Suurteollisuuden lakkauttamisen yhteys alueelliseen työttömyyteen ja muuttoliikkeeseen

SUURTEOLLISUUDEN LAKKAUTTAMISEN YHTEYS ALUEELLISEEN TYÖTTÖMYYTEEN JA MUUTTOLIIKKEESEEN Jyväskylän yliopisto Kauppakorkeakoulu Pro gradu -tutkielma 2024 Tekijä: Arttu Kykkänen Oppiaine: Taloustiede Ohjaaja: Jutta Viinikainen 2 TIIVISTELMÄ Tekijä Arttu Kykkänen Työn nimi Suurteollisuuden lakkauttamisen yhteys alueelliseen työttömyyteen ja muuttoliikkeeseen Oppiaine Taloustiede Työn laji Pro gradu -tutkielma Aika (pvm.) 30.5.2024 Sivumäärä 57 Tiivistelmä – Abstract Metsäteollisuus on ollut Suomessa 2000-luvulla suuren kysynnän rakennemuutoksen kohteena. Sopeutuakseen tähän muutokseen metsäteollisuuden toimijat ovat sulkeneet tuotantolaitoksia mikä on puolestaan aiheuttanut joukkoirtisanomisia. Tämän Pro gradu -tutkielman tavoitteena on selvittää, kuinka kaupungit, joissa paperi- tai sellutehdas on suljettu vuosina 2005–2016, ovat sopeutuneet sulkemisista seuranneisiin joukkoirtisanomisiin. Teoreettisessa osiossa perehdytään taloudellisten sokkien suoriin ja epäsuoriin vaikutuksiin sekä alueellisiin sopeutumismekanismeihin työn kysynnän, palkkojen joustavuuden sekä muuttoliikkeen näkökulmista. Lisäksi tarkastellaan, millainen rooli agglomeraatiolla ja inhimillisellä pääomalla on sokin voimakkuuteen ja siihen sopeutumiseen. Tutkielman kirjallisuusosiossa käydään läpi yhdysvaltalaisia ja eurooppalaisia tutkimuksia, joissa on tarkasteltu tehtaiden ja tuotantolinjojen sulusta aiheutuneita joukkoirtisanomisia ja sitä, miten yksilöt ja alueen talous ovat sopeutuneet näihin sokkeihin. Tutkielman empiirisessä osiossa tarkastellaan, kuinka joukko suomalaisia kaupunkeja on sopeutunut metsäteollisuuden tuotantolaitosten lakkauttamisesta seuranneisiin irtisanomisiin. Tutkimuksessa hyödynnetään paneeliaineistoa 19 kunnasta ja tarkasteltava ajanjakso kattaa vuodet 2000–2020. Estimoinnissa käytetään tapahtumatutkimus menetelmää (Event study) ja tarkastelussa keskitytään etenkin työttömyyden, sekä tulo- ja lähtömuuttovirtojen vaihteluihin ennen ja jälkeen joukkoirtisanomisen. Kontrollimuuttujina malleissa ovat kaupunkien ikä- ja koulutusrakenne sekä Suomen bruttokansantuote. Tulosten mukaan alueellinen sopeutuminen joukkoirtisanomiseen tapahtuu työttömyyden ja lähtömuuton yhteisvaikutuksena. Joukkoirtisanomisilla ei havaittu olevan vaikutusta alueiden tulomuuttoon. Asiasanat Joukkoirtisanominen, agglomeraatio, inhimillinen pääoma, muuttoliike, lähtömuutto, Event study, tapahtumatutkimus, palkkojen joustavuus, työmarkkinat, metsäteollisuus, paperitehdas, sellutehdas Säilytyspaikka Jyväskylän yliopiston kirjasto 4 SISÄLLYS TIIVISTELMÄ ................................................................................................................ 2 1 JOHDANTO .......................................................................................................... 6 2 JOUKKOIRTISANOMISEN VAIKUTUS ALUEEN TALOUTEEN .............. 8 2.1 Paikallisen taloudellisen sokin suorat vaikutukset alueen talouteen . 9 2.2 Epäsuorat vaikutukset alueen talouteen ................................................. 9 2.2.1 Yrityskohtaisen tuottavuussokin vaikutus palkkojen ja työllisyyden tasapainoon ............................................................ 11 2.2.2 Epäsuora työllisyysvaikutus alueen muihin yrityksiin ........... 12 2.3 Alueelliset sopeutumismekanismit ........................................................ 13 2.3.1 Palkkojen joustavuus .................................................................... 13 2.3.2 Muuttoliike ..................................................................................... 14 2.3.3 Koulutuksen merkitys sopeutumisessa ..................................... 15 2.4 Yhteenveto ................................................................................................. 16 3 JOUKKOIRTISANOMISEN VAIKUTUKSIA KOSKEAVA KIRJALLISUUS ............................................................................................................................... 18 3.1 Joukkoirtisanomisen suorat työllisyys- ja tulovaikutukset: tuloksia yksilötason tutkimuksista ........................................................................ 18 3.1.1 Iän ja inhimillisen pääoman yhteys joukkoirtisanomisen jälkeisiin työmarkkinatulemiin .................................................. 22 3.1.2 Muuttoliike aluetalouden sopeutumismekanismina ............... 24 3.2 Joukkoirtisanomisen suorat ja epäsuorat työllisyys- ja tulovaikutukset: Tuloksia aggregaattitason tutkimuksista ................ 26 3.3 Makrotaloudellisen tilanteen vaikutus .................................................. 28 3.3.1 Muita uudelleentyöllistymiseen vaikuttavia tekijöitä ............. 29 4 TEHTAIDEN JA TUOTANTOLINJOJEN SULUN YHTEYS ALUEELLISEEN TYÖTTÖMYYTEEN JA MUUTTOLIIKKEESEEN SUOMESSA ............................................................................................................................... 31 4.1 Tutkimuksen taustoitus ........................................................................... 31 4.2 Aineisto ...................................................................................................... 33 4.3 Estimointimenetelmä ............................................................................... 35 5 TULOKSET .......................................................................................................... 37 5.1 Tehtaan tai tuotantolinjan sulkemisen yhteys työttömyyteen ja muuttovirtoihin ......................................................................................... 38 5.1.1 Kontrollimuuttujien lisääminen .................................................. 41 5.1.2 Kontrollikaupunkien lisääminen aineistoon ............................. 43 5.2 Tulosten yhteenveto ja vertailu teoriaan sekä kirjallisuuteen ............ 45 5 6 JOHTOPÄÄTÖKSET ......................................................................................... 47 LÄHTEET ..................................................................................................................... 49 LIITTEET ....................................................................................................................... 54 6 1 JOHDANTO Suomalainen metsäteollisuus on ollut 2000-luvun alusta lähtien suuren kysynnän rakennemuutoksen kohteena. Tämä rakennemuutos iski erityisin voimakkaasti etenkin paperiteollisuuteen, minkä seurauksena paperin tuotantomäärät ovat laskeneet radikaalisti 2000-luvun alkupuolen määristä. Laskeneen kysynnän vuoksi metsäteollisuuden yhtiöt ovat lakkauttaneet useita tuotantolaitoksia säilyttääkseen kilpailukykynsä markkinoilla. Nämä tuotantolaitokset ovat usein työllistäneet satoja ihmisiä ja olleet täten merkittäviä työllistäjiä alueella (Paperiliitto, 2023). Etenkin pienissä kaupungeissa nämä tuotantolaitosten sulkemiset ovat olleet merkittävä sokki alueen lähitalouteen, sillä tuotantolaitosten toimintaan liittyy huomattava määrä kerroinvaikutuksia. Tuotantolaitosten sulkemista ja joukkoirtisanomisia koskevaa tutkimusta on tehty 1960-luvulta lähtien. Kirjallisuus on pitkälti länsimaalaista ja se tarkastelee teemaa sekä yksilötasolla että aggregaattitasolla suorien ja epäsuorien vaikutusten näkökulmista. Yksilötason tarkastelussa huomio on keskittynyt etenkin irtisanottujen henkilöiden työllisyystulemiin ja tulevaisuuden palkkakehitykseen. Lisäksi on kiinnitetty huomiota siihen, miten koulutustausta ja työkokemus ovat yhteydessä henkilöiden uudelleentyöllistymiseen. Tutkimuskirjallisuudessa on havaittu, että irtisanominen laskee henkilöiden tulotasoa, sekä aiheuttaa työttömyyttä myöhemmin työuralla (Eliason & Storrie, 2006; Gathmann ym., 2020; Huttunen ym., 2011; Schmieder ym., 2010). Työmarkkinoilta poistumisen havaittiin olevan myös yksi sopeutumiskeino. Aggregaattitason tutkimuksissa puolestaan alueiden työllisyys ja alueiden välinen muuttoliike ovat olleet keskiössä. Näissä tutkimuksissa on tyypillisesti havaittu, että alueen työttömyys ja lähtömuutto ovat kasvaneet tehtaan sulkemisen tai joukkoirtisanomisen jälkeen. Tutkimuskirjallisuudessa myös alueiden taloudellisen toiminnan keskittyneisyys ja linkittyneisyys eli agglomeraatio on saanut paljon huomiota. Etenkin alueilla, joilla agglomeraation taso on korkea voivat joukkoirtisanomisen negatiiviset vaikutukset voimistua entisestään (Foote ym., 2019; Gathmann ym., 2020; Jofre-Monseny ym., 2018). 