2026-Household commuting time and job changes


丈夫单独换工作,通勤为什么可能变短?

论文名片|José Ignacio Giménez-Nadal、José Alberto Molina、Jorge Velilla,Household commuting time and job changes,Transportation Research Part A: Policy and Practice,2026,203:104731。2025年10月16日接收,2025年10月27日在线发表。DOI:10.1016/j.tra.2025.104731。本文依据这一正式期刊版;它是使用美国夫妻面板的观察性研究。

一对双职工里,丈夫换了雇主。直觉常是新工作更远,通勤应该变长。这篇论文在美国夫妻面板里看到的条件相关,方向随谁换工作而变:丈夫单独换雇主时,他的通勤增长率更低;妻子的通勤只在工资上升的那类换工作里更高;两人在同一个调查间隔里都换工作时,升高的是丈夫的通勤。搬家则与双方通勤变长联系在一起,妻子一侧的系数更大。这些是控制家庭固定效应之后的相关,论文写明换工作的原因和搬家的先后都没有被观察到。

先说结论

  • 在能计算两期差分的 5,443 个家庭—年份观测上,基准模型里丈夫本人换工作的系数是 −0.154(标准误 0.039)。作者把它读成通勤时间增长率大约低 15.4%。同一方程里,妻子是否换工作的系数是 −0.008,标准误 0.037。
  • 两人同时换工作的附加系数,在丈夫方程里是 0.416(标准误 0.069)。作者把 −0.154 与 0.416 相加,得到大约 26.2%。加入职业固定效应后,对应的相加结果是 0.276。妻子方程里的同时换工作系数是 0.011,标准误 0.071。
  • 把换工作按工资对数差分的符号拆开后,妻子在工资上升时的系数是 0.107(标准误 0.044),工资下降时是 −0.001(标准误 0.047)。丈夫两边都为负:−0.162 与 −0.145,作者报告两者之差的检验 p = 0.798。
  • 搬家的系数在基准模型里是丈夫 0.084、妻子 0.219。家中有 5 岁以下孩子时,妻子本人换工作的偏效应从没有幼儿时的 0.099 变为 −0.091。分母都是同一套 5,443 个差分观测上的固定效应估计。
  • 只看换工作者的原始平均对数差分,丈夫是 0.014、妻子是 0.066,性别差的 p 值是 0.261。这个原始平均数与上面的负系数方向不同。读结论时要先分清比的是谁。

这对夫妻量的通勤,是典型日的往返分钟

数据来自密歇根大学的收入动态面板研究(Panel Study of Income Dynamics,PSID),使用 2011、2013、2015、2017、2019 五个波次。PSID 从 1997 年起改为每两年调查一次,通勤分钟从 2011 年才开始收集。作者没有使用 2021 年波次,把新冠疫情和居家办公的影响留给以后。

样本保留由配偶组成的家庭,已婚和未婚同居都在内,问卷角色仍记为丈夫和妻子。子女、父母和其他同住者不进入通勤方程。双方都要参与劳动市场,都报告正的通勤时间,人口学和劳动变量要完整,并且至少连续出现两期。正的通勤时间把在家工作的人排除在外。作者说明,疫情前在家工作还不普遍。

这些限制留下 2,500 个家庭,也就是 2,500 名丈夫和 2,500 名妻子。平均每个家庭被观察到 3.21 期,家庭—年份观测共 8,013 个。换工作必须对比上一期雇主,所以估计用的是有差分的 5,443 个观测。所有描述统计和回归都使用 PSID 提供的权重。金额以 2019 年美元计。

通勤问的是:“On a typical day, how many minutes is your round trip commute to and from work?” 作者把它定义为典型日的往返通勤分钟,分析的是这一分钟数的变化,没有通勤距离,也没有交通方式。换工作是一个 0–1 变量:当前波次相对上一波次换了雇主即为 1。上一波次在日历上大约是两年前,所以“换工作”可以包含中间失业后再就业,也可以是直接跳槽。数据分不出哪一种。

表 1 的加权均值里,丈夫往返通勤 46.464 分钟,标准差 39.812;妻子 39.352 分钟,标准差 31.951。差 7.111 分钟,p 值小于 0.001。引言另引既有研究,说美国工人平均每天通勤约 50 分钟。那是别人样本里的数字,分母不是这 2,500 个家庭。

