21-016 en PT

RESILIÊNCIA DIGITAL: VIABILIDADE DE TRABALHO EM CASA
AFETA O DESEMPENHO DO FIRMPER
John (Jianqiu) Bai Sebastian Steffen

Universidade do Nordeste Instituto de Massachusetts de
Tecnologia
Erik Brynjolfsson Chi Wan

Universidade de Stanford Universidade de Massachusetts Boston
& NBER
Wang Jin
Iniciativa MIT no Digital
Economia
Março de 2021
Documento de Trabalho No. 21-016

NBER WORKING PAPER SERIES
RESILIÊNCIA DIGITAL:
A VIABILIDADE DO TRABALHO EM CASA AFETA O DESEMPENHO DA EMPRESA
John (Jianqiu) Bai

Erik Brynjolfsson
Wang Jin
Sebastian Steffen
Chi Wan
Working Paper 28588

http://www.nber.org/papers/w28588
BUREAU NACIONAL DE PESQUISA ECONÔMICA

1050 Massachusetts Avenue
Cambridge, MA 02138
Março de 2021
Erik Brynjolfsson obrigado a Stanford Digital Economia Laboratório (https: //

digitaleconomy.stanford.edu/) pelo apoio financeiro para esta pesquisa. As opiniões aqui
expressas são dos autores e não refletem necessariamente as opiniões do National Bureau of
Economic Research.
Os papéis de trabalho do NBER são distribuídos para fins de discussão e comentários. Eles não foram
revisados por pares ou sujeitos à revisão pelo Conselho de Diretores do NBER que acompanha as
publicações oficiais do NBER.
© 2021 por John (Jianqiu) Bai, Erik Brynjolfsson, Wang Jin, Sebastian Steffen e Chi Wan. Todos os direitos
reservados. Seções curtas de texto, com não mais de dois parágrafos, podem ser citadas sem permissão
explícita, desde que todos os créditos, incluindo © aviso, sejam dados à fonte.
Resiliência digital: como a viabilidade do trabalho em casa afeta o desempenho da
empresa John (Jianqiu) Bai, Erik Brynjolfsson, Wang Jin, Sebastian Steffen e Chi Wan
NBER Working Paper No. 28588
Março de 2021
JEL No. D23, J21, L0, L25, O0, O33
ABSTRATO
As tecnologias digitais podem tornar algumas tarefas, empregos e empresas mais resistentes a choques imprevistos. Extraímos dados de mais de 200 milhões de
ofertas de empregos nos EUA para construir um índice de resiliência das empresas à pandemia Covid-19, avaliando a viabilidade do trabalho em casa (WFH) de sua
demanda de trabalho. Usando uma estrutura de diferença em diferenças, descobrimos que as empresas públicas com altos valores de índice WFH pré-pandêmico
tiveram vendas, receitas líquidas e retornos de ações significativamente maiores do que seus pares durante a pandemia. Nossos resultados indicam que as empresas
com maior resiliência digital, conforme medido por meio de nosso índice WFH pré-pandêmico, tiveram um desempenho significativamente melhor em geral, e em
setores não essenciais em particular, onde a viabilidade do WFH era necessária para continuar a operação. A capacidade de usar tecnologias digitais para trabalhar
remotamente também importava mais em setores não de alta tecnologia do que em setores de alta tecnologia. Por último, encontramos evidências de que as
empresas com menor viabilidade pré-pandêmica de WFH tentaram alcançar seus concorrentes mais resilientes por meio de um maior investimento em software. Isso
é consistente com a complementaridade entre as tecnologias digitais e as práticas da WFH. Os resultados do nosso estudo são robustos para uma variedade de
especificações empíricas e fornecem uma primeira visão de como as práticas de WFH melhoraram a resiliência a uma grande e inesperada situação social e econômica
Isso é consistente com a complementaridade entre as tecnologias digitais e as práticas da WFH. Os resultados do nosso estudo são robustos a uma variedade de
Isso é consistente com a complementaridade entre as tecnologias digitais e as práticas da WFH. Os resultados do nosso estudo são robustos para uma variedade de
choque.
John (Jianqiu) Bai Sebastian Steffen

D'Amore-McKim School of Business Instituto de Tecnologia de Massachusetts
Northeastern University ssteffen@mit.edu
j.bai@northeastern.edu
Chi Wan
Erik Brynjolfsson Faculdade de Administração
Laboratório de Economia Digital de Universidade de Massachusetts
Stanford 366 Galvez Street, Sala 238 Boston, MA 02125
Stanford, CA 94305 Estados Unidos
e NBER chi.wan@umb.edu
erik.brynjolfsson@gmail.com
Wang Jin
245 First Street, Sala E94
Iniciativa do MIT na Economia Digital
Cambridge, MA 02142
jwangjin@mit.edu
Resiliência digital: como viabilizar trabalhar em casa
Afeta o desempenho da empresa
De John (Jianqiu) Bai, Erik Brynjolfsson, Wang Jin, Sebastian

Steffen e Chi Wan∗
As tecnologias digitais podem tornar algumas tarefas, empregos e empresas mais

resistentes a choques imprevistos. Extraímos dados de mais de 200 milhões de
ofertas de empregos nos EUA para construir um índice de resiliência das empresas
à pandemia Covid-19, avaliando a viabilidade do trabalho em casa (WFH) de sua
demanda de trabalho. Usando uma estrutura de diferença em diferenças,
descobrimos que as empresas públicas com altos valores de índice WFH pré-
pandêmico tiveram vendas, receitas líquidas e retornos de ações
significativamente maiores do que seus pares durante a pandemia. Nossos
resultados indicam que as empresas com maior resiliência digital, conforme
medido por meio de nosso índice WFH pré-pandêmico, tiveram um desempenho
significativamente melhor em geral, e em setores não essenciais em particular,
onde a viabilidade do WFH era necessária para continuar a operação. A capacidade
de usar tecnologias digitais para trabalhar remotamente também importava mais
em setores não de alta tecnologia do que em setores de alta tecnologia. Por
último, encontramos evidências de que as empresas com menor viabilidade pré-
pandêmica de WFH tentaram alcançar seus concorrentes mais resilientes por meio
de um maior investimento em software. Isso é consistente com a
complementaridade entre as tecnologias digitais e as práticas da WFH. Os
resultados do nosso estudo são robustos a uma variedade de especificações
empíricas e fornecem uma primeira análise de como as práticas da WFH
melhoraram a resiliência a um grande choque social e econômico imprevisto.
Palavras-chave: Resiliência digital, Work-From-Home, IT
Complementarity, Firm Performance, Covid-19
“Estamos descobrindo que podemos reorganizar nossas empresas eletronicamente muito

rapidamente e esse é o único tipo de organização que pode começar a acompanhar as
mudanças nas condições de negócios.”
- Steve Jobs, 1990
Com a proliferação das tecnologias digitais, o trabalho em casa (WFH), às vezes referido
como teletrabalho, teletrabalho ou trabalho remoto, tornou-se cada vez mais complexo
∗ Bai:
D'Amore-McKim School of Business (Northeastern University), Boston, MA 02115,
j.bai@northeastern.edu. Brynjolfsson: Digital Economy Lab (Stanford University), Stanford, CA 94305, e NBER, Cambridge, MA
02138 erikb@stanford.edu. Jin: MIT Sloan School of Management, Cambridge, MA 02142, jwangjin@mit.edu. Ste ff en: MIT
Sloan School of Management, Cambridge, MA
02142, sste ff en@mit.edu. Wan: College of Management (University of Massachusetts Boston) Boston, MA 02125,
chi.wan@umb.edu.
1
2
prática comum e constitui uma dimensão importante no futuro do trabalho.1 Uma pesquisa
recente da Gallup estimou que mais de 43% dos trabalhadores relataram trabalhar
remotamente pelo menos uma vez por semana em 2017, e esse número aumentou
acentuadamente durante abril e maio de 2020 (Erik Brynjolfsson, John J Horton, Adam Ozimek,
Daniel Rock, Garima Sharma e Hong TuYe, 2020) e deverá aumentar significativamente nas
próximas décadas.2 Embora o surto imprevisto de coronavírus destaque a importância da
flexibilidade de trabalho e tenha forçado muitas empresas a mudar para as práticas de WFH
como a nova norma de trabalho, as empresas variaram muito em sua adoção de práticas de
WFH antes do início do surto. Neste artigo, estudamos o impacto da viabilidade do WFH pré-
Covid-19, como uma medida da resiliência das empresas à pandemia da Covid-19, no
desempenho e nos investimentos das empresas.
A pandemia Covid-19, causada pelo vírus SARS-CoV-2, é um surto contínuo. Em
dezembro de 2020, a pandemia havia infectado mais de 66,3 milhões de pessoas e ceifado
mais de 1,52 milhão de vidas em todo o mundo.3 Nos Estados Unidos, a pandemia
resultou em interrupções significativas nas atividades sociais e econômicas, pois os
bloqueios forçaram o fechamento de empresas não essenciais e os indivíduos a ficarem
em casa.4
O número limitado de estudos sobre a adoção do WFH no desempenho da empresa

encontrou um efeito pequeno, mas positivo (Brittany Harker Martin e Rhiannon
MacDonnell, 2012; Nicholas Bloom, James Liang, John Roberts e Zhichun Jenny Ying,
2015) e bem como uma contingência em práticas complementares de RH (Angel Mart
´ı́nez Sánchez, Manuela P´érez P´érez, Pilar de Luis Carnicer e Maria Jos´é Vela Jim´énez,
2007; Angel Mart´ı́nez-Sánchez, Manuela P´érez-P´érez, Mar´ı́a Jos´é Vela-Jim´énez e
Pilar De-Luis-Carnicer, 2008)
Em muitos casos, a implementação das práticas de WFH pode permitir que as empresas
continuem operando durante a pandemia. No entanto, alguns empregos não podem ser
transferidos para trabalhar em casa, tornando algumas empresas menos resilientes e
potencialmente incapazes de operar. Assim, embora virtualmente todas as empresas tenham
sido incentivadas a mudar para as práticas de WFH durante a pandemia, era mais viável para
algumas fazer isso do que para outras. A viabilidade da WFH de contratação pré-pandemia,
portanto, serve como um deslocador exógeno do impacto da pandemia.
Além disso, as ordens de permanência em casa emitidas pelo governo também forçaram muitas
empresas a reduzir as operações básicas e outras a encerrar totalmente as operações. Isso afetou
especialmente os setores não essenciais, levando a perdas substanciais e potencialmente
permanentes de vendas, clientes e lucros. Mesmo onde as empresas podiam continuar suas
operações, o risco da Covid-19 muitas vezes reduzia significativamente a eficiência de funcionários e
operações locais em comparação com os funcionários da WFH. Assim, todo o resto
1Veja o relatório do Censo dos EUA:

https://www.census.gov/library/visualizations/2013/comm/home_
based_workers.html.
2https://www.nytimes.com/2017/02/15/us/remote-workers-work-from-home.html.
3https://coronavirus.jhu.edu/map.html.
4Desde 4 de abril de 2020, a maioria dos estados dos EUA instituiu alguma forma de executivo que fica em casa ou
der. Verhttps://www.nytimes.com/interactive/2020/us/coronavirus-stay-at-home-order.html para