7 Tämän Pro gradu -tutkielman tavoitteena on selvittää kuinka alueet ovat sopeutuneet Suomessa vuosina 2005–2016 tapahtuneisiin metsäteollisuuden tuotantolaitosten lakkauttamisiin ja niistä seuranneisiin joukkoirtisanomisiin. Tavoitteena on selvittää sulkemisten kohteena olevien kaupunkien sopeutumismekanismeja hyödyntämällä tapahtumatutkimus menetelmää (Event study). Tarkastelu keskittyy alueiden työttömyyden ja muuttovirtojen tarkasteluun, minkä pohjalta alueiden sopeutumismekanismeja pyritään arvioimaan. Tarkastelu aloitetaan joukkoirtisanomisten teoreettisella katsauksella, jossa perehdytään muun muassa suorien ja epäsuorien vaikutusten tarkasteluun, sekä erilaisiin sopeutumismekanismeihin. Tarkastelun kohteena ovat niin palkkojen ja työllisyyden välisen tasapainon teoria, muuttoliikkeeseen liittyvät teoriat, kuin myös inhimillisen pääoman teoriat. Teoreettisen tarkastelun jälkeen siirrytään empiirisen tutkimuskirjallisuuden tarkasteluun koskien joukkoirtisanomisia ja tuotantolaitosten sulkemisia. Kirjallisuuden tarkastelua seuraa tutkimuksessa käytettävän aineiston taustoitus ja läpikäynti, jonka jälkeen siirrytään tapahtumatutkimus menetelmällä saatuihin tutkimustuloksiin. Tutkimuksessa saatujen tulosten perusteella voidaan todeta alueiden sopeutuvan sulkemista seuranneeseen joukkoirtisanomiseen työttömyyden ja lähtömuuton yhteisvaikutuksena. Tässä tutkimuksessa ei ole käytetty tekoälyä. 8 2 JOUKKOIRTISANOMISEN VAIKUTUS ALUEEN TALOUTEEN Suurteollisuuden lakkautus ja joukkoirtisanominen voi aikaansaada huomattavan sokin alueen talouteen. Siihen, kuinka voimakas vaikutus sokilla on, voivat vaikuttaa alueen taloudellinen koko, alueen väkiluku ja agglomeraation voimakkuus. Agglomeraation voimakkuudella tarkoitettaan taloudellisten toimintojen alueellista keskittymistä ja linkittyneisyyttä. Paitsi sokin voimakkuus, myös alueen kyky sopeutua sokkiin vaikuttaa siihen, kuinka vakavia sokin jälkeiset seuraukset ovat. Sopeutumiskykyyn voivat vaikuttaa esimerkiksi alueen koulutustaso ja korkeakoulujen läheisyys, sillä koulutuslaitokset ovat avainasemassa alueellisen inhimillisen pääoman luonnissa. Lisäksi työpaikkojen menetys voi myös aikaansaada muuttoliikettä taloudellisesta sokista kärsivän alueen ulkopuolelle tai vähentää muuttoa alueelle, mikä vaikuttaa talouden sopeutumiseen (Foote ym., 2019; Gathmann ym., 2014). Sokin vaikutukset voivat olla moniulotteisia, kokonaistaloudellisia ja olettavasti aikaansaavat huomattavan muutoksen alueiden taloudessa. Tämän työn teoreettinen kehikko tulee keskittymään teollisuuden lakkauttamisesta seuraaviin suoriin ja epäsuoriin vaikutuksiin. Suorat vaikutukset ovat helpommin havaittavia, sillä suorien vaikutusten ja lopputuleman välille on helppo muodostaa syy-seuraussuhde. Epäsuorat vaikutukset ovat puolestaan monimutkaisempia havaita, ja ne ilmenevät yleensä välillisesti jonkin toisen tekijän kautta. Näiden suorien ja epäsuorien vaikutusten kokonaisvaikutukset riippuvat myös paljon agglomeraation tasosta. Teoriaosiossa tarkastellaan inhimillisen pääoman roolia ja siihen sidottuja erilaisia sopeutumismekanismeja, kuten esimerkiksi muuttoliikettä ja pendelöintiä. Alueellisten palkkojen joustavuuteen sopeutumismekanismina tullaan myös kiinnittämään huomiota. Pyrkimyksenä on auttaa ymmärtämään mekanismeja, jotka vaikuttavat taustalla talouden sopeutuessa sokkiin. 9 2.1 Paikallisen taloudellisen sokin suorat vaikutukset alueen talouteen Joukkoirtisanomisten tai tuotantolaitosten lakkauttamisen suoria vaikutuksia alueen talouteen ovat muun muassa vaikutukset yrityksessä työskennelleiden henkilöiden työllisyyteen ja tulotasoon. Teollisuuslaitoksen aikaansaama työvoiman suora kysyntä laskee johtuen vähentyneestä työvoiman tarpeesta. Tuotantolaitoksen vähentynyt työvoiman tarve siirtyy suoraan alueellisiin työttömyyslukuihin, tarkoittaen samalla tulonmenetyksiä irtisanotuille työntekijöille. Tulonmenetyksillä tarkoitetaan potentiaalisia ansiotuloja, jotka henkilöt olisivat saaneet, jos heitä ei olisi irtisanottu. Vähentynyt työvoiman tarve on siis suorassa yhteydessä alueelliseen tulotason laskuun. Alueen kokonaistuotannossa tapahtuu myös laskua, kun merkittävä toimija alueella vähentää toimintaansa tai lakkauttaa sen kokonaan. (Gathmann ym., 2020; vom Berge & Schmillen, 2023). 2.2 Epäsuorat vaikutukset alueen talouteen Suorien vaikutusten lisäksi voi joukkoirtisanominen tai tuotantolaitoksen lakkauttaminen synnyttää myös epäsuoria vaikutuksia. Epäsuoriin vaikutuksiin liittyvät vahvasti erilaiset läikkymis- ja kerroinvaikutukset. Läikkymisvaikutukset viittaavat tilanteeseen, jossa yksittäisen tuotantolaitoksen negatiivinen sokki vaikuttaa myös alueen muiden toimijoiden toimintaan. Tästä syystä negatiivinen taloudellinen sokki voi aiheuttaa kerrannaisvaikutuksia, mikä tarkoittaa, että alkuperäiset muutokset esimerkiksi alueen työllisyydessä voivat laajentua siten, että koko alueella koetaan suurempi työttömyyden kasvu kuin mitä alkuperäinen sokki itsessään aiheutti. Voidaan puhua ikään kuin ”dominoefektistä” (Gathmann ym., 2020). Syynä näille vaikutuksille ja niiden voimakkuudelle voidaan pitää muun muassa agglomeraatiota, jolla viitataan taloudellisen toiminnan keskittymiseen. Agglomeraation vallitessa taloudellinen toiminta on yleensä keskittynyt tietylle alueelle tehostaen taloudellisten aktiviteettien toimintaa. Tämä keskittyminen aikaansaa tuottavuuden tehostumista ja yritysten hintakilpailukyvyn paranemista. Agglomeraatio voidaan jakaa kolmeen eri osatekijään, jotka yhdessä selittävät agglomeraation synnyn. Ensimmäinen osatekijä syntyy tuotannon panos—tuotos suhteen tehostumisesta. Yritysten ollessa lähellä toisiaan tuotannontekijävirrat tehostuvat ja tulevat täten halvemmiksi laskeneiden kuljetuskustannusten vuoksi. Sijoittumalla lähelle markkinoita yritykset voivat myös myydä tuotteitaan helpommin ja täten parantaa markkina-asemaansa ja kilpailukykyään. Toinen osatekijä liittyy inhimillisen pääoman ja tiedon läikkymiseen yritysten välillä. Henkilöiden ja yritysten välillä tapahtuva kanssakäyminen johtaa tiedon jakamiseen ja oppimiseen. Nämä interaktiot puolestaan auttavat taloutta toimimaan tehokkaammin. Kolmantena osatekijänä voidaan pitää työ- 16 voi myös auttaa alueita selviämään sokeista erilaisten innovaatioiden tai uuden korvaavan teollisuuden muodossa. Lucas (1988) esitti inhimillisen pääoman toimivan endogeenisena kasvun selittäjänä, ja täten osoitti inhimillisen pääoman toimivan alueellisen kehityksen ”kasvun moottorina”. Erilaisten läikkymis- ja kerroinvaikutusten ansiosta inhimillinen pääoma auttaa kasvattamaan paikallista kilpailukykyä ja sokkien sietokykyä. Tätä inhimillisen pääoman vaikutusta voidaan havainnollistaa matemaattisesti pohjautuen jälleen Cobb- Douglas tuotantofunktioon. Parametri ℎ kuvaa mallissa inhimillisen pääoman määrää. Parametri 𝑢 puolestaan tuntien määrää, jonka työntekijä käyttää ”oppimiseen” eli inhimillisen pääoman kartuttamiseen. Inhimillinen pääoma esiintyy yhtälössä kaksi kertaa ja nämä voidaan jakaa niin sanotusti ”sisäisiin” ja ”ulkoisiin” vaikutuksiin. Ensimmäinen kuvaa inhimillisen pääoman vaikutusta yksittäisen työntekijän tuottavuuteen (sisäinen). Toinen puolestaan kuvaa koko talouteen kohdistuvia positiivisia ulkoisvaikutuksia inhimillisestä pääomasta (ulkoinen). 𝑌 =𝐴𝐾𝛽(𝑢ℎ𝐿)1−𝛽ℎ𝑎 𝑦 (10) Lucaksen mallin yhtenä ongelmana on oletus suljetusta taloudesta. Malli ei huomioi mahdollista muuttoliikettä alueiden välillä, mikä puolestaan on avainasemassa alueiden välisessä kanssakäymisessä. Tämän vuoksi muuttoliikkeen ja inhimillisen pääoman välinen interaktio on tärkeä huomioida, kun puhutaan alueen sopeutumisesta. Vaikka malli ei huomioikaan alueiden välistä muuttoliikettä, niin sen avulla voidaan kuitenkin havainnollistaa inhimillisen pääoman roolia aluetaloudessa (Capello & Nijkamp, 2009). 