表 A1 给出同一套加权样本的其他水平。丈夫平均 44.606 岁,妻子 43.035 岁。丈夫时薪 34.629 美元,妻子 26.542 美元;年工作时间分别约为 2,186 小时和 1,794 小时(表中以千小时计,是 2.186 和 1.794)。正文脚注另写约 36.4 美元、27.1 美元,以及约 2,187 小时和 1,809 小时。两处没有逐项对齐,下面工资与工时以表 A1 为准。家庭规模均值 3.276,孩子数 1.016,最小孩子年龄 3.884 岁,所以“双人家庭”指的是进入分析的那对配偶,不是家里只有两个人。84.7% 住在 house,80.4% 自有住房,家庭收入均值 134,004 美元,车辆数 2.456,移民家庭占 13.6%。表 A1 把丈夫的白人比例印成 0.061,夫妻差却是 0.001,两边标准差都在 0.375 左右,三列对不齐,这里不把 0.061 当成样本的种族构成。

概念上,一个人换工作要牵动两个人的通勤

作者把预期关系画成一张概念图。它不是估计结果。搬家位于最上,经过住房、生命事件、工资、年龄和教育等调节,再分到丈夫和妻子的通勤。下方是各自的换工作,实线箭头指回本人的通勤;两人换工作之间有一条标着 joint decisions 的虚线,汇入家庭内讨价还价和交叉影响。工资、年龄、教育和就业特征写在两侧,作为调节项。

概念框架:搬家、换工作与夫妻双方通勤

图 1|换工作、搬家和双方通勤在概念上怎样连在一起?

图中没有分面板。最上是搬家,向下经过一组调节属性,再进入可能的性别差异,然后分到丈夫通勤和妻子通勤。底部左右分别是丈夫换工作和妻子换工作,向上指向本人通勤;底部虚线表示共同决策,并指向中间的家庭内讨价还价。来源:原论文 Fig. 1。

这张图要解释的比较是:本人换工作、配偶换工作、两人同时换工作,以及搬家,各自与通勤增长率有什么条件相关。后面的回归就是按这个结构设的。图本身不能证明箭头的方向。

大多数家庭的通勤增长率贴在零上

作者不直接回归通勤分钟,而回归对数差分。对每个配偶,Δlog(通勤) 等于本期通勤分钟的对数,减去上一调查期通勤分钟的对数。因为调查隔年进行,这个差分跨越大约两个日历年。对数差分接近增长率。系数 0.10 在作者的读法里大约是 10%。更精确的百分比是 exp(系数) − 1;正文和结论用的是前一种近似,下面沿用作者的读法,并写出原始系数。

表 1 里,全部差分观测的加权平均 Δlog(通勤),丈夫是 0.001,妻子是 0.013,差 −0.012,p = 0.411。作者在正文写成丈夫 0.01%、妻子 1.3%,并说大约相当于丈夫 0.05 分钟、妻子 0.5 分钟。用表中的平均通勤核对:0.001 × 46.464 ≈ 0.046 分钟,0.013 × 39.352 ≈ 0.51 分钟,与 0.05 分钟和 0.5 分钟相符。0.001 更接近 0.1%,而不是正文所写的 0.01%。下面采用表里的 0.001 和 0.013。

换成只看换工作者,平均 Δlog(通勤) 是丈夫 0.014、妻子 0.066,作者写成约 1.4% 和 6.6%,性别差 p = 0.261。再按工资对数差分的符号拆开:丈夫换工作且工资上升时是 0.067,工资下降时是 −0.043;妻子相应是 0.082 和 0.046。这些百分比的分母,是发生了该类事件的配偶自己的通勤对数变化,还没有扣除搬家、配偶是否同时换工作,也没有家庭固定效应。

搬家的原始关联也是正的。搬过家的观测上,丈夫平均 Δlog(通勤) 是 0.060,妻子是 0.087。既换工作又搬家时,是 0.112 和 0.117。在 5,443 个差分观测中,22.0% 的家庭在两次调查之间搬过家。丈夫换工作的比例是 19.8%,妻子是 21.4%,差 −1.6 个百分点,p = 0.039。作者写,丈夫换工作的家庭里有 31.0% 也搬了家,妻子换工作的家庭里有 30.7%。表上“换工作且搬家”的比例是丈夫 0.061、妻子 0.066;0.061 / 0.198 ≈ 0.31。工资上升的换工作占丈夫观测的 10.2%、妻子观测的 11.8%;工资下降的换工作两边都是 9.6%。换工作者中,49.6% 的男性和 46.3% 的女性同时换了职业。搬过家的家庭里,28.5% 搬到房间更少的住处,22.6% 房间数不变,48.9% 房间更多。

2011至2019年丈夫与妻子的平均通勤时间

图 2|这组夫妻的通勤水平,在 2011–2019 年有没有靠拢?

