The role of unions in labour markets is a long-standing research topic in labour economics.   It is often found, for example, that unionised workers get paid higher wages, and some authors argue that

unionisation could lead to lower inequality.  Unions have declined in importance somewhat in the second

half of the 20th century, but there is currently a resurgence in unionisation in some countries, arguably as a response to increasing inequality.

In this project we try to estimate several effects of unions for the U.S. using the Survey of Income and Program Participation (SIPP). This is a household panel dataset with detailed information for a sample of U.S. households.   It is representative for the U.S. population and has been used in many applied research projects.  See the section ’Getting Started’ below on how you can obtain the data and prepare it for analysis.  We think it makes sense to limit your sample to prime-age workers (age 25-50) for the entirety of the project.

All parts of the project carry equal weight.  Groups have to submit a word/pdf file that has answers to the questions below along with a dofile that has all the commands in it that the group used.

●  Both the word/pdf document and the dofile have to be submitted before the deadline.  Projects submitted without a dofile will incur the default penalty of a late submission (5 marks).

●  Answers to questions should be limited to 3 pages per question (1-2 pages is probably enough).

●  The dofile should be written in such a way that anyone with access to the raw data files can replicate the analysis.

●  Stata outputs (tables/figures) have to be included in the document.  It is not enough to refer to outputs in the Stata log/dofile.

●  Before submission groups have to declare that the project is their own work. There is no separate form to complete, it can be done directly on Learn.

●  Make sure that you are aware of the requirements for appropriate citation of references and data sources.  Read the guidance on plagiarism in Section 4.4.1 of the Economics Honours Handbook and/or the general University guidance.  If you include anything from another source it must be properly acknowledged, whether it’s a figure/table or a text passage or anything else.

● You are welcome to ask questions on piazza or come to helpdesks. We will try to help as much as possible with data preparation and are of course happy to clarify where things are unclear. Topical questions we will typically not answer to be fair to all students.

Time Series Questions

For this part you have to aggregate the SIPP data to a monthly time series (see ’Getting Started’ below).

1.  Calculate averages by month and year of unionisation, log real wages and unemployment. Plot the time series for these over time. Make sure you label the axes correctly. Then run a simple regression of log real wages on unionisation rates, and unemployment on unionisation rates. The former could capture whether unionisation rates positively or negatively affect average wages, the latter could capture whether unionisation rates increase/decrease unemployment. Interpret your findings.

2. Is there evidence for seasonality and trends in unionisation rates, log real wages, and unemployment rates? What about serial correlation or heteroskedasticity? Investigate these issues and try to make your results in (1.) robust to those concerns.

3.  The regressions we ran in (1.)  and (2.)  might suffer from omitted variable bias.  This could be due to dynamics (e.g. lags) that you haven’t already dealt with in (2.) or important other factors not captured by our variables.  Explain why this might be the case and propose solutions.  Run regressions including controls you think are sensible and interpret your results.  The variables you include don’t have to be from the SIPP, e.g.  you could try to include quarterly log GDP. l  Hint: Don’t include too many, we have a limited number of observations here.  I’d say 10 is the absolute max.  We’re not looking for a perfect specification here, that’s almost impossible.  We’re looking for two or three specific concerns and how you could deal with those.  You don’t have to try to solve all the potential problems.

Panel Questions

For this part you have to use the panel dimension of SIPP. A panel entity in this dataset is a person and time is measured in months.

4.  Provide some descriptive statistics for your variables, such as the mean, minimum, and maximum of key variables (unionisation, wages, age, education etc). Make sure you provide clear indications of what you are reporting. This means do not include the raw variable names in the table. Instead, use a descriptive label like ’hourly wage in $’. Hints: Report shares instead of means for categorical variables  (e.g.  education).  It probably makes sense to report descriptive statistics for the sample you are using in the following questions  (Q5-Q7), e.g.  workers currently earning a positive wage. It might also make sense to  check how representative your sample is for the population.  In this question formatting is especially important so make sure your tables/figures are clearly labelled and self explanatory.

5.  Estimate the union wage premium by pooled OLS. We usually do this by regressing log real wages on an indicator for whether the worker belongs to a union.  Include your own choice of control variables.  Some suggestions: education, time trends, whether there are children in the household, marital status, age, and race.