detalhes.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 3
da mesma forma, a viabilidade de mudar os funcionários para as práticas da WFH deveria ter ajudado as
empresas a se tornarem mais resilientes durante a pandemia.
Para testar nossa hipótese, mesclamos o quase universo de ofertas de emprego dos EUA da
Burning Glass Technologies (BGT) com um indicador de viabilidade ocupacional WFH
desenvolvido recentemente por Dingel e Neiman (2020) para construir, pela primeira vez, uma
medida de nível de empresa da porcentagem de sua força de trabalho que tem a opção WFH
- um índice de viabilidade WFH de nível de empresa. Em seguida, estimamos um modelo de
regressão de diferença em diferenças (DID) para examinar se e quanto é a viabilidade de WFH
de uma empresaantes de a pandemia Covid-19 influencia seu desempenho financeiro e do
mercado de ações durante a crise.
Nossa principal descoberta é que as empresas com alta viabilidade pré-pandêmica de WFH e,
portanto, maior resiliência à pandemia, se saíram significativamente melhor - com renda líquida cerca
de 15% mais alta, vendas 4% mais altas e melhor desempenho do mercado de ações (medido pelo
retorno das ações volatilidade) em comparação com empresas com índices WFH pré-pandêmicos
mais baixos. Em contraste, como resposta à pandemia, as empresas com índices WFH pré-Covid-19
mais baixos retiveram uma porcentagem significativamente mais alta de investimento em software, à
medida que tentam recuperar o atraso em TI para facilitar o trabalho remoto e continuar a operação
durante a pandemia.
Também descobrimos que a viabilidade da WFH pré-pandêmica está associada a um melhor
desempenho durante a pandemia para todas as empresas, mas especialmente aquelas em setores
não essenciais. Essas são aquelas cujas operações tinham maior probabilidade de serem afetadas
adversamente pela Covid-19 e as restrições governamentais associadas. Além disso, descobrimos que
as empresas em setores não essenciais com índices WFH pré-pandêmicos mais baixos gastaram uma
parcela significativamente maior em investimentos em TI, enquanto as empresas essenciais, que
foram legalmente orientadas para continuar operando, não o fizeram. Além disso, esses resultados
são mais fortes em setores não de alta tecnologia, uma vez que as empresas de alto WFH nesses
setores tiveram as maiores vantagens relativas sobre seus concorrentes. Por outro lado, nas
indústrias de alta tecnologia, uma porcentagem maior de empresas já era capaz de apoiar o trabalho
remoto, de forma que mesmo as empresas com baixo WFH em indústrias de alta tecnologia não se
saíram muito pior do que seus pares com alto WFH. Nossas descobertas fornecem evidências
adicionais de que as práticas de WFH e tecnologias digitais complementares eram críticas para
continuar a operaçãoRahul De ', Neena Pandey e Abhipsa Pal (2020), especialmente para as empresas
não essenciais que foram forçadas a se ajustar. Esses resultados são robustos para especificações
empíricas que controlam uma série de características e efeitos fixos no nível da empresa.
Nossa suposição de identificação para estimativas causais é que o índice WFH pré-pandêmico
da empresa é ortogonal ao momento da pandemia de Covid-19. Em outras palavras, as
empresas foram incapazes de antecipar a pandemia e de se preparar totalmente para ela,
contratando para mais empregos viáveis na WFH ou alterando preventivamente suas
operações comerciais no curto prazo (Cosmin Ilut, Matthias Kehrig e Martin Schneider,
2018) Acreditamos que esta seja uma suposição razoável, dada a natureza imprevista
da crise de saúde pública, bem como as respostas governamentais e estaduais
atrasadas.
4
Nosso estudo contribui para duas vertentes da literatura. Ao estudar os determinantes da

resiliência das empresas durante a pandemia de Covid-19, nosso artigo se junta a um conjunto
recente de pesquisas que examina os fatores que contribuem para o desempenho diferencial
das empresas durante os episódios de crise.Rui Albuquerque, Yrjo Koskinen, Shuai Yang e
Chendi Zhang (2020) e Karl V Lins, Henri Servaes e Ane Tamayo (2017) descobriram que as
empresas com altas classificações ambientais e sociais tendem a ter um desempenho melhor
durante a pandemia Covid-19 e a crise financeira de 2007-2008, respectivamente. Outros
estudos encontram evidências de que as empresas com acesso à liquidez (Viral V Acharya e
Sascha Ste ff en, 2020), alta liquidez de caixa (Stefano Ramelli e Alexander F Wagner, 2020), ou
um forte balanço (Wenzhi Ding, Ross Levine, Chen Lin e Wensi Xie, 2020) tendem a ter um
desempenho melhor no primeiro trimestre de 2020. Durante as crises, as empresas também
tendem a acelerar a reestruturação de sua produção em direção a tecnologias tendenciosas de
rotina e seus trabalhadores complementares (Brad Hershbein e Lisa B. Kahn, 2018) Nosso
estudo expande a compreensão dos determinantes da resiliência da empresa durante um
período de crise, adotando um enfoque mais voltado para o trabalho. Especificamente, nossa
evidência sugere que arranjos de trabalho flexíveis habilitados digitalmente, como WFH, podem
reduzir significativamente as interrupções operacionais que as empresas experimentam em
tempos difíceis e ajudar com seu ressurgimento após a crise.5
Em segundo lugar, nosso estudo contribui para a literatura recente que estuda a mudança
das normas do local de trabalho para ambientes de trabalho mais flexíveis, como trabalhar em
casa. Em particular,Brynjolfsson et al. (2020) pesquisar uma amostra nacionalmente
representativa da população dos EUA. Seus resultados sugerem que mais de 30 por cento dos
trabalhadores mudaram para o trabalho remoto durante a pandemia e também relatam que a
mudança para WFH pode ser prevista pela incidência de Covid-19. Isso apóia ainda mais nosso
uso da viabilidade do WFH como uma medida de resiliência à pandemia. Ao condicionar os
índices de WFH ex ante das empresas, mitigamos as preocupações de endogeneidade que
podem surgir da heterogeneidade na mudança das empresas para as práticas de WFHno
decorrer a pandemia. Assim, ao investigar como as diferenças na resiliência levam a um
desempenho diferencial durante a pandemia, também fornecemos mais evidências do valor
criado pelas práticas de WFH habilitadas digitalmente.
O restante do artigo procede da seguinte maneira. Seçãoeu desenvolve um

conjunto de hipóteses testáveis. SeçãoII discute os dados e estatísticas de resumo.
Apresentamos nossos resultados empíricos na SeçãoIII e concluir na Seção 4.
5Vários outros documentos que examinam os aspectos trabalhistas durante a crise da Covid-19 incluem o seguinte:
Seth G Benzell, Avinash Collis e Christos Nicolaides (2020) comparam os fechamentos reais de locais comerciais com suas
recomendações sobre o que deve ser fechado primeiro e geram implicações para a sequência ideal de reaberturas quando
os formuladores de políticas revitalizam a economia. Andrew G Atkeson (2020) analisa as consequências econômicas da
pandemia Covid-19 e como elas se correlacionam com várias suposições sobre a proporção entre os grupos suscetíveis -
infectados - e recuperados na população. Eliza Forsythe, Lisa B Kahn, Fabian Lange e David Wiczer (2020) e Olivier Coibion,
Yuriy Gorodnichenko e Michael Weber (2020) estudar as implicações da pandemia Covid-19 no mercado de trabalho.
I. Desenvolvimento de Hipóteses
Uma grande quantidade de literatura anterior explora o efeito da WFH ou práticas de

trabalho remoto nos resultados relacionados ao trabalho no nível individual, incluindo
maior satisfação no trabalho (Timothy D Golden e John F Veiga, 2005; Timothy D Golden,
2006), horas de trabalho prolongadas e maior eficiência de trabalho (Mary Madden e
Sydney Jones, 2008; Bloom et al., 2015), menor estresse do trabalhador (Ravi S Gajendran
e David A Harrison, 2007), e potencialmente menor rotatividade (Phyllis Moen, Erin L Kelly
e Rachelle Hill, 2011; Eleni T Stavrou, 2005) Em contraste, relativamente poucos estudos
enfocam os resultados da empresa e da organização (Bloom et al. 2015; Veja também
Tammy D Allen, Timothy D Golden e Kristen M Shockley (2015) para uma revisão)
possivelmente porque dados em larga escala no nível da empresa sobre a adoção de
práticas de WFH são difíceis de obter. Entre os estudos limitados em nível de empresa, o
efeito do WFH no desempenho da empresa é considerado positivo (Christine Siegwarth
Meyer, Swati Mukerjee e Ann Sestero, 2001), mas a magnitude tende a ser pequena (
Martin e MacDonnell, 2012) e dependente de práticas complementares de gestão de
recursos humanos (S´ánchez et al., 2007; Mart´ı́nez-S´ánchez et al., 2008)
Maior resiliência por meio de WFH durante a pandemia. -Apesar de

as tecnologias digitais que tornam as práticas de WFH conhecidas e implementadas muito antes
de 2020, a pandemia global acelerou drasticamente sua adoção (Brynjolfsson et al., 2020) A
pandemia levou o governo, estados e autoridades locais a impor regras estritas que limitaram a
mobilidade dos funcionários durante março e abril (por meio de ordens de permanência em
casa). Além disso, muitos trabalhadores ficavam em casa voluntariamente para minimizar o
risco de infecção. Em conjunto, as empresas tiveram que aplicar ferramentas digitais de forma
agressiva e se ajustar às práticas de WFH. Isso permitiu que muitas empresas continuassem
operando durante a pandemia. Por exemplo, as ferramentas digitais permitem que os
funcionários das empresas mantenham comunicação contínua com clientes e fornecedores
enquanto trabalham remotamente, garantindo assim uma operação menos interrompida
durante o período de bloqueio. As ferramentas digitais e as práticas de WFH que elas
possibilitaram foram, portanto, componentes essenciais da resiliência da empresa contra a
pandemia. Contudo, a viabilidade do trabalho remoto era mais viável para algumas empresas e
trabalhadores do que para outras. Embora algumas indústrias, como as de fornecimento de
serviços de informação, tenham naturalmente maior viabilidade para as práticas de WFH, ainda
existem diferenças importantes dentro da indústria entre a adoção dessas práticas pelas
empresas. As empresas contam com diferentes métodos de produção, gerenciamento, níveis
de automação ou logística e, portanto, podem ter forças de trabalho que consistem em
ocupações muito diferentes com vários graus de viabilidade WFH.
Indústrias essenciais versus não essenciais. -Embora o acima mencionado

O efeito de melhoria da resiliência do WFH está amplamente disperso pelas indústrias, a
extensão de quanto as empresas se beneficiam da viabilidade do WFH dependerá de como
6
muitas de suas operações foram interrompidas pela pandemia. Por exemplo, os pedidos que
ficam em casa afetaram algumas empresas e setores mais do que outras. Uma maneira natural
de pensar sobre o nível de restrições que a ordem governamental impôs às diferentes
indústrias é através da definição deindústrias essenciais. Se um setor fosse considerado
essencial, como o varejo de alimentos ou o setor de saúde, era permitido continuar operando
localmente durante a pandemia. Assim, as empresas nesses setores têm menos probabilidade
de depender da viabilidade do WFH de seus funcionários. Em contraste, muitas empresas em
indústrias não essenciais foram forçados a interromper ou modificar sua operação devido ao
risco de Covid-19. Portanto, a viabilidade das empresas de ter seus trabalhadores trabalhando
remotamente torna-se crucial nessas indústrias. A resiliência digital, medida pela capacidade de
trabalhar remotamente, provavelmente será um determinante maior do sucesso ou mesmo da
sobrevivência durante a pandemia em setores não essenciais do que em setores essenciais.
WFH e investimento complementar em TI. -As tecnologias digitais criam o

