Это говорит о том, что именно в тех секторах с более высоким уровнем жесткости заработной платы (DNWR> 0,50) использование STW является самым высоким. Сравнение предельных эффектов со средним показателем использования STW в трех выборках, в диапазоне от 7,2 до 13,3% фирм, предполагает значительное экономическое воздействие.Более того, коэффициенты, по крайней мере, такие же большие, как коэффициенты, связывающие характеристики фирмы и схемы, как показано в таблицах 3 и 4. Эти результаты предполагают, что если фирма находилась в положении, когда ей приходилось сокращать затраты на рабочую силу или затраты во время рецессии, то тогда они с большей вероятностью будут полагаться на STW, если отрасль страны, в которой они работают, характеризуется высокой степенью жесткости номинальной заработной платы в сторону понижения.

Влияние внедрения STW

Предыдущий анализ показал, как совокупность факторов фирмы, работников и институциональных структур влияет на распространение STW в 20 странах.Для политиков ключевой вопрос заключается в том, каково общее влияние схем STW? То есть, сколько рабочих мест «сохраняется», каковы прямые и косвенные затраты и перевешивают ли они выгоды (т.е. чистую эффективность)? В нескольких работах используется немецкий опыт для оценки вероятного количества сохраненных рабочих мест. Бурда и Хант (2011) сравнивают траекторию занятости и продолжительность рабочего времени в периоды рецессии и приходят к выводу, что во время Великой рецессии роль STW в сохранении рабочих мест была ограниченной. Используя метод временных рядов для сравнения рецессий, Herzog-Stein et al.(2013) считают существенную роль сокращения рабочего времени (например, STW) как средства экономии труда после учета циклической производительности труда. Хиджзен и Венн (2011) используют межстрановые различия в интенсивности STW до и во время большой рецессии в модели «разница в разнице» и находят значительную роль схем STW в сохранении рабочих мест. Авторы осторожно указывают на то, что они не дают количественной оценки чистой эффективности схем STW, поскольку, среди прочего, они не предоставляют прямых оценок потенциальных потерь безвозвратного веса схем.Доказательства для Швейцарии предоставлены Коппом и Зигенталером (2018), которые используют квартальные панельные данные на уровне заведений и используют различия на уровне кантонов в показателях одобрения STW. Они сравнивают эволюцию увольнений, найма и занятости до и после подачи заявки на STW и сообщают убедительные доказательства того, что STW предотвращает, а не откладывает увольнения. Важно отметить, что они утверждают, что сбережений от сокращенных выплат пособий по безработице может быть достаточно, чтобы полностью компенсировать выплаты, связанные с STW.

Использование WDN3 для количественной оценки роли схем STW в экономии рабочих мест непросто по нескольким причинам. Во-первых, нет количественной информации о сотрудниках или отработанных часах на уровне фирмы, поэтому прямые оценки воздействия на рабочие места и часы недоступны. Во-вторых, с одним поперечным сечением идентификация эффектов STW является сложной задачей. Следовательно, результаты в этом разделе следует интерпретировать как отражающие корреляцию, а не причинно-следственные связи.

Чтобы количественно оценить потенциал схем STW по сохранению рабочих мест, мы ограничили нашу выборку теми фирмами, которые сократили трудозатраты во время рецессии.В частности, мы сосредотачиваемся на фирмах, которые ответили да на вопрос «Вы значительно сократили затраты труда или изменили его состав в период с 2010 по 2013 год?» Таким образом, в выборке остается всего около 5500 фирм или около трети выборки. В рамках этой подвыборки мы определяем фирмы, которые сократили количество постоянных сотрудников (57%), и фирмы, которые сократили количество временных сотрудников (33%). Значительное меньшинство фирм (27%) сокращают количество постоянных сотрудников на и человек.Мы запускаем регрессию, чтобы проверить, влияет ли использование STW на вероятность сокращения компанией числа сотрудников. ^{Сноска 8} Поскольку это отобранная выборка фирм, мы оцениваем пробит-модель максимального правдоподобия с отбором выборки (heckprobit), где регрессия первого этапа (склонность к корректировке затрат труда) сопровождается спросом и доступом к финансовым потрясениям. Мы ожидаем увидеть отрицательную корреляцию между использованием STW и склонностью к увольнениям постоянных рабочих и отсутствием корреляции со склонностью к увольнению временных рабочих, что действительно является тем, что мы находим, как показано в Таблице 7 (мы опускаем представление результаты для других переменных) (это также может быть связано с тем, что не все фирмы нанимают временных работников.) Фирмы, использующие STW, примерно на пять процентных пунктов реже увольняют постоянных работников, что является статистически значимым результатом, но с экономической точки зрения не так уж и велико, если учесть, что более половины этих фирм сократили постоянную рабочую силу. Однако сокращение рабочего времени без субсидий, как правило, сокращает увольнения временных работников. Неудивительно, что другие меры, сокращающие трудозатраты или изменяющие его состав, либо приводят к увеличению увольнений, либо являются несущественными.

Таблица 7 Влияние использования STW на склонность к увольнению работников

Ранее мы показали, что использование STW, как правило, сосредоточено в определенных секторах, особенно в производстве и строительстве, поэтому имеет смысл рассмотреть эффекты на уровне сектора.Результаты по секторам показаны в Таблице 8, где в качестве зависимой переменной особое внимание уделяется сокращению числа постоянных работников. Корреляция для строительных фирм намного сильнее, чем в среднем по выборке, с более низкими предельными эффектами в производстве или бизнес-услугах. Влияние на торговлю незначительно. Кроме того, результаты показывают, что временные увольнения и невозобновление временных контрактов помогают сократить увольнения постоянных работников в секторе торговых и деловых услуг, соответственно.

Таблица 8 Влияние использования STW на склонность к увольнению постоянных работников

Полученные на данный момент результаты показывают, что использование STW на уровне фирм имеет значительные последствия для того, как спрос на рабочую силу отдельных фирм реагирует на шоки, но это не так. неясно, являются ли эти эффекты значительными для колебаний занятости на совокупном уровне. Чтобы ответить на этот вопрос, мы связываем использование STW на уровне сектора страны с изменениями занятости в том же секторе страны, контролируя шоки производства.Анализ проходит в два этапа. На первом этапе мы вычисляем средний коэффициент использования STW (взвешенный по занятости) на уровне странового сектора (25 стран, 5 секторов: производство, строительство, торговля, бизнес-услуги и финансовые услуги) в нашем наборе данных WDN. На втором этапе мы объединяем эту переменную с данными о квартальной занятости и выпуске для тех же стран и секторов за период 2008–2013 годов. Последний от Евростата; мы используем количество занятых в возрасте 15–64 лет для занятости и объем валовой добавленной стоимости (ВДС) для выпуска как по странам, так и по секторам.Мы используем период 2008–2013 годов, потому что он совпадает с базисным периодом ЖДС, а также отражает отрицательные шоки производства и занятости во время Великой рецессии. ^{Footnote 9} По сути, наш подход аналогичен подходу Herzog-Stein et al. (2013) и Abraham and Houseman (1994, 2014), оба из которых показывают, что использование STW ослабляет циклические колебания занятости по сравнению с объемом производства в Германии (а также во Франции и Бельгии в более ранней статье).

Максимальное количество наблюдений — 3000 (25 стран, 5 секторов и 24 квартала).Однако не все сектора включены во все страновые обследования, а это означает, что мы теряем некоторые наблюдения — основным отсутствующим сектором являются финансовые услуги — и наша рабочая выборка составляет 2222. ^{Сноска 10} На рисунке 5 показано распределение средней переменной потребления STW в объединенном наборе данных. В соответствии с нашей сводной статистикой, приведенной выше, для 44% секторов страны в нашей выборке коэффициент использования STW составляет менее 2% (он равен нулю для 32% секторов страны). В наборе данных WDN коэффициент использования схем STW для итальянских строительных компаний составляет очень высокий 80% (крайнее правое наблюдение на диаграмме).Однако, учитывая небольшой размер ячейки (менее 30 фирм), мы сомневаемся в надежности этого показателя и поэтому не включаем его в наши регрессии.