2.4 Yhteenveto Tuotantolaitosten sulkemisesta ja joukkoirtisanomisista seuraa niin suoria kuin epäsuoria vaikutuksia. Suorat vaikutukset ilmenevät muun muassa irtisanottujen työntekijöiden työttömyytenä ja heidän tulotasonsa laskuna. Suorat vaikutukset kohdistuvat siten henkilöihin ja toimijoihin, jotka ovat välittömässä yhteydessä tuotantolaitokseen. Epäsuorat vaikutukset puolestaan ovat paljon kokonaisvaltaisempia ja vaikuttavat välillisesti alueen muihin toimijoihin. Agglomeraation voimakkuus näyttelee myös suurta roolia epäsuorien vaikutusten ilmenemisessä ja voimakkuudessa. Yksi selvimpiä epäsuoria vaikutuksia alueen talouteen on työvoiman kokonaismäärässä tapahtuvat kysynnän muutokset. Tuotantolaitoksen irtisanoessa tai lopettaessa toimintansa alueellinen talouden tasapaino horjuu, mikä puolestaan johtaa erilaisiin sopeutumismekanismeihin. Alueen talous voi sopeutua monella tavalla ja yksi keskeinen sopeutumismekanismi on palkkojen joustavuus. Tilanteessa, jossa palkat joustavat, ei alueen työllisyys koe yhtä suurta laskua kuin tilanteessa, jossa palkat ovat joustamattomia. Palkkojen joustavuus riippuu osin institutionaalisista tekijöistä, 17 kuten yleissitovista työehtosopimuksista, jotka asettavat palkalle alarajan. Alueen sopeutuminen voi tapahtua palkkojen joustavuuden ja työttömyyden lisäk- si myös muuttoliikkeen kautta. Tällöin henkilöt muuttavat uudelle alueelle uusien työmarkkinoiden piiriin. Muuttoon liittyy kuitenkin kustannuksia, jotka voivat olla niin rahallisia kuin sosiaalisia. Sopeutumiseen vaikuttaa myös merkittävästi alueen koulutustaso ja korkeakoulujen läheisyys. Työvoiman ollessa korkeasti koulutettua alue pystyy sopeutumaan paremmin erilaisiin sokkeihin korkean inhimillisen pääomansa ansiosta. Alueen korkea inhimillinen pääoma voi myös lieventää muita sopeutumismekanismeja kuten muuttoliikettä, sillä korkean inhimillisen pääoman ansiosta alueelle voi syntyä korvaavaa taloudellista toimintaa. Läheiset korkeakoulut näyttelevät myös merkittävää roolia, sillä korkeakoulut ovat merkittäviä inhimillisen pääoman luojia. Korkeakoulujen toimintaan liittyy myös merkittäviä läikkymisvaikutuksia, jotka hyödyttävät lähialueita, ja täten edesauttavat taloudellista aktiivisuutta ja mahdollista sopeutumista. 18 3 JOUKKOIRTISANOMISEN VAIKUTUKSIA KOSKEAVA KIRJALLISUUS Tässä luvussa käydään läpi aiempaa empiiristä tutkimuskirjallisuutta koskien tuotantolaitosten sulkemisia ja joukkoirtisanomisia. Tarkastelu kattaa niin yksilö- kuin aggregaattitason tutkimuksia. Pyrkimyksenä on havainnollistaa, kuinka edeltävässä luvussa läpikäyty teoria ilmenee reaalitaloudessa, ja millaiset tekijät ja olosuhteet vaikuttavat irtisanottujen henkilöiden työmarkkinatulemiin. Joukkoirtisanomista ja tuotantolaitosten lakkauttamista seuranneisiin taloudellisiin sopeutumismekanismeihin tullaan myös paneutumaan tässä luvussa. Tutkimuskirjallisuuden tarkastelu aloitetaan yhdysvaltalaisista yksilötason tutkimuksista, minkä jälkeen tarkastelu siirretään eurooppalaiseen yksilötason tutkimuskirjallisuuteen. Tämän tarkoituksena on havainnollistaa mahdollisia alueiden välisiä institutionaalisia eroja, sillä lähtökohtaisesti voidaan todeta eurooppalaisilla työmarkkinainstituutioilla olevan vahvempi asema kuin yhdysvaltalaisilla työmarkkinainstituutioilla. Tämän lisäksi eurooppalainen työvoima on järjestäytyneempää. (Eliason & Storrie, 2006; Huttunen ym., 2011; Schmieder, 2010.). Tarkastelussa kiinnitetään huomiota myös inhimillisen pääoman rooliin, sekä mahdollisiin sopeutumismekanismeihin, kuten muuttoliikkeeseen. Yksilötason tarkastelun jälkeen siirrytään aggregaattitason tutkimuskirjallisuuden tarkasteluun, mikä käsittelee niin joukkoirtisanomisen suoria kuin epäsuoria vaikutuksia. 3.1 Joukkoirtisanomisen suorat työllisyys- ja tulovaikutukset: tuloksia yksilötason tutkimuksista Suurteollisuuden lakkauttamisesta ja joukkoirtisanomisten suorista vaikutuksista yksilöiden työmarkkinatulemiin on olemassa kattava länsimainen tutkimuskirjallisuus. Ilmiötä on tutkittu runsaasti niin yhdysvaltalaisilla kuin myös eurooppalaisilla aineistoilla viimeisen kolmen vuosikymmenen aikana. Tutkimukset ovat muun muassa pyrkineet selvittämään joukkoirtisanomisten vaiku- 19 tusta yksilöiden palkkatasoon, palkkakehitykseen, uudelleentyöllistymiseen, sekä uudelleentyöllistymisen laatuun. Irtisanottujen henkilöiden yksilöllisiin ominaisuuksiin on myös kiinnitetty huomiota esimerkiksi inhimillisen pääoman erilaisilla mittareilla. Tutkimuskirjallisuudessa on globaalisti kiinnitetty huomiota niin sanottuun ”arpeutumiseen” irtisanomisten johdosta. Tällä arpeutumisella tarkoitetaan henkilön työllisyysstatuksessa, tulokehityksessä tai tulotasossa tapahtuvaa pysyvää alenemista tai pudotusta (Eliason & Storrie, 2006; Ruhm, 1991a). Ruhm (1991a) tutki tätä henkilöiden ”arpeutumista” yhdysvaltalaisella aineistolla. Tutkimuksen yksilötason aineisto kattoi vuodet 1971–1975, ja aineisto piti sisällään muun muassa tiedot henkilöiden työllisyysstatuksesta sekä tulo- ja koulutustasosta. Ruhmin (1991a) mukaan irtisanotuksi tulleet henkilöt olivat lyhyellä aikavälillä kolme kertaa korkeammassa riskissä kokea uutta työttömyyttä varsinaista irtisanomista seuranneina vuosina verrattaessa ei irtisanottuihin. Henkilöiden työttömyysjaksot olivat lisäksi pitkiä verrattuna henkilöihin, jotka eivät olleet irtisanomisen kohteena. Irtisanottujen henkilöiden tulotasossa tapahtui myös merkittävää laskua irtisanomista seuranneina vuosina. Henkilöt eivät koskaan päässeet takaisin samalle palkan kasvu-uralle tai tasolle verrattaessa irtisanomisen välttäneisiin vastaavissa asemissa olleisiin henkilöihin. Irtisanottujen henkilöiden palkkataso oli keskimäärin 10–13 % alhaisempi verrattuna eiirtisanottuihin henkilöihin. Henkilöt olivat kuitenkin pitkällä aikavälillä työllistymisen puitteissa lähes identtisiä vertailuryhmään verrattuna ja ainoa merkittävä erottava tekijä oli pudotus ansioissa. Ruhmin (1991a) mukaan tämä pysyvä palkkatason aleneminen kertoo työvoiman työpaikkaspesifistä osaamisesta ja sitoutumisesta (inhimillinen pääoma), mikä näkyi ennen irtisanomista edeltäneenä korkeampana ansiotasona (Ruhm, 1991a). Ruhmin (1991a) tutkimus ei huomioinut erityisen kattavasti mahdollisia taustatekijöitä, jotka vaikuttavat irtisanotuksi tulemiseen. Ruhm julkaisi uuden tutkimuksen loppuvuodesta 1991, jossa käsiteltiin henkilöiden taustaominaisuuksia ja yleistaloudellisia suhdannetekijöitä, mitkä saattoivat vaikuttaa irtisanotuksi tulemisen todennäköisyyteen joukkoirtisanomisen tilanteessa. Ruhmin (1991b) mukaan työttömyyden taustalla voidaan havaita Yhdysvalloissa tekijöitä, jotka ovat sidoksissa vallitsevaan yleistaloudelliseen markkinatilanteeseen ja henkilöiden ominaisuuksiin. Irtisanotut henkilöt ovat yleensä nuorempia, vähemmän koulutettuja, kuuluvat vähemmistöihin ja omaavat matalamman työtehtäväkohtaisen inhimillisen pääoman kuin työntekijät, joita ei irtisanota. Nämä irtisanotut henkilöt olivat yleensä myös siviilisäädyltään naimattomia ja ansaitsevat lähtökohtaisesti matalampaa palkkaa (Ruhm, 1991b). Myöhempi tutkimuskirjallisuus onkin kiinnittänyt huomiota näihin muihin taustalla vaikuttaviin tekijöihin ja ominaisuuksiin tarkasteltaessa irtisanomisen vaikutuksia yksilötasolla. Ruhmin (1991a) tutkimusta mukaillen Jacobson ym. (1993) puolestaan tutkivat yhdysvaltalaisella aineistolla, kuinka joukkoirtisanotun työvoiman ansiotaso muuttui ja kehittyi pitkällä aikavälillä verrattaessa työvoimaan, joka ei kokenut irtisanomisia. Tutkimuksen mukaan irtisanottujen henkilöiden palkassa 20 pystyttiin havaitsemaan merkittävä pysyvä aleneminen vielä vuosienkin jälkeen irtisanomisesta. Palkassa havaittu pudotus oli jopa 25 % verrattuna irtisanomista edeltävään palkkatasoon. Henkilöiden palkkataso jäi myös pysyvästi matalammalle tasolle. Irtisanomista edeltävinä vuosina henkilöiden palkoissa havaittiin myös selvää laskua. Tämä irtisanomista edeltänyt palkan lasku ilme- ni vähentyneiden työtuntien ja väliaikaisten lomautusten muodossa. Tosin yksittäisten irtisanomisten kohdalla palkan lasku ennen irtisanomista ei ollut yhtä radikaali kuin joukkoirtisanotuilla, ja palkkataso palautui odotetulle uralle 3–5 vuoden kuluessa irtisanomisesta. Sukupuolten välillä havaittiin myös eroja. Miesten kokemat ansionmenetykset olivat suurempia kuin naisilla. Miehet menettivät keskimäärin lyhyellä aikavälillä $955 enemmän per kvartaali kuin naiset. Vaikka miesten palkoissa havaittiin nopeampaa palautumista, kokivat miehet silti suuremman rahallisen menetyksen myös pitkällä aikavälillä (Jacobson ym., 1993). Eurooppalaisilla aineistoilla tehdyissä tutkimuksissa tulokset ovat olleet kaksijakoisia koskien irtisanomista edeltävää palkan laskua. Eliason ja Storrie (2006) eivät havainneet ruotsalaisella aineistolla vastaavaa irtisanomista edeltänyttä palkan laskua. Puolestaan Huttunen ym. (2011) norjalaisella ja Schmieder ym. (2010) saksalaisella aineistolla saivat samanlaisia tuloksia kuin yhdysvaltalaiset tutkimukset koskien ennen irtisanomista ilmenevää palkanlaskua (Eliason & Storrie, 2006; Huttunen ym., 2011; Schmieder ym., 2010). Eliason ja Storrie (2006) tutkivat ruotsalaisella aineistolla irtisanomisen pitkäaikaisia vaikutuksia ja työvoiman ”arpeutumista”. Tarkasteluajanjakso sijoittui vuosille 1987–1999. Tutkimuksen mukaan irtisanottu työvoima jäi arpeutuneeksi laskeneen palkkatason ja korkeampien työttömyyslukujen muodossa. Irtisanottujen palkka oli vielä 12 vuotta irtisanomisen jälkeen noin SEK 6,717 (USD $869) matalampi kuin työntekijöillä, jotka eivät olleet tarkasteluajankohtana irtisanomisten kohteena. Irtisanotut työntekijät olivat myös keskimäärin nuorempia kuin ei-irtisanottu työvoima, ja