potencial para maior resiliência nos arranjos de trabalho das empresas. Já na década de 1980,
Mancur Olson (1982) destacaram que a perspectiva do trabalho à distância se originou do
avanço das tecnologias da informação e comunicação (TIC). O desenvolvimento adicional em
armazenamento, comunicação e outras tecnologias transformacionais em TI desencadeou o
poder de armazenamento, transmissão e compartilhamento de conhecimento e informações ao
longo do tempo e do espaço, facilitou a coordenação entre trabalhadores geograficamente
dispersos e práticas de trabalho significativamente transformadas (Paul M Leonardi e Diane E
Bailey, 2008) Com a ascensão da economia digital (Erik Brynjolfsson e Andrew McAfee, 2014),
uma porcentagem significativamente maior de empregos tornou-se adequada para WFH ou
trabalho remoto (Joseph Migga Kizza, 2017) Enquanto isso, o investimento complementar em
TIC tanto em infraestrutura quanto em software (por exemplo, internet de alta velocidade e
Zoom) estava aumentando, apesar da queda drástica do custo unitário, corroborado com o
argumento de que a TI permite WFH. Essa evidência foi encontrada em ambos os estudos de
caso (Michael Collins, 2005) e pesquisa em grande escala (Gerald S Oettinger, 2011) Como uma
pandemia, forçou as empresas a adotar o WFH (Brynjolfsson et al., 2020), os retardatários (as
empresas com baixa viabilidade de WFH pré-pandêmica) podem sofrer de falta de
infraestrutura de TIC adequada e / ou software para apoiar tal mudança na operação e,
portanto, são propensos a (manter ou aumentar) o investimento em TIC durante a pandemia .
II. Construção variável e estatísticas resumidas
A. Dados
Índice WFH. -Para construir um índice WFH de nível de empresa, procedemos em várias etapas:
Primeiro, obtemos dados detalhados de anúncios de empregos da Burning Glass Technologies
(BGT) - uma fonte de dados de alta qualidade com cobertura abrangente de empregos
postando portais começando em 2010 e com popularidade crescente nas pesquisas

econômicas recentes (Hershbein e Kahn, 2018; David Deming e Lisa B Kahn,
2018; José Azar, Ioana Marinescu, Marshall Steinbaum e Bledi Taska, 2020;
Subhro Das, Sebastian Ste ff en, Wyatt Clarke, Prabhat Reddy, Erik Brynjolfsson e Martin
Fleming, 2020; Daron Acemoglu, David Autor, Jonathon Hazell e Pascual Restrepo, 2020)6 O
BGT anota cada anúncio de emprego com um título ocupacional (código SOC de 6 dígitos),
código da indústria, informações do empregador, data de anúncio de emprego e muito
mais. Agregamos esses dados ao nível do empregador-SOC (6 dígitos) para obter uma
medida de quantas ofertas de emprego o empregador publica em cada mês, trimestre e
ano para cada ocupação do SOC.
Em segundo lugar, mesclamos esses dados com os dados de viabilidade WFH de
Jonathan Dingel e Brent Neiman (2020) Eles fornecem um índice binário no nível de código
da Rede de Informação Ocupacional (O * NET) de 8 dígitos,7 bem como um índice
agregado contínuo no nível da Classificação Ocupacional Padrão (SOC) de 6 dígitos, que
leva em consideração as participações no emprego.8
Por fim, calculamos a média ponderada dos índices WFH ocupacionais de cada empresa,
ponderados pelo número de vagas de emprego para cada ocupação. Esse procedimento
nos permite construir, para cada empresa, o percentual de sua demanda de mão de obra
que tem viabilidade de WFH. O ideal seria que essa medida fosse construída para todos os
funcionários existentes, o que capturaria a prevalência real da viabilidade do WFH dentro
de uma organização. Como esses dados não estão disponíveis, escolhemos a melhor
alternativa seguinte e usamos o valor médio do índice WFH trimestral de cada empresa no
período de 2010-2019.
Notavelmente, nossa medida é uma medida de demanda prospectiva e não observamos se
as empresas conseguem preencher essas posições. Em princípio, isso poderia enviesar nossos
resultados se os empregadores (candidatos a emprego) pudessem antecipar a pandemia e
ajustar as postagens de empregos (ofertas) e contratar (aceitar) para ocupações com maior
viabilidade de WFH. No entanto, devido à natureza imprevista da pandemia, isso parece
altamente improvável. Na verdade, embora tenhamos observado mudanças significativas nos
índices médios trimestrais de WFH durante a pandemia (em relação aos índices médios no
primeiro trimestre de 2019), existemnão diferenças significativas entre os trimestres anteriores
à pandemia em 2019, independentemente de as empresas terem índices de WFH pré-
pandêmicos altos ou baixos, como pode ser visto na Figura 1.
Uma preocupação mais séria pode ser que não observamos o grande número de
6O BGT oferece cobertura parcial para 2007, mas não oferece cobertura de ofertas de emprego em 2008 ou 2009.
Portanto, usamos os dados do BGT a partir de 2010.
7O * Net é um banco de dados online gratuito que contém centenas de definições ocupacionais para ajudar estudantes, candidatos
a emprego, empresas e profissionais de desenvolvimento de força de trabalho a compreender o mundo atual do trabalho nos Estados
Unidos. Ele foi desenvolvido sob o patrocínio do Departamento de Trabalho / Administração de Emprego e Treinamento dos Estados
Unidos (USDOL / ETA) por meio de uma concessão à Comissão de Segurança de Emprego da Carolina do Norte (agora parte do
Departamento de Comércio da Carolina do Norte) durante os anos 1990.
8Tecnicamente, sua medida está no nível híbrido SOC de 6 dígitos definido pelo Bureau of Labor Statistics para a
Pesquisa de Emprego Ocupacional (OES). O BLS implementou essa taxonomia ligeiramente alterada como uma solução
provisória entre a mudança do sistema SOC de 2010 para o sistema SOC de 2018, que será totalmente usado para o 2020
OES. Os dados do BGT usam o sistema SOC de 6 dígitos de 2010, para o qual uma faixa de pedestres para o sistema híbrido
de 6 dígitos está prontamente disponível no site do BLS:https://www.bls.gov/oes/soc_2018.htm.
8
leigos e licenças durante a pandemia. Novamente, para nossa questão principal na qual
estamos interessados no efeito da viabilidade de WFH pré-pandêmica (resiliência da empresa),
isso não é uma preocupação.9 Portanto, nas seções subsequentes, alto índice WFH sempre se
refere a um alto pré-pandemia Índice WFH, a menos que especificado de outra forma.
Fundamentos de contabilidade e dados de retorno de estoque. -Obtemos trimestralmente

informações contábeis do 1º trimestre de 2019 ao 3º trimestre de 2020 da Compustat e dados
de retorno de ações do Centro de Pesquisa em Preços de Segurança (CRSP). Esses dados nos
fornecem os principais resultados e variáveis explicativas, incluindo vendas, receita líquida,
despesas de capital, retornos de ações e ativos totais.
Mesclando dados da Compustat and Burning Glass Technologies. -Desde a

O Compustat e o BGT não compartilham um identificador de empresa comum, adotamos uma abordagem
de várias etapas para mesclar os dois bancos de dados. Especificamente, usamos uma combinação de
correspondência difusa de nome e endereço para construir uma ponte entre os dados Compustat e BGT.
Usamos vários métodos, incluindo a distância Soundex e Levenshtein para garantir a qualidade da
correspondência.
Em alguns casos, o nome de um empregador nos dados BGT é uma subsidiária de uma
empresa Compustat, mas seu nome é diferente de seu pai, portanto, o algoritmo existente não
pode reconhecer sua conexão. Para resolver este problema, seguimosM. Campello, J. Gao e Q.
Xu (2019) e associar os empregadores restantes às subsidiárias das empresas Compustat
usando informações extraídas dos dados históricos da Orbis fornecidos pelo Bureau van Dijk
(BvD). Orbis traça a evolução da estrutura organizacional das empresas ao longo do tempo,
mantendo a correspondência matriz-subsidiária. Essas informações históricas são robustas
para abertura, fechamento e mudanças de propriedade de subsidiárias, o que é crucial para
uma correspondência precisa.10 Verificamos manualmente os links identificados para garantir a
precisão de nossa correspondência.
B. Estatísticas Resumidas
Seguindo o procedimento na seção II.A, podemos combinar mais de 3.800 empresas

exclusivas na Compustat. Para casos em que uma empresa Compustat tem vários sub
9No entanto, isso é importante para estudar como as empresas ajustam dinamicamente suas contratações durante a
pandemia. As empresas com índices de WFH pré-pandêmicos baixos, particularmente em setores não essenciais,
provavelmente sofreram pressão mais forte para demitir trabalhadores em ocupações que não eram viáveis para WFH ou
contratar mais trabalhadores em ocupações que permitiam o trabalho remoto continuar a operar. Muitas empresas foram
forçadas a alterar totalmente suas operações comerciais no sentido de uma maior viabilidade de trabalho em casa, como
pode ser visto em escolas ou consultoria de gestão. Como não observamos o número de layo ff s ou reduções em horas,
nosso índice WFH durante a pandemia é um sinal ruidoso de resiliência. Um declínio no índice WFH de uma empresa durante
a pandemia pode até ser um sinal de recuperação, pois a empresa começa a recontratar trabalhadores anteriormente
demitidos em ocupações não pertencentes ao WFH. De fato, observamos essas tendências e analisamos posteriormente a
dinâmica de recuperação em um estudo paralelo. Apesar da potencial endogeneidade dos índices WFHdurante a pandemia, a
pré-pandemia Os índices WFH ainda são uma mudança exógena do desempenho da pandemia das empresas, porque a
pandemia foi imprevista e uma mudança significativa na viabilidade do WFH para grandes empresas públicas por meio de
contratação é altamente improvável a curto prazo (Ilut, Kehrig e Schneider, 2018)
10Recomendamos leitores interessados a Campello, Gao e Xu (2019) para uma descrição mais detalhada deste
parte do exercício de correspondência.

subsidiárias, nosso índice WFH em nível de empresa usa uma média ponderada de todos
os índices WFH de todas as subsidiárias, onde o peso é o número de vagas de cada
subsidiária. Após o processo de limpeza,11 nossa amostra analítica final inclui 9.550
observações correspondentes a 2.176 empresas públicas exclusivas. O índice WFH médio
por setores com base nas empresas em nossa amostra é apresentado na Figura2.
Informação, finanças, educação e serviços profissionais estão entre os setores com os
índices WFH mais altos, enquanto os setores de varejo, saúde e alojamento têm os índices
WFH médios mais baixos para 2019 e 2020, consistente com a presunção geral. Mesa1
Painel UMA mostra que o valor médio do índice WFH é 0,575 com um desvio padrão de
0,286, o que indica uma quantidade considerável de variação na seção transversal. PainelB
além disso, divide as variáveis-chave em períodos pré e pós-Covid-19 e contrasta seus
valores entre subamostras de empresas no índice WFH pré-Covid-19 do primeiro trimestre
(HighWFH = 1) e o resto (HighWFH = 0). Observamos um impacto diferencial da Covid-19
em empresas de alto e baixo WFH. Por exemplo, enquanto os dois grupos de empresas
têm retornos de ações trimestrais médios semelhantes antes da pandemia (7,0% vs. 6,9%),
as empresas de alto WFH experimentam um retorno cumulativo relativamente maior
durante o período após a eclosão da doença do que baixo Empresas WFH (4,3% vs. -1,5%).
Da mesma forma, enquanto a receita líquida média de empresas com alto WFH aumentou
modestamente de $ 281,7 milhões em 2019 para $ 316,8 milhões em 2020, a medida para
empresas com baixo WFH aumentou apenas de $ 199,3 milhões para
$212,5 milhões no mesmo período. Isso indica um crescimento significativamente maior da
receita líquida (12,5% vs. 6,6%) entre as empresas com alto índice de renda e o resto das
empresas durante o mesmo período. Embora grandes em magnitude, essas diferenças nas
médias podem ser impulsionadas pela distribuição dos índices de WFH dentro e / ou entre a
indústria e, portanto, exigem análises multivariadas, às quais nos voltamos no
próxima seção.
III. Metodologia Empírica e Resultados
A. Metodologia Empírica
Para testar nossa hipótese, empregamos um projeto de pesquisa de diferença em diferenças