Рис. 5

Распределение доли фирм на уровне стран-секторов с использованием STW

Поскольку выпуск и занятость взаимозависимы, мы оцениваем панельную VAR с этими двумя как эндогенные переменные. Панельная VAR полезна в этой ситуации, поскольку она не только фиксирует краткосрочную и долгосрочную динамику с помощью IRF и разложения кумулятивной дисперсии, но также может использоваться с относительно короткими временными рядами (первый квартал 2008–2013 квартал).Для идентификации мы предполагаем, что занятость влияет на выпуск с запаздыванием, но выпуск может влиять на занятость одновременно. Фактически это означает, что в краткосрочной перспективе отраслевой выпуск определяется спросом.

На рисунке 6 (PVAR в логарифмических уровнях) и на рисунке 7 (PVAR в годовых темпах роста) показаны функции импульсной характеристики. Первая диаграмма на каждом рисунке показывает IRF для полной выборки, а вторая диаграмма разбивает выборку на сектора с высоким и низким STW. Мы определяем отрасли с высоким уровнем STW как те, в которых 10% или более компаний использовали STW в течение 2010–2013 гг.Отрасли с низким уровнем STW — это те отрасли, в которых менее 1% фирм использовали схемы STW. Таблица 9 показывает разложение дисперсии для занятости. Из всех результатов вырисовывается четкая картина: занятость в секторах, где использование STW выше, менее чувствительна к изменениям в объеме производства. Наиболее заметны различия в годовых темпах роста PVAR. В секторах с низким / нулевым уровнем STW изменение темпа роста производства на 1% быстро приводит к значительным откликам на занятость, увеличивая рост занятости почти на 0,4% по истечении одного квартала, причем повышение сохраняется еще долгое время после первоначального шока.В секторах с «высоким» STW отклик и меньше, и медленнее, достигая пика чуть менее 0,15% через три-четыре квартала, прежде чем исчезнуть. Разложение на дисперсию (таблица 9) рассказывает аналогичную историю. Для секторов с низким НДП шоки выпуска могут объяснить более высокую долю вариации в занятости по сравнению с секторами с высоким НДП

Рис.6

Импульсный отклик: выпуск (импульс) и занятость (реакция)

Рис.7

Импульсный отклик: рост выпуска (импульс) и рост занятости (отклик)

Таблица 9 Декомпозиция дисперсии: ВДС (импульс): Занятость (отклик)

STEM: инструмент для анализа данных экспрессии генов коротких временных рядов | BMC Bioinformatics

Интерфейс обзора профилей моделей

Снимок экрана главного окна интерфейса STEM показан на рисунке 3.В этом окне каждое поле соответствует одному из временных профилей выражения модели. При нажатии на поле профиля открывается новое окно, описанное в следующем подразделе, с подробной информацией о профиле. Цветным профилям присвоено статистически значимое количество генов. Цветные профили одного цвета похожи друг на друга (на основе коэффициентов корреляции, см. Дополнительные сведения в дополнительном файле 1). Эти профили сгруппированы вместе, чтобы сформировать кластер значимых профилей.По умолчанию профили в главном окне упорядочены таким образом, что значимые профили появляются перед второстепенными профилями, а среди значимых профилей профили одного цвета появляются рядом друг с другом. Профили можно переупорядочить в зависимости от количества назначенных генов, ожидаемого количества генов или их значимости p-значения. Кроме того, как мы обсудим ниже, профили также могут быть переупорядочены в зависимости от их соответствия данной категории GO (рис. 4), определенному пользователем набору генов или профилю (профилям) из сравнительного эксперимента.При изменении порядка профилей в полях профилей появляется соответствующая информация.

Рисунок 4

Модельный профиль переупорядочен интерфейс . Профили на рисунке 3 переупорядочены на основе фактического обогащения p-значения на основе размера для генов, которые аннотируются как принадлежащие к категории метаболизма ДНК GO. Для каждого профиля в нижнем левом углу поля профиля отображается количество назначенных ему генов метаболизма ДНК и значение p обогащения.

Экран обзора модели разработан таким образом, что по умолчанию пользователь может визуализировать все профили одновременно, но в результате каждое окно профиля должно быть относительно небольшим.Однако иногда пользователю будет интересно сосредоточиться на небольшом подмножестве соседних профилей. Интерфейс STEM поддерживает масштабирование и панорамирование в любой части экрана обзора профилей модели. Возможность масштабирования и панорамирования обеспечивается библиотеками Java с открытым исходным кодом Piccolo [13].

Интерфейс подробной информации профиля модели

Если щелкнуть поле профиля в интерфейсе обзора профилей модели, откроется окно с подробной информацией о профиле. Примеры таких окон показаны на рисунке 5.Окно содержит график паттернов экспрессии для всех генов, назначенных профилю, подсчет количества назначенных генов, подсчет количества генов, ожидаемых на основе теста на перестановку, и p-значение профиля. В окне также есть возможность отобразить таблицу со всеми генами, назначенными профилю, или отобразить таблицу для анализа обогащения GO набора генов, назначенных профилю (рисунок 6). Если профиль является частью не одноэлементного кластера значимых профилей, то есть также возможность отобразить таблицу с анализом обогащения GO для всех генов кластера.

Рисунок 5

Окна с подробной информацией о четырех профилях моделей . На приведенном выше изображении представлены скриншоты четырех окон подробных профилей модели для данных на Рисунке 3. Показанные четыре профиля были теми, которым было присвоено наибольшее количество генов. Все четыре профиля были значимыми, а два профиля слева были сгруппированы вместе. Вверху каждого окна отображается статистика количества генов, назначенных профилю, ожидаемого количества генов и p-значения обогащения.Внизу окна находится кнопка для отображения таблицы генов, назначенных профилю, и кнопка для отображения таблицы обогащения GO для профиля (рис. 6). Дополнительные кнопки можно использовать для извлечения информации о кластере для этого профиля.

Рисунок 6

Таблица анализа обогащения онтологии генов . На изображении показан пример таблицы анализа обогащения GO. Этот пример таблицы содержит результаты обогащения GO для набора генов, показанных в верхнем правом углу рисунка 5, где обогащение вычисляется на основе обогащения фактического размера.Первые два столбца таблицы — это идентификатор и название категории GO. Третий столбец содержит общее количество генов каждой категории GO на микрочипе. Четвертый столбец содержит для каждой категории GO общее количество генов на микрочипе, которые также были назначены профилю. Пятый столбец содержит количество генов этой категории GO, которые, как ожидалось, должны были быть назначены профилю, в данном случае вычисленное на основе фактического размера профиля. В шестом столбце указано, на сколько генов было назначено больше, чем ожидалось.Седьмой и восьмой столбцы содержат значение p и скорректированных значений p, для обогащения. Щелчок по строке таблицы вызывает список генов этой категории GO, которые также были назначены профилю.