heidän koulutustasonsa oli matalampi. Irtisanottu työvoima kuului myös todennäköisemmin erilaisten sosiaalietuuksien piiriin, mikä puolestaan voi kertoa eurooppalaisten ja yhdysvaltalaisten instituutioiden välisistä eroista (Eliason & Storrie, 2006). Saksalaisella aineistolla tehdyt tutkimukset ovat saaneet osittain samansuuntaisia tuloksia kuin Eliason ja Storrie (2006) tutkimus. Schmieder ym. (2010) tutkivat joukkoirtisanomisen pitkäaikaisia vaikutuksia henkilöiden palkkaan ja työllisyyteen taloudellisen laman aikana. Tarkastelu keskittyi 25–52 vuotiaisiin henkilöihin. Ikähaarukan rajaamisella on pyritty vähentämään muun muassa koulutuksen ja eläköitymisen vaikutuksia tuloksiin. Tutkimuksessa havaittiin, että joukkoirtisanominen suuressa tai keskisuuressa yrityksessä johti keskimäärin 10–15 % suuruisiin ansionmenetyksiin pitkällä aikavälillä (15 vuotta). Tosin kuin Eliason ja Storrie (2006) ansioissa huomattiin myös lievää laskua irtisanomista edeltäneinä vuosina. Varsinaisen irtisanomisen jälkeen henkilöiden tulotasossa tapahtui palautumista noin viiden vuoden ajan, jonka jälkeen palautumistahti hidastui. Palautumisen puolestaan havaittiin loppuvan noin 10 vuotta 21 irtisanomisen jälkeen, eikä ansiotaso koskaan palautunut irtisanomista edeltäneelle tasolle (Schmieder ym., 2010). Teoriaosiossa jo mainittu Gathmannin ym. (2020) joukkoirtisanomisen työmarkkinavaikutuksia tarkasteleva tutkimus hyödynsi saksalaista paneeliaineistoa, joka kattoi vuodet 1975–2008. Tarkastelu sijoittui kaupunginosatasolle vanhan Länsi-Saksan alueelle. Vaikka tutkimuksen pääkohteena olivat epäsuorat vaikutukset, tutkimuksessa tarkasteltiin myös joukkoirtisanomisen suoria vaikutuksia, jotka tutkimuksen mukaan olivat huomattavia. Osa irtisanotusta työvoimasta onnistui välittömästi uudelleentyöllistymään, mutta irtisanottujen henkilöiden kokonaistyöllisyys laski kuitenkin keskimäärin 60 % irtisanomisvuoden aikana. Työllisyydessä havaitaan vain lievää palautumista irtisanomista seuranneina vuosina. Neljä vuotta irtisanomisen jälkeen henkilöiden työllisyystodennäköisyys oli kuitenkin vielä 40 % alhaisempi kuin kontrollialueiden työntekijöillä, joihin ei kohdistunut irtisanomistoimia. Henkilöt kokivat myös huomattavia tulonmenetyksiä joukkoirtisanomisen vuoksi. Vuosi irtisanomisen jälkeen henkilöiden kokema pysyvä tulon aleneminen oli noin 8 %. Tulotason palautumista irtisanomista edeltäneelle tasolle ei myöskään havaittu, mikä puolestaan kertoo henkilöiden nauttineen huomattavaa työpaikkakohtaista palkanlisää. On tärkeää kuitenkin huomioida aineiston käsitelleen suuria tuotantolaitoksia, jotka maksoivat keskimääräistä korkeampaa palkkaa työntekijöilleen. Aineistossa myös yli 50-vuotiaat työntekijät olivat yliedustettuina, mikä puolestaan on voinut vaikuttaa tulonmenetysten suureen määrään (Gathmann ym., 2020). Huttunen ym. (2011) tutkivat norjalaisella aineistolla irtisanomisen vaikutusta henkilöiden palkkaan, alueelliseen liikkuvuuteen ja työmarkkinoille osallistumiseen. Tutkimus hyödynsi paneeliaineistoa, joka kattoi havaintoja työvoimaan kuuluvista 25–65 vuotiaista miehistä vuosilta 1986–2005. Aineiston henkilöt työskentelivät vähintään 20 tuntia viikossa ja olivat töissä tuotantolaitoksissa, jotka työllistivät vähintään 5 ihmistä. Tutkimuksessa seurattiin henkilöitä viisi vuotta ennen irtisanomista ja seitsemän vuotta irtisanomisen jälkeen. Tulosten mukaan irtisanotuksi tuleminen kasvattaa huomattavasti henkilöiden todennäköisyyttä poistua työvoimasta. Etenkin iällä on suuri merkitys työmarkkinoilla pysymisessä, sillä vanhemmat työntekijät (58–65-vuotiaat) jättäytyivät paljon helpommin työmarkkinoiden ulkopuolelle. Ansiotasossa havaittiin myös samansuuntaisia muutoksia ennen irtisanomista kuin Schmieder ym. (2010) tutkimuksessa. Työmarkkinoilta poistumista edelsi noin viiden vuoden jakso, jonka aikana ansiotaso laski. Poistuminen työmarkkinoilta tapahtui yleensä siinä vaiheessa, kun tulot olivat alentuneet noin 10–30 % alkuperäisestä irtisanomista edeltäneestä tulotasosta. Henkilöt, jotka pysyivät työvoiman piirissä, kokivat pysyvän palkan alenemisen. Tosin tämä aleneminen oli seitsemän vuoden kuluttua enää vain 3 % alkuperäisestä palkkatasosta. Tämä pudotus on huomattavasti matalampi verrattuna muihin vastaavien tutkimusten tuloksiin (Huttunen ym., 2011). 22 3.1.1 Iän ja inhimillisen pääoman yhteys joukkoirtisanomisen jälkeisiin työmarkkinatulemiin Yksi merkittävimpiä selittäviä tekijöitä henkilöiden työmarkkinatulemien taustalla on henkilöiden ikä ja ikään sidottu inhimillinen pääoma. Jacobson ym. (1993) huomasivat nuorempien työntekijöiden kokevan hieman suurempaa palkan laskua ennen irtisanomista kuin mitä korkeamman senioriteetin omaavat irtisanotut työntekijät. Nuoremmat irtisanotut työntekijät kuitenkin kokivat nopeampaa palkkatason palautumista työllistyttyään uudelleen (Jacobson ym., 1993). Ruhm (1991b) puolestaan korosti nuoriin kohdistuvia irtisanomisia, sillä nuoret työvoimaan kuuluvat eivät olleet ehtineet kerryttää inhimillistä pääomaa, minkä vuoksi heidät oli helppo irtisanoa (Ruhm, 1991b). Jacobsonin ym. (1993) mukaan vanhat työntekijät puolestaan kokivat hitaampaa palkan palautumista, mikä voi olla merkki työpaikkaspesifin inhimillisen pääoman kertymisestä. Vanhemmilla työntekijöillä, jotka vaihtavat työpaikkaa ei ole yhtä paljon aikaa kerryttää ja hyödyntää työnantajan kustantamaa inhimillistä pääomaa uudessa työpaikassa. Tämän vuoksi he eivät ole yhtä houkuttelevia työllistettäviä. Henkilöiden palkoissa havaittiin myös olleen merkittävä yrityskohtainen inhimillisen pääoman komponentti. Henkilöiden vaihtaessa työnantajaa saman toimialan sisällä heidän palkkansa laski. Henkilöt, jotka poistuivat kokonaan toimialan piiristä ennen irtisanomista, kokivat huomattavan palkan menetyksen, mikä puolestaan voi indikoida toimialakohtaisesta inhimillisestä pääomasta (Jacobson ym., 1993). Eurooppalainen tutkimuskirjallisuus, joka on tarkastellut iän ja inhimillisen pääoman roolia irtisanomisen jälkeisissä työmarkkinatulemissa, on päätynyt jossain määrin toisistaan poikkeaviin tuloksiin. Eliason ja Storrie (2006) havaitsivat ikäjakauman ääripäiden kärsivän voimakkaimmin irtisanomisen negatiivisista vaikutuksista. Syyksi tälle tutkijat mainitsivat sen, että nämä ryhmät siirtyvät muita ryhmiä herkemmin työmarkkinoiden ulkopuolelle erityisesti koulutukseen tai eläkkeelle. Vähiten irtisanominen vaikutti henkilöihin, jotka olivat niin sanotusti parhaassa työiässä (31–40-vuotiaat). 31–40-vuotiaiden työmarkkinoilta poistumisen todennäköisyys oli huomattavasti vähäisempi kuin ikäjakauman ääripäillä. Henkilöt olivat myös urallaan yleensä asemassa, jossa he olivat keräyttäneet huomattavan inhimillisen pääoman koulutuksen ja työn kautta. Tämä puolestaan edesauttoi henkilöitä uudelleentyöllistymään (Eliason & Storrie, 2006). Ikäjakauman loppupäässä tapahtuva työmarkkinoilta poistuminen oli puolestaan Huttusen ym. (2011) ja Gathmannin ym. (2020) mukaan yleisempää kuin nuoremmilla ikäluokilla. Syyksi tälle esitettiin etenkin eläköitymistä. Työmarkkinoilta poistuminen oli yleistä etenkin heti irtisanomista seuranneen kalenterivuoden aikana (Huttunen ym., 2011). Gathmann ym. (2020) huomasivat puolestaan työmarkkinoilta poistumisen yleistyvän mitä kauemmaksi irtisanomisajankohdasta edettiin. Irtisanomishetkellä tämä määrä oli 27 % ja se nousi 33 % tasolle neljä vuotta irtisanomisen jälkeen. Syyksi tälle esitettiin irtisanottujen henkilöiden ikää, sillä yli 50-vuotiaiden henkilöiden työmarkki- 23 nanäkymät olivat heikot ja moni työntekijä päätti jäädä esimerkiksi varhaiseläkkeelle (Gathmann ym., 2020). Iän ja inhimillisen pääoman rooli on siis ilmeinen, kun henkilöt yrittävät työllistyä uudelleen. Eliason ja Storrie (2006) mukaan aikaisempi työkokemus voi toimia signaalina uusille työnantajille henkilön tuottavuudesta ja inhimillisen pääoman määrästä. Henkilöt, jotka ovat usein irtisanomisten kohteena voivat omata matalamman halukkuuden osallistua työmarkkinoille, mikä puolestaan voi kertoa alhaisemmasta inhimillisen pääoman määrästä. Tämän vuoksi usein irtisanotut henkilöt voivat kokea tulevaisuudessakin irtisanomisia ja työttömyyttä. Edeltävien työnantajien määrä ei siis aina korreloi positiivisesti henkilön kykyjen kanssa (Eliason & Storrie, 2006). Nord ja Ting (1991) havaitsivat yhdysvaltalaisella kyselyaineistolla koulutuksen ja aikaisemman työkokemuksen auttavan uudelleentyöllistymistä merkittävästi. Iän ja ansiotason muutoksen välillä havaittiin tosin suuria eroja. Tulokset ovatkin jokseenkin eroavia muista edellä käydyistä tutkimuksista. Tulosten mukaan 26–55-vuotiaat kokivat suhteellisen korkean tulotason