingly contradictory results from the literature. I then propose ways to overcome this negative result both in the one-to-one and many-to-one matching case making these tools applicable to a wider range of settings, such as marriage or labor markets. In the second chapter titled "Teacher Compensation and Structural Inequality: Evidence from Centralized School Choice in Peru" and co-authored with Matteo Bobba, Gianmarco Leon-Ciliotta, Christopher Neilson and Marco Nieddu, we show that increasing teacher compensation in remote schools is effective at reducing spatial inequalities in student achievement and provide tools to design such policies in a cost effective way. Leveraging an unconditional change in the structure of teacher compensation in Perú, we first provide causal evidence that a 30% increase in salaries in rural locations attracted higher quality teachers which translated into an average increase in student test scores of 0.33-0.38 standard deviations. We then use detailed data on job postings and applications to identify and estimate teachers' labor supply elasticities under minimal assumptions. This allows us to design a procedure that systematically delivers the wage schedule that shifts labor supply such as to reach a given social objective at a minimal cost. We use these tools to design two cost-effective wage bonus policies that would either (i) attract at least one certified teacher in each school or (ii) close the urban-rural gap in teacher quality. Finally, in the third and last chapter titled "Labor Market Dynamics and Teacher Spatial Sorting", I provide a unifying explanation for the lack of supply of skilled teachers in remote locations. To do so, I build an empirical model of dynamic two-sided matching to link teachers' and schools' preferences with equilibrium sorting and job-to-job flows. I show that this mapping is invertible such that preferences can be identified and estimated from observed matches. Taking these tools to panel data on the assignment of public teachers in Peru, I show that the spatial disaggregation of labor demand coupled with the concentration of labor supply in cities imply the existence of a spatial job ladder. [..)