Интеграция с онтологией генов

Онтология генов (GO) — это структурированный словарь для описания биологических процессов, клеточных компонентов и молекулярных функций генных продуктов [6]. Онтология — это иерархия терминов, организованная в виде ориентированного ациклического графа.Аннотации генных продуктов с помощью термина GO доступны для многих организмов. Популярный подход к получению биологической информации из набора идентифицированных интересующих генов состоит в том, чтобы определить, какие аннотации GO-терминов чрезмерно представлены среди генов в наборе. Доступен ряд программных пакетов, которые могут определять обогащение GO-терминов в наборе генов (см. Недавний обзор [16]). Интеграция STEM с GO позволяет пользователю проводить анализ обогащения генов непосредственно в STEM, избавляя пользователя от необходимости экспортировать в отдельный файл каждый интересующий набор генов, а затем импортировать их во внешнее программное обеспечение GO.Кроме того, STEM реализует анализ обогащения ожидаемого размера, недоступный в другом программном обеспечении (см. Ниже). Также уникальной для STEM является его способность позволить пользователю с интересующей категорией GO легко идентифицировать важные временные шаблоны отклика, связанные с этой категорией.

Интеграция с GO разработана так, чтобы быть простой для пользователя, полной и актуальной. Пользователь может выбрать из раскрывающегося меню в главном интерфейсе любой из 35 источников аннотаций генов, доступных на веб-сайтах Gene Ontology [14] или European Bioinformatics Institutes [15].STEM также принимает любой предоставленный пользователем файл аннотации в официальном формате аннотации генов из 15 столбцов или в более простом формате аннотации из двух столбцов. Фактически нет никаких ограничений, что аннотации являются терминами GO. Набор используемых аннотаций GO может быть отфильтрован на основе кода свидетельства и ограничен определенным подмножеством аннотаций (более подробную информацию см. В Дополнительном файле 1). Новые версии аннотаций и онтологии выпускаются часто, но STEM позволяет пользователю легко обновлять эти файлы, просто заставляя пользователя проверять соответствующее поле, когда они хотят, чтобы STEM загрузил последние аннотации или онтологию.

Фактический и ожидаемый размер обогащения набора генов

STEM реализует два типа обогащения генов для набора генов, назначенных одному и тому же модельному временному профилю экспрессии r . Обогащение по умолчанию в STEM и метод, используемый в другом программном обеспечении, — это обогащение на основе фактического размера, при котором обогащение вычисляется с использованием гипергеометрического распределения на основе количества генов в интересующем наборе. Формально обозначим N общее количество уникальных генов на микрочипе.Обозначим m общее количество генов, которые находятся в интересующей категории GO. Обозначим s _a
номер гена, присвоенный профилю r . На основе гипергеометрического распределения значение p для просмотра v или более генов на пересечении интересующей категории и профиля r может быть вычислено как:

= Сг Vmin (м са) (ми) (N-MSA-я) (NSA) MathType @ СПР @ 5 @ 5 + = feaafiart1ev1aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacH8akY = wiFfYdH8Gipec8Eeeu0xXdbba9frFj0 = OqFfea0dXdd9vqai = hGuQ8kuc9pgc9s8qqaq = dirpe0xb9q8qiLsFr0 = vr0 = vr0dc8meaabaqaciaacaGaaeqabaqabeGadaaakeaadaaeWbqaamaalaaabaWaaeWaaeaafaqabeGabaaabaGaemyBa0gabaGaemyAaKgaaaGaayjkaiaawMcaamaabmaabaqbaeqabiqaaaqaaiabd6eaojabgkHiTiabd2gaTbqaaiabdohaZnaaBaaaleaacqWGHbqyaeqaaOGaeyOeI0IaemyAaKgaaaGaayjkaiaawMcaaaqaamaabmaabaqbaeqabiqaaaqaaiabd6eaobqaaiabdohaZnaaBaaaleaacqWGHbqyaeqaaaaaaOGaayjkaiaawMcaaaaaaSqaaiabdMgaPjabg2da9iabdAha2bqaaiGbc2gaTjabcMgaPjabc6gaUnaabmaabaGaemyBa0MaeiilaWIaem4Cam3aaSbaaWqaaiabdggaHbqabaaaliaawIcacaGLPaaaa0GaeyyeIuoaaaa @ 51F6 @

Преимущество обогащения фактического размера состоит в том, что оно предоставляет средства для внешней проверки алгоритма кластеризации, поскольку расчет обогащения не делает никаких предположений о том, как был произведен набор генов.Такая биологическая проверка алгоритма кластеризации STEM появляется в [5].

В отличие от других алгоритмов кластеризации, алгоритм кластеризации STEM также вычисляет ожидаемое количество генов, соответствующих определенному профилю модели. Это приводит к новому p-значению обогащения категории GO на основе ожидаемого размера профиля. Формально обозначим s _e
ожидаемый размер профиля r . Тогда величина р видеть больше, чем об генов, принадлежащих как к категории и профилю г может быть вычислена с помощью биномиального распределения с параметрами м и seNMathType @ СПР @ 5 @ 5 + = feaafiart1ev1aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacH8akY = wiFfYdH8Gipec8Eeeu0xXdbba9frFj0 = OqFfea0dXdd9vqai = hGuQ8kuc9pgc9s8qqaq = dirpe0xb9q8qiLsFr0 = vr0 = vr0dc8meaabaqaciaacaGaaeqabaqabeGadaaakeaadaWcaaqaaiabdohaZaaqaqa @WcaaqaabadohaZaaaqaa
= Сг ут (ми) (SEN) я (1-SEN) N-iMathType @ СПР @ 5 @ 5 + = feaafiart1ev1aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacH8akY = wiFfYdH8Gipec8Eeeu0xXdbba9frFj0 = OqFfea0dXdd9vqai = hGuQ8kuc9pgc9s8qqaq = dirpe0xb9q8qiLsFr0 = vr0 = vr0dc8meaabaqaciaacaGaaeqabaqabeGadaaakeaadaaeWbqaamaabmaabaqbaeqabiqaaaqaaGqaciab = 1gaTbqaaiab = LgaPbaaaiaawIcacaGLPaaaaSqaaiabdMgaPjabg2da9iabdAha2bqaaiabd2gaTbqdcqGHris5aOWaaeWaaeaadaWcaaqaaiabdohaZnaaBaaaleaacqWGLbqzaeqaaaGcbaGaemOta4eaaaGaayjkaiaawMcaamaaCaaaleqabaGaemyAaKgaaOWaaeWaaeaacqaIXaqmcqGHsisldaWcaaqaaiabdohaZnaaBaaaleaacqWGLbqzaeqaaaGcbaGaemOta4eaaaGaayjkaiaawMcaamaaCaaaleqabaGaemOta4KaeyOeI0IaemyAaKgaaaaa @ 4AFD @

Преимущество ожидаемого увеличения размера возникает в случае, когда гены нескольких независимых процессов имеют одинаковый временной паттерн экспрессии.В этом случае временной паттерн экспрессии может быть очень значимым с точки зрения количества назначенных генов по сравнению с ожидаемым, но никакая категория GO не будет отображаться обогащенной при тесте на обогащение фактического размера. Однако при испытании на обогащение ожидаемого размера категории GO могут быть правильно определены как обогащенные. Обогащение на основе ожидаемого размера также полезно для упорядочивания временных профилей экспрессии, чтобы определить, какие из них наиболее актуальны для данной категории GO (см. Следующий подраздел).

Поскольку многие категории GO тестируются одновременно, необходимо скорректировать p-значения, используя коррекцию множественных гипотез.STEM может скорректировать p-значения с помощью поправки Бонферонни или, в случае увеличения фактического размера, также с помощью теста рандомизации.