横轴是调查年,纵轴是每天往返通勤分钟。实线是丈夫,虚线是妻子,点线是各自的线性拟合,竖线是标准误。丈夫各年的点都在 45 分钟上方,妻子都在 42 分钟下方,两组误差线没有重叠。丈夫的拟合近乎水平,妻子的拟合缓慢上升。正文只说水平相对稳定、性别差距在样本各年都显著,没有列出逐年精确均值。来源:原论文 Fig. 2。

通勤时间对数差分的密度

图 3|两次调查之间,通勤增长率是不是大多贴在零附近?

横轴是 Δlog(通勤),纵轴是核密度。实线丈夫,虚线妻子。两条线都在 0 附近形成尖峰,±1 以外很快变矮,左右都有拉到数倍以外的尾巴。这和表 1 里平均对数差分接近 0、标准差却接近 0.8 是同一件事:典型变化很小,少数人的变化很大。来源:原论文 Fig. 3。

按换工作和搬家分组的通勤增长率密度

图 4|换工作或搬家之后,通勤增长率还堆在零附近吗?

四张图的横轴都是 Δlog(通勤),纵轴都是密度;实线丈夫,虚线妻子。(A)只保留换工作者,尖峰仍在 0,但比图 3 矮、更宽,大约 0.5 是高峰。(B)换工作且工资对数上升。(C)换工作且工资对数下降。(B)和(C)的形状接近,左右都有人通勤大增或大减,所以表 1 里 6.7% 或 −4.3% 这类平均数盖住了方向相反的人。(D)只保留搬家者,高峰比(A)–(C)更高、更窄,0 右侧的肩更明显。来源:原论文 Fig. 4。

附录还有两张描述图。图 A1 画的是通勤分钟本身的密度,横轴到 200 分钟以上。质量集中在较短的通勤,之后下降,并在更长的分钟数上留下几个小峰。丈夫和妻子的曲线缠在一起,表 1 那种 7 分钟左右的均值差,在密度上不是两条分开的山。图 A2 用美国时间利用调查(American Time Use Survey,ATUS)画全国就业者的通勤分钟,实线为全体,虚线为男性,点线为女性,并各有一条向上的线性拟合。男性曲线整体高于女性。图注写的样本是 2003–2021 年有通勤的就业者,脚注 15 写的区间是 2003–2024,横轴标到 2023。正文没有给出这条全国序列的逐年数字。

丈夫与妻子通勤分钟的密度

图 5|通勤分钟本身是短途集中,还是人人差不多?

横轴是每天往返分钟,纵轴是密度。实线丈夫,虚线妻子。两条线都在较短通勤处最高,然后下降,并在 50 分钟之后留下若干小峰,右尾延伸到 150–200 分钟。它说明 46.464 和 39.352 分钟是被长尾拉高的平均,不是多数人的典型位置。来源:原论文 Fig. A1。

美国时间利用调查中的通勤时间趋势

图 6|样本外面,美国就业者的通勤在这些年怎样走?

横轴为年份,纵轴为每天往返通勤分钟。实线是全体,虚线是男性,点线是女性;三条浅色线是线性拟合。男性曲线位于女性之上,三条拟合都缓慢上升,原始序列波动很大。图注的样本期、脚注 15 的年份和横轴终点并不一致,所以这里不把某一年的高低点写成精确统计。这张图的对象是 ATUS 中有通勤的就业者,分母不是 PSID 的 2,500 个夫妻家庭。来源:原论文 Fig. A2。

回归比的是同一个家庭里,换工作与不换工作的差别

对家庭 i 的配偶 j,作者估计:

Δlog(通勤) = 家庭固定效应 + β1 × 本人换工作 + β2 × 配偶换工作 + β3 × 两人同时换工作 + 控制变量 + 年份固定效应 + 误差。

丈夫方程和妻子方程一起估计,用固定效应的似不相关回归(seemingly unrelated regression,SUR),允许两个人的误差相关。两人都不换工作时,三个换工作项都是 0。只有本人换工作时,关联是 β1。只有配偶换工作时,关联是 β2。两人都换时,关联是 β1 + β2 + β3。β3 是额外的一项,要和主效应加在一起,才是相对“两人都不换”的合计。

