劳动力流动的网络图景

我们构建了一个图流的数据驱动模型，该模型捕捉了整个经济体（如国家）中公司（企业）间工人工作变动的基本要素。该模型基于如下观察：企业间某些工作转换随时间频繁重复，表现出持续性，这提示可构建静态图作为工作流动的脚手架。劳动力市场中的个体（劳动力）通过图上的离散时间随机游走建模，其中位于节点的每个个体可拥有两种状态：就业或失业，且失业率和找到新工作的速率是依赖于节点的参数。我们计算了模型的稳态解，并将其与墨西哥和芬兰的大规模微观数据集（包含数十万企业和个体）进行比较。我们发现，我们的模型能正确刻画这些国家中就业与失业个体数量，直至单个企业层面。我们的框架为高精度劳动力流动性分析的新方法打开了大门，并未来开发完整预测方法具有诱人潜力。