Двунаправленная интеграция

Интеграция STEM с GO является двунаправленной. Помимо предоставления пользователю возможности определить для данного профиля модели, какие термины GO значительно обогащены, STEM также может определить для данной категории GO, какие профили модели были наиболее обогащены для генов в этой категории. Учитывая категорию GO, STEM ранжирует профили на основе их обогащения p-значения для этой категории.Профили в главном интерфейсе можно переупорядочить в зависимости от фактического или ожидаемого увеличения размера. На рис. 4 показано изображение профилей на рис. 3, переупорядоченных по фактическому размеру обогащения для метаболизма ДНК категории GO. В нижнем левом углу каждого поля профиля указано количество генов профиля, которые принадлежат к этой категории GO, и p-значение обогащения. Когда профили переупорядочиваются по категории GO, при открытии окна с подробной информацией о профиле есть возможность построить только подмножество генов, принадлежащих к этой категории GO.STEM также может определить, какой кластер значимых профилей был наиболее обогащен для категории GO, и переупорядочить кластер профилей в соответствии с выбранной категорией.

Сравнение наборов данных в экспериментальных условиях

Многие исследования микроматриц включают сравнение временной реакции генов между экспериментальными условиями. Например, исследователи сравнили временную реакцию генов, инфицированных патогеном дикого типа, с генами, инфицированными нокаут-мутантной версией патогена [3], или реакцию генов при воздействии определенного химического вещества на их реакцию при отсутствии воздействия [17 ].STEM поддерживает возможность сравнивать наборы данных экспрессии в экспериментальных условиях, даже если отбираются только несколько временных точек (при условии, что количество временных точек одинаково). STEM позволяет пользователю исследовать такие вопросы, как: «Для набора генов, которые имели временную реакцию X в эксперименте A , какие значимые ответы они получили в эксперименте B ?». STEM использует гипергеометрическое распределение для вычисления значимости перекрытия между наборами генов модельных профилей двух экспериментов.Поскольку профили модели определяются независимо от данных, границы в пространстве выражения, которые они порождают, будут оставаться неизменными между экспериментами. В отличие от этого, границы кластера от традиционных алгоритмов кластеризации, основанных на данных, будут меняться между экспериментами. Таким образом, STEM может обнаруживать значительные наборы генов с одинаковыми профилями экспрессии в экспериментах, которые в противном случае могли бы быть пропущены, если бы кластеры были определены по-разному в разных экспериментах. Более того, поскольку профили модели в STEM также выбраны так, чтобы они были отличными и репрезентативными для всех профилей экспрессии, STEM определит для всех пар различных паттернов экспрессии, есть ли значительное пересечение наборов генов.Если кластеры были сформированы с помощью алгоритма кластеризации, управляемого данными, такая гарантия невозможна.

На рисунке 7 показана часть интерфейса STEM, которая отображает пары профилей из двух экспериментов, для которых важно пересечение набора генов. Результаты основаны на сравнении эксперимента по измерению реакции эпителиальных клеток желудка, инфицированных патогеном дикого типа Helicobacter pylori , на реакцию при инфицировании штаммом vacA ^— [3].Окно показывает, что многие наборы генов имели согласованный ответ во всех экспериментах. Этот результат согласуется с наблюдением, сделанным в [3], что фенотипический ответ инфицированных клеток vacA, , ^— был подобен клеткам, инфицированным диким типом. Пары профилей в интерфейсе сравнения могут быть перегруппированы в зависимости от значимости пересечения или того, насколько разные профили экспрессии измеряются с помощью коэффициента корреляции. На главном экране обзора профилей моделей пользователь может изменить порядок всех профилей моделей из одного эксперимента на основе обогащения для набора генов, назначенных профилю или набору профилей в другом эксперименте.

Рисунок 7

Интерфейс сравнения профилей моделей . В окне выше показана часть интерфейса сравнения, в котором сравниваются эксперименты дикого типа и vacA ^— из [3]. Профиль справа от желтой полосы на этом изображении относится к эксперименту vacA ^–. Профиль справа от желтой полосы относится к эксперименту дикого типа и имеет значительное пересечение (с точки зрения присвоенных им генов) с профилем слева от желтой полосы в его строке.Пары профилей в настоящее время расположены на основе p-значения их пересечения, при этом пары временных профилей, которые являются наиболее значимыми, появляются сверху и слева. Пары профилей также могут быть упорядочены на основе их корреляции или идентификаторов.

Кратковременная работа | Еврофонд

Определение

Схемы краткосрочной работы (STW) определены в предложении Европейской комиссии от 2020 года как «государственные программы, которые позволяют фирмам, испытывающим экономические трудности, временно сокращать отработанное время, обеспечивая своим сотрудникам поддержку дохода от государства за неиспользованные часы». .

Предпосылки и статус

STW может включать частичное сокращение количества отработанных часов в течение ограниченного периода (например, частичное приостановление трудового договора) или временное сокращение штата (например, полное приостановление трудового договора). В обоих случаях трудовой договор сохраняется и не разрывается. STW призван помочь работодателям добиться гибкости в периоды временного экономического спада, не прибегая к увольнениям. Для работодателя эта стратегия имеет дополнительное преимущество, заключающееся в сохранении обученной рабочей силы по сравнению с наймом необученного персонала после улучшения экономической ситуации.Для сотрудников STW позволяет им оставаться на рынке труда даже при сокращенном уровне рабочего времени и оплаты и, следовательно, избегать снижения их квалификации.

Историческая застройка

Экономический кризис 2008–2010 годов

STW широко использовался в ряде государств-членов во время экономического кризиса 2008–2010 годов. Согласно рабочему документу, подготовленному Комиссией, примерно 12 государств-членов создали соглашения по STW до кризиса (включая Германию и Италию), а 9 стран создали такие механизмы в ответ на спад.

Согласно Европейскому исследованию рабочей силы, почти два миллиона европейских служащих заявили, что они работали меньше часов из-за отсутствия работы по техническим или экономическим причинам в 2009 году: 55% этих рабочих были из Германии и Италии. Комплексное исследование ОЭСР показало, что схемы краткосрочной работы сыграли «экономически важное влияние на сохранение рабочих мест во время экономического спада».

В 2010 году Еврофонд изучил 15 схем STW. Результаты подчеркнули значительный разброс в максимальном сокращении рабочего времени: схемы могут сократить рабочее время где-то от 10% до 100%.В схемах также различалась компенсация за невыплаченную заработную плату: от 55% до 80% от обычной заработной платы. В отчете рекомендуется, чтобы такие инструменты сочетались с доступом к профессиональному обучению и предлагались работодателям в качестве постоянного инструмента.

Кризис COVID-19

Некоторые недавние ресурсы дают обзор механизмов, действующих в различных государствах-членах, чтобы справиться с кризисом COVID-19. Во-первых, база данных Eurofound по правовым нормам, связанным с реструктуризацией (обновленная в 2019 году), содержит краткое изложение основных существующих схем для каждой страны (поисковый запрос «гибкость рабочего времени»).

Во-вторых, в исследовании Института экономических и социальных исследований (WSI) изучаются нормативные акты в Германии (включая отраслевые коллективные договоры, предусматривающие «пополнение» замещающего дохода по закону) и в Европе.

Наконец, Европейская конфедерация профсоюзов выпустила информационную записку по STW, а Европейский институт профсоюзов разместил веб-страницу с описанием национальных мер в связи с кризисом COVID-19, включая схемы STW.

Нормативные аспекты

В 2012 году Суд Европейского Союза разъяснил взаимосвязь между схемами STW и правом на ежегодный отпуск.Суд постановил, что национальное законодательство и положения могут применять пропорциональный подход к праву на ежегодный отпуск при работе в течение короткого времени (объединенные дела C ‑ 229/11 и C ‑ 230/11). В этих случаях рабочие требовали финансовой компенсации за ежегодный отпуск в течение фиксированного периода нулевого рабочего времени STW после увольнения, как это предусмотрено соглашением с компанией. Таким образом, Суд по существу постановил, что работодатель не обязан компенсировать работникам по контрактам STW нулевого рабочего времени потерю оплачиваемого отпуска.

