Rationing & Bayesian expectations with application to the labour market

• Main Author: Förster, Hannah
• Format: Doctoral Thesis
• Language: English
• Published: Universität Potsdam 2006
• Subjects: Rationierung; Ungleichgewicht; Bayes; Interaktion; Lernprozesse; rationing; bayesian inference; learning processes; disequilibrium; agent interaction; Economics
• Online Access: http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-15217; http://opus.kobv.de/ubp/volltexte/2007/1521/

The first goal of the present work focuses on the need for different rationing methods of the The Global Change and Financial Transition (GFT) work- ing group at the Potsdam Institute for Climate Impact Research (PIK): I provide a toolbox which contains a variety of rationing methods to be ap- plied to micro-economic disequilibrium models of the lagom model family. This toolbox consists of well known rationing methods, and of rationing methods provided specifically for lagom. To ensure an easy application the toolbox is constructed in modular fashion. The second goal of the present work is to present a micro-economic labour market where heterogenous labour suppliers experience consecu- tive job opportunities and need to decide whether to apply for employ- ment. The labour suppliers are heterogenous with respect to their qualifi- cations and their beliefs about the application behaviour of their competi- tors. They learn simultaneously – in Bayesian fashion – about their individ- ual perceived probability to obtain employment conditional on application (PPE) by observing each others’ application behaviour over a cycle of job opportunities. === In vorliegender Arbeit beschäftige ich mich mit zwei Dingen. Zum einen entwickle ich eine Modellierungstoolbox, die verschiedene Rationierungs- methoden enthält. Diese Rationierungsmethoden sind entweder aus der Literatur bekannt, oder wurden speziell für die lagom Modellfamilie ent- wickelt. Zum anderen zeige ich, dass man mit Hilfe von Rationierungsmetho- den aus der Modellierungstoolbox einen fiktiven Arbeitsmarkt modellie- ren kann. Auf diesem agieren arbeitssuchende Agenten, die heterogen im Bezug auf ihre Qualifikation und ihre Vorstellungen über das Bewerbungs- verhalten ihrer Konkurrenten sind. Sie erfahren aufeinanderfolgende Job- angebote und beobachten das Bewerbungsverhalten ihrer Konkurrenten, um in Bayesianischer Weise über ihre individuelle Wahrscheinlichkeit eine Stelle zu erhalten zu lernen.