laskun, kun taas 56–65-vuotiaat kokivat joissain tapauksissa jopa 10 % ansiotason nousun. Selittäviksi tekijöiksi esitettiin vanhempien työntekijöiden inhimillisen pääoman määrää (Nord & Ting, 1991). Kuten Jacobson ym. (1993) myös Huttunen ym. (2011) korostivat inhimillisen pääoman työpaikka- ja työnantajakohtaisuutta sekä toimialakohtaisuutta. Inhimillisen pääoman ollessa toimialakohtaista henkilöiden palkoissa tapahtuvan pudotuksen ja kehitysuran muutoksen tulisi olla paljon pienempi kuin mitä yleisesti tutkimustulokset ovat antaneet ymmärtää. Huttunen ym. (2011) korostivat etenkin korkean työtehtäväkohtaisen inhimillisen pääoman vaikuttavan henkilöiden tulotasoon. Matalasti koulutetun henkilön onnistuessa uudelleentyöllistymään yksityiselle sektorille samoihin tehtäviin, josta oli tullut irtisanotuksi ei tuloissa havaittu merkittävää pudotusta. Puolestaan jos henkilö työllistyi eri toimialalle, havaittiin ansiotasossa pudotus. Korkeasti koulutetuilla inhimillisen pääoman havaittiin paljon yleishyödyllisempää kuin matalasti koulutetuilla. Korkeasti koulutetut henkilöt pystyivätkin hyödyntämään osaamistaan samoissa työtehtävissä yli toimialojen ilman merkittävää palkan alenemista. (Huttunen ym., 2011). Schmieder ym. (2010) havaitsivat myös henkilöiden palkoissa toimiala- ja työnantajakohtaisia inhimillisen pääoman komponentteja. Irtisanomisen seurauksena henkilöt ovat menettäneet tämän spesifin palkkalisän, mikä osittain selittää minkä vuoksi henkilöiden tulotaso jäi matalammaksi uudelleen työllistymisen jälkeen (Schmieder ym., 2010). Inhimillisen pääoman rooli on korostunut etenkin autoteollisuuden tehtaiden sulkemisia käsittelevässä tutkimuskirjallisuudessa. Nämä tehtaat ovat olleet usein suuria työllistäjiä alueellaan, ja ne ovat työllistäneet ihmisiä monesta eri koulutusportaasta. Työntekijöiden ikäjakauma on myös laaja, mikä puolestaan auttaa havainnollistamaan iän merkitystä sopeutumisessa. Chapain ja Murie (2008) tutkivat kuinka Britannian suurimman autotehtaan sulku vaikutti pitkällä aikavälillä alueelliseen talouteen ja työllisyyteen. Tutkimuksen kohteena oli MG Roverin Birminghamin autotehdas, joka suljettiin huhtikuussa 2005. Tehdas työllisti parhaimmillaan vuonna 1998 yli 13000 24 työntekijää ja sulkemisajankohtana vuonna 2005 työntekijöitä oli lähes 6000. Tehtaan lakkauttamispäätöksen yhteydessä 5900 henkilöä menetti välittömästi työnsä. Tehtaan sulku oli alueen tuotantoteollisuuden työmarkkinoiden kannalta merkittävä sokki, sillä tehdas työllisti kaupunginosasta riippuen 20–50 % alueen tuotantoteollisuuden työvoimasta. Työntekijät, jotka olivat korkeasti koulutettuja, onnistuivat löytämään uuden työn lähes välittömästi korkean inhimillisen pääomansa ansiosta. Matalammin koulutetut puolestaan työllistyivät hitaammin, mutta näiden työntekijöiden havaittiin omaavan etulyöntiasema työmarkkinoilla korkean tuotantoteollisuuden inhimillisen pääoman vuoksi (Chapain & Murie, 2008). Palen ja Fahey (1968) puolestaan tutkivat kuinka Studebakerin autotehtaan sulku Indianan osavaltiossa Yhdysvalloissa vaikutti irtisanottuihin työntekijöihin. Tehdas oli alueella merkittävä työllistäjä, sillä alueen työttömyysprosentti nousi 2,4 % jopa 9,1 % tehtaan sulkemisen jälkeen. Irtisanottujen henkilöiden keskimääräinen senioriteetti oli 25 vuotta. Tämän lisäksi irtisanottujen koulutustaso oli myös matala, sillä 42 % irtisanotuista työntekijöistä oli käynyt enintään kahdeksannen luokan. Työntekijöiden inhimillinen pääoma olikin rajattua ja sidonnaista heidän työtehtäväänsä. Havainnot koskien uudelleentyöllistymisen sekä koulutustason ja iän välistä yhteyttä olivat samanlaiset kuin uudemmissakin tutkimuksissa. Yksi neljäsosa alle 34-vuotiaista oli työllistymättä neljä kuukautta irtisanomisen jälkeen, kun taas kaksi kolmasosaa yli 60- vuotiaista oli vielä ilman työtä. Nuoremmat työntekijät olivat lähtökohtaisesti paremmin kouluttautuneita ja ikänsä puolesta houkuttelevampia työllistettäviä. Nuoremmat työntekijät olivat myös ehtineet hakea töitä pidempään, sillä irtisanomiset oli toteutettu käänteisesti senioriteettiin nähden. Osa irtisanotuista työntekijöistä perusti myös oman yrityksen. Tapauksissa, joissa uudelleentyöllistyminen tai oman yrityksen perustaminen ei tuottanut tulosta, henkilöt poistuivat työmarkkinoilta. Etenkin yli 60-vuotiaiden keskuudessa eläköitymisen havaittiin olevan yleistä, jos työnhaku ei tuottanut tulosta (Palen & Fahey, 1968). 3.1.2 Muuttoliike aluetalouden sopeutumismekanismina Työmarkkinoiden sokit voivat aikaansaada muuttoliikettä alueiden välillä. Muuttoliike voidaan nähdä aggregaattitason ilmiönä, mutta itse muuttopäätös tehdään yksilötasolla. Paikallisen työnantajan markkinoilta poistuminen voi aiheuttaa tilanteen, jossa ainoa sopeutumiskeino paikalliselle työvoimalle on muuttaa pois alueelta. Mahdollisen muuton jälkeisissä työmarkkinatulemissa on maa- ja aluekohtaisia eroja. Näihin tulemiin vaikuttavat muun muassa erilaiset institutionaaliset tekijät ja mahdollisesti henkilöiden ikä, sekä inhimillisen pääoman määrä. Edellä mainitun lisäksi tutkimuskirjallisuus on osoittanut yleisen makrotaloudellisen tilanteen vaikuttavan mahdolliseen muuttopäätökseen ja sopeutumiseen. Foote ym. (2019) havaitsivat yhdysvaltalaisella aineistolla muuton olevan pääasiallinen tapa, jolla alue sopeutui joukkoirtisanomiseen taloudellisesti vakaana aikana. Yleisesti alueiden välisistä muuttovirroista noin 82 % pystyttiin selittämään joukkoirtisanomisilla. Toisin sanoen merkittävä osa joukkoirtisano- 25 tuista henkilöistä muutti kokonaan uusien työmarkkinoiden piiriin. Henkilöiden iällä ei havaittu olevan merkittävää vaikutusta muuttovirtoihin, mutta muuton vaikutukset vaihtelivat paljon eri ikäryhmien välillä. Tutkimuksessa havaittiin, että muuttoliike alueiden välillä ”suojasi” lähes kokonaan nuoren työvoiman joukkoirtisanomisen pitkäaikaisilta negatiivisilta vaikutuksilta (Foote ym., 2019). Tulokset ovat jokseenkin poikkeavia muun muassa Gathmannin ym. (2020) tutkimuksesta, missä iän ja muuttoalttiuden välillä havaittiin olevan selviä eroja. Nord ja Ting puolestaan havaitsivat muutolla olevan vaikutusta henkilöiden tulostasoon, sillä henkilöt, jotka muuttivat uudelle alueelle, kokivat tulonlaskua ja joissain tapauksissa pitkittynyttä työttömyyttä. Selitykseksi tälle esitettiin epätäydellistä informaatiota uuden alueen työmarkkinoista (Nord & Ting, 1991). Muuttovirrat osoittautuivat ikäjakautuneiksi Gathmannin ym. (2020) tutkimuksessa. Etenkin ikäjakauman loppupäässä olevat 51–65-vuotiaat henkilöt muuttivat joukkoirtisanomisen jälkeen huomattavasti vähemmän ja olivat 3,4 % todennäköisemmin ilman työpaikkaa neljä vuotta irtisanomisen jälkeen. Vastaavasti nuorimmat työntekijät (16–25-vuotiaat) ja tutkijoiden mukaan parhaassa työiässä olevat (26–50-vuotiaat) eivät kokeneet merkittävää työllisyyden alenemista, sillä näillä ikäryhmillä muuttoalttius oli huomattavasti korkeampi. Neljä vuotta irtisanomisten jälkeen nuorten työntekijöiden nettomuutto irtisanomisalueelle oli 5,4 % alhaisempaa kuin kontrollialueilla, parhaassa työiässä olevilla vastaava luku oli 1,9 %. Alueen kokonaistulomuutto oli 2,3 % matalampi kuin kontrollialueilla. Tämä puolestaan kertoo joukkoirtisanomisten rajoittavan uuden inhimillisen pääoman virtaamista paikalliseen talouteen. Muuttoliike osoittautuikin olevan pääasiallinen sopeutumismekanismi etenkin alle 50- vuotiaalle työvoimalle. Kokonaisuudessaan muuttovirrat selittivät yli 50 % alueen työllisyydessä tapahtuvasta laskusta (Gathmann ym., 2020). Tilanteissa, joissa talous oli taantumassa, muuttoliikkeen rooli sopeutumisessa muuttui. Footen ym. (2019) mukaan muutto väheni ja työmarkkinoilta poistumisesta tuli dominoiva sopeutumismekanismi makrotaloudellisesti heikkona aikana. Tutkimuksessa havaittiin, että taloudellisen laskusuhdanteen aikana muuttovirrat tyrehtyivät. Finanssikriisin aikana poismuutto selittikin vain enää kolmanneksen työvoiman määrän laskusta alueella. Tosin finanssikriisin aikana asuntomarkkinat olivat epävarmassa tilassa, mikä puolestaan hidasti muuttovirtoja. Yleisesti työmarkkinat reagoivat finanssikriisin aikana kaksi kertaa voimakkaammin joukkoirtisanomisiin verrattuna ennen vuotta 2007 tapahtuneisiin joukkoirtisanomisiin. Vastaavasti Jofre-Monseny ym. (2018) eivät havainneet espanjalaisella aineistolla muuttoliikkeessä tai työhön osallistumisasteessa tilastollisesti merkitseviä muutoksia joukkoirtisanomisen jälkeen. Tämä voi osittain johtua suotuisasta taloustilanteesta, joka vallitsi tarkasteluajankohtana. Syy voi löytyä myös institutionaalisista tekijöistä. Espanjassa työsuhdeturva on suhteellisen tiukka ja julkinen valta edistää aktiivisesti irtisanottujen uudelleentyöllistymistä, mikä puolestaan voi vähentää irtisanottujen muuttohalukkuutta (Jofre-Monseny ym., 2018). 