В 2019 году Суд вынес решение по делу, касающемуся работника строительного сектора, который оспаривал размер вознаграждения, на которое работник имел право в отношении их оплачиваемого ежегодного отпуска. В соответствии с законодательством Германии периоды STW не должны влиять на такое вознаграждение, которое рассчитывается на основе обычного вознаграждения, полученного в периоды фактической работы. Однако этот же закон позволяет социальным партнерам отступать от этого принципа. Коллективный договор, применяемый в строительной отрасли, разрешает учитывать периоды STW, в течение которых работник не работает, при расчете вознаграждения.Суд постановил, что этот отказ противоречит законодательству ЕС. Сотрудник, который проходит периоды STW, имеет право «пользоваться в течение своего периода отдыха и релаксации экономическими условиями, сопоставимыми с условиями, связанными с выполнением его служебных обязанностей».

Связанные словарные термины

Ежегодный отпуск; гибкость; реструктуризация; УВЕРЕННАЯ инициатива; рабочее время ; рабочее время и коллективные договоры

Обратите внимание: Европейский словарь производственных отношений ежегодно обновляется.Если нам будут доведены ошибки, мы постараемся их исправить.

Альтернатива увольнениям во время COVID-19

DOI: 10.26509 / frbc-ec-202026

Мы обсуждаем затраты и преимущества краткосрочной компенсации (STC), программы страхования от безработицы, которая позволяет работникам с временно сокращенным рабочим днем ​​получать некоторые пособия по страхованию от безработицы.Мы описываем положения для STC в Законе о налоговых льготах для среднего класса и создании рабочих мест от 2012 года и в Законе о помощи, помощи и экономической безопасности (CARES) 2020 года и сообщаем об использовании STC до и после этих актов. С начала пандемии количество штатов с программами STC не изменилось и составило 27, но использование STC недавно поднялось до беспрецедентного уровня, в основном за счет роста в Мичигане и Вашингтоне. Однако это увеличение незначительно по сравнению с увеличением популярной немецкой программы Kurzarbeit, что позволяет предположить, что у американской программы STC еще есть возможности для расширения.

С марта 2020 года пандемия COVID-19 и усилия по сдерживанию ее распространения оказали давление на рынок труда США. Официальный уровень безработицы упал до 7,9 процента в сентябре, но остается значительно выше уровня до пандемии (Федеральный резервный банк Сент-Луиса, 2020b). Однако многие безработные надеются вернуться на свои прежние рабочие места. Например, около 35 процентов безработных были временно уволены в сентябре по сравнению с всего лишь 15 процентами в сентябре.
Февраль (Федеральный резервный банк Св.Луи, 2020а). ¹

Предотвращение таких временных увольнений — одна из целей программ краткосрочной компенсации (STC). STC позволяет фирмам временно сокращать рабочие часы вместо того, чтобы увольнять их, потому что пострадавшие рабочие получают некоторые страховые выплаты по безработице в рамках программы STC, в то время как их часы сокращаются.

В этом экономическом комментарии мы обсуждаем затраты и преимущества STC. Мы сравниваем недавние положения для государственных программ STC в Законе о помощи, помощи и экономической безопасности (CARES) 2020 г. с положениями Закона 2012 г. о налоговых льготах и ​​создании рабочих мест для среднего класса.Мы обнаружили, что использование STC выросло до беспрецедентного уровня после принятия закона CARES, в основном за счет увеличения в Мичигане и Вашингтоне. Но количество штатов с программами STC не изменилось и составило 27 с начала пандемии. И недавнее увеличение использования STC невелико по сравнению с использованием других программ STC, таких как популярная программа Германии Kurzarbeit, что предполагает определенные возможности для расширения.

Что такое STC?

STC, также известная как разделение работы или совместная работа, представляет собой тип программы страхования от безработицы (UI), которая позволяет фирмам временно сокращать рабочие часы вместо увольнения работников.Работники, у которых сокращено рабочее время, получают право на пособие по безработице соразмерно сокращению их рабочего времени (Министерство труда, 2019b). Как и другие программы пользовательского интерфейса, STC находится в ведении штатов и под надзором Министерства труда США. Каждое государство выбирает, будет ли оно предлагать программу STC. В штатах с программами STC работодатели с сокращением объемов производства, услуг или других условий могут представить план STC властям штата, если работодатели соответствуют четырем федеральным требованиям, хотя отдельные штаты могут ужесточить эти требования.Федеральные требования для получения права на участие в STC описаны в Министерстве труда (2016b). Как только штат утвердит план STC работодателя, пострадавшие работники могут получать пособия STC.

В качестве примера предположим, что работодатель хочет уволить 20 из 100 своих сотрудников из-за снижения спроса на его продукты или услуги. Если вместо этого фирма сократит рабочую неделю для всех рабочих с пяти дней до четырех (сокращение часов на 20 процентов), она может предложить штату план STC. Если план будет одобрен, работники, которые зарабатывают 500 долларов в неделю и которые в случае увольнения получали бы еженедельное пособие по безработице в размере 200 долларов в неделю (при стандартной 40-процентной ставке замещения), будут иметь право на 40 долларов в неделю (20 процентов). 200 долларов США) по программе STC.Тогда рабочие будут работать четыре дня в неделю и зарабатывать 420 долларов (400 долларов заработной платы и 20 долларов STC) вместо того, чтобы быть уволенными и получать только 200 долларов.

Преимущества и затраты STC

Микроэкономические исследования показывают, что STC сохраняет рабочие места, а макроэкономические исследования с использованием межстрановых данных обычно обнаруживают положительное влияние STC на совокупную занятость (Boeri and Bruecker, 2011; Cahuc and Carcillo, 2011; Hijzen and Martin, 2013). Используя микроэкономические данные, Cahuc, Kramarz, and Nevoux (2018) обнаружили, что STC предотвращает неэффективное сокращение рабочих мест и банкротство фирм среди фирм, которые сталкиваются со значительным временным снижением доходов и имеют ограниченный доступ к кредитам.Более того, STC — менее затратный способ сохранения рабочих мест, чем субсидии на заработную плату или найм, потому что STC нацелена на наиболее уязвимые рабочие места.

Другие преимущества включают снижение затрат, связанных с потерей работы, сокращение затрат на найм и увольнение, а также возможность фирмам удерживать квалифицированных рабочих. Существуют неопровержимые доказательства того, что постоянные потери рабочих мест приводят к большим заработкам и расходам на здоровье (Jacobson, Lalonde, and Sullivan, 1993; Sullivan and von Wachter, 2009; Carrington and Fallick, 2017) и что эти затраты более заметны во время рецессии (Davis and фон Вахтер, 2011).Поскольку программы STC сокращают увольнения, они помогают некоторым работникам избежать последствий постоянной потери рабочих мест. Программы STC также снижают налоги работодателей на безработицу, поскольку все меньше работников теряют работу. Программы STC могут также способствовать более быстрому восстановлению экономики, поскольку фирмы избегают затрат на найм и обучение новых работников, и они могут легко увеличить количество часов существующих сотрудников по мере восстановления спроса. Наконец, программы STC распределяют бремя экономического спада между многими работниками, а не концентрируют его на нескольких, потерявших работу.