6.  Estimate the union wage premium using random effects and fixed effects and compare your estimates to the POLS results (include the same controls as far as possible). Make sure your results are robust to heteroskedasticity and serial correlation. Explain why the numbers are different, which estimates we trust most, and discuss your findings.2

7.  Now we look at some heterogeneity. Using the fixed effects estimator (and again your set of controls), estimate whether the union wage premium is different for e.g. women and men. You can be creative here. It would be interesting to compare the premium in different industries, for example. Discuss your findings.

l E.g.  available at https://fred.stlouisfed.org/.

2 When  discussing your findings  a  flavor  of theoretical  reasoning  is  a  plus  here.  I.e.  why  do  economists think there’s  a

link between wages and being in a union?  See e.g.  ’Labor Economics’ by George Borjas, McGraw Hill 2020, or many online

resources e.g. https://economics.mit.edu/files/4689 is advanced but very good.

Getting Started

In this section we provide basic instructions how to download the dataset and make it ready for analysis. The extracts below are from data-prep.do, which is available on Learn.  We will update this section if

many students struggle with something (we also might have overlooked something of course).  You are very welcome to come to the helpdesks or ask on piazza if you have problems.

You  can  find  all  the  raw  datasets  at https://www.census.gov/programs-surveys/sipp/data/ datasets.html.   Since these datasets can be very big we uploaded files on Learn that exclude some probably unnecessary variables and only include prime-age workers  (age  25-50).   You can use those and/or download additional files from the U.S. Census Bureau directly.  Each file  (wave) contains 12 months of a year, so we have the same person roughly 12 times per wave.  Here we show you how to merge the datasets we put on Learn together. That gives you 6 years (72 months) of data. You are free to extend the data further back but be warned that this is not easy because the structure of the survey changed.

/*==============================================================================

PREPARATION  OF  SIPP  DATA,  by  AofE  Teaching  Crew

Description:  Append  waves  of  SIPP  data  and  select  variables.

Download  data  from  Learn  or  https://www.census.gov/programs-surveys/sipp.html

==============================================================================*/

*  Type  in  path/folder  where  the  dataset  is  located global  datapath  "."

*  Open  the  file  containing  2020  wave  1  data  (covering  January-December  2019)

*  We  already  pre-selected  prime-age  workers  (keep  if  tage  >=  25  &  tage  <=  50)

*  and  dropped  unnecessary  variables

use  $datapath/pu2020_prime,  clear

*  Keep  variables  (you  won’t  need  all  of  them,  this  is  just  a  selection  of  potentially  useful  ones)

*  NOTE:  If  you  want  to  add  variables  from  the  full  dataset  just  enter  them  here

keep  eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  erp  spanel  ssuid  erace  tage  eeduc  rmesr  ///  edisabl  efree_lunch  edaycare  tutils  tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  /// monthcode  tpearn  tmwkhrs  rwksperm  tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc

gen  refyear  =  2019

lab  var  refyear      "Calendar  year"

lab  var  monthcode  "Calendar  month"

*  Note  that  ’refyear’  and  ’monthcode’  are  crucial  variables  for  the  analysis  as

*  they  capture  the  time  period  all  of  the  other  variables  refer  to

*=======================================

*    APPEND  ADDITIONAL  YEARS                          *

*=======================================

*  Append  data  from  2019  wave  1  (covering  January-December  2018)

append  using  "$datapath/pu2019_prime",  keep(eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  /// erp  spanel  ssuid  erace  tage  eeduc  rmesr  edisabl  efree_lunch  edaycare  tutils  ///                tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  monthcode  tpearn  tmwkhrs  rwksperm  ///

tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc)

replace  refyear  =  2018  if  missing(refyear)

*  Append  data  from  2018  wave  1  (covering  January-December  2017)

append  using  "$datapath/pu2018_prime",  keep(eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  /// erp  spanel  ssuid  erace  tage  eeduc  rmesr  edisabl  efree_lunch  edaycare  tutils  ///                tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  monthcode  tpearn  tmwkhrs  rwksperm  ///

tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc)

replace  refyear  =  2017  if  missing(refyear)

*  Append  data  from  2014  wave  4

append    using  "$datapath/pu2014w4_v13_prime",  keep(eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  ///

erp  spanel  ssuid  erace  tage  eeduc  rmesr  edisabl  efree_lunch  edaycare  tutils  ///                tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  monthcode  tpearn  tmwkhrs  rwksperm  /// tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc)

replace  refyear  =  2016  if  missing(refyear)

*  Append  data  from  2014  wave  3

append    using  "$datapath/pu2014w3_v13_prime",  keep(eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  ///

erp  spanel  ssuid  erace  tage  eeduc  rmesr  edisabl  efree_lunch  edaycare  tutils  ///                tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  monthcode  tpearn  tmwkhrs  rwksperm  /// tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc)

replace  refyear  =  2015  if  missing(refyear)

