MARC

 008250123s2024        us                              c    eng  d
■001000017160408
■00520250211151014
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384448853
■035    ▼a(MiAaPQ)AAI30995658
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a330.01
■1001  ▼aZen,  Kai.
■24510▼aEssays  on  Information  Frictions  in  Labor  Markets
■260    ▼a[Sl]▼bUniversity  of  California,  Berkeley▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a153  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  A.
■500    ▼aAdvisor:  Card,  David.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2024.
■520    ▼aThe  central  theme  of  this  dissertation  is  the  investigation  of  information  frictions  on  both  the  demand  and  supply  sides  of  the  labor  market.  On  the  demand  side,  firms  must  select  among  prospective  workers  with  many  initially  unobservable  characteristics,  such  as  ability  or  work  ethic.  In  the  first  chapter  of  this  dissertation,  I  propose  a  new  interpretation  for  the  canonical  Abowd,  Kramarz,  and  Margolis  (1999)  (AKM)  wage  decomposition  as  reflecting  market  beliefs  about  workers.  I  leverage  this  decomposition  to  measure  the  differences  among  firms  in  their  ability  or  inclination  to  screen  workers  and  explore  how  such  heterogeneity  shapes  market-level  learning  about  workers.  In  the  second  chapter,  I  extend  my  analysis  of  AKM  decompositions,  with  an  application  to  unpacking  the  well-documented  'wage  scarring'  effect  of  recessions  for  labor  market  entrants.  The  third  chapter  flips  the  focus  on  prospective  workers  (graduating  college  students),  their  (mis)perceptions  about  the  labor  market,  and  consequences  thereof.  We  provide  causal  evidence  that  misperceptions  affect  job  search  behavior  and  final  wages  using  a  randomized  controlled  trial  (RCT)  in  which  corrective  information  about  past  graduate  outcomes  is  provided  to  some  subjects.
■590    ▼aSchool  code:  0028.
■653    ▼aInformation  frictions
■653    ▼aMarket-level  learning
■653    ▼aRandomized  controlled  trial
■690    ▼a0501
■690    ▼a0510
■71020▼aUniversity  of  California,  Berkeley▼bEconomics.
■7730  ▼tDissertations  Abstracts  International▼g86-04A.
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160408▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books