کشش عرضه نیروی کار

ادبیات و مقالات اقتصادی در اکثر موارد بازار کار را به عنوان یک بازار رقابتی در نظر می‌گیرند که در آن هر بنگاه با منحنی عرضه‌ای تقریباً افقی برای نیروی کار روبه‌رو است و کشش عرضه مقادیر بالایی می‌پذیرد. از سوی دیگر دیدگاهی متفاوت توجه اقتصاددانان را به خود جلب کرده است که در آن بازار کار با شرایط رقابت کامل بسیار فاصله دارد و شاهد تمرکز قدرت در سمت تقاضا یا تک‌صدایی (monopsony) هستیم.

در این شرایط، کارفرمایان امکان پرداخت دستمزدهایی کمتر از بهره‌وری حاشیه‌ای نیروی کار را خواهند داشت. بر اساس این دیدگاه حتی در قرن بیست و یکم و در بازار کار ایالات متحده، کارفرمایان قدرت به مراتب بیشتری در تعیین دستمزدها دارند که می‌تواند دلایلی نظیر افزایش تمرکز و اندازه بنگاه‌ها باشد. ظهور بازارهای کار برخط (آنلاین)، می‌تواند نشان‌دهنده راه‌حلی برای دستیابی به یک بازار کار ایده‌آل با اصطکاک‌های ناچیز باشد؛ برای مثال پیتر کوهن اقتصاددان دانشگاه کالیفرنیا در کتاب خود در سال 2003 عنوان می‌کند که به مرور شاهد از بین رفتن شرایطی خواهیم شد که موجب عمودی شدن منحنی‌های عرضه نیروی کار می‌شود و گسترش بازارهای کار برخط و فناوری ارتباطات یکی از مهم‌ترین عوامل در بروز این نتیجه خواهد بود. از سوی دیگر مقالات متعددی به بررسی قدرت بازار کارفرمایان در بازارهای کار برخط می‌پردازند و نشان می‌دهند که تمرکز قابل توجهی در بازارهای کار آنلاین وجود دارد. یکی از بازارهای کار برخطی که در ادبیات مورد توجه قرار گرفته است، بازار کار آنلاین آمازون یا ام‌تورک (MTurk) است. این بازار محبوب‌ترین زیرساخت برخط برای ارائه کارهای خرد است که به متقاضیان یا کارفرمایان این امکان را می‌دهد که درخواست خود برای کارها را به اشتراک بگذارند و کارگران برای دریافت کار با یکدیگر رقابت کنند. کارهای خرد شامل اموری نظیر بررسی نظرات کاربران در خصوص یک اپلیکیشن، بررسی یک نظرسنجی و... می‌شود و پرداخت به ازای انجام هر جزء کار یا هیت (hit) انجام می‌شود؛ برای مثال در یک کار بررسی نظرسنجی‌ها، بررسی هر نظر یک هیت خواهد بود. بررسی بازارهای کار بر‌خط علاوه بر اینکه می‌تواند وجود تک‌صدایی در یک بازار کار پرعمق را به معرض امتحان بگذارد، به درک بهتر این بازارها نیز کمک می‌کند که به سبب گسترش محبوبیت این بازارها اهمیت ویژه‌ای دارد.