(DID). Especificamente, estimamos a seguinte regressão de efeitos fixos multivariados:
(1) Yit = β (HighWFHeu ×Covid-19t) + γXisto-1 + υi + τt + εisto
onde subscrito eu e t índice de firma e tempo (isto é, trimestre), respectivamente.12 Yisto

especifica as variáveis de resultado no nível da empresa, tanto para finanças quanto para o mercado de ações por
formance. Em particular, examinamos vendas, lucro líquido, investimento de capital total,
11Exigimos que todas as observações tenham informações que não faltam para variáveis-chave para nosso exercício empírico e,
portanto, tenham menos empresas exclusivas em nossa amostra analítica do que na amostra combinada.
12Em particular, ao incluir os efeitos da empresa e fixos no tempo, já controlamos para empresas individuais '
indicadores para pertencer ao quartil superior WFH (HighWFHeu) bem como para os indicadores de períodos de tempo
durante a pandemia (Covidt).
10
investimento de capital em software, retorno de ações e volatilidade de retorno. HighWFHeu é

uma variável indicadora, que assume o valor de um se fi rm euíndice WFH médio de
calculado com base em seus dados de anúncio de emprego anual durante o período pré-
Covid-19 (2010-2019) cai no quartil superior da distribuição da amostra e zero outro
erwise. Covid - 19t é uma variável indicadora definida igual a um para 2020 Q1-Q3 e
zero caso contrário. O parâmetro de interesse éβ, que captura o
impacto diferencial da Covid-19 em empresas com altos índices de WFH em comparação ao resto das empresas
(com índices WFH pré-pandêmicos mais baixos). X é um conjunto de controles em nível de empresa que variam no
tempo, incluindo o tamanho da empresa (ativo total), liquidez, índice de alavancagem, P&D em
indicador, e o indicador de pagamento de dividendos. υeu especifica efeitos fi rmados, que
controles para características invariáveis no nível da empresa. τt especifica os efeitos fixos
no tempo. Observe que a inclusão de efeitos fixos no tempo e efeitos fixos no tempo
absorve o efeito principal de HighWFH e Covid19. Ao longo de nossas análises
empíricas, erros padrão robustos são agrupados no nível da empresa.13
B. Resultados empíricos
Nesta seção, apresentamos os resultados da regressão sobre o impacto do WFH pré-Covid-19 no

desempenho da empresa durante os três primeiros trimestres de 2020. Focamos nossa atenção
principalmente nos resultados financeiros e do mercado de ações das empresas.
Desempenho financeiro. -Primeiro investigamos se o WFH impulsiona um melhor desempenho

financeiro durante os primeiros três trimestres de 2020 (Tabela 2) Depois de controlar o tempo
e os efeitos fixos da empresa, bem como as características variáveis no nível da empresa,
como tamanho da empresa, liquidez, índice de alavancagem e P&D, as empresas que tinham
altos índices WFH antes da pandemia Covid-19 ganharam 15,5% a mais líquido renda e vendas
3,8% mais altas em relação aos seus pares de baixo WFH (Colunas 1 e
2, respectivamente) durante a pandemia - ambos os coeficientes são significativos ao nível de 1%.
Curiosamente, essas empresas também retiveram um nível mais alto de investimento de capital
geral, mas alocaram uma parcela menor para o investimento de capital em software. A descoberta de
que as empresas com alto WFH tinham uma taxa de investimento de capital em software menor do
que seus pares com baixo WFH durante a pandemia mostra que os investimentos em TI são
complementares às práticas de WFH. As empresas com índices WFH pré-Covid-19 mais baixos tiveram
que reter o investimento em TI, bem como mudar a contratação para empregos mais viáveis WFH
para continuar suas operações, enquanto empresas com índices WFH pré-Covid-19 altos já tinham
esses elementos muito valiosos em lugar antes da pandemia sem precedentes.14
13Em uma especificação alternativa, aumentamos o efeito fixado no tempo com efeitos fixados no estado trimestral, que é
motivado pelas descobertas recentes em Brynjolfsson et al. (2020) que a mudança induzida por Covid-19 para WFH está
altamente correlacionada com a incidência da pandemia em cada estado. Nossos resultados de linha de base são totalmente
retidos após o controle das interações de efeitos fixos de tempo e estado (com base na sede da empresa).
14Observe que há uma porcentagem significativa de empresas que relataram falta de investimento de capital em software
na Compustat. Nós os tratamos como zeros na análise principal. No entanto, nossos resultados são robustos
Desempenho do mercado de ações. -Usando uma estrutura de regressão semelhante,

examinamos se o desempenho das empresas no mercado de ações durante a pandemia
de Covid-19 está correlacionado com sua viabilidade ex ante de WFH. Em março de 2020, a
pandemia Covid-19 e a guerra do preço do petróleo entre a Rússia e a Organização dos
Países Exportadores de Petróleo (OPEP) resultaram na quebra do mercado de ações mais
significativa da última década. Em particular, entre 12 de fevereiro de 2020 e 23 de março,
2020, todos os três principais índices de ações (ou seja, o Dow Jones Industrial Average, o
NASDAQ Composite e o S&P 500 Index) experimentaram quedas superiores a 20%. Desde que
atingiram o nível mais baixo em março de 2020, todos os três índices de ações não apenas se
recuperaram, mas atingiram novos patamares em novembro de 2020. Isso se deve a uma
variedade de razões que vão desde as expectativas de uma vacina eficaz, injeções de liquidez
sem precedentes pelo Federal Reserve, a pacotes de estímulo históricos aprovados pelo
Congresso. Em um nível micro, as empresas que eram bem conhecidas por terem alta
viabilidade de WFH (por exemplo, principalmente empresas no setor de informação) ou que se
especializavam em tecnologias complementares de WFH (por exemplo, Zoom e DocuSign)
superaram significativamente as empresas tradicionais.
Examinamos especificamente a viabilidade de WFH em nível de empresa em variáveis de
resultado, como retornos de ações e volatilidade, e relatamos os resultados na Tabela 3. Descobrimos
que, em comparação com empresas de baixo WFH, as empresas com altos níveis de WFH antes do
desligamento induzido pela Covid19 tinham retornos significativamente maiores e retornos anormais
e, enquanto isso, menor volatilidade e volatilidade idiossincrática.15 Concretamente, nossas
estimativas na Coluna 2 da Tabela 3 sugerem que, ceteris paribus, empresas no quartil superior de
WFH pré-pandêmica (ou seja, HighWFH = 1) obteve um retorno anormal 4,3% maior do que outras
empresas durante a pandemia. Esses resultados juntos sugerem que altos valores de WFH pré-
pandêmico, como um proxy da resiliência das empresas à pandemia, fizeram com que as empresas
tivessem um desempenho significativamente melhor.
Testes de robustez. -Conduzimos várias verificações de robustez para abordar questões adicionais
e obter resultados semelhantes aos das principais conclusões. Primeiro, examinamos o efeito
da viabilidade do WFH antes da pandemia de Covid-19 para explorar a existência de pré-
tendências. Ou seja, o efeito de desempenho identificado do alto WHF pré-Covid-19 só deve ser
evidente no primeiro trimestre de 2020 e não nos trimestres anteriores à pandemia (como
meramente uma continuação de uma potencial pré-tendência). Para abordar essa preocupação,
examinamos o tempo dos efeitos do tratamento e relatamos nossos resultados na FiguraB1
Painéis UMA e B. As especificações refletem nossos modelos de linha de base. A única
modificação é que exploramos as diferenças entre as empresas com índices WFH pré-Covid-19
altos e baixos por trimestre. Esses números mostram que as empresas com altos índices WFH
pré-Covid-19 tinham índices semelhantes ou
e consistente usando apenas empresas com histórico de relatórios de seu investimento de capital em software. Os resultados estão
disponíveis mediante solicitação.
15A volatilidade do retorno e a volatilidade idiossincrática são calculadas como o desvio padrão dos retornos diários em
um trimestre e os resíduos obtidos a partir do ajuste de um CAPM usando retornos diários em um trimestre. Nossa
construção de volatilidade idiossincrática está em linha comAndrew Ang, Robert J Hodrick, Yuhang Xing e Xiaoyan Zhang (
2006) Mesa1 Painel UMA detalha as definições de variáveis.
12
desempenho um pouco pior antes da pandemia, com um ponto de inflexão acentuado entre o quarto
trimestre de 2019 e o primeiro trimestre de 2020, que coincide com o momento da pandemia e,
portanto, confirma a inexistência de pré-tendências.
Em segundo lugar, nossa estratégia de identificação explora o fato de que a pandemia não foi
prevista e que algumas empresas passaram a ser mais resilientes do que suas congêneres devido à
contratação anterior à Covid. Ainda existe a possibilidade de que as diferenças de desempenho
durante a pandemia sejam impulsionadas por outras características não observadas no nível da
empresa que nossa medida de resiliência não captura. Assim, realizamos a correspondência do
escore de propensão e a correspondência exata aproximada para construir amostras que consistem
em empresas semelhantes (usando observáveis pré-pandêmicos) com índices de WFH altos e baixos.
Mais especificamente, combinamos as empresas usando o retorno sobre o ativo e o tamanho antes
da pandemia em setores de nível NAICS de 2 dígitos com base em cada variável de resultado.16
Dentro dessa subamostra combinada, encontramos resultados consistentes e robustos que são
semelhantes às nossas principais conclusões.17
Por último, consideramos um proxy WFH alternativo (índice WFH) usando um índice
WFH contínuo em vez de um indicador como nossa variável explicativa principal. Também
testamos uma especificação alternativa que aumenta o efeito fixo no tempo com os
efeitos fixos estaduais no ApêndiceE.
Em todos os testes de robustez mencionados acima, descobrimos que nossos resultados de linha de base são
totalmente mantidos. Esses resultados podem ser encontrados no apêndice.
C. Heterogeneidade da indústria
Até agora, relatamos os efeitos médios da alta viabilidade de WFH no desempenho da

empresa usando toda a amostra analítica. Nesta seção, exploramos grupos específicos de
setores com mais detalhes.
Indústrias essenciais versus não essenciais. -Na tabela A1, nós quebramos
nossa amostra e examinar separadamente o impacto do WFH em indústrias essenciais e não
essenciais com base em códigos NAICS de 4 dígitos como em Dimitris Papanikolaou e Lawrence
DW Schmidt (2020)).18 Descobrimos que as empresas de alto WFH em setores não essenciais
tiveram vendas e receitas líquidas 18,3% e 5,9% maiores, respectivamente, do que seus pares
com índices WFH pré-Covid-19 mais baixos. Em contraste, para empresas em setores essenciais,
essas diferenças são geralmente menores e às vezes barulhentas. Enquanto isso, encontramos
diferenças mais evidentes nos resultados do desempenho do mercado de ações entre os
setores essenciais e não essenciais. Embora as empresas de alto WFH nas indústrias não
essenciais pareçam desfrutar de retornos significativamente maiores e menores
16Nós combinamos os grupos de tratamento e controle por meio de correspondência do escore de propensão usando o
método do vizinho mais próximo, impondo suporte comum com 3 vizinhos e calibre 0,001.
17Para descartar a possibilidade de que nossos índices WFH estejam captando efeitos aleatórios, também realizamos um
teste placebo construindo um índice alternativo usando a classificação das empresas pelo nome das empresas em ordem
alfabética. Os resultados são relatados no ApêndiceG.
18Para obter mais detalhes sobre a definição das indústrias essenciais e não essenciais (no nível NAICS de 4 dígitos),
consulte Papanikolaou e Schmidt (2020)

