Escolar Documentos
Profissional Documentos
Cultura Documentos
Wang Jin
Iniciativa MIT no Digital
Economia
Março de 2021
RESILIÊNCIA DIGITAL:
A VIABILIDADE DO TRABALHO EM CASA AFETA O DESEMPENHO DA EMPRESA
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
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 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
choque.
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
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
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
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.
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 5
I. Desenvolvimento de Hipóteses
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.
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
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 7
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.
B. Estatísticas Resumidas
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
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.
A. Metodologia Empírica
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
B. Resultados empíricos
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
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 11
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
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),
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
REFERÊNCIAS
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
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 15
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.
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.
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.
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.
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.
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.
Olson, Mancur. 1982. A ascensão e declínio das nações. Yale University Press.
18
Ramelli, Stefano e Alexander F. Wagner. 2020. “Reações febris do preço das ações à
Covid-19.” Documento de Trabalho CEPR Nº DP14511.
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
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