Затраты на STC включают возможную неэффективность рынка труда и некоторые затраты на уровне фирмы. Во-первых, STC может препятствовать перераспределению работников из подрядных фирм в расширяющиеся фирмы (Cahuc, 2019). Например, опасения по поводу личного общения во время COVID-19 привели к значительному увеличению спроса на онлайн-покупки продуктов и услуги доставки. Чтобы удовлетворить этот растущий спрос, некоторые розничные торговцы наняли новый персонал, изменили конфигурацию магазинов и инвестировали в новые технологии, в то время как другие розничные торговцы сделали мало.Таким образом, значительный сдвиг в покупательских привычках подразумевает перераспределение рабочих мест и работников между компаниями (Barrero, Bloom, and Davis, 2020). В той мере, в какой программы STC сдерживают эту реакцию, они снижают производительность на рынке труда. Однако этот недостаток ограничен, поскольку существуют ограничения на продолжительность действия планов STC, обычно не более 12 месяцев. Во-вторых, сокращение рабочего времени может побудить лучших работников фирмы уволиться, хотя это менее серьезная проблема, если наблюдается резкое сокращение совокупного спроса и общее снижение найма. ² В-третьих, STC может быть дороже для работодателей, чем увольнения, прежде всего потому, что заявители STC сохраняют свои медицинские и пенсионные пособия. Наконец, участие в STC влечет за собой высокую административную нагрузку на работодателей (Abraham and Houseman, 2014b).

Положения STC о рабочих местах 2012 г. и законы CARES 2020 г.

Законы о рабочих местах и ​​CARES содержали три аналогичных положения для государственных программ STC, хотя Закон о рабочих местах был несколько более щедрым. Во-первых, в обоих законах указывается, что федеральное правительство будет покрывать 100 процентов затрат на льготы STC для штатов с существующими программами.Это положение действовало до конца 2015 финансового года для Закона о рабочих местах и ​​до конца 2020 года для Закона CARES. Во-вторых, Закон CARES позволяет штатам, не имеющим программ STC, использовать временную программу STC, управляемую федеральным правительством, до конца 2020 года, в то время как Закон о рабочих местах разрешает штатам участвовать в такой программе в течение двух лет. Каждый закон предоставляет гранты в размере 100 миллионов долларов на разработку, администрирование и продвижение программ STC (Министерство труда, 2016b; Министерство труда, 2020a).

Недавнее увеличение использования STC

Использование STC рассчитывается как процент начальных требований UI, которые являются заявками STC, или, точнее, «эквивалентными заявками STC на полный рабочий день». Требования STC, эквивалентные полной занятости, являются мерой сокращения количества часов по сравнению с полной занятостью. Например, если у 100 работников часы работы сокращены на 10 часов в неделю, с 40 до 30 часов, требования STC для этих 100 работников будут представлены как 25 требований STC в эквиваленте полной занятости (100 × 10/40).Исходя из этих 100 рабочих, коэффициент использования STC будет равен 25, разделенному на все заявки UI за эту неделю. ³

Использование STC резко возросло во время пандемии COVID-19. В частности, использование STC выросло примерно с 0,2 процента до пандемии до почти 0,8 процента за неделю, закончившуюся 4 июля 2020 года, как показано на рисунке 1. Это самый высокий уровень использования STC за последние 20 лет. За неделю, закончившуюся 5 сентября, использование ЮТК оставалось повышенным и превысило 0,7 процента.

Примечания: Требования STC оцениваются как эквивалент полной занятости (определение см. Во вставке 1). Заштрихованные столбцы указывают на спад NBER. Последнее наблюдение: 05.09.2020.
Источник: Министерство труда, занятости и обучения США.

Недавнее увеличение использования STC, вероятно, представляет собой сильную антицикличность использования STC, а не является ответом на стимулы для программ STC в Законе CARES, который вступил в силу 27 марта 2020 года. Для этого вывода есть две причины.Во-первых, использование ЮТК является резко антицикличным — оно растет во время спада и падает при расширении, поэтому мы ожидаем, что оно будет расти во время текущего спада, независимо от законодательных положений. Например, использование ЮТК выросло с примерно 0,1 процента во время расширения 2000-х годов до примерно 0,8 процента в разгар рецессии 2009 года (сравнимо с последним ростом) без законодательных стимулов для программ ЮТК. Во-вторых, использование STC оставалось относительно неизменным и составляло около 0,4 процента до и после вступления в силу Закона о рабочих местах 22 февраля 2012 года.Такая стабильность использования STC предполагает, что стимулы в Законе о рабочих местах не привели к существенному увеличению использования STC. Поскольку положения для STC в Законе о рабочих местах были более щедрыми, чем в Законе CARES, это свидетельство также предполагает, что Закон CARES, вероятно, не несет ответственности за недавнее увеличение использования STC.

Вставка 1. Расчет STC эквивалентных требований по безработице

STC эквивалента полной занятости отражает частичное сокращение рабочего времени по сравнению с полной занятостью.Вот пример:

• 100 рабочих, работающих 40 часов в неделю
• Терять 10 часов работы в неделю, переходя на 30 часов
• Требования STC, эквивалентные полной занятости, для этих работников рассчитываются как:

Затем, чтобы рассчитать использование STC, мы делим эти 25 требований в эквиваленте полной занятости на все первоначальные требования по страхованию от безработицы за эту неделю.

Понимание недавнего увеличения использования STC:

Интенсивная или обширная маржа

Несколько штатов с существующими программами STC (интенсивная маржа) привели к недавнему увеличению использования национальных STC.На рисунках 2 и 3 показано изменение показателей и уровней использования STC, соответственно, между неделей, закончившихся 29 февраля 2020 года — непосредственно перед пандемией, — и неделей, закончившихся 4 июля 2020 года, когда национальное использование STC достигло пика. В Мичигане и Вашингтоне наблюдался особенно большой рост показателей и уровней использования ЮТК. Например, использование STC увеличилось более чем на 7 процентов в Мичигане, а еженедельное количество требований STC в эквиваленте полной занятости увеличилось почти на 2000. Уровень требований STC также значительно вырос в Техасе, несмотря на лишь умеренное увеличение степени использования STC из-за относительно высоких начальных уровней требований UI.

Примечания: На этом рисунке показано изменение 4-недельного скользящего среднего с 29.02.2020 по 04.07.2020. Цифра включает государства с положительной загрузкой ЮТК. Государства, в которых не используется STC, не имеют программ STC или не используют их. Требования STC оцениваются как эквивалент полной занятости (определение см. Во вставке 1).
Источник: Министерство труда, занятости и обучения США.

Примечания: На этом рисунке показано изменение 4-недельного скользящего среднего с 29.02.2020 по 04.07.2020.Цифра включает государства с положительной загрузкой ЮТК. Государства, в которых не используется STC, не имеют программ STC или не используют их. Требования STC оцениваются как эквивалент полной занятости (определение см. Во вставке 1).
Источник: Министерство труда, занятости и обучения США.

В Вашингтоне, а также в Род-Айленде и Канзасе был высокий уровень использования ЮТК во время последних трех рецессий, но высокий уровень использования в Мичигане — недавнее явление. Как показано на Рисунке 4, существуют большие различия в использовании ЮТК в разных штатах во время текущего кризиса и двух предыдущих рецессий.Например, за неделю, закончившуюся 4 июля 2020 года, использование STC колебалось от менее 0,2 процента во Флориде и Пенсильвании до более 6,0 процента в Канзасе, Мичигане, Род-Айленде и Вашингтоне. В большинстве штатов во время текущего кризиса коэффициент использования был ниже 3,0 процента. Во время прошлых рецессий уровень использования ЮТК в штатах был, как правило, ниже, чем во время текущего кризиса, а в Канзасе, Род-Айленде и Вашингтоне показатели использования были стабильно высокими по сравнению с другими штатами.Работодатели в Мичигане не использовали STC во время последних двух рецессий, потому что в штате на тот момент не было программы STC.

Примечания: 4-недельная скользящая средняя. Мы выбрали неделю, чтобы соответствовать неделе с максимальным использованием ЮТК во время каждой рецессии, то есть неделя, закончившаяся 18.08.2001 для рецессии 2001 года, неделя, закончившаяся 28.03.2009 для рецессии 2009 года, и неделя, закончившаяся 04.07.2020 для текущей рецессии. Цифра включает штаты с положительным уровнем использования ЮТК в 2001, 2009 или 2020 годах.Государства, в которых не используется STC, не имеют программ STC или не используют их. Требования STC оцениваются как эквивалент полной занятости (определение см. Во вставке 1).
Источник: Министерство труда, занятости и обучения США.