volatilidade do que seus pares, o efeito da alta viabilidade de WFH é mais moderado em setores
essenciais. Isso é consistente com o argumento de que a adequação de WFH pré-pandêmica em
setores não essenciais desempenhou um papel crucial para a resiliência das empresas e sua
capacidade de continuar efetivamente suas operações. Além disso, nossos resultados indicam
que as diferenças significativas em investimentos de capital em software carregam
principalmente em empresas em setores não essenciais, onde a continuação da operação
depende mais fortemente de tais investimentos. Essa descoberta corrobora ainda mais a noção
de complementaridade entre as práticas de trabalho em casa e a TI.19
Alta tecnologia vs. não alta tecnologia. -Nós seguimos Ryan A Decker, John Haltiwanger, Ron S
Jarmin e Javier Miranda (2017) para separar nossa amostra em indústrias de alta e não alta
tecnologia e reestimar nossas principais regressões separadamente nessas subamostras.20 A
sabedoria convencional sugere que as empresas em indústrias de alta tecnologia são mais
capazes de adotar WFH devido à natureza de seu trabalho, enquanto as empresas em outras
indústrias geralmente não têm essa flexibilidade. Os resultados deste exercício são
apresentados na TabelaA2. PainéisUMA e B da mesa A2 apresentam os resultados de
desempenho financeiro para as indústrias de alta e não alta tecnologia, respectivamente. No
geral, descobrimos que nossos resultados são consistentemente menores e principalmente
insignificantes nas indústrias de alta tecnologia, mas são mais pronunciados nas indústrias de
não alta tecnologia. PainéisC e D exibem um padrão semelhante para o desempenho das
empresas no mercado de ações. Embora esses resultados possam parecer um tanto
surpreendentes à primeira vista, eles são consistentes com a noção em (Erik Brynjolfsson e Paul
Milgrom, 2012): uma vez que as práticas WFH são adotadas, o que é provavelmente o caso na
indústria de alta tecnologia,21 Melhorar ainda mais a adoção do WFH pode não ser viável ou
pode não gerar vantagens comparativas adicionais no desempenho da empresa.
Embora tenhamos encontrado alguma variação na indústria nos efeitos do índice WFH pré-
Covid-19 sobre a resiliência da empresa durante a pandemia, observamos que nossa amostra é
composta por grandes empresas públicas que provavelmente operam em várias indústrias
simultaneamente, o que poderia levar à medição erros, especialmente quando as empresas são
divididas de maneira relativamente uniforme entre vários setores.
4. Conclusão
As ferramentas digitais e a capacidade da força de trabalho para trabalhar em casa têm o potencial
de permitir que as empresas mantenham o valor da empresa, apesar dos desafios da Covid
19Exploramos ainda os efeitos heterogêneos do WFH na resiliência da empresa durante a pandemia Covid-19, dividindo
nossa amostra por setores. Usando a especificação de linha de base semelhante às das tabelas2 e 3, estimamos os efeitos
marginais do termo de interação entre o indicador WFH alto e o indicador de pandemia e os plotamos no Apêndice F Figura
F1. Descobrimos que o efeito identificado do WFH afeta principalmente os setores de manufatura, finanças, seguros, imóveis
e serviços. As definições dos setores são relatadas no ApêndiceH1.
20A indústria de alta tecnologia é definida como em Decker et al. (2017) e podem ser encontrados na Tabela do Apêndice H2.
21A média e mediana dos índices WFH para indústrias de alta tecnologia são 0,71 e 0,78, respectivamente, com um erro
padrão de 0,25, enquanto a média e mediana dos índices WFH para outras indústrias são 0,55 e 0,56 com um erro padrão
maior de 0,29.
14
19 pandemia. As empresas com maiores oportunidades de WFH podem oferecer mais

segurança para seus funcionários e, assim, aumentar a resiliência das operações da empresa.
No entanto, as evidências em larga escala sobre a eficácia real das práticas de WFH são
escassas.
Neste artigo, exploramos o quase universo de ofertas de empregos nos EUA do banco de dados
BGT para construir um novo índice WFH em nível de empresa para nos dar uma visão sobre a
resiliência que esse recurso cria. Descobrimos que as empresas com altos valores de índice WFH pré-
pandêmico antes da crise imprevista tiveram um desempenho significativamente melhor durante a
crise em comparação com seus pares em várias dimensões, que vão desde o desempenho financeiro,
como vendas e lucro líquido, até retornos de ações e volatilidade de retorno. A magnitude e a
significância de nossos resultados são robustas a uma série de verificações de robustez, incluindo
testes para pré-tendências, pontuação de propensão e correspondências exatas grosseiras, medidas
contínuas e fictícias do índice WFH e a inclusão de efeitos estaduais e trimestrais. Além disso,
encontramos evidências de que as indústrias não essenciais, que eram mais vulneráveis às
restrições impostas pelo governo sobre os arranjos de trabalho tradicionais, se beneficiaram
significativamente mais em comparação com os setores essenciais. As indústrias não de alta
tecnologia também se beneficiaram mais da alta viabilidade do WFH pré-Covid-19 em comparação
com as indústrias de alta tecnologia durante a pandemia. Nosso estudo fornece algumas das
primeiras evidências sobre como as práticas de WFH ajudaram as empresas a lidar com os principais
choques sociais e econômicos adversos e quanti fi ca a magnitude e a importância de tais efeitos
dentro e entre os setores.
Nossos resultados indicam que a pandemia aumentou ainda mais a desigualdade
dentro da indústria. Isso ocorre porque as empresas maiores (incluindo "superstars
digitais") tendem a ser mais intensivas em TI (por exemplo, Amazon, Microsoft, Apple,
IBM, Google e Facebook, para citar alguns) e são mais propensas a estar em alta pré-
pandemia Grupo WFH. Portanto, eles sofreram significativamente menos do que as
empresas menores. Portanto, parece provável que a pandemia exacerbou ainda mais
a crescente questão da concentração de mercado. Uma investigação mais
aprofundada sobre os mecanismos exatos pelos quais as práticas de WFH estão
vinculadas ao desempenho é uma área frutífera para pesquisas futuras. Uma
compreensão profunda dessas questões subjacentes é particularmente valiosa para
garantir uma adoção e transição mais eficiente e tranquila para a WFH, à medida que
empregadores e funcionários abraçam a nova realidade após a crise.
REFERÊNCIAS
Acemoglu, Daron, David Autor, Jonathon Hazell e Pascual Re-

strepo. 2020. “AI e empregos: evidências de vagas online.” Série de documentos de
trabalho do National Bureau of Economic Research, No. 28257.
Acharya, Viral V e Sascha Ste ff en. 2020. “O risco de ser um anjo caído e a tendência
corporativa para o dinheiro no meio da COVID.” A revisão
de Estudos de Finanças Corporativas, 9 (3): 430–471.
Albuquerque, Rui, Yrjo Koskinen, Shuai Yang e Chendi Zhang.

2020. “Resiliência de Estoques Ambientais e Sociais: Uma Análise da Queda de
Mercado Exógena do COVID-19.” The Review of Corporate Finance Studies,
9 (3): 593–621.
Allen, Tammy D, Timothy D Golden e Kristen M Shockley. 2015. “How E ff ective Is

Telecommuting? Avaliando o status de nossas descobertas científicas. ”Ciência
psicológica no interesse público, 16 (2): 40–68.
Ang, Andrew, Robert J Hodrick, Yuhang Xing e Xiaoyan Zhang.

2006. “The Cross-Section of Volatility and Expected Returns.” The Journal of Finance,
61 (1): 259–299.
Atkeson, Andrew G. 2020. “Qual será o impacto econômico da COVID-19 nos EUA?
Estimativas aproximadas de cenários de doenças. ”Relatórios do Departamento de
Pesquisa (Federal Reserve Bank of Minneapolis), 1–25.
Autor, David, David Dorn, Lawrence F Katz, Christina Patterson,

e John Van Reenen. 2020. “The Fall of the Labour Share and the Rise of Superstar
Firms.” The Quarterly Journal of Economics, 135 (2): 645–709.
Azar, José é, Ioana Marinescu, Marshall Steinbaum e Bledi Taska.

2020. “Concentration in US labour markets: Evidence from online vacancy data.”
Economia do Trabalho, 66
Benzell, Seth G, Avinash Collis e Christos Nicolaides. 2020. “Racionando o contato

social durante a pandemia COVID-19: Risco de transmissão e benefícios sociais de
localizações nos Estados Unidos.” Proceedings of the National Academy of Sciences,
117 (26): 14642 LP - 14644.
Bloom, Nicholas, James Liang, John Roberts e Zhichun Jenny Ying.

2015. “O trabalho em casa funciona? Evidência de um experimento chinês *. ”
Quarterly Journal of Economics, 130 (1): 165–218.
Brynjolfsson, Erik e Andrew McAfee. 2014. A segunda era da máquina:

Trabalho, progresso e prosperidade em uma época de tecnologias brilhantes. WW Norton &
Company.
Brynjolfsson, Erik e Paul Milgrom. 2012. “Complementaridade nas Organizações.”

DentroThe Handbook of Organizational Economics. ,ed. ROBERT GIBBONS e JOHN
ROBERTS, 11–55. Princeton University Press.
Brynjolfsson, Erik, John J Horton, Adam Ozimek, Daniel Rock,

Garima Sharma e Hong TuYe. 2020. “Covid-19 and Remote Work: an Early Look At
Us Data.” Documento de trabalho do NBER, (220 de junho): 1–30.
16
Campello, M., J. Gao e Q. Xu. 2019. “Impostos de renda pessoal e redução das qualificações
trabalhistas: evidências de 27 milhões de publicações de empregos”. Artigo de Pesquisa da
Escola de Negócios Kelley.
Coibion, Olivier, Yuriy Gorodnichenko e Michael Weber. 2020. “Labour Markets during
the COVID-19 Crisis: A Preliminary View.” Documento de Trabalho NBER 27017.
Collins, Michael. 2005. “O caso (não tão simples) do teletrabalho: um estudo no

Lloyd's de Londres.” Nova Tecnologia, Trabalho e Emprego, 20 (2): 115-132.
Das, Subhro, Sebastian Ste ff en, Wyatt Clarke, Prabhat Reddy, Erik
Brynjolfsson e Martin Fleming. 2020. “Aprendendo Tarefas Ocupacionais - Dinâmicas de
Compartilhamento para o Futuro do Trabalho.” AIES '20, 36–42. Nova York, NY, EUA:
Association for Computing Machinery.
Decker, Ryan A, John Haltiwanger, Ron S Jarmin e Javier Miranda.

2017. “Declining Dynamism, Allocative E ffi ciency, and the Productivity Slowdown.”
American Economic Review, 107 (5): 322–326.
Deming, David e Lisa B Kahn. 2018. “Requisitos de habilidades entre empresas e mercados
de trabalho: evidências de ofertas de emprego para profissionais”. Journal of Labor
Economics, 36 (S1): S337 – S369.
De ', Rahul, Neena Pandey e Abhipsa Pal. 2020. “Impact of digital surge during
Covid-19 pandemic: A viewpoint on research and practice.” International Journal of
Information Management, 55 (Impacto da Pandemia de COVID-19 na Pesquisa e
Prática de Gerenciamento da Informação: Perspectivas Editoriais).
Dingel, Jonathan e Brent Neiman. 2020. “Quantos trabalhos podem ser realizados em
casa?” Documento técnico do Becker Friedman Institute,, (Março): 16–24.
Ding, Wenzhi, Ross Levine, Chen Lin e Wensi Xie. 2020. “Corporate Immunity to the
COVID-19 Pandemic.” Escritório Nacional de Pesquisa Econômica.
Forsythe, Eliza, Lisa B Kahn, Fabian Lange e David Wiczer. 2020. “Demanda de trabalho no
tempo de COVID-19: Evidência de postagens de vagas e reivindicações de subsídio de
desemprego.” Jornal de economia pública, 189: 104238.
Gajendran, Ravi S e David A Harrison. 2007. “The Good, the Bad, and the Unknown
About Telecommuting: Meta-Analysis of Psychological Mediators and Individual
Consequences.” Journal of Applied Psychology, 92 (6): 1524–
1541.
Golden, Timothy D. 2006. “O papel dos relacionamentos na compreensão da

satisfação do telecomutador.” Journal of Organizational Behavior, 27 (3): 319–340.
Golden, Timothy D e John F Veiga. 2005. “The Impact of Extent of Telecommuting on

Job Satisfaction: Resolving Inconsistent Findings.” Journal of Management, 31 (2):
301–318.
Hershbein, Brad e Lisa B. Kahn. 2018. “As recessões aceleram a mudança tecnológica
enviesada pela rotina? Provas de anúncios de vagas. ”
American Economic Review, 108 (7): 1737–1772.
Ilut, Cosmin, Matthias Kehrig e Martin Schneider. 2018. “Lento para contratar, rápido
para despedir: dinâmica de empregos com respostas assimétricas às notícias.”
Journal of Political Economy, 126 (5): 2011–2071.
Kizza, Joseph Migga. 2017 Questões éticas e sociais na era da informação.