این مقاله نیز با استفاده از مجموعه داده‌های متعدد و استفاده از رویکرد نوین یادگیری ماشین در کنار روش‌های متداول‌ اقتصاد‌سنجی، تلاش می‌کند تا کشش عرضه نیروی کار را با استفاده از پیش‌بینی و کنترل تابعی متشکل از مجموعه وسیعی از متغیرها، پیش‌بینی کند. هر چند مقالات گذشته، از ایجاد تغییرات تصادفی در دستمزد برای شناسایی عرضه نیروی کار استفاده کرده‌اند اما به جز یک مقاله، هیچ یک به این نکته توجه نداشته‌اند که یک منحنی عرضه وظیفه‌محور را تخمین زده‌اند. به بیان دیگر بررسی این مقالات به این نکته توجه نداشته‌اند که شیوه تخمین آنها، منحنی عرضه‌ای را که هر کارفرما برای کار مورد نظر خود مشاهده می‌کند، تخمین می‌زند. در شرایط بازار رقابتی این شیب با شیب عرضه کل برابر است اما در شرایط مونوپسونی چنین نخواهد بود. برای درک بهتر موضوع می‌توان به حالت وجود قدرت بازار در سمت عرضه توجه کرد. در این حالت هر عرضه‌کننده یک منحنی تقاضای منحصربه‌فرد در برابر خود مشاهده می‌کند و بهینه‌سازی خود را بر اساس آن منحنی انجام می‌دهد. بنابراین در این مقاله بررسی‌ها با در نظر گرفتن این نکته انجام می‌شود.

کشش عرضه نیروی کار را می‌توان به دو قسمت تقسیم کرد؛ یک کشش معطوف به تاثیر افزایش دستمزد پیشنهادی در قبول یک کار خواهد بود (کشش بیرونی) و کشش دیگر رابطه افزایش دستمزد در میزان ساعت کاری در یک حرفه را مشخص می‌کند (کشش درونی). در این بررسی کشش اول با بررسی تاثیر حقوق و پاداش در احتمال قبول یک کار و کشش دوم با مطالعه احتمال پذیرفتن فرد برای ادامه انجام بخش‌های دیگری از یک کار، اندازه‌گیری خواهد شد. پایین بودن هر یک از دو شکل کشش عرضه به معنی وجود قدرت بازار برای متقاضیان یا کارفرمایان خواهد بود. شرایط مونوپسونی به معنای وجود قدرت تعیین دستمزد برای کارفرما خواهد بود هر چند کارفرما امکان کافی را برای اعمال تبعیض در دستمزد کارگران متفاوت نخواهد داشت. شرایط بازار ام‌تورک در زمان استخراج داده‌های این مقاله نیز به گونه‌ای بوده است که به جز در نظر گرفتن میزان رضایت مربوط به هر کارگر و مختصات جغرافیایی او، امکان اعمال تبعیض دیگری برای کارفرمایان وجود نداشته است.

مونوپسونی می‌تواند در اثر تعداد محدود کارفرمایان، وجود اصطکاک و محدودیت‌های اطلاعات برای کارگران در پیدا کردن کارهای با دستمزد بیشتر یا وجود ترجیحات منحصربه‌فرد کارگران برای کارهای متفاوت شکل بگیرد. در بازار ام‌تورک هر سه مشخصه را می‌توان مشاهده کرد. در حدود 10 درصد از کارفرمایان بیش از 98 درصد از تقاضاهای کار را ثبت می‌کنند و از سوی دیگر امکان ایجاد ارتباط موثر برای کارگران در زیرساخت در نظر گرفته نشده است؛ به گونه‌ای که کارگران برای ارتباط با یکدیگر از سایر زیرساخت‌های ارتباط جمعی برخط استفاده می‌کنند. همچنین شواهدی از تمرکز هر کارگر بر نوع خاصی از کارهای خرد در بازار موجود است که موجب ایجاد ترجیحات منحصربه‌فرد برای هر کار می‌شود. به منظور تایید وجود مونوپسونی در این زیرساخت، از مدلی مبتنی بر جست‌وجوی نیروی کار استفاده می‌شود و در پیوست مقاله نشان داده می‌شود که کشش نیروی کار را می‌توان با تخمین رابطه مدت زمان پذیرش یک کار و میزان دستمزد پیشنهادی تخمین زد.