32 Heikentyneen kysynnän vuoksi monia tuotantolaitoksia on jouduttu supistamaan tai lakkauttamaan kokonaan. Tehtaiden ja tuotantolinjojen sulkuun vaikuttaneet syyt ovatkin olleet moninaisia. Yleisimmät perustelut syyt ovat olleet heikko kilpailukyky, heikko kysyntä tai tuotannon tehostaminen siirtämällä tuotantoa muihin laitoksiin. On myös tapauksia, joissa tuotantolaitokset ovat itsessään niin vanhoja, että niiden saaminen kilpailukykyiseksi vaatisi mittavia ja kannattamattomia investointeja. Näissä tapauksissa ratkaisu on usein ollut sulkea tehdas ja siirtää tuotanto muihin laitoksiin tai rakennuttaa kokonaan uusi tuotantolaitos (Paperiliitto, ei pvm.). Kuviosta 1 voidaan havaita, etenkin paperin tuotannossa tapahtuneen merkittävä lasku vuoden 2005 jälkeen. Sama trendi on havaittavissa myös kuviossa 2, joka kertoo paperin, kartongin ja erilaisten jalosteiden viennistä. Tämä viennin lasku puolestaan kertoo kysynnän muutoksen olevan globaali ilmiö. Sellun tuotanto ja vienti on puolestaan pysynyt paljon vakaampana johtuen sellun oleva raaka-aine muihinkin tuotteisiin kuin vain itse paperiin. Paperin heikentyneen kysynnän vuoksi suljetut paperitehtaat ovat selvästi suurin tehdastyyppi tarkasteltavien tehtaiden joukossa. KUVIO 1 Paperin ja sellun tuotantomäärät (Metsäteollisuus ry, 2024) 33 KUVIO 2 Paperin ja sellun vientimäärät (Metsäteollisuus ry, 2024) 4.2 Aineisto Tarkastelussa käytetty paneeliaineisto on poimittu Tilastokeskuksen ja Terveyden- ja hyvinvoinninlaitoksen SOTKAnet tietokannasta. Tarkasteltava ajanjakso kattaa vuodet 2000–2020 ja tarkasteltavat tehtaiden ja tuotantolinjojen sulkemiset ovat tapahtuneet vuosina 2005–2016. Tarkastelun kohteena on kaiken kaikkiaan 19 eri kaupunkia Suomessa. Nämä kaupungit ovat Hamina, Hämeenkyrö, Imatra, Jyväskylä, Jämsä, Kajaani, Kaskinen, Kemi, Kemijärvi, Kouvola, Lappeenranta, Lohja, Mänttä-Vilppula, Rauma, Rautjärvi, Tampere, Valkeakoski, Varkaus ja Äänekoski. Kaikkien tutkimuksessa mukana olevien tehtaiden henkilöstöluku on yli 80. Tätä henkilöstöluvultaan pienemmät laitokset on jätetty pois tarkastelusta. Kaupungit, joissa on tapahtunut useampi tehtaan sulkeminen tarkasteltavalla ajanjaksolla, vain ensimmäinen sulkuajankohta huomioidaan. Taulukossa 2 on esitetty ajankohdat, jolloin tehtaiden ja tuotantolinjojen sulkemisia on tarkasteltavissa kaupungeissa toteutettu. 34 Taulukko 2: Tehtaiden/tuotantolinjojen sulkemisajankohdat Kaupunki Ensimmäinen sulku Toinen sulku Kolmas sulku Hamina 2008 Hämeenkyrö 2016 Imatra 2010 Jyväskylä 2010 Jämsä 2008 2014 Kajaani 2008 Kaskinen 2009 Kemi 2014 Kemijärvi 2008 Kouvola 2005 2006 2011 Lappeenranta 2014 Lohja 2015 Mänttä-Vilppula 2010 Rauma 2013 Rautjärvi 2010 Tampere 2006 2007 Valkeakoski 2006 2009 2016 Varkaus 2015 Äänekoski 2011 Kontrollikaupunkeina aineistossa toimivat Joensuu, Kotka, Kuopio, Oulu, Pietarsaari ja Pori. Kyseisissä kaupungeissa sijaitsee merkittävä metsäteollisuuden tuotantolaitos, mutta näissä kaupungeissa ei ole tapahtunut metsäteollisuuden piirissä merkittäviä tehtaiden tai tuotantolinjojen sulkemisia tarkasteltavalla ajanjaksolla. Tutkimuksen aineisto kattaa tiedot kaupunkien ikärakenteesta, väestön koulutustasosta, tulo- ja lähtömuuttomääristä, sekä työllisyysettä työttömyysasteista. 35 4.3 Estimointimenetelmä Tehtaiden sulkemisen yhteyttä työllisyyteen ja muuttovirtoihin tarkastellaan hyödyntäen tapahtumatutkimus menetelmää (Panel Event Study). Tätä menetelmää ovat kuvanneet esimerkiksi Clarke ja Scythe (2020) ja Miller (2023). Käytetty menetelmä on laajennettu versio kirjallisuudessa yleisesti käytetystä kaksisuuntaisesta kiinteiden vaikutusten tarkastelumallista (difference-in- differences). Menetelmä olettaa, että joukkoirtisanominen (𝑒𝑣𝑒𝑛𝑡) on joukkoirtisanomisen kohteena olevan alueen näkökulmasta niin sanottu eksogeeninen sokki, johon alue itse ei ole voinut vaikuttaa. Mallin näkökulmasta tämä tarkoittaa, että ennen joukkoirtisanomista ei selitettävässä muuttujassa ole havaittavissa trendiä (no pre-trend assumption). Mikäli trendiä ennen joukkoirtisanomista ei havaita, voidaan irtisanomisen jälkeen havaittava trendi tulkita joukkoirtisanomisen seuraukseksi. Menetelmä pohjautuu perinteiseen pienimmän neliösumman regressioon (PNS, eng. OLS) ja sen avulla voidaan tarkastella esimerkiksi, miten työllisyys alueella kehittyy ennen ja jälkeen joukkoirtisanomisen. Mikäli mallissa hyödynnetään vertailuryhmää, liittyy malliin oletus vertailuryhmän samankaltaisuudesta ennen joukkoirtisanomista. Tähän liittyy oletus samansuuntaisista trendeistä (parallel trends assumption), mikä tarkoittaa, että ennen tapahtumaa tarkastelujoukon ja vertailuryhmän välillä ei tulisi olla eroa kiinnostuksen kohteena olevan muuttujan trendeissä. Tällöin voidaan olettaa, että trendit olisivat kehittyneet samankaltaisesti, mikäli tapahtumaa (esim. joukkoirtisanominen) ei olisi tapahtunut. Koe- ja kontrolliryhmien samankaltaisuutta voidaan tarkastella myös vertailemalla ryhmien taustaominaisuuksia ennen joukkoirtisanomista (Miller, 2023). Estimoitava yhtälö on esitetty yleisessä muodossaan yhtälössä 10. 𝑦𝑠𝑡 = 𝛼+∑𝛽𝑗(𝐿𝑒𝑎𝑑 𝑗)𝑠𝑡 𝐽 𝑗=2 +∑𝛾𝑘𝑗(𝐿𝑎𝑔 𝑘)𝑠𝑡 +𝜇𝑠 𝐾 𝑘=1 +λ𝑠+𝑋′𝑠𝑡𝛤+𝜀𝑠𝑡 (10) Yhtälössä 10 termi s viittaa alueeseen ja termi t puolestaan viittaa tarkasteltavaan ajanjaksoon. Itse tarkastelujoukossa tutkittavaa tapahtumaa (tehtaan tai tuotantolinjan sulkemisajankohtaa) kuvataan muuttujalla Events. Selitettävää muuttujaa kuvataan termillä yst ja Xst puolestaan kuvaa aineiston kontrollimuuttujia, µs kuvaa aluekohtaisia kiinteitä vaikutuksia ja λ kuvaa aikaan sidottuja kiinteitä vaikutuksia, εst on puolestaan jäännöstermi. Mallissa on mukana indikaattorimuuttujia, jotka kuvaavat periodeja ennen (lead) ja jälkeen (lag) tehtaan sulkemisen, kuin myös aluekohtaisia kiinteitä vaikutuksia kuvaavat alueindikaattorimuuttujat. Mikäli mallissa on mukana vain joukkoirtisanomisen kohteena olevia kaupunkeja, nämä eteen- ja taaksepäin katsovat viivemuuttujat kuvaavat muutosta selitettävässä muuttujassa vertailuvuoteen verrattuna. Mikäli mallissa on mukana myös kontrollikaupunkeja kuvaavat viivemuuttujat tarkastelujoukon ja kontrolliryhmän välisiä eroja selitettävässä muuttujassa tiettynä ajanhetkenä 𝑡, verrattuna ryhmien väliseen eroon vertailuvuonna. Viimeiset lead ja lag 36 muuttujat kertyvät yli J ja K periodien. Viivemuuttujat määräytyvät seuraavasti (Miller, 2023; Clarke & Schythe, 2020): (𝐿𝑒𝑎𝑑 𝐽)𝑠𝑡 = 𝟙[t ≤𝐸𝑣𝑒𝑛𝑡𝑠−𝐽], (12) (𝐿𝑒𝑎𝑑 j)𝑠𝑡 =𝟙[t≤ 𝐸𝑣𝑒𝑛𝑡𝑠−𝑗],j ϵ {1,…..,J−1}, (13) (𝐿𝑒𝑎𝑑 k)𝑠𝑡 =𝟙[t ≤𝐸𝑣𝑒𝑛𝑡𝑠−k],k ϵ {1,…..,K−1}, (14) (𝐿𝑒𝑎𝑑 𝐾)𝑠𝑡 =𝟙[t≤𝐸𝑣𝑒𝑛𝑡𝑠−𝐾], (15) Tässä tutkimuksessa malliin sisällytetään 5 tehtaan tai tuotantolinjan sulkemista edeltävää ja sen jälkeistä viivetermiä, joten J = K = 5. Poisjätettävänä vertailuperiodina on sulkemista edeltävä vuosi j = 1, ja viivetermit kuvaavat sitä, miten selitettävä muuttuja kunakin vuonna eroaa vertailuperiodin arvosta. Tutkimuksen selitettävät muuttujat ovat alueen työllisyysaste sekä lähtö- ja tulomuutto suhteutettuna alueen väestömäärään. Kontrollimuuttujina ovat Suomen vuotuinen bruttokansantuote sekä kaupunkien ikä- ja koulutusrakennemuuttujat, jotka kertovat eri ikä- ja koulutusryhmien osuudet suhteessa väestömäärään. 37 5 TULOKSET Tässä osiossa käydään läpi tapahtumatutkimus menetelmän empiiriset tulokset. Tarkastelun kohteena oli tehtaiden ja tuotantolinjojen sulkemisen yhteys alueelliseen työttömyyteen ja muuttoliikkeeseen. Tavoitteena on selvittää, tuleeko työttömyydestä pysyvää alueella ja millainen yhteys tapahtumalla on muuttovirtoihin. Tarkastelussa oli joukko suomalaisia kaupunkeja, joissa oli suljettu tai supistettu metsäteollisuuden paperi- ja sellutehtaita. Kontrolliryhmänä toimi toinen joukko suomalaisia metsäteollisuuskaupunkeja, joissa ei ole tapahtunut vastaavanlaisia toimia. Tarkasteltava ajanjakso kattoi vuodet 2000–2020, tarkasteltavat sulkemiset tapahtuivat vuosina 2005–2016. Sulkemis- ja supistamistoimista tullaan käyttämään tästä edes termiä sulku. Taulukko 3 kuvaa tarkasteltavien ja kontrollikaupunkien välisiä eroja tarkasteluajanjakson alussa vuonna 2000. Kuten taulukosta voidaan havaita, koe- ja kontrollialueet ovat tarkasteluajanjakson alussa samanlaisia, eikä muuttujien välillä ollut tilastollisesti merkitseviä eroja. 