Textos em ciência da computação, Cham, Suíça: Springer, 2017.
Leonardi, Paul M e Diane E Bailey. 2008. “Tecnologias transformacionais e a criação de

novas práticas de trabalho: Tornando o conhecimento implícito explícito na
operação baseada em tarefas”. MIS Quarterly, 32 (2): 411–436.
Lins, Karl V, Henri Servaes e Ane Tamayo. 2017. “Capital Social, Confiança e
Desempenho da Empresa: O Valor da Responsabilidade Social Corporativa durante
a Crise Financeira.” The Journal of Finance, 72 (4): 1785–1824.
Madden, Mary e Sydney Jones. 2008. “Trabalhadores em rede (Relatório PEW).”
Martin, Brittany Harker e Rhiannon MacDonnell. 2012. “O teletrabalho é eficaz para as

organizações? Uma meta-análise de pesquisa empírica sobre percepções de
teletrabalho e resultados organizacionais. ”Revisão de pesquisa de gerenciamento,
35 (7): 602–616.
Mart´ı́nez-S´ ánchez, Angel, Manuela P´ érez-P´ Érez, Mar´ı́a Jos´ é Vela-

Jim´ énez e Pilar De-Luis-Carnicer. 2008. “Adoção do teletrabalho, mudança
gestão e desempenho da empresa. ” Journal of Organizational Change
Management, 21 (1): 7–31.
Meyer, Christine Siegwarth, Swati Mukerjee e Ann Sestero. 2001. “Work-Family

Benefts: Which Ones Maximize Lucies?” Journal of Managerial Issues, 13 (1): 28–44.
Moen, Phyllis, Erin L Kelly e Rachelle Hill. 2011. “O aprimoramento do controle e da

flexibilidade do horário de trabalho reduz a rotatividade? Uma experiência que ocorre
naturalmente. ”Problemas sociais, 58 (1): 69–98.
Oettinger, Gerald S. 2011. “The Incidence and Wage Consequences of HomeBased

Work in the United States, 1980-2000.” Jornal de Recursos Humanos,
46 (2): 237–260.
Olson, Mancur. 1982. A ascensão e declínio das nações. Yale University Press.
18
Papanikolaou, Dimitris e Lawrence DW Schmidt. 2020. “Trabalhando remotamente e o

impacto do lado da oferta da Covid-19.” Série de documentos de trabalho do National
Bureau of Economic Research, No. 27330.
Ramelli, Stefano e Alexander F. Wagner. 2020. “Reações febris do preço das ações à
Covid-19.” Documento de Trabalho CEPR Nº DP14511.
S´ánchez, Angel Mart´ı́nez, Manuela P´ érez P´ érez, Pilar de Luis Carnicer,

e maria jos é Vela Jim´ énez. 2007. “Teletrabalho e flexibilidade no local de trabalho:
um estudo de impacto no desempenho da empresa. ” Revisão de pessoal, 36 (1): 42–64.
Stavrou, Eleni T. 2005. “Pacotes de trabalho flexíveis e competitividade organizacional:

um estudo transnacional do contexto de trabalho europeu.” Journal of
Organizational Behavior, 26 (8): 923–947.
V. Figuras e Tabelas
Figura 1.: Índice WFH trimestral por empresas com alto vs. baixo
Viabilidade WFH Pré-Covid-19
Notas: Esta figura representa o índice WFH trimestral médio para empresas com índice de viabilidade WFH pré-Covid-19 alto
vs. baixo de 2019 Q2 a 2020 Q3. Os valores em 2019Q1 são usados como o grupo de linha de base. Os resultados relatados
baseiam-se nas especificações usando o índice WFH trimestral médio, controlando para empresas com variação de tempo
não observáveis e outros controles da empresa. O índice WFH é calculado com base em nossa amostra de análise. Os dados
de origem vêm dos dados de vagas de emprego da Burning Glass Technologies (BGT) e do indicador de viabilidade do nível
de ocupação WFH de Dingel e Neiman (2020).
20
Figura 2.: Índices WFH médios do setor (2019 e 2020)
Notas: Esta figura representa o índice WFH médio por setor em 2019 Q1-Q4 e 2020 Q1-Q3. O índice WFH médio é calculado
com base em nossa amostra de análise. Os dados de origem vêm dos dados de vagas de emprego da Burning Glass
Technologies (BGT) e do indicador de viabilidade do nível de ocupação WFH de Dingel e Neiman (2020).
Tabela 1—: Definições de variáveis e estatísticas resumidas
(UMA) Amostra Completa
Variáveis Definição Mau

(SD)
Índice WFH Índice médio de viabilidade WFH pré-Covid-19 (com base em publicações de empregos 0,575
BGT). (0,286)
HighWFH = 1 se o índice WFH de 2010-2019 da empresa estiver no quartil superior da distribuição da 0,250
amostra (caso contrário, zero). (-)
Resultado líquido Lucro líquido das empresas. 220,5
(912,0)
Vendas Vendas totais das empresas. 2114
(7062)
Normalizado Boné. Despesas de capital das empresas divididas pelos ativos totais. 0,018
Exp. (0,036)
Software Normalizado Despesas de capital das empresas em software dividido pelo total de ativos 0,002
Exp. (0,013)
Retornar Soma dos retornos mensais por trimestre. 0,045
(0,238)
Abn. Retornar Soma dos retornos anormais mensais por trimestre. Mensal é a diferença entre o - 0,018
retorno em excesso e o beta do CAPM vezes o retorno em excesso do mercado. O (0,181)
beta do CAPM é estimado usando os últimos 36 retornos mensais.
√
Volatilidade de retorno Desvio padrão dos retornos diários por trimestre multiplicado por 2 [ou seja, 4 0,057
trimestres] para converter para a base anual. (0,045)
Idio. Volatilidade Desvio padrão dos resíduos obtidos do ajuste do CAPM diário para cada 0,044
mês para cada empresa e convertidos para a base anual. (0,030)
Ativo total Logaritmo do ativo total.
29.230
(3.285)
(B) Variáveis-chave em subamostras por WFH pré-Covid-19 Índice e Tempo

pré-Covid-19 WFH Alto Baixo
Viabilidade (HighWFH = 1) (HighWFH = 0)
Variáveis Antes Após Antes Após
Covid-19 Covid-19 Covid-19 Covid-19
Índice WFH 0,887 0,874 0,503 0,504
(0,114) (0,143) (0,268) (0,259)
Resultado líquido 281,7 316,8 199,3 212,5
(943,2) (972,9) (847,0) (1001)
Vendas 1.913 2.305 2.083 2.217
(5.958) (7.465) (6.970) (7.571)
Limite normalizado. Exp. 0,014 0,009 0,021 0,013
(0,024) (0,014) (0,046) (0,019)
Normalized Software Exp. 0,006 0,005 0,001 0,001
(0,025) (0,020) (0,008) (0,009)
Retornar 0,070 0,043 0,069 - 0,015
(0,189) (0,331) (0,166) (0,326)
Abn. Retornar - 0,0004 - 0,001 - 0,005 - 0,054
(0,173) (0,231) (0,152) (0,215)
Volatilidade de retorno 0,045 0,082 0,043 0,084
(0,037) (0,044) (0,037) (0,047)
Idio. Volatilidade 0,037 0,058 0,036 0,060
(0,027) (0,033) (0,026) (0,030)
Ativo total 42.327 58.784 22.953 28.810
(235.800) (294.900) (136.000) (175.700)
Notas: Painel UMA relata definições de variáveis, fontes de dados e médias de amostra. O período de amostra é
2019Q1-2020Q3. PainelB contrasta as médias das variáveis principais nas subamostras pré e pós-Covid-19 (ou seja, 2019 Q1-
Q4 e 2020 Q1-Q3, respectivamente) e nas subamostras WFH pré-Covid-19 alta e baixa. Todas as variáveis contínuas são
winsorizadas no 1º e no 99º percentis.
22
Tabela 2—: Viabilidade WFH e Desempenho financeiro

Modelos (1) (2) (3) (4)
Variável dependente Log de renda líquida Log de vendas Norma. Boné. Exp. Norma. Software Exp.
HighWFH × COVID 0,155 0,038 0,004 - 0,001
(3,32) (3,50) (2,36) (-2,14)
Tamanho 0,310 0,532 - 0,026 - 0,003
(2,56) (15,53) (-1,19) (-1,98)
Dinheiro - 0,659 - 0,379 - 0,001 - 0,002
(-2,23) (-4,92) (-0,08) (-0,99)
Aproveitar 0,590 - 0,312 0,042 0,001
(2,29) (-4,74) (1,52) (0,49)
P&D 0,449 0,059 - 0,011 - 0,001
(1,76) (1,43) (-1,08) (-0,45)
Dividendo - 6,209 - 2.318 0,111 0,010
(-1,99) (-2,42) (1,29) (1,13)
Tobin's q 0,184 0,040 0,003 - 0,001
(5,91) (5,24) (2,55) (-0,76)
ROE 0,038 0,013 0,007 - 0,000
(0,45) (0,63) (1,65) (-0,36)
Firma FE Y Y Y Y
Trimestre FE Y Y Y Y
Observações 9568 9568 9568 9568
Adj. R2 0,886 0,996 0,521 0,844
Notas: Esta tabela implementa um projeto de pesquisa de diferença em diferenças (DID) para examine a diferença
impacto da Covid-19 em várias métricas de desempenho entre empresas com alta e baixa viabilidade de WFH. As variáveis
dependentes nas colunas 1 a 4 são o logaritmo da receita líquida, logaritmo das vendas, despesas de capital total sobre o
ativo total e despesas de software sobre o ativo total, respectivamente. O modelo de regressão é especificado na Equação1, e
todas as variáveis são definidas na Tabela 1 Painel UMA. A omissão do q de Tobin e do ROE na especificação fornece
resultados semelhantes (disponíveis mediante solicitação). Efeitos firmes e fixos no tempo também estão incluídos na
estimativa. Os erros padrão são agrupados no nível da empresa.
Tabela 3 -: Viabilidade WFH e Reações do Mercado de Ações

Modelos (1) (2) (3) (4)
Variável dependente Retornar Retorno Abn Volatilidade Idio. Volatilidade
HighWFH × COVID 0,051 0,043 - 0,006 - 0,004
(4,02) (3,46) (-3,47) (-2,88)
Tamanho - 0,120 - 0,074 - 0,003 - 0,005
(-3,87) (-2,46) (-0,76) (-1,97)
Dinheiro 0,180 0,112 - 0,005 - 0,002
(2,27) (1,58) (-0,52) (-0,27)
Aproveitar 0,105 0,031 0,022 0,018
(1,54) (0,46) (3,03) (3,72)
P&D 0,013 - 0,058 0,058 0,014
(0,08) (-0,61) (4.19) (1,26)
Dividendo 0,048 - 0,948 0,341 0,351
(0,05) (-1,04) (2,66) (4,22)
Tobin's q - 0,110 - 0,091 0,002 0,001
(-10,14) (-9,04) (1,76) (1.06)
ROE 0,037 0,033 - 0,004 - 0,005
(1,26) (1,25) (-1,24) (-2,32)
Firma FE Y Y Y Y
Observações 9550 9550 9550 9507
Adj. R2 0,449 0,147 0,713 0,750
Notas: Esta tabela implementa um projeto de pesquisa de diferença em diferenças (DID) para examinar o impacto diferencial
da Covid-19 nas reações do mercado de ações entre empresas com alta e baixa viabilidade de WFH. As variáveis
dependentes são o retorno total e o retorno anormal nas Colunas (1) e (2); e a volatilidade do retorno e a volatilidade
idiossincrática nas Colunas (3) e (4), respectivamente. A especificação da regressão é especificada na Equação1, e todas as
variáveis são definidas na Tabela 1 Painel UMA. Além disso, incluímos Q de Tobin e retorno sobre o patrimônio líquido (ROE)
na análise de regressão. Os efeitos fixos da empresa e do tempo também estão incluídos na estimativa. Os erros padrão são
agrupados no nível da empresa.
24
Apêndice A
Tabela A1—: Viabilidade WFH e Desempenho da Empresa: Essencial vs.

