劳动力市场中的匹配：体验信息的作用-研究论文

在线劳动力市场将工人分配给短期工作。 对于某些工作，最佳选择是基于事前可观察的信息（例如，基于乘车位置确定的驾驶员分配）。 在其他情况下，任务分配由经验信息驱动，即仅通过执行工作的工人私下获得的信息（例如，托儿服务提供者与家人的适合度）。 这项研究建立了一个经验框架，以根据参与者过去的聘用选择来估算每种信息的相对重要性。 我们的当下不平等方法可以容纳较高的员工流动率，多样化的选择集以及对大量市场参与者的有限观察-在线劳动力市场的所有关键特征。 我们将框架应用于两个市场，利用了改变市场佣金的自然实验。 根据超过120万个招聘决定，我们估计经验信息是招聘选择的关键驱动力，而事前可观察到的契合度仅与最简单的工作有关。 使用我们的估计，我们提出并评估其他分配策略。 表现最佳的策略优先考虑重复工作，令人惊讶的是，它忽略了事前可观察到的信息，而是尝试使用新员工并生成体验信息。 与当前基于技能的匹配实践相比，此类策略可以使购买者的福利提高数据输入（网络开发）市场中总收入的45.3％（47.1％）。 利用买方过去的政策（在重复工作中）揭示了偏好（在不进行重复研究的情况下），其数据输入和网络开发的效果仍差18.9％和8.7％。