控制变量包括:是否搬家,本人年龄和年龄平方,双方是否自雇,家庭规模,孩子数,最小孩子年龄,住房是不是 house,房间数,是否自有,家庭收入,车辆数,以及车辆数的变化。教育、种族、移民身份和州固定效应不另放,因为它们在家庭内不随时间变化,已经被家庭固定效应吸收。配偶年龄也不放,作者的理由是美国婚姻匹配里双方年龄几乎同步变化。基准模型不放职业固定效应;换工作时大约一半的人也换了职业,职业虚拟变量会吃掉一部分作者想看的换工作关联。

家庭固定效应比较的是同一个家庭在不同调查期的差别。它去掉不随时间变化的家庭差异,去不掉随时间变化、又和换工作一起发生的事情,例如自愿离职、被解雇后再就业、拥堵变化和没有记录的交通方式变化。论文写明:PSID 没有企业搬迁、解雇或主动跳槽的标记,所以下面的系数是条件相关。

表 2 的基准列使用全部 5,443 个差分观测。丈夫方程里,本人换工作 −0.154(0.039),配偶换工作 −0.008(0.037),同时换工作 0.416(0.069),搬家 0.084(0.037)。妻子方程里,本人换工作 0.058(0.038),配偶换工作 −0.029(0.040),同时换工作 0.011(0.071),搬家 0.219(0.038)。R² 分别是 0.352 和 0.332。作者把丈夫本人换工作读成大约低 14.9%–15.4%:职业固定效应列的对应系数是 −0.149。丈夫在两人都换工作时的合计,作者用 −0.154 + 0.416 = 0.262,以及职业固定效应下的 −0.149 + 0.425 = 0.276,写成大约上升 26.2%–27.6%。若把接近于零的配偶主效应 −0.008 也加进去,基准模型相对“两人都不换”的合计是 0.254。结论里的“大约 27%”靠近职业固定效应那一档。妻子的三个换工作系数在两列里都不显著。

职业固定效应列的搬家系数是丈夫 0.089、妻子 0.214,换工作系数的方向和显著性格局与基准列相同。R² 升到 0.356 和 0.341。

表 A2 里还有几项控制变量的相关,分母仍是这 5,443 个观测。妻子本人自雇的系数是 −0.455(0.105),丈夫本人自雇是 0.212(0.107);配偶自雇对丈夫是 0.221,对妻子是 0.288。住 house 相对其他住宅,丈夫 −0.269,妻子 −0.175。丈夫自有住房的系数是 0.230,妻子的 −0.026 不显著。家庭规模和孩子数的系数接近 0,标准误大约 0.04。孩子数本身和通勤增长率的相关很弱;后面会看到,有没有 5 岁以下孩子,改变的是换工作的斜率。自雇和住房类型都可能与换工作、搬家同时变动,这些系数同样是条件相关。

原始平均数和回归系数方向不同,是因为它们比的对象不同。表 1 的 0.014 是换工作丈夫的平均对数差分,里面混有搬家、配偶也换工作、工资变化,并且拿不同家庭放在一起平均。回归系数 −0.154 是在同一家庭内部,扣掉搬家、配偶换工作和那些控制变量之后,本人换工作与通勤增长率的差别。只对换岗员工做通勤的前后平均,会讲出和这篇回归相反的故事。

工资升了,只有妻子的通勤斜率变正

下一张表把换工作拆成工资对数上升和下降。样本仍是 5,443。丈夫在工资上升时的系数是 −0.162(0.047),工资下降时是 −0.145(0.047)。作者用 t 型检验比较这两个系数,p = 0.798。妻子在工资上升时是 0.107(0.044),工资下降时是 −0.001(0.047)。配偶那一侧的四个系数都在 −0.031 到 0.001 之间,标准误大约 0.04–0.05。附录表 A3 里,同时换工作的附加项仍是丈夫 0.419、妻子 0.004;搬家是丈夫 0.084、妻子 0.217。

作者的解读是:妻子接受更长通勤的相关,出现在工资也上升的换工作里;丈夫无论工资冲击的符号如何,换工作都与更短的通勤增长率相关。PSID 没有换工作原因,所以工资下降的换工作里,可能混有失业后再找到的工作。这组系数不能读成“妻子用通勤换工资、丈夫用工资换短通勤”已经得到因果证明。它能说明的是,把所有换工作合成一个虚拟变量,会把妻子这边符号不同的两类事件平均掉。