Não essencial
(UMA) Indústrias essenciais (desempenho financeiro)

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,158 0,022 0,002 - 0,000
(2,27) (1,24) (1,72) (-0,66)
Observações 4336 4336 4336 4336
Adj. R2 0,924 0,997 0,750 0,970
(B) Indústrias não essenciais (desempenho financeiro)

Modelos (5) (6) (7) (8)
HighWFH × COVID 0,183 0,059 0,007 - 0,001
(2,87) (4.19) (1,91) (-1,70)
Observações 5232 5232 5232 5232
Adj. R2 0,853 0,995 0,451 0,812
(C) Indústrias essenciais (estoque mercado atuação)

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,028 0,028 0,001 - 0,001
(1,52) (1,54) (0,44) (-0,51)
Observações 4330 4330 4330 4323
Adj. R2 0,444 0,175 0,682 0,703
(D) Indústrias não essenciais (desempenho do mercado de ações)

Modelos (5) (6) (7) (8)
HighWFH × COVID 0,062 0,043 - 0,010 - 0,004
(3,63) (2,65) (-4,65) (-2,74)
Observações 5220 5220 5220 5184
Adj. R2 0,459 0,131 0,727 0,775
Notas: Esta tabela reavalia os resultados relatados em tabelas 2 e 3 em duas subamostras: essencial vs. não
indústrias essenciais. As definições de indústrias essenciais e não essenciais são baseadas em (Papanikolaou e Schmidt, 2020)
e podem ser encontrados na Tabela do Apêndice H3. PainéisUMA e B relatar os resultados usando proxies de desempenho
financeiro como variáveis dependentes. PainéisC e D repita o exercício com retorno e volatilidade como variáveis
dependentes. As especificações nestes painéis são idênticas às das Tabelas2 e 3. Efeitos firmes e fixos no tempo também
estão incluídos na estimativa. Os erros padrão são agrupados no nível da empresa.
Tabela A2—: Viabilidade WFH e desempenho da empresa: alta tecnologia vs.

Outras Indústrias
(UMA) Indústrias de alta tecnologia (desempenho financeiro)
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,095 0,030 0,000 - 0,002
(1.04) (1,81) (0,26) (-1,34)
Observações 1395 1395 1395 1395
Adj. R2 0,917 0,997 0,717 0,801
(B) Outros setores (desempenho financeiro)

Modelos (5) (6) (7) (8)
HighWFH × COVID 0,155 0,036 0,004 - 0,000
(2,70) (2,61) (2,15) (-1,30)
Observações 8173 8173 8173 8173
Adj. R2 0,878 0,996 0,517 0,892
(C) Indústrias de alta tecnologia (estoque desempenho do mercado)
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,041 0,019 0,001 0,001
(1,63) (0,78) (0,23) (0,34)
Observações 1395 1395 1395 1395
Adj. R2 0,380 0,156 0,695 0,776
(D) Outras indústrias (desempenho do mercado de ações)

Modelos (5) (6) (7) (8)
HighWFH × COVID 0,041 0,031 - 0,004 - 0,002
(2,59) (2.04) (-1,90) (-1,23)
Observações 8155 8155 8155 8112
Adj. R2 0,469 0,151 0,722 0,750
Notas: Esta tabela reavalia os resultados relatados nas Tabelas 2 e 3 em duas subamostras: alta tecnologia vs. outras
indústrias. As especificações nestes painéis são idênticas às das Tabelas2 e 3. As indústrias de alta tecnologia são definidas
como emDecker et al. (2017) e pode ser revisado na Tabela do Apêndice H2. PainéisUMA
e B relate os resultados com proxies de desempenho financeiro como variáveis dependentes. PainéisC e D
repita o exercício com retorno e volatilidade como variáveis dependentes. Efeitos firmes e fixos no tempo também estão
incluídos na estimativa. Os erros padrão são agrupados no nível da empresa.
26
Apêndice B
Figura B1. : Dinâmica do efeito do tratamento na configuração DID
(UMA) Dinâmica dos efeitos do tratamento na configuração DID nos retornos das ações e
volatilidade
(B) Dinâmica dos efeitos do tratamento no cenário DID nas finanças

atuação
Notas: Painéis UMA e B traçar o impacto do HighWFH nas variáveis de resultado da empresa (UMA: desempenho financeiro;
B: retorno das ações e volatilidade) no período de 2019T2-2020T3 com o intervalo de confiança de 90% anexado. Os
resultados são baseados em especificações semelhantes aos modelos de linha de base: regredimos cada variável de
resultado na interação de HighWFH e a dummy trimestral sozinha com outros controles da empresa. Os valores em 2019Q1
são usados como linha de base para comparação.
apêndice C
Tabela C1—: WFH e desempenho da empresa: análises de amostras combinadas
(UMA) Desempenho financeiro: análise de amostra combinada usando o procedimento PSM
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,150 0,030 0,001 - 0,002
(2,70) (2,29) (0,61) (-1,46)
Observações 4215 3979 3439 3907
Adj. R2 0,896 0,996 0,763 0,849
(B) Desempenho financeiro: análise de amostra combinada usando procedimento CEM

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,199 0,029 0,001 - 0,001
(3,91) (2,60) (1,32) (-1,72)
Observações 6872 6872 6872 6872
Adj. R2 0,888 0,996 0,766 0,823
(C) Desempenho do mercado de ações: análise de amostra combinada usando o procedimento PSM
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,063 0,051 - 0,006 - 0,004
(4,59) (3,73) (-2,68) (-2,47)
Observações 5197 5197 5279 5172
Adj. R2 0,447 0,132 0,702 0,739
(D) Desempenho do mercado de ações: análise de amostra combinada usando procedimento CEM
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,075 0,065 - 0,005 - 0,003
(5,51) (4,87) (-2,61) (-2,29)
Observações 6863 6863 6862 6837
Adj. R2 0,475 0,155 0,708 0,717
Notas: Painéis UMA e B relatar os resultados da amostra combinada para proxies de desempenho financeiro onde
o procedimento de correspondência é a correspondência do escore de propensão (PSM) e a correspondência exata grosseira
(CEM), respectivamente. Para resultados no painelUMA, estimamos um modelo probit em que a variável dependente é
HighWFH e os controles incluem o retorno sobre o ativo pré-Covid-19 (receita operacional / ativo total), emprego e efeitos
fixos da indústria (NAICS de 2 dígitos) usando o pré-Covid- 19 amostra. Implementamos ainda uma correspondência de
vizinho mais próximo K2K sem substituição e suporte comum para cada uma das variáveis de resultado. Os resultados no
painelB baseiam-se na abordagem de correspondência exata aproximada usando o mesmo conjunto de variáveis pré-19.
PainéisC e D conduza a mesma análise de amostra correspondente para o desempenho das ações. Os erros padrão são
agrupados no nível da empresa.
28
Apêndice D
Tabela D1—: Viabilidade e desempenho da empresa WFH: Contínuo

Proxy WFH
(UMA) Desempenho financeiro

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,165 0,064 0,013 - 0,001
(1,83) (3,02) (3,59) (-1,77)
Outros controles Y Y Y Y
Firma FE Y Y Y Y
Observações 9568 9568 9568 9568
Adj. R2 0,886 0,996 0,522 0,844
(B) Desempenho do mercado de ações
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,042 0,051 - 0,008 - 0,009
(1,66) (2.06) (-2,48) (-3,55)
Firma FE Y Y Y Y
Observações 9550 9550 9550 9507
Adj. R2 0,448 0,145 0,713 0,750
Notas: Nossa análise de linha de base é baseada em HighWFH, que leva o valor de um, se a média de uma empresa
O índice WFH calculado com base nos dados anuais de anúncios de emprego durante o período pré-Covid-19 (2010-2019) cai
no quartil superior da distribuição da amostra e zero, caso contrário. Em painéisUMA e B, repetimos a análise usando o índice
WFH bruto e contínuo. Efeitos firmes e fixos no tempo também estão incluídos na estimativa. Os erros padrão são agrupados
no nível da empresa.
Apêndice E
Tabela E1—: Viabilidade WFH e Desempenho da Empresa: Estado-Trimestre

Efeitos fixos

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,151 0,033 0,002 - 0,001
(3,13) (3,06) (1,95) (-1,91)
Firma FE Y Y Y Y
Estado-trimestre FE Y Y Y Y
Observações 9550 9550 9550 9550
Adj. R2 0,886 0,996 0,538 0,837
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,046 0,038 - 0,005 - 0,003
(3,51) (2,98) (-2,66) (-2,28)
Firma FE Y Y Y Y
Estado-trimestre FE Y Y Y Y
Observações 9538 9538 9538 9495
Adj. R2 0,451 0,147 0,716 0,751
Notas: Em painéis UMA e B, repetimos a análise nas Tabelas 2 e 3 usando especificações semelhantes, mas controlamos os
efeitos fixos trimestrais do estado em vez dos efeitos fixos trimestrais para abordar a preocupação potencial das diferenças
geográficas. Efeitos fixos firmes também estão incluídos na estimativa. Os erros padrão são agrupados no nível da empresa.
30
Apêndice F
Figura F1. : Viabilidade WFH e desempenho da empresa em todos os setores
Notas: Esta figura representa o impacto do HighWFH nas variáveis de resultado da empresa, incluindo desempenho
financeiro e retornos das ações por setor, com o intervalo de confiança de 90% anexado. Os resultados relatados baseiam-se
nas especificações semelhantes aos modelos de linha de base: regredimos cada variável de resultado na interação de
HighWFH e a dummy COVID sozinha com outros controles de empresa que controlam os efeitos fi xos e trimestrais.
Agregamos os setores da indústria seguindo (David Autor, David Dorn, Lawrence F Katz, Christina Patterson e John Van
Reenen, 2020), que também pode ser encontrado no Apêndice H4. Por favor, consulte o Censo dos EUA para a definição de
indústrias NAICS de 2 dígitos no ApêndiceH1.
Apêndice G
Tabela G1-: Teste de Falsificação (por Posição do Nome da Empresa por

Ordem Alfabética)

Modelos (1) (2) (3) (4)
HighWFH × COVID 0,005 0,009 - 0,001 -0
(0,13) (0,94) (-0,68) (-1,35)
Firma FE Y Y Y Y
Observações 9568 9568 9568 9568
Adj. R2 0,886 0,996 0,521 0,844
Modelos (1) (2) (3) (4)