مدت زمانی را که لازم است تا یک تقاضای کار به‌طور کامل از فهرست کارهای قابل پذیرش حذف شود، می‌توان به عنوان شاخصی از احتمال پذیرش کار در نظر گرفت و آن را بر روی پاداش مشاهده‌شده رگرس کرد تا تخمینی از کشش بیرونی عرضه نیروی کار به دست دهد. این رویکرد در صورتی مناسب خواهد بود که نرخ و احتمال مشاهده یک پیشنهاد توسط کارگران، از میزان دستمزد پیشنهادی مستقل باشد. نویسندگان در این مقاله از امتیاز دسترسی به مجموعه گسترده‌ای از داده برای کنترل اثرات متغیرهای محذوف استفاده می‌کنند. در اولین قدم از راهکار متداول رگرسیون اثرات ثابت استفاده می‌شود. در این راهکار، اثرات ثابت زمانی، دهک مهلت تخصیص داده‌شده برای پایان هر کار توسط کارفرما و دهک تعداد کارهای خرد مربوط به هر کار به عنوان متغیرهای اضافی برای کنترل اثر متغیرهای محذوف استفاده می‌شود. به علاوه از اسم کارفرما نیز برای کنترل ویژگی‌های مربوط به شغل استفاده می‌شود. نتایج این بخش نشان می‌دهد که کشش عرضه نیروی کار مقداری کوچک است اما از نظر آماری نتایج این بخش معنی‌دار نیست.

روش یادگیری ماشین دوگانه رویکردی است که در این مقاله برای پوشش مناسب اثرات متغیرهای محذوف استفاده می‌شود. این روش از مجموعه گسترده‌ای از متغیرها برای تخمین اثر متغیرهای محذوف بهره می‌برد. این روش را می‌توان به نوعی معادل روش رگرسیون چندبخشی دانست. در روش یادگیری ماشین دوگانه ابتدا متغیر مستقل رگرسیون که در اینجا میزان پاداش پرداختی برای هر جزء کار خرد است، بر روی مجموعه متغیرها رگرس می‌شود. در این رگرسیون، از انواع روش‌های یادگیری ماشین استفاده می‌شود و میزان موفقیت هر یک در پیش‌بینی صحیح متغیر میزان پاداش محاسبه می‌شود. سپس مناسب‌ترین روش انتخاب می‌شود. در این مطالعه و برای هدف این مقاله روش یادگیری شاخه تصادفی (random forests) روش بهینه شناخته می‌شود. همچنین میزان تاثیر هر متغیر در بهبود عملکرد رگرسیون برآورد می‌شود و سپس 200 متغیر با بیشترین اثرگذاری انتخاب می‌شوند. به طریق مشابه، متغیر شاخص پذیرش کار نیز بر روی همان 200 متغیر رگرس می‌شود. با فرض کنترل کامل اثرات متغیرهای محذوف توسط تابع تخمین زده‌شده به وسیله روش یادگیری ماشین، می‌توان جملات خطای رگرسیون پاداش بر مجموعه 200 متغیری را به عنوان متغیر مستقل و جزء خطای رگرسیون شاخص پذیرش کار بر مجموعه متغیرها را به عنوان متغیر وابسته در نظر گرفت. به بیان دیگر، با حذف بخش‌های مربوط به متغیرهای محذوف از متغیر وابسته و مستقل، دیگر ارتباطی از طریق آثار مربوط به آنها میان میزان پاداش و شاخص پذیرش کار وجود نخواهد داشت و بدین ترتیب هر ارتباطی که مشاهده شود مربوط به اثرات علی ناشی از کشش عرضه نیروی کار خواهد بود. در استفاده از روش‌های یادگیری ماشین اریب ناشی از جورسازی بیش از حد می‌تواند موجب ناسازگاری نتایج شود که استفاده از مجموعه داده‌های متفاوت برای تخمین رابطه مربوط به متغیر وابسته و مستقل می‌تواند آن را رفع کند. متغیرهای استفاده‌شده در روش یادگیری ماشین دوگانه، همان‌گونه که بیان شد شامل مجموعه‌ای گسترده از متغیرهای گوناگون می‌شود. متغیرهای کیفی نظیر توصیف رده کار، عنوان، مجموعه کلمات کلیدی، محتوای کار و... و همچنین متغیرهای کمی نظیر تعداد کارهای خرد هر کار، مهلت تخصیص داده‌شده به هر کار، زمان باقی‌مانده تا انقضای درخواست و ویژگی‌های مورد نیاز کارگر نظیر نرخ رضایت کارفرمایان در این بخش استفاده می‌شود. به منظور بررسی ثابت نتایج از ترکیب‌های مختلف مجموعه داده‌های در دسترس برای آموزش و امتحان ماشین استفاده می‌شود. نتایج این بخش نشان می‌دهد که با کششی پایین و معنی‌دار برای عرضه نیروی کار مواجه هستیم. با در نظر گرفتن دهک‌های مختلف پاداش و دستمزد به عنوان داده اصلی مشاهده می‌شود که نتیجه رگرسیون تغییرات اندکی از خود نشان می‌دهد که این مساله موید وجود کشش ثابت عرضه نیروی کار است. همچنین استفاده همزمان از اثرات ثابت و یادگیری ماشین دوگانه تغییری در جهت و معنی‌داری ضرایب نمی‌دهد اما تغییرات اندکی در ضرایب ایجاد می‌کند.