五岁以下的孩子会改写妻子的斜率

表 4 报告的是偏效应,也就是某一类人的换工作斜率,标准误用 delta 方法,观测数仍是 5,443。出生年被分成三段:1965 年以前为婴儿潮一代,1965–1980 年为 X 世代,1980 年以后为千禧一代。论文拼写用的是 Millenials。

丈夫本人换工作的偏效应:婴儿潮一代 −0.356(0.066),X 世代 0.022(0.039),千禧一代 −0.166(0.029)。中年丈夫这一档看不出与零有别。妻子本人换工作:婴儿潮一代 0.046(0.077),X 世代 0.102(0.006),千禧一代 −0.010(0.006)。X 世代妻子这一格的标准误比同表其他格子小一个数量级,这里照表 4 原文写出,不另作修正。

两人同时换工作时,丈夫的偏效应在 X 世代是 0.349(0.048),千禧一代是 0.479(0.067),婴儿潮一代是 0.244(0.177)。妻子在 X 世代是 0.090(0.035),千禧一代是 −0.111(0.067),婴儿潮一代是 0.183(0.169)。配偶单独换工作也有几格较小的交叉项,例如千禧一代丈夫在妻子换工作时是 −0.052(0.015)。这些交叉项说明基准模型里“配偶换工作系数接近零”是各组混在一起之后的结果。

按有没有 5 岁以下孩子再拆。丈夫本人换工作:没有幼儿 −0.167(0.043),有幼儿 −0.121(0.008),两格都为负。妻子本人换工作:没有幼儿 0.099(0.042),有幼儿 −0.091(0.016)。妻子换工作对丈夫通勤的偏效应,没有幼儿时是 0.029(0.041),有幼儿时是 −0.136(0.014)。两人同时换工作对丈夫仍为正:没有幼儿 0.396(0.081),有幼儿 0.491(0.035)。对妻子,没有幼儿时是 0.082(0.083),有幼儿时是 −0.076(0.025)。

作者把有幼儿时妻子斜率变负,以及丈夫在妻子换工作时通勤斜率变负,读成照护约束下的重新安排。这个读法依赖分组相关。数据没有照护时间、谁接送孩子、谁使用家用车。基准模型里孩子数的主系数接近零,和这里的斜率差异是两件不同的事。

搬家控制进去,丈夫的主结果还在

搬家可能是换工作的后果,放进回归有时会被看成坏的控制变量。作者做了两件直接的核对。第一,去掉搬家变量,5,443 个观测上丈夫本人换工作是 −0.151,同时换工作是 0.429;妻子的换工作系数仍不显著。第二,删掉搬家家庭,剩下 4,191 个观测,丈夫本人换工作是 −0.167,同时换工作是 0.324。表 5 第(5)列的表头也印成丈夫,列号从(3)跳到(5);这一列的系数是本人换工作 0.062、配偶换工作 −0.063、同时换工作 −0.045,都不显著,符号格局与基准模型的妻子方程一致。这里不把第(5)列当成另一组丈夫结果。

表 6 看事件会不会在下一个两年里互相触发。在 5,443 个观测里,同一期两人一起换工作的比例是 0.068,丈夫换工作且搬家是 0.061,妻子换工作且搬家是 0.066,两人换工作且搬家是 0.033。在能够再看更早一期的 2,904 个观测里,丈夫于 t−2 换工作的均值是 0.183,同一张表里“随后在 t 搬家”的均值是 0.049;妻子于 t−2 换工作的均值是 0.204,“随后搬家”的均值是 0.054。搬家发生在 t−2 的比例,在 5,443 个观测里是 0.235;随后丈夫换工作的均值是 0.073,妻子是 0.079,两人一起换是 0.035。正文把 4.9% 和 5.4% 说成换工作者中随后搬家的比例。表上这些数字与 18.3%、20.4% 并列,都标成均值。若 0.049 是 2,904 个观测中的联合比例,它就不是换工作者内部的 4.9%。这里只采用表上的均值。

表 7 把当期和上一调查期的换工作、搬家同时放进方程,样本缩到 2,904。丈夫当期换工作是 −0.233(0.057),当期同时换工作是 0.306(0.107);妻子当期换工作是 0.091(0.054),论文标为 10% 水平。上一期的换工作和搬家系数都接近零,标准误大约 0.05–0.11。当期搬家在这个较短样本里变成丈夫 0.043、妻子 0.104,后者为 10% 水平。作者据此认为,两年一次的调查已经覆盖他们能看到的短中期相关,更长的生涯轨迹需要每个家庭更长的连续观测。2,904 比 5,443 少了近一半,系数变大不能单独当成“真实效应其实更强”。