HighWFH × COVID 0,016 0,010 0,002 0,002
(1,43) (0,95) (0,99) (2.01)
Firma FE Y Y Y Y
Observações 9550 9550 9550 9507
Adj. R2 0,447 0,145 0,712 0,750
Notas: Em painéis UMA e B, repetimos as análises das Tabelas 2 e 3 para correr um teste de placebo, no qual
em vez de usar o índice WFH, construímos um índice de empresas com base nos nomes das empresas em ordem alfabética
antes da pandemia de Covid-19. Todas as especificações aqui são idênticas às especificações da linha de base nas tabelas2 e 3
. Erros padrão robustos são agrupados no nível da empresa.
32
Apêndice H
Tabela H1—: Definição da indústria no nível NAICS de 2 dígitos.
Setor Descrição
(NAICS de 2 dígitos)
11 Agricultura, silvicultura, pesca e caça, mineração,
21 pedreiras e utilidades de extração de petróleo e gás
22
23 Construção
31-33 Manufatura
42 Comércio por atacado
44-45 Comercio de varejo
48-49 Informações de transporte e
51 armazenamento
52 Finanças e Seguros
53 Imobiliário e Aluguer e Leasing Profissional, Cientí fi co e
54 Gestão de Serviços Técnicos de Empresas e
55 Empreendimentos Administrativo e Apoio e Serviços de
56 Gestão e Remediação de Resíduos
61 Serviços educacionais
62 Serviços de saúde e assistência social,
71 artes, entretenimento e recreação,
72 hospedagem e alimentação
81 Outros Serviços (exceto Administração Pública)
92 Administração Pública
Tabela H2—: Definição da indústria de alta tecnologia no nível NAICS de 4 dígitos

de acordo com Decker et al. (2017)
NAICS de 4 dígitos Descrição

3341 Fabricação de computadores e equipamentos periféricos
3342 Fabricação de equipamentos de comunicação Fabricação de
3344 semicondutores e outros componentes eletrônicos
3345 Fabricação de instrumentos de navegação, medição,

eletromédicos e de controle
3254 Fabricação de produtos farmacêuticos e
3364 medicamentos e fabricação de peças aeroespaciais
5112 Editores de software; 5161 Publicação e transmissão na
Internet
5179 Outras telecomunicações
5181 Provedores de serviços de Internet e portais de pesquisa na
5182 Web Processamento de dados, hospedagem e serviços
5413 relacionados Arquitetura, engenharia e serviços relacionados
5415 Projeto de sistemas de computador e serviços relacionados
5417 Serviços de pesquisa e desenvolvimento científicos
34
Tabela H3 -: Definição de indústria essencial no nível NAICS de 4 dígitos

de acordo com Papanikolaou e Schmidt (2020)

1111 Cultivo de sementes oleaginosas e
1112 grãos Vegetais e melões Cultivo de
1113 frutas e castanhas de árvores
1119 Agricultura de outras culturas
1121 Pecuária e Criação de Suínos e
1122 Suínos
1123 Produção de aves e ovos
1124 Criação de ovinos e caprinos
1129 Outra produção animal Pesca
1141
1142 Caça e armadilha
1151 Atividades de Apoio à Produção Agrícola
1152 Atividades de Apoio à Mineração de Carvão para
2121 Produção Animal
2122 Mineração de minério de metal
2123 Mineração de Minerais Não Metálicos e Atividades de

2131 Apoio à Pedreira para Mineração
2211 Geração, Transmissão e Distribuição de Energia Elétrica
2212 Distribuição de Gás Natural
2213 Água, Esgoto e Outros Sistemas Construção de
2373 Rodovias, Ruas e Pontes Fabricação de
3111 Alimentos para Animais
3112 Moagem de grãos e sementes oleaginosas
3113 Fabricação de açúcar e produtos de confeitaria

3114 Conservação de frutas e vegetais e fabricação de alimentos
especiais
3115 Fabricação de produtos lácteos, abate e
3116 processamento de animais, preparação e
3117 embalagem de produtos marinhos
3118
3119
3121 Fabricação de bebidas
3254 Fabricação de produtos farmacêuticos e medicamentos
3256 Fabricação de sabão, composto de limpeza e preparação de
banheiro
3261 Fabricação de produtos plásticos
3312 Fabricação de produtos de aço a partir de alumina de aço
3313 comprada e produção e processamento de alumínio
3331 Agricultura, construção e fabricação de máquinas de
mineração

(Contínuo).

3391 Comércio atacadista de medicamentos e artigos diversos
4242 para medicamentos e suprimentos médicos Atacadistas de
4245 matéria-prima de produtos agrícolas
4413 Lojas de peças, acessórios e pneus automotivos
4441 Revendedores de materiais e suprimentos de
4451 construção Mercearias
4452 Lojas de alimentos especializados
4453 Lojas de cerveja, vinho e bebidas alcoólicas

4461 Lojas de produtos de higiene pessoal e saúde
4471 Postos de gasolina
4523 Lojas de mercadorias em geral, incluindo clubes de armazém
e supercentros
4539 Outros varejistas de lojas diversas Compras
4541 eletrônicas e casas de pedidos pelo correio
4812 Transporte aéreo não programado
4841 General Freight Trucking Sistemas
4842 especializados de transporte de
4851 mercadorias por caminhão
4852 Transporte de ônibus interurbano e rural
4853 Serviço de táxi e limusine
4859 Outros Trânsito e Transporte Terrestre de Passageiros
4861 Transporte por Oleoduto de Petróleo Bruto
4862 Transporte por Oleoduto de Gás Natural
4885 Serviço Postal
4911
4921 Correios e serviços de entrega expressa
4922 Mensageiros locais e armazenamento e
4931 armazenamento de entrega local
5173 Revendedores de Telecomunicações Outras
5179 Autoridades Monetárias de Telecomunicações - Banco
5211 Central Depositário Intermediação de Crédito
5221 Atividades de Intermediação de Crédito Não
5222 Depositário Relacionadas à Intermediação de Crédito
5223
5231 Intermediação e corretagem de contratos de commodities e valores
mobiliários
5232 Bolsas de valores mobiliários e outras
5239 operadoras de seguros de atividades de
5241 investimento financeiro
5242 Agências, corretoras e outras atividades relacionadas a
seguros
5251 Fundos de seguro e benefícios para funcionários
36

(Contínuo).

5259 Outros pools de investimento e fundos de
5411 serviços jurídicos
5412 Serviços de contabilidade, preparação de impostos, contabilidade e folha de
pagamento
5621 Recolha de resíduos
5622 Tratamento e eliminação de resíduos
5629 Escolas primárias e secundárias de serviços de remediação e
6111 outros serviços de gerenciamento de resíduos
6211 Gabinetes de médicos
6214 Centros de atendimento ambulatorial
6215 Laboratórios Médicos e Diagnósticos -
6216 Serviços de Saúde Domiciliar
6219 Outros serviços de saúde ambulatorial.
6221 Hospitais médicos e cirúrgicos gerais
6223 Hospitais especializados (exceto psiquiátrico e abuso de
substâncias)
6231 Instalações de cuidados de enfermagem (instalações de enfermagem qualificadas)
6233 Comunidades de aposentadoria de cuidados continuados e instalações de moradia
assistida para idosos
9211 Apoio ao Executivo, Legislativo e Outros Apoio ao Governo
Geral
9221 Justiça, Ordem Pública e Segurança Administração de
9231 Programas de Recursos Humanos Administração de Programas
9241 de Qualidade Ambiental Administração de Programas
9251 Habitacionais, Planejamento Urbano e Desenvolvimento
Comunitário
9261 Administração de Programas Econômicos
9271 Pesquisa Espacial e Tecnologia
9281 Segurança Nacional e Aeronaves Internacionais
Tabela H4 -: Definição da indústria agregada a seguir Autor et al.

(2020)
Indústria de Manufatura Código NAICS de 2 dígitos

Agregada 31, 32, 33
Finanças, seguros e serviços públicos 52, 53
imobiliários, transporte e outros 11, 21, 22, 23, 48, 49, 99
comércio de atacado e varejo 42, 44, 45
Serviços 51, 54, 55, 56, 61, 62, 71, 72, 81

21-016 en PT

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

21-016 en PT

Enviado por

Direitos autorais:

Formatos disponíveis

RESILIÊNCIA DIGITAL: VIABILIDADE DE TRABALHO EM CASA

AFETA O DESEMPENHO DO FIRMPER

John (Jianqiu) Bai Sebastian Steffen

Erik Brynjolfsson Chi Wan

Documento de Trabalho No. 21-016

John (Jianqiu) Bai

Working Paper 28588

BUREAU NACIONAL DE PESQUISA ECONÔMICA

Erik Brynjolfsson obrigado a Stanford Digital Economia Laboratório (https: //

John (Jianqiu) Bai Sebastian Steffen

De John (Jianqiu) Bai, Erik Brynjolfsson, Wang Jin, Sebastian

As tecnologias digitais podem tornar algumas tarefas, empregos e empresas mais

“Estamos descobrindo que podemos reorganizar nossas empresas eletronicamente muito

- Steve Jobs, 1990

O número limitado de estudos sobre a adoção do WFH no desempenho da empresa

1Veja o relatório do Censo dos EUA:

der. Verhttps://www.nytimes.com/interactive/2020/us/coronavirus-stay-at-home-order.html para

Nosso estudo contribui para duas vertentes da literatura. Ao estudar os determinantes da

O restante do artigo procede da seguinte maneira. Seçãoeu desenvolve um

Uma grande quantidade de literatura anterior explora o efeito da WFH ou práticas de

Maior resiliência por meio de WFH durante a pandemia. -Apesar de

Indústrias essenciais versus não essenciais. -Embora o acima mencionado

WFH e investimento complementar em TI. -As tecnologias digitais criam o

II. Construção variável e estatísticas resumidas

postando portais começando em 2010 e com popularidade crescente nas pesquisas

Fundamentos de contabilidade e dados de retorno de estoque. -Obtemos trimestralmente

Mesclando dados da Compustat and Burning Glass Technologies. -Desde a

Seguindo o procedimento na seção II.A, podemos combinar mais de 3.800 empresas

parte do exercício de correspondência.

III. Metodologia Empírica e Resultados

Para testar nossa hipótese, empregamos um projeto de pesquisa de diferença em diferenças

(1) Yit = β (HighWFHeu ×Covid-19t) + γXisto-1 + υi + τt + εisto

onde subscrito eu e t índice de firma e tempo (isto é, trimestre), respectivamente.12 Yisto

investimento de capital em software, retorno de ações e volatilidade de retorno. HighWFHeu é

Nesta seção, apresentamos os resultados da regressão sobre o impacto do WFH pré-Covid-19 no

Desempenho financeiro. -Primeiro investigamos se o WFH impulsiona um melhor desempenho

Desempenho do mercado de ações. -Usando uma estrutura de regressão semelhante,

Até agora, relatamos os efeitos médios da alta viabilidade de WFH no desempenho da

consulte Papanikolaou e Schmidt (2020)

19 pandemia. As empresas com maiores oportunidades de WFH podem oferecer mais

Acemoglu, Daron, David Autor, Jonathon Hazell e Pascual Re-

de Estudos de Finanças Corporativas, 9 (3): 430–471.

Albuquerque, Rui, Yrjo Koskinen, Shuai Yang e Chendi Zhang.

Allen, Tammy D, Timothy D Golden e Kristen M Shockley. 2015. “How E ﬀ ective Is

Ang, Andrew, Robert J Hodrick, Yuhang Xing e Xiaoyan Zhang.

Autor, David, David Dorn, Lawrence F Katz, Christina Patterson,

Azar, José é, Ioana Marinescu, Marshall Steinbaum e Bledi Taska.

Benzell, Seth G, Avinash Collis e Christos Nicolaides. 2020. “Racionando o contato

Bloom, Nicholas, James Liang, John Roberts e Zhichun Jenny Ying.

Brynjolfsson, Erik e Andrew McAfee. 2014. A segunda era da máquina:

Brynjolfsson, Erik e Paul Milgrom. 2012. “Complementaridade nas Organizações.”

Brynjolfsson, Erik, John J Horton, Adam Ozimek, Daniel Rock,

Collins, Michael. 2005. “O caso (não tão simples) do teletrabalho: um estudo no

Decker, Ryan A, John Haltiwanger, Ron S Jarmin e Javier Miranda.

Golden, Timothy D. 2006. “O papel dos relacionamentos na compreensão da

Golden, Timothy D e John F Veiga. 2005. “The Impact of Extent of Telecommuting on

Kizza, Joseph Migga. 2017 Questões éticas e sociais na era da informação.

Leonardi, Paul M e Diane E Bailey. 2008. “Tecnologias transformacionais e a criação de

Madden, Mary e Sydney Jones. 2008. “Trabalhadores em rede (Relatório PEW).”

Martin, Brittany Harker e Rhiannon MacDonnell. 2012. “O teletrabalho é eficaz para as

Mart´ı́nez-S´ ánchez, Angel, Manuela P´ érez-P´ Érez, Mar´ı́a Jos´ é Vela-

Meyer, Christine Siegwarth, Swati Mukerjee e Ann Sestero. 2001. “Work-Family

Moen, Phyllis, Erin L Kelly e Rachelle Hill. 2011. “O aprimoramento do controle e da