Les séminaires de l'Erudite : “L’impact des événements de santé et des accidents déclarés sur les trajectoires d’emploi : une analyse dynamique à partir de l’enquête Santé et Itinéraires Professionnels"
Publié le 14 juin 2011
Le prochain séminaire se tiendra le jeudi 26 mai 2011 à 16h30. Emmanuel Duguet, membre de la fédération de recherche, Travail, emploi et politiques publiques (TEPP) et de l'Erudite interviendra sur le thème “L’impact des événements de santé et des accidents déclarés sur les trajectoires d’emploi : une analyse dynamique à partir de l’enquête Santé et Itinéraires Professionnels"
Date(s)
le 26 mai 2011
Lieu(x)
Salle 315 2ème étage du bâtiment d'économie Faculté de sciences économiques et de gestion Université Paris-Est Créteil Val de Marne Mail des Mèches, 94000 Créteil Métro ligne 8 (Créteil-Université)
L’ERUDITE (Equipe de Recherche sur l'Utilisation des Données Individuelles Temporelles en Economie) organise un jeudi par quizaine un séminaire d’économie appliquée. Une séance sur deux un chercheur extérieur est invité. Le reste des séminaires est consacré à la présentation des travaux des membres du laboratoire, y compris ceux des doctorants.
Les thèmes abordés sont aussi bien micro que macroéconomiques. En lien avec les axes de recherche du laboratoire, une attention particulière est accordée à l’évaluation des politiques publiques dans les domaines de l'économie du travail, de l’entreprise, de l’éducation, de la santé, de la macroéconomie dynamique, du développement et de la transition. Les méthodes utilisées sont micro et macroéconométriques.
Abstract : According to the rising “Google econometrics” literature, Google queries may help predict economic activity. The aim of our paper is to test if these data can enhance predictions for unemployment in France. As we have on the one hand weekly series on web search queries, and on the other hand monthly series on unemployment, we use the unobserved components approach in order to exploit all available information. Our models are estimated with a modified version of the Kalman filter taking into account the twofold issues of nonstationarity and multiple frequencies in our data. We find that including Google data improves unemployment predictions, but not for all age categories. The results are very good for unemployed 15 to 24-yearolds, good for 25 to 49-year-olds, but for people over 50 there is no statistical evidence for differences between the competing models with and without search data queries.