这些相关能说到哪一步

论文的结论句是:丈夫换工作与大约 15% 的通勤下降相关;妻子在工资上升的换工作中通勤大约上升 11%;两人同期换工作与丈夫通勤大约上升 27% 相关;搬家与更高的通勤时间相关,并随年龄和家庭构成而不同。把系数、相加方式和样本放回原处之后,这几句对应的是 5,443 个差分观测上的对数差分模型,15% 来自 −0.154 这一档,11% 来自 0.107,27% 来自本人换工作与同时换工作两项相加。

能说的范围停在条件相关。换工作是否自愿、中间有没有失业、搬家是因还是果,都没有被观测到。通勤只有典型日的往返分钟,距离、方式、拼车和拥堵没有分开,所以分钟变少可能是工作地更近,也可能是换了更快的方式。没有住宅坐标,不能控制建成环境,也不知道搬家是离开市中心还是搬向市中心。家庭固定效应去掉的是不随时间变化的差异。每个家庭的连续观测太短,表 4 的分组不能再按家庭逐户估计。样本是美国、双方都就业、通勤分钟为正的配偶,未婚同居也被记成丈夫和妻子。它不覆盖单职工、在家工作、子女的出行,也不覆盖 2021 年以后的居家办公。

一句话总结

在这 2,500 个美国双职工配偶、5,443 个两年差分里,丈夫单独换雇主与更低的通勤增长率相关;妻子的通勤增长率只在工资上升的换工作中更高;两人在同一个调查间隔里都换工作,升高的是丈夫的通勤;搬家则与双方、尤其是妻子的通勤变长相关。

核心来源

Giménez-Nadal、Molina、Velilla,Household commuting time and job changes,Transportation Research Part A: Policy and Practice,203(2026)104731。https://doi.org/10.1016/j.tra.2025.104731。通勤、换工作和搬家来自 PSID 2011–2019 年波次;附录图 A2 的全国序列来自 IPUMS 提供的 ATUS。

José Ignacio Giménez-Nadal 在论文中署名为萨拉戈萨大学 IEDIS 与 GLO。萨拉戈萨大学经济分析系的个人页面写明他是该系教授,IZA World of Labor 页面把他的研究方向列为家庭经济学、劳动、交通与区域研究。本文的贡献说明里,他负责统筹、方法、数据、经费和概念框架。

José Alberto Molina 的论文署名与前者相同。他的个人主页写明他是萨拉戈萨大学经济分析系教授、IEDIS 主任,并是 GLO 研究员。IEDIS 在萨拉戈萨大学的研究所名单中写为就业、数字社会与可持续性研究所。本文的贡献说明里,他参与概念、经费和审阅。

Jorge Velilla 是通讯作者,论文署名同样是 IEDIS 与 GLO。萨拉戈萨大学的教师履历页写明他在经济分析系任教、属于 IEDIS 并加入 GLO,研究交通经济、家庭经济、时间使用和家庭内部安排。贡献说明里,他负责初稿、软件、估计、数据和方法。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

一家公司如果只在员工换岗前后各记一次通勤,再对换岗者求平均,得到的会更接近表 1 里丈夫 0.014、妻子 0.066 的原始对数差分。家庭固定效应扣掉搬家和配偶是否同期换工作之后,丈夫单独换工作的系数是 −0.154。人力资源仪表盘和这篇回归会给出相反的方向,因为仪表盘没有同一家庭的其他时期,也没有把“两人一起换”单独拿出来。

城市若把“新工作通勤变长”当成同一种人,补助也会发错对象。基准模型里,搬家对应的妻子系数是 0.219,丈夫是 0.084;两人同时换工作对应的大正系数出现在丈夫方程。有 5 岁以下孩子时,妻子本人换工作的偏效应是 −0.091,没有幼儿时是 0.099。一个不询问家中是否有幼儿、也不询问配偶是否在同一两年里换雇主的通勤补贴,会把这些斜率平均成一个数。

雇主用加薪补偿更长通勤,对上的是妻子在工资上升时系数为正的那一格,对不上丈夫无论工资升跌、本人换工作系数都为负的结果。即便如此,两年一次的调查仍可能把“失业几个月后再就业”记成一次换工作。工资上升只是这段间隔两端的工资比较,不是一份写明通勤补偿的合同。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录