38 Taulukko 3: Vuoden 2000 tunnuslukuja tarkastelu- ja kontrollialueiden välillä Tarkastelukaupungit (keskiarvo, keskihajonta) Kontrollikaupungit (keskiarvo, keskihajonta) T-testi Korkea-asteen tutkinto %- väestöstä 20,11 (3,59) 23,38 (2,73) -1.97 Keskiasteen tutkinto %- väestöstä 37,07 (1,15) 37,88 (2,23) -1.12 0–17-vuotiaat %- väestöstä 20,54 (1,47) 21,55 (1,59 -1.38 18–64- vuotiaat %- väestöstä 62,63 (1,80) 63,10 (1,49) -0.56 65-vuotiaat ja vanhemmat %- väestöstä 16,81 (1,15) 15,33 (2,61) 1.34 Työttömyys %- väestöstä 15,50 (3,23) 16,40 (2,48) -0.60 Työllisyys %- väestöstä 40,45 (3,07) 40,2 (1,86) 0.18 5.1 Tehtaan tai tuotantolinjan sulkemisen yhteys työttömyyteen ja muuttovirtoihin Kuviossa 3 on esitetty tulokset mallista, joka kuvaa työttömyysasteen vaihtelua ennen ja jälkeen joukkoirtisanomisen. Estimoinnissa ovat mukana ainoastaan paikkakunnat, joissa tehdas on suljettu eikä mallissa ole muita muuttujia viivetermien lisäksi. Tarkemmin viivetermienkertoimet on raportoitu liitteiden taulukoissa 2–4. Työttömyysasteen viive-estimaatit vaihtelevat satunnaisesti ennen sulkemista eikä selkeää trendiä ole havaittavissa, mikä on tärkeää tulosten tulkinnan näkökulmasta. Sulkemisen jälkeiset viivetermien piste-estimaatit pysyvät positiivisina ja kokonaisuudessaan vuosittainen satunnainen vaihtelu pienenee. Vuosi t = 0 on ainoa ajankohta, jolloin viivetermi eroaa tilastollisesti merkitsevästi tarkasteluvuodesta t = -1, tämäkin tosin vain 10 % tasolla. Yleisesti voidaan todeta luottamusvälien olevan suuria, minkä vuoksi työttömyyden ei voida todeta eroavan tilastollisesti merkitsevästi vuodesta -1. Piste-estimaatit ovat kuitenkin korkeammalla tasolla kuin ennen sulkua, mikä voi olla indikaatio kasvaneesta työttömyydestä. Vastaava tarkastelu ilman kontrollimuuttujia on suoritettu myös tulo- ja lähtömuuttovirroille. Kuviossa 4 raportoidut tulokset viittaavat siihen, että lähtömuuttovirrat olisivat olleet sulkemisen jälkeisenä aikana korkeammat kuin 39 ennen sulkemista. Viivetermit saavat positiiviasia arvoja sulkemisen jälkeen vuotta 1 (𝑡 =1) lukuun ottamatta, mikä voi olla indikaatio kasvaneesta lähtömuutosta ja täten alueiden sopeutumisesta. Kertoimet eivät kuitenkaan ole tilastollisesti merkitseviä 5 % tasolla ja vain vuosi 0 saa tilastollisesti merkitsevän arvon 10 % merkitsevyystasolla. Käytetty aineisto on suhteellisen pieni, mikä voi olla syynä suuriin luottamusväleihin. Positiiviset piste-estimaatit viittaavat kuitenkin siihen, että lähtömuutto voi mahdollisesti toimia sopeutumismekanismina tehtaiden sulkemiselle. Kuviossa 5 on puolestaan esitetty tulomuutossa tapahtuvat vaihtelut. Tämä havaittu vaihtelu on satunnaista niin ennen kuin myös jälkeen sulkemisen. Piste-estimaattien vaihtelussa ei ole havaittavissa selvää trendiä. Vuosi 5 saa ainoastaan tilastollisesti merkitseviä arvoja 5 % merkitsevyystasolla. On mahdollista, että joillain alueilla tapahtuu talouden rakennemuutosta, joka puolestaan aikaansaa tulomuuttoa vuonna 5. Satunnaisen vaihtelun vuoksi on kuitenkin vaikea todeta sulkemisen olevan yhteydessä alueiden tulomuuttoon. 40 KUVIO 3 Työttömyysasteen vaihtelu tarkastelukaupungeissa KUVIO 4 Tarkastelukaupunkien lähtömuutto KUVIO 5 Tarkastelukaupunkien tulomuutto 41 5.1.1 Kontrollimuuttujien lisääminen Seuraavissa estimoinneissa malleihin on tuotu mukaan kontrollimuuttujia, jotka kattavat tiedot alueiden ikä- ja koulutusrakenteesta. Tämän lisäksi malliin on lisätty kontrollimuuttujaksi Suomen bruttokansantuote. Kuviossa 6 on esitetty työttömyysasteen vaihtelut edellä mainittujen parametrien kanssa ennen ja jälkeen sulkemisen. Päätelmät ovat samanlaiset kuin kuvion 3 tapauksessa. Erona kuitenkin on, että vuosi 0 menettää tilastollisen merkitsevyytensä. Tämän lisäksi työttömyysasteen luottamusvälit pysyvät suurina. Sulkemisen jälkeisten vuosien piste-estimaateissa on kuitenkin havaittavissa samanlainen trendi kuin ennen kontrollimuuttujien lisäämistä, joten voidaan esittää työttömyydessä tapahtuvan kasvun olevan yhteydessä sulkuun. Kuviot 7 ja 8 kuvaavat lähtö- ja tulomuuton vaihtelua. Lähtömuuton vaihtelu saa edelleen vuonna 0 merkitseviä arvoja 10 % merkitsevyystasolla. Tämän lisäksi myös vuosi 4 saa merkitsevän arvon 10 % tasolla. Sulkemisvuoden ja sitä seuraavat piste-estimaatit ovat selvästi korkeammat kuin sulkemista edeltävänä aikana, ja osa vuosista saa merkitseviä arvoja. Voidaan siis kuvion perusteella todeta lähtömuuton toimivan ainakin osittain sopeutumismekanismina tehtaiden ja tuotantolinjojen sulkemiseen. Tulomuuttoon tehtaan tai tuotantolinjan sulkemisella ei ole merkittävää yhteyttä, ja päätelmät ovat samankaltaisia kuin kuvion 5 kohdalla. Vuosi 5 saa tilastollisesti merkitsevän arvon 5 % merkitsevyystasolla, mutta muiden vuosien osalta vaihtelut ovat kuitenkin satunnaisia. Tämän vuoksi on vaikea todeta sulkemisen yhteyttä tulomuuttoon. 48 vaittu, että inhimilliseen pääomaan sisältyy toimiala- ja työtehtäväkohtainen komponentti, mikä puolestaan voi aiheuttaa vaikeuksia uudelleentyöllistymisessä ja tulevaisuuden palkkakehityksessä riippuen henkilön koulutustasosta ja aiemmasta työtehtävästä (Chapain & Murie, 2008, 2008; Eliason & Storrie, 2006; Gathmann ym., 2020; Huttunen ym., 2011; Jacobson ym., 1993; Nord & Ting, 1991; Palen & Fahey, 1968; Ruhm, 1991b; Schmieder ym., 2010). Oikein ajoitetulla tuotantolaitoksen sulkemisen ennakkoilmoituksella on myös huomattava sopeutumista edistävä vaikutus, sillä tämä antaa enemmän aikaa etsiä korvaava työtä ja täten mahdollisesti välttyä työttömyysjaksolta (Nord & Ting, 1991). Tämän Pro-gradun empiirisessä osiossa tarkasteltiin kuinka Suomessa vuosina 2005–2016 tapahtuneet sellu- ja paperitehtaiden sulut olivat yhteydessä alueelliseen työttömyyteen ja muuttovirtoihin. Tutkimuksessa hyödynnettiin tapahtumatutkimus menetelmää. Saadut tulokset eivät olleet tilastollisesti merkitseviä ja estimoinnissa käytetty aineisto oli suhteellisen pieni, minkä vuoksi saadut kerroinestimaatit olivat epätarkkoja. Saadut piste-estimaatit kuitenkin viittasivat siihen, että alueellinen sopeutuminen olisi yhteydessä työttömyydessä ja lähtömuutossa tapahtuneeseen kasvuun sulkemistoimenpiteitä seuranneena ajanjaksona. Tehtaiden sululla ei havaittu olevan yhteyttä alueiden tulomuuttovirtoihin. Saadut tulokset ovat linjassa teorian ja aikaisemman tutkimuskirjallisuuden tulosten kanssa. Palkkojen ollessa jäykkiä voi työttömyys toimia talouden sopeutumismekanismina (Gathmann ym., 2020; Jokinen, 2020). Tämän lisäksi muutto voi toimia sopeutumiskeinona, jos yksilö kokee muuton hyödyn odotusarvon tarpeeksi korkeaksi (Capello & Nijkamp, 2009; DaVanzo & Morrison, 1981; Foote ym., 2019; Gathmann ym., 2020). Alueen agglomeraation taso ja talouden kerroinvaikutukset ovat voineet myös olla yhteydessä saatuihin tuloksiin (Foote ym., 2019; Gathmann ym., 2020; Jokinen, 2020). Tutkimuksen tulokset ovat suuntaa antavia ja yksityiskohtaisempi tarkastelu vaatisi laajempia aineistoja, jotka huomioisivat tarkemmin aluekohtaisia eroja niin koulutustasossa ja korkeakoulujen sijainnissa. Yleisesti alueiden välisiä kokoon, monimuotoisuuteen ja elinkeinorakenteisiin liittyviä seikkoja tulisi kontrolloida tarkemmin. Tämä tutkimus ei myöskään huomioinut mahdollista työmarkkinoilta poistumista, jonka on kirjallisuudessa havaittu olevan yksi sopeutumiskeino etenkin huonona makrotaloudellisena aikana. Estimointimenetelmän yhtenä heikkoutena on, että menetelmä ei sulje pois sitä mahdollisuutta, että jokin sulkemisajankohtaan liittyvä havaitsematon tekijä olisi aiheuttanut havaitut muutokset sulkemisen sijaan. Tästä huolimatta voidaan esittää työttömyyden ja lähtömuuton kasvun olleen yhteydessä joukkoirtisanomisiin. Saadut tulokset ovat linjassa aiemman tutkimuskirjallisuuden kanssa, jossa työttömyyden ja alueelta poismuuton on havaittu olevan keskeisiä sopeutumismekanismeja tuotantolaitoksen sulkemisesta aiheutuneeseen taloudelliseen sokkiin. Tulosten mukaan nämä samat mekanismit voivat olla sopeutumisen taustalla myös suomalaisilla metsäteollisuuspaikkakunnilla, jotka tyypillisesti ovat väkiluvultaan suhteellisen pieniä ja joiden tuotantorakenne on usein melko yksipuolinen. 