*  Append  data  from  2014  wave  2

append    using  "$datapath/pu2014w2_v13_prime",  keep(eplaydif  eddelay  tjb1_mwkhrs  tjb1_msum  esex  ems  ///

erp  spanel  ssuid  erace  tage  eeduc  rmesr  edisabl  efree_lunch  edaycare  tutils  ///                tosavval  pnum  tjb1_occ  tjb1_ind  ejb1_scrnr  eafnow  monthcode  tpearn  tmwkhrs  rwksperm  /// tage  rmwkwjb  twkhrs1-twkhrs5  *_union  *_cntrc)

replace  refyear  =  2014  if  missing(refyear)

tab  monthcode  refyear  //  Tabulates  number  of  observations  per  reference  year  and  month

*  Save  data

compress  //  often  saves  memory  by  making  the  dataset  smaller  (see  help  compress)

save  $datapath/SIPPdata,  replace

If you want to add additional variables a helpful command is lookfor.  This searches through the

labels to find a search term. For example, you could find all variables that have ’children’ in the label by

using lookfor  children.

Once you have something like our “SIPPdata.dta” that contains monthly data for respondents you can start preparing variables. Here we show you how we might get hourly wages, unionisation status, and unemployment status. We also convert nominal to real wages using the CPI (also available on Learn).

*  Hourly  earnings  (wage)

g  wage  =  tpearn  /  (tmwkhrs*4*rmwkwjb/rwksperm)

*  It’s  a  survey  so  we  get  some  weird  values,  e.g.  negative  wages

*  We’ll  just  ’fix’  those  by  setting  them  to  zero replace  wage  =  0  if  wage  <  0

*  Similarly,  some  wages  will  be  unrealistically  high.  Topcode  those  at  95% su  wage,  d

replace  wage  =  r(p95)  if  wage  >  r(p95)  &  !missing(wage)

*  Merge  in  the  CPI  to  get  real  wages

merge  m:1  refyear  monthcode  using  $datapath/cpi,  keep(match)  nogen

*  Get  the  real  wage  (in  2018  prices);  you  can  use  ’rwage’  as  a  measure  for  real

*  wages  for  all  questions  in  the  project g  rwage  =  wage  /  cpi

*  Create  monthly  indicator  for  union  status egen  temp  =  rowmin(ejb*_union)

g  union  =  temp  ==  1

*  Create  monthly  indicator  for  unemployment

g  unemployed  =  rmesr  ==  5  |  rmesr  ==  6  |  rmesr  ==  7

label  var  wage    "Nominal  wage  in  $"

label  var  rwage  "Real  wage  in  2018$"

label  var  union  "Member  of  a  union  this  month"

label  var  unemployed  "Unemployed  this  month"

To answer the time series questions you will need to aggregate the individual-level survey data and calculate monthly averages. We show you one way to do this here.

*  collapse  the  dataset  to  averages  by  month  and  year

collapse  (mean)  union  rwage  unemployed,  by(monthcode  refyear)

g  monthly_date  =  ym(refyear,monthcode)

tsset  monthly_date

format  %tm  monthly_date

To work with the panel data we need to create a unique person id that lets Stata know what the panel unit is. You could do this as follows.

egen  id  =  group(ssuid  pnum)

g  monthly_date  =  ym(refyear,monthcode)

xtset  id  monthly_date

Finally, adding additional variables or determining what the codes correspond to can be a bit tricky.

We show you an example for how to generate a dummy for ’married’ here.  First we need to find any variable that has ’married’ in the label:

lookfor  married

>                            storage      display        value

>variable  name      type        format          label            variable  label                              >---------------------------------------------------------------------------

byte        %12.0g                                Is  ...  currently  married,  ...

tab  ems

>          Is  ...  |

>    currently  |

>      married,  |

>      widowed,  |

>    divorced,  |

>  separated,  |

>      or  never  |

>      married?  |

>------------+-----------------------------------

1  |

2  |

3  |

4  |

5  |

6  |

>------------+-----------------------------------

>            Total  |        928,704            100.00

Then we need to find out what ’1’, ’2’ etc correpond to. You can find this in the ’Metadata’ pdf file that is available on the Census Bureau SIPP homepage. Here’s the entry for ’ems’:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Now we are ready to label the ems values and create a dummy for ’married’.