2024-curtis-nber-green-energy-job-transitions
Workers and the Green-Energy Transition: Evidence from 300 Million Job Transitions
Curtis, E. Mark; O'Kane, Layla; Park, Ryan J. · · Environmental and Energy Policy and the Economy, 5, 127–161 (University of Chicago Press). NBER Working Paper Nr. 31539 (August 2023)
Bibliographische Details
- Abgerufen
Notizen
US-Längsdaten über ~300 Mio. Job-Transitions (LinkedIn-API + administrative records), 2014–2022. Kernbefund: Weniger als 1 % (~0,7 %) der Worker:innen, die einen „dirty job" verlassen, wechseln tatsächlich in einen „green industry"-Job. Personen-Asymmetrie des Just-Transition- Aggregat-Saldo: der Saldo ist positiv, aber die „Gewinner" (grüne Jobs) sind andere Personen als die „Verlierer" (fossile Sektoren). Cross-Validation: OECD WP 1803 konvergiert auf strukturelle Aussage. K3-Effect-Size-Skepsis-Anker für WFK-9.1.1 (high confidence).
Key Findings
- Weniger als 1 % Direkt-Übergang: „Less than 1 percent (≈ 0,7 %) of workers who leave a dirty job make the transition to a green industry" — das Direkt-Übergangs-Narrativ der Just-Transition ist empirisch deutlich zu optimistisch.
- Personen-Asymmetrie: Auf Aggregat-Ebene ist das Netto-Job-Saldo der Energiewende positiv (Solar-, Wind-, EV-Sektorwachstum). Die wachsenden Green-Jobs werden aber von anderen Personen besetzt als jenen, die den fossilen Sektor verlassen.
- Alters-Gradient: 25–34-Jährige am ehesten übergangsfähig (0,42 % dieser Kohorte); ältere Arbeitnehmer:innen und gering Qualifizierte verbleiben fast vollständig im fossilen Sektor-Kreislauf.
- Systematische Überschätzung: Just-Transition-Narrative überschätzen Direkt-Übergänge systematisch; Policy muss auf Re-Qualifizierung und soziale Absicherung statt auf natürlichen Sektorwandel setzen.
- Konvergenz mit OECD WP 1803: Strukturelle Bildungs-Externalitäten als zentrales Marktversagen — OECD auf Basis EU-Daten, Curtis et al. auf US-Basis zeigen dasselbe Muster.
Methods
- US-Längsdaten über ~300 Mio. Job-Transitions (verknüpft über LinkedIn-API + administrative records), 2014–2022.
- Green-Industry-Klassifikation nach NAICS-Sektoren (Solar, Wind, EV, Clean-Tech-Fertigung).
- Transition-Rate-Berechnung: Anteil der Personen, die aus einer „dirty industry" in eine „green industry" wechseln, als Hauptoutcome.
- Kohortenanalyse nach Alter, Qualifikation und Regionstyp.
Limitations
- US-Kontext; Übertragung auf AT/Wien ist plausibel (OECD-Konvergenz-Argument) aber nicht direkt validiert.
- LinkedIn-Datenbasis: leichte Über-Repräsentation höher gebildeter und weißer Arbeitnehmer:innen gegenüber Gesamtbevölkerung.
- Periode 2014–2022: erfasst ersten Energie-Transition-Hochlauf, aber noch nicht die Beschleunigung post-IRA (2022+) in den USA.
Relevance to Wien
Effect-Size-Skepsis-Anker für WFK-9.1.1. Korrigiert die Default-Lesart von WIFO-Beschäftigungs-Saldo-Befunden („netto positiv"): der positive Saldo verbirgt eine Personen-Asymmetrie, die für Wiener Sozialpolitik (MA 23, AMS Wien) direkt relevant ist. Gering Qualifizierte + ältere Arbeitnehmer:innen aus emissions-intensiven Bereichen sind die verwundbare Gruppe — sie profitieren vom grünen Netto-Saldo nicht automatisch. Policy-Hebel: aktive Re-Qualifizierungsförderung, nicht nur sektorale Transformationsfinanzierung.
Zitiert in 0 Forschungsfragen
Diese Quelle wird aktuell in keinem Forschungs-Brief zitiert.
Quelldatei
sources/2024-curtis-nber-green-energy-job-transitions.md
Auf GitLab anzeigen (raw)