49 LÄHTEET Cairó, I., & Cajner, T. (2018). Human Capital and Unemployment Dynamics: Why More Educated Workers Enjoy Greater Employment Stability. The Economic Journal, 128(609), 652–682. https://doi.org/10.1111/ecoj.12441 Capello, R., & Nijkamp, P. (2009). HANDBOOK OF REGIONAL GROWTH AND DEVELOPMENT THEORIES (Vsk. 2009). Edward Elgar Publishing Limited. Chapain, C., & Murie, A. (2008). The impact of factory closure on local communities and economies: The case of the MG Rover Longbridge closure in Birmingham. Policy Studies, 29(3), 305–317. https://doi.org/10.1080/01442870802159962 Clarke, D., & Schythe, K. T. (2020). Implementing the Panel Event Study. https://www.iza.org/publications/dp/13524/implementing-the-panel- event-study DaVanzo, J. S., & Morrison, P. A. (1981). Return and Other Sequences of Migration in the United States. Demography, 18(1), 85–101. https://doi.org/10.2307/2061051 Eliason, M., & Storrie, D. (2006). Lasting or Latent Scars? Swedish Evidence on the Long-Term Effects of Job Displacement. Journal of Labor Economics, 24, 831–856. https://doi.org/10.1086/506487 50 Foote, A., Grosz, M., & Stevens, A. (2019). Locate Your Nearest Exit: Mass Layoffs and Local Labor Market Response. ILR Review, 72(1), 101–126. https://doi.org/10.1177/0019793917753095 Gathmann, C., Helm, I., & Schönberg, U. (2014). Spillover Effects in Local Labor Markets: Evidence from Mass Layoffs. https://www.econstor.eu/handle/10419/100378 Gathmann, C., Helm, I., & Schönberg, U. (2020). Spillover Effects of Mass Layoffs. Journal of the European Economic Association, 18(1), 427–468. https://doi.org/10.1093/jeea/jvy045 Metsäteollisuuden vienti (2024). Viitattu 28. helmikuuta 2024, osoitteesta https://www.metsateollisuus.fi/uutishuone/metsateollisuuden-vienti Huttunen, K., Møen, J., & Salvanes, K. G. (2011). HOW DESTRUCTIVE IS CREATIVE DESTRUCTION? EFFECTS OF JOB LOSS ON JOB MOBILITY, WITHDRAWAL AND INCOME. Journal of the European Economic Association, 9(5), 840–870. https://doi.org/10.1111/j.1542-4774.2011.01027.x Irtisanomiset_kartta.pdf. (ei pvm.). Viitattu 9. toukokuuta 2024, osoitteesta https://www.paperiliitto.fi/media/liitonsivut/liitto/irtisanomiset_kart ta.pdf Jacobson, L. S., LaLonde, R. J., & Sullivan, D. G. (1993). Earnings Losses of Diplaced Workers. The American Economic Review, 83(4), 685–709. https://www.jstor.org/stable/2117574 51 Jofre-Monseny, J., Sánchez-Vidal, M., & Viladecans-Marsal, E. (2018). Big plant closures and local employment. Journal of Economic Geography, 18(1), 163– 186. https://doi.org/10.1093/jeg/lbx026 Jokinen, J. (2020). The wage curve and local monopsony power. The Annals of Regional Science, 64(1), 159–183. https://doi.org/10.1007/s00168-019-00966-3 Maczulskij, T., & Böckerman, P. (2023). Losing a job and (dis)incentives to move: Interregional migration in Finland. European Urban and Regional Studies, 30(4), 430–445. https://doi.org/10.1177/09697764231186746 Metsäteollisuuden tuotantomäärät 1960-luvulta alkaen. (2024). Viitattu 8. helmikuuta 2024, osoitteesta https://www.metsateollisuus.fi/uutishuone/metsateollisuudentuotantomaarat Miller, D. L. (2023). An Introductory Guide to Event Study Models. Journal of Economic Perspectives, 37(2), 203–230. https://doi.org/10.1257/jep.37.2.203 Nord, S., & Ting, Y. (1991). The Impact of Advance Notice of Plant Closings on Earnings and the Probability of Unemployment. Industrial and Labor Relations Review, 44(4), 681–691. https://doi.org/10.2307/2524456 52 Palen, J. J., & Fahey, F. J. (1968). Unemployment and Reemployment Success: An Analysis of the Studebaker Shutdown. Industrial and Labor Relations Review, 21(2), 234–250. https://doi.org/10.2307/2520491 Reenen, J., Reed, H., & Dearden, L. (2006). Training and coprorate productivity: Evidence from a panel of UK industries. Oxford Bulletin of Economic and Social Research, 68, 397–421. https://www.researchgate.net/publication/230560070_Training_and_co prorate_productivity_Evidence_from_a_panel_of_UK_industries Ruhm, C. J. (1991a). Are Workers Permanently Scarred by Job Displacements? The American Economic Review, 81(1), 319–324. https://www.jstor.org/stable/2006805 Ruhm, C. J. (1991b). Displacement Induced Joblessness. The Review of Economics and Statistics, 73(3), 517–522. https://doi.org/10.2307/2109578 Schmieder, J. F., von Wachter, T., & Bender, S. (2010). The long-term impact of job displacement in Germany during the 1982 recession on earnings, income, and employment (Working Paper 1/2010). IAB-Discussion Paper. https://www.econstor.eu/handle/10419/32699 Sjaastad, L. A. (1962). The Costs and Returns of Human Migration. Journal of Political Economy, 70(5), 80–93. https://www.jstor.org/stable/1829105 53 Suomessa viimeisen 20 vuoden aikana suljetut paino- ja kirjoituspaperikoneet. (2021). Viitattu 9. toukokuuta 2024, osoitteesta https://www.metsateollisuus.fi/uutishuone/vuosina-2002-2022- suomessa-suljetut-paino-ja-kirjoituspaperikoneet-listattuna Tehtaat-kartalla.pdf. (ei pvm.). Viitattu 9. toukokuuta 2024, osoitteesta https://www.paperiliitto.fi/media/liiton-sivut/liitto/tehtaatkartalla.pdf vom Berge, P., & Schmillen, A. (2023). Effects of mass layoffs on local employment—Evidence from geo-referenced data. Journal of Economic Geography, 23(3), 509–539. https://doi.org/10.1093/jeg/lbac026 54 LIITTEET Liite 1: Luvun 2.2 työn kysynnän johtaminen Tuotantofunktion ensimmäisen asteen ehdot työvoimalle ja pääomalle ovat: log𝑤𝑟=log𝑓𝑗𝐴𝑟+log𝛼+(1−𝛼)(1−𝜇)log𝐾 𝑗−(1−𝛼)log𝐿𝑗+(1−𝛼)𝜇log𝐾𝑗 (1) log𝑖 =log𝑓𝑗𝐴𝑟+log(1−𝛼)𝜇+(1−𝛼)(1−𝜇)log𝐾 𝑗+𝛼log𝐿𝑗−(1 −(1−𝛼)𝜇)log𝐾𝑗 (2) Yrityksen kysyntäkäyrä saadaan ratkaisemalla log𝐾𝑗 yhtälöstä (2) ja liittämällä se yhtälöön (1). Tämän jälkeen ratkaistaan termi log𝐿𝑗 ja saadaan:1 log𝐿𝑗= 𝜅+ log(𝑓𝑗𝐴𝑟) (1−𝛼)(1−𝜇)−1−(1−𝛼)𝜇 (1−𝛼)(1−𝜇)log𝑤𝑟 (3) Työn kysynnän yhtälö (4) saadaan yhdistämällä työn kysyntäkäyrä kaikkien paikallisilla työmarkkinoilla toimivien yritysten osalta: 𝑙𝑜𝑔𝐿𝑘=𝑙𝑜𝑔∑𝐿𝑗 𝑗 =𝑙𝑜𝑔∑𝑓𝑗 1 (1−𝛼)(1−µ) 𝑗+ 𝑙𝑜𝑔𝐴𝑟 (1−𝛼)(1−µ) − 1−(1−𝛼)µ (1−𝛼)(1−µ) 𝑙𝑜𝑔𝑤𝑟+ κ (4) __________________________ 1𝜅 = 𝜇 (1−𝜇)log𝑖+log𝐾 𝑗+1−(1−𝛼)𝜇 (1−𝛼)(1−𝜇)log𝛼+ 𝜇 1−𝜇log[(1−𝛼)𝜇], jossa 𝐾 =∑𝐾 𝑗𝑗 , mikä on vakio (Gathmann ym., 2020). 55 Liite 1: Kuvioiden 3, 4 ja 5 kertoimet (1) (2) (3) MUUTTUJAT Työttömyysaste Lähtömuutto Tulomuutto lead8 0.971 0.184 0.194 (0.645) (0.214) (0.331) lead7 1.043* 0.344* 0.213 (0.521) (0.181) (0.215) lead6 0.586 0.00784 -0.0606 (0.461) (0.149) (0.204) lead5 0.495 0.104 0.0291 (0.375) (0.166) (0.230) lead4 0.203 0.111 0.00148 (0.345) (0.173) (0.189) lead3 0.435 0.0113 0.0868 (0.338) (0.0784) (0.129) lead2 0.221 0.0863 -0.0841 (0.263) (0.0838) (0.144) lag0 0.184 0.314* 0.0345 (0.114) (0.168) (0.0988) lag1 0.349 -0.00245 -0.0891 (0.317) (0.0947) (0.109) lag2 0.345 0.195 0.0718 (0.374) (0.144) (0.0912) lag3 0.369 0.145 -0.0389 (0.350) (0.109) (0.0882) lag4 0.177 0.130 0.123 (0.321) (0.0890) (0.106) lag5 0.00549 0.165 0.298** (0.257) (0.130) (0.132) lag6 -0.0581 0.249** 0.148 (0.326) (0.114) (0.170) lag7 -0.290 -0.0336 0.395** (0.494) (0.147) (0.142) lag8 -0.360 0.308* 0.388** (0.546) (0.154) (0.148) Vakiotermi 13.79*** -1.037*** -0.924** (0.925) (0.328) (0.414) Havainnot 399 399 399 Selitysaste (R2) 0.841 0.927 0.918 Robustit keskivirheet, merkitsevyystaso *** p<0.01, ** p<0.05, * p<0.1 56 Liite 2: Kuvioiden 6, 7 ja 8 kertoimet (1) (2) (3) MUUTTUJAT Työttömyysaste Lähtömuutto Tulomuutto lead8 0.963 0.187 0.0383 (0.593) (0.224) (0.307) lead7 1.069** 0.332 0.0849 (0.433) (0.195) (0.198) lead6 0.472 0.00538 -0.150 (0.473) (0.179) (0.229) lead5 0.480 0.103 -0.0281 (0.379) (0.164) (0.222) lead4 0.153 0.111 -0.0357 (0.333) (0.184) (0.198) lead3 0.389 0.0121 0.0675 (0.351) (0.0777) (0.141) lead2 0.0929 0.0764 -0.0949 (0.319) (0.0829) (0.153) lag0 0.163 0.314* 0.0658 (0.129) (0.161) (0.0959) lag1 0.312 0.0149 -0.0529 (0.279) (0.0904) (0.117) lag2 0.300 0.217 0.128 (0.341) (0.148) (0.0902) lag3 0.264 0.168 0.0297 (0.336) (0.108) (0.0859) lag4 0.161 0.152* 0.186 (0.339) (0.0856) (0.108) lag5 -0.0145 0.207 0.352*** (0.291) (0.128) (0.110) lag6 -0.0593 0.295** 0.197 (0.355) (0.112) (0.164) lag7 -0.288 0.0339 0.474*** (0.588) (0.117) (0.115) lag8 -0.176 0.399** 0.472*** (0.573) (0.187) (0.150) Vakiotermi 28.86 -64.73 26.85 (112.8) (43.08) (69.22) Havainnot 399 399 399 Selitysaste (R2) 0.863 0.931 0.926 Robustit keskivirheet, merkitsevyystaso *** p<0.01, ** p<0.05, * p<0.1 57 Liite 3: Kuvioiden 9, 10 ja 11 kertoimet (1) (2) (3) MUUTTUJAT Työttömyysaste Lähtömuutto Tulomuutto lead8 0.314 0.207 0.224 (0.474) (0.171) (0.211) lead7 0.519 0.356** 0.214 (0.363) (0.172) (0.155) lead6 0.0221 0.0231 -0.0214 (0.389) (0.153) (0.206) lead5 0.142 0.109 0.0572 (0.304) (0.148) (0.171) lead4 -0.105 0.0957 0.0274 (0.276) (0.151) (0.140) lead3 0.199 0.00305 0.101 (0.300) (0.0760) (0.107) lead2 -0.0165 0.0592 -0.0795 (0.304) (0.0697) (0.120) lag0 0.238* 0.288* 0.0295 (0.128) (0.155) (0.0978) lag1 0.445 -0.000439 -0.0822 (0.331) (0.0822) (0.122) lag2 0.485 0.192 0.0473 (0.435) (0.151) (0.0904) lag3 0.536 0.152 -0.0585 (0.464) (0.121) (0.119) lag4 0.545 0.139 0.0657 (0.494) (0.118) (0.161) lag5 0.430 0.177 0.215 (0.424) (0.156) (0.150) lag6 0.453 0.263* 0.0474 (0.489) (0.147) (0.246) lag7 0.253 0.00589 0.285** (0.680) (0.142) (0.129) lag8 0.440 0.356 0.270* (0.721) (0.209) (0.144) Vakiotermi 33.13 -45.75 16.07 (94.64) (31.42) (48.76) Havainnot 525 525 525 Selitysaste (R2) 0.878 0.934 0.932 Robustit keskivirheet, merkitsevyystaso *** p<0.01, ** p<0.05, * p<0.1