استفاده از داده حاصل از مشاهده خروجی‌های بازار ام‌تورک به خوبی نشان‌دهنده وجود کشش عرضه نیروی کار پایین و قدرت بازار برای کارفرمایان است؛ اما حتی با استفاده از روش یادگیری ماشین دوگانه، همچنان خطر متغیر محذوف می‌تواند وجود داشته باشد. بر همین اساس استفاده از داده حاصل از تغییرات تصادفی در پاداش کارها می‌تواند با حذف هر‌گونه هم‌بستگی میان متغیر مستقل و متغیرهای محذوف، نتیجه‌ای سازگار و بدون اریب به دست بدهد. استفاده از نتایج حاصل از آزمایش تصادفی و مقایسه آن با نتایج یادگیری ماشین دوگانه می‌تواند این اطمینان را ایجاد کند که نتایج روش یادگیری ماشین به درستی اریب نیستند و از طرف دیگر اعتبار بیرونی نتایج حاصل از آزمایش تصادفی را تایید کند.

یکی از مجموعه داده‌هایی که برای رویکرد آزمایش تصادفی استفاده می‌شود نتایج حاصل از ارائه پیشنهاد برای مجموعه‌ای از کارهای خرد است. دستمزد این پیشنهادها از توزیعی یکنواخت به دست می‌آید و هر فرد در کار مربوط خود اطلاعات جمعیتی مربوط به خود را ارائه می‌دهد و کاری ساده را به انجام می‌رساند. سپس از شرکت‌کنندگان درباره تمایل ایشان برای انجام مجموعه‌ای از کارهای ساده و مشابه در ازای یک پاداش که به صورت تصادفی تخصیص یافته است، سوال پرسیده می‌شود. تغییر احتمال قبول پیشنهاد توسط افراد به عنوان تابعی از دستمزد مرحله دوم، چگونگی پاسخ به میزان ساعات کاری در صورت تغییر دستمزد یا کشش درونی را نشان می‌دهد. کشش برآورد‌شده در این روش، مانند کشش بیرونی برآوردشده در استفاده و یادگیری ماشین مقداری کم و معنی‌دار است که نشان‌دهنده وجود قدرت بازار برای کارفرمایان است. آزمایش دیگری که از نتایج آن استفاده می‌شود شامل دسته‌بندی ساده اسنادی مربوط به بازار برده‌فروشان آمریکا در سال 1850 می‌شود. در این آزمایش دستمزدها نسبت به آزمایش قبلی پایین‌تر است. طراحی آزمایش تصادفی برای اندازه‌گیری کشش بیرونی نیازمند ظرافت بیشتری است. نویسندگان در این مقاله از نتایج سه مقاله دیگر که در طراحی آزمایش خود از ظرافت لازم برخوردار بوده‌اند استفاده می‌کنند. در آزمایش مورد استفاده در این مقالات، به مجموعه‌های متفاوتی از کاربران ام‌تورک، کارهای مختلف با دستمزدهای تصادفی پیشنهاد می‌شود به گونه‌ای که فردی که یک کار و دستمزد به او پیشنهاد شده باشد نمی‌تواند سایر دستمزدها را مشاهده کند. همه مقالاتی که از این ساختار آزمایش استفاده کرده‌اند از یک رویکرد دومرحله‌ای «ظرف اصل» استفاده می‌کنند. در این رویکرد، در مرحله اول یک کار ساده با دستمزدی ثابت پیشنهاد می‌شود که در آن از افراد خواسته می‌شود تا پرسشنامه‌ای را تکمیل کنند. یکی از سوالات این پرسشنامه، تمایل افراد برای آگاهی از کارهای مشابه است. افرادی که اعلام آمادگی کرد‌ه‌اند، در مرحله دوم، با پیشنهاد انجام کارهایی مشابه و با پرداخت‌هایی تصادفی روبه‌رو خواهند شد. همان‌گونه که بیان شد، هر فرد تنها پیشنهاد مربوط به خود را می‌تواند مشاهده کند و از پیشنهاد سایرین اطلاعی نخواهد داشت. در آزمایش‌های انجام‌شده در این مقالات به ترتیب 800، 1800 و 927 کارگر کارهایی نظیر دسته‌بندی نظرات برنامه‌ها را با دستمزدهای پیشنهادی با توزیع‌های متفاوت انجام می‌دادند. نتایج رگرسیون اثرات ثابت داده حاصل از این سه آزمایش نشان می‌دهد که با وجود تفاوت در توزیع دستمزد این آزمایش‌ها، نتایج رگرسیون داده‌ها به صورت جداگانه و تجمیع‌شده، معنی‌دار و مشابه است و نشان‌دهنده وجود کشش پایین عرضه نیروی کار است.