Эффективное продвижение программ STC может объяснить, почему использование STC так возросло в Мичигане и Вашингтоне, что согласуется с отчетами Коэна (2020). Знания о программах STC среди работодателей в Соединенных Штатах, как правило, низкие, что препятствует их широкому использованию (Shelton, 2011; Abraham and Houseman, 2014a; von Wachter, 2020).Однако Мичиган и Вашингтон продвигали использование разделения работы во время пандемии COVID-19. ⁴ Кроме того, 22 апреля 2020 года штат Мичиган несколько смягчил требования к участию в программе STC. ⁵

Количество штатов с программами STC (значительный запас) не изменилось с начала пандемии. По состоянию на 1 января 2019 г. в округе Колумбия (округ Колумбия) и в 27 штатах были программы STC (Министерство труда, 2019a). С начала пандемии только Вирджиния одобрила новую программу STC, которая вступит в силу к 1 января 2021 года; Вермонт деактивировал свою программу STC 1 июля 2020 г. (Национальная ассоциация губернаторов, 2020 г.).

Отсутствие новых государственных программ STC после Закона CARES 2020 контрастирует с увеличением числа новых программ STC после Закона о рабочих местах 2012 года. В частности, до принятия Закона о рабочих местах 2012 г. только 23 штата и округ Колумбия имели программы STC (Министерство труда, 2012 г.). Но к 1 января 2016 года, вскоре после истечения срока действия положений STC в законе, было 28 штатов (плюс округ Колумбия) с программами STC (Министерство труда, 2016a). Таким образом, Закон о рабочих местах мог побудить большее количество штатов внедрить программы распределения работы; Однако реализация этого закона произошла через несколько лет после принятия закона.Кратковременность положений STC в Законе CARES в настоящее время недостаточна для повсеместного внедрения новых программ STC.

Немецкая программа Kurzarbeit

Многие другие развитые страны имеют программы STC, которые успешно работали в прошлом, но эти программы, как правило, имеют более высокий коэффициент использования и больший рост использования во время экономических спадов, чем в Соединенных Штатах. В частности, немецкая программа STC — Kurzarbeit — особенно популярна и хорошо зарекомендовала себя.Например, во время мирового финансового кризиса в 2009 году около 3,2 процента всех немецких рабочих участвовали в планах распределения работы через Kurzarbeit по сравнению с только 0,2 процента американских рабочих в штатах с программами STC (Abraham and Houseman, 2014a). В последнее время уровень безработицы в Германии также резко вырос, но рост числа рабочих, затронутых Kurzarbeit, был намного больше, чем рост требований STC в Соединенных Штатах (диаграмма 5). В частности, заявки на Kurzarbeit резко выросли в начале текущей рецессии и выросли почти в 200 раз. ⁶ Претензии STC в США также выросли, но они были намного меньше. Во время предыдущей рецессии использование ЮТК также увеличилось больше в Германии, чем в Соединенных Штатах, и, по оценкам Организации экономического сотрудничества и развития, Курцарбайт снизил безработицу примерно на 400 000 человек (1 процент рабочей силы; ОЭСР, 2009). Исследования Kurzarbeit могут проинформировать о том, как расширение использования STC может повлиять на рынок труда США.

Примечание: рецессия 2008 г. началась в декабре 2007 г. в США и в марте 2008 г. в Германии.Рецессия 2020 года измеряется с февраля 2020 года для обеих стран. Использование STC и Kurzarbeit нормализовано к первому месяцу каждого спада. Использование STC в Соединенных Штатах измеряется как количество первоначальных претензий STC, что более точно соответствует показателю в данных по Германии. Немецкие данные показывают количество работников, затронутых заявлениями Kurzarbeit работодателями. В марте в Германии были ограничения по мощности обработки, поэтому некоторые уведомления, обработанные в апреле, были поданы в марте.
Источники: Министерство труда США, Управление по трудоустройству и обучению; Bundesagentur für Arbeit (Германия).

Заключение

Программа STC побуждает работодателей временно сокращать рабочие часы вместо увольнений. Программы STC поддерживают занятость, смягчают последствия постоянной потери работы, сокращают взносы работодателей по страхованию от безработицы и распределяют бремя экономического спада, хотя они также могут ослабить экономическую перестройку.

Оба закона о рабочих местах и ​​CARES поощряли использование STC, но данные свидетельствуют о том, что недавнее увеличение использования STC является более вероятным результатом рецессии, а не стимулов в Законе CARES.Кроме того, количество штатов с программами STC остается неизменным с начала пандемии, а национальный рост использования STC в значительной степени был обусловлен двумя штатами, Мичиганом и Вашингтоном. Немецкая программа Kurzarbeit, программа распределения рабочих мест, которая используется более широко, чем STC в Соединенных Штатах, и, по-видимому, помогла снизить безработицу во время рецессии, может быть полезной для понимания воздействия расширенного использования STC в Соединенных Штатах.

Сноски

1. Кудляк и Уолкотт (2020) также документируют распространенность временных увольнений во время текущего кризиса, используя уведомления, поданные в соответствии с Законом об уведомлении о корректировке и переподготовке работников (WARN).Кроликовски и Лансфорд (2020) описывают эти данные более подробно. Возврат
2. После резкого сокращения в марте и апреле количество вакансий снова увеличилось, так что это может вызывать беспокойство. См .: Вакансии, Total Nonfarm на https://fred.stlouisfed.org/series/JTSJOL. Возврат
3. Мы также используем эквивалентные заявки STC на полный рабочий день при расчете всех первоначальных заявлений UI. Возврат
4. Например, школьным округам Вашингтона и местным органам власти штата Мичиган было рекомендовано использовать программы STC (Inslee, 2020, и Министерство финансов штата Мичиган, 2020, соответственно).Возврат
5. См. Распоряжение 2020-57: https://www.legislature.mi.gov/documents/2019-2020/executiveorder/pdf/2020-EO-57.pdf. Обратите внимание, что положения этого приказа были расширены Распоряжением 2020-76. Возврат
6. Как и программа STC в США, у немецкой компании Kurzarbeit есть ряд критериев отбора, многие из которых были смягчены во время нынешнего экономического спада. Примечательно, что требования по сокращению часов были ослаблены, ставки замещения заработной платы за неиспользованное время были увеличены (60 процентов в течение первых трех месяцев Kurzarbeit, 70 процентов в течение следующих трех месяцев и 80 процентов после этого), максимальная продолжительность планов Kurzarbeit был увеличен, и отчисления фирм на социальное страхование были отменены (Международный валютный фонд, 2020).Возврат

Список литературы

• Авраам, Кэтрин Г. и Сьюзен Н. Хаусман. 2014a. «Кратковременная компенсация как инструмент уменьшения потери работы? Доказательства опыта США во время недавней рецессии ». Производственные отношения , 53 (4). https://doi.org/10.1111/irel.12069.
• Авраам, Кэтрин Г. и Сьюзен Н. Хаусман. 2014b. «Поощрение совместной работы для снижения безработицы». https://www.hamiltonproject.org/papers/encourage_work_sharing_to_reduce_unemployment.
• Боери, Тито и Герберт Брюкер. 2011. «Еще раз о преимуществах краткосрочной работы: некоторые уроки Великой рецессии». Экономическая политика , 26 (68): 697–765. https://doi.org/10.1111/j.1468-0327.2011.271.x.
• Барреро, Хосе Мария, Ник Блум и Стив Дж. Дэвис. 2020. «COVID-19 — это еще и шок перераспределения». Документы Брукингса об экономической деятельности г (готовится к печати). https://stevenjdavis.com/#whats-new.
• Каук, Пьер. 2019. «Схемы компенсации краткосрочной работы и занятость.ИЗА «Мир труда». https://doi.org/10.15185/izawol.11.v2.
• Каук, Пьер и Стефан Качильо. 2011. «Кратковременная работа — хороший способ снизить безработицу?» Обзор экономической политики Северных стран , 1 (1): 133–165. https://doi.org/10.6027/9789289330541-9-en.
• Каук, Пьер, Фрэнсис Крамарц и Сандра Неву. 2018. «Когда работает кратковременная работа». Документ для обсуждения IZA № 11673. https://doi.org/10.2139/ssrn.3247486.
• Кэррингтон, Уильям и Брюс Фаллик.2017. «Почему из-за увольнения с работы падают доходы?» Производственные отношения , 56 (4). https://doi.org/10.1111/irel.12192.
• Коэн, Патрисия. 2020. «Этот план помогает избежать увольнений. Почему больше работодателей не используют его? » Нью-Йорк Таймс . https://www.nytimes.com/2020/08/20/business/economy/jobs-work-sharing-unemployment.html.
• Дэвис, Стивен Дж. И Тилль фон Вахтер. 2011. «Спад и цена потери работы». Документы Брукингса по экономической деятельности , 2011 (2).https://doi.org/10.1353/eca.2011.0016.
• Министерство труда. 2012. «Сравнение государственных законов о безработице». https://oui.doleta.gov/unemploy/comparison/2010-2019/comparison2012.asp.
• Министерство труда. 2016a. «Сравнение государственных законов о безработице». https://oui.doleta.gov/unemploy/comparison/2010-2019/comparison2016.asp.
• Министерство труда. 2016b. «Реализация положений программы краткосрочных компенсаций (STC) в Законе о налоговых льготах и ​​создании рабочих мест для среднего класса от 2012 года.»Https://oui.doleta.gov/unemploy/docs/stc_report.pdf.
• Министерство труда. 2019a. «Сравнение государственных законов о безработице». https://oui.doleta.gov/unemploy/comparison/2010-2019/comparison2019.asp.
• Министерство труда. 2019b. «Кратковременная компенсация». https://oui.doleta.gov/unemploy/docs/stc_fact_sheet.pdf.
• Министерство труда. 2020. «Письмо о программе страхования от безработицы № 21-20». https://wdr.doleta.gov/directives/attach/UIPL/UIPL_21-20.pdf.
• Министерство труда, 2020b.«Отчет о процентных ставках замены пользовательского интерфейса». По состоянию на 15 сентября 2020 г. https://oui.doleta.gov/unemploy/ui_replacement_rates.asp.
• Федеральный резервный банк Сент-Луиса. 2020a. «Таблица A-11. Безработные по причинам безработицы: ежемесячно, с поправкой на сезонность ». ФРЕД. По состоянию на 9 сентября 2020 г. https://fred.stlouisfed.org/release/tables?rid=50&eid=3077.
• Федеральный резервный банк Сент-Луиса. 2020b. «Уровень безработицы.» ФРЕД. По состоянию на 9 сентября 2020 г. https://fred.stlouisfed.org / series / UNRATE.
• Хиджзен, Александр и Себастьян Мартин. 2013. «Роль схем краткосрочной работы во время глобального финансового кризиса и раннего восстановления: межстрановой анализ». IZA Journal of Labor Policy , 2: 5. https://doi.org/10.1186/2193-9004-2-5.
• Инсли, Джей. 2020. «Inslee исследует две прокламации, связанные с государственным образованием». https://www.governor.wa.gov/news-media/inslee-issues-two-public-education-related-proclamations.
• Международный валютный фонд.2020. «Kurzarbeit: выгода для краткосрочной работы в Германии». https://www.imf.org/en/News/Articles/2020/06/11/na061120-kurzarbeit-germanys-short-time-work-benefit.
• Джейкобсон, Луис С., Роберт Дж. Лалонд и Дэниел Г. Салливан. 1993. «Потери заработка перемещенных рабочих». Обзор американской экономики , 83 (4). https://www.jstor.org/stable/2117574.
• Кроликовски, Павел М. и Курт Г. Лансфорд. 2020. «Заблаговременные уведомления об увольнениях и прогнозирование рынка труда». Федеральный резервный банк Кливленда, рабочий документ No.20-03. https://doi.org/10.26509/frbc-wp-202003.
• Кудляк, Марианна и Эрин Уолкотт. 2020. «Увольнения из-за пандемии». Неопубликованная рукопись. https://sites.google.com/site/erinwolcott/research.
• Министерство финансов штата Мичиган. 2020. «Информация о программе Work Share». https://www.michigan.gov/documents/treasury/Work_Share_Program_Information_692517_7.pdf.
• Национальная ассоциация губернаторов. 2020. «Программы краткосрочной компенсации как стратегия реагирования на COVID-19 и восстановления.»Https://www.nga.org/memos/short-term-compensation-programs-covid-19/.
• ОЭСР (Организация экономического сотрудничества и развития). 2009. «Перспективы занятости — сравнение с Германией?»
• Шелтон, Элисон. 2011. Соглашение о распределении оплачиваемой работы (краткосрочная компенсация) как альтернатива увольнениям. Отчет исследовательской службы Конгресса 40689, Вашингтон, округ Колумбия. https://crsreports.congress.gov/product/pdf/R/R40689.
• Салливан, Даниэль и Тилль фон Вахтер.2009. «Перемещение рабочих мест и смертность: анализ с использованием административных данных». Ежеквартальный журнал экономики , 124 (3). https://doi.org/10.1162/qjec.2009.124.3.1265.
• Von Wachter, Till. 2020. «Долгосрочные последствия кризиса COVID-19 для работников: как может помочь расширение системы кадровых ресурсов». http://www.econ.ucla.edu/tvwachter/covid19/LT_effects_STC_memo_vonWachter.pdf.

Кластеризация данных экспрессии генов коротких временных рядов

Мотивация:

Эксперименты по экспрессии временных рядов используются для изучения широкого круга биологических систем.Более 80% всех наборов данных выражений временных рядов короткие (8 временных точек или меньше). Эти наборы данных представляют собой уникальные проблемы. Из-за большого количества профилированных генов (часто десятки тысяч) и небольшого количества моментов времени ожидается, что многие закономерности возникнут случайным образом. Большинство алгоритмов кластеризации не могут различить реальные и случайные шаблоны.

Полученные результаты:

Мы представляем алгоритм, специально разработанный для кластеризации данных выражений коротких временных рядов.Наш алгоритм работает, присваивая гены предопределенному набору модельных профилей, которые фиксируют потенциально различные закономерности, которые можно ожидать от эксперимента. Мы обсуждаем, как получить такой набор профилей и как определить значимость каждого из этих профилей. Важные профили сохраняются для дальнейшего анализа и могут быть объединены в кластеры. Мы протестировали наш метод как на смоделированных, так и на реальных биологических данных. Используя данные иммунного ответа, мы показываем, что наш алгоритм может правильно определять временной профиль соответствующих функциональных категорий.Используя анализ онтологии генов, мы показываем, что наш алгоритм превосходит как общие алгоритмы кластеризации, так и алгоритмы, разработанные специально для кластеризации данных экспрессии генов временных рядов.

Доступность:

Информация о получении реализации Java с графическим пользовательским интерфейсом (GUI) доступна по адресу http://www.cs.cmu.edu/~jernst/st/

Дополнительная информация:

Доступно по адресу http: // www.cs.cmu.edu/~jernst/st/

.