پایداری نتایج رگرسیون‌ها به ازای روش‌ها و مجموعه‌های داده متفاوت بسیار حائز اهمیت است. هرچند به دلیل امکان تکمیل ظرفیت یک کار طی زمان در صورت نبود تقاضای کافی در یک بازه زمانی در ام‌تورک، مساله کارفرما در این ساختار با ساختار متداول بازار کار متفاوت است اما در صورتی که کارفرما در ام‌تورک به حد کافی عجول باشد، نتایج مساله کارفرما در ام‌تورک به حالت متداول نزدیک خواهد بود. نتایج حاصل از این مقاله مشابه نتایج مقاله‌ای است که به تخمین کشش عرضه نیروی کار برای پرستاران می‌پردازد. در آن مقاله نیز مشاهده می‌شود که به‌‌رغم عمق مناسب بازار، عوامل سه‌گانه‌ای که برای شکل‌گیری مونوپسونی ذکر شد، وجود دارد و یکی از پایین‌ترین مقادیر کشش عرضه نیروی کار در این بازار وجود دارد.

نتایج این مقاله نشان می‌دهد که هر چند بازارهای کار برخط قدمی رو به جلو برای کاهش اصطکاک‌های بازار کار و افزایش عمق بازار هستند اما در ساختاری نظیر ام‌تورک همچنان قدرت بازار قابل توجهی در اختیار کارفرما خواهد بود. این نتایج این تصور رایج را نقض می‌کند که تک‌صدایی تنها در شرایطی که یک بنگاه در یک شهر کوچک بیشترین استخدام را انجام می‌دهد و محدودیت‌های قانونی دست‌وپاگیر می‌شود، اتفاق می‌افتد. ریشه تک‌صدایی در ام‌تورک را می‌توان در ساختار و فضای اطلاعاتی آن دانست که امکان هماهنگی موثر میان کارگران و چانه‌زنی با کارفرمایان را فراهم نمی‌کند و از سوی دیگر جست‌وجو برای پیشنهادهای بهتر را دشوار می‌سازد. همچنین نبود هیچ معیار واحدی از دستمزد در ساعت امکان مقایسه را برای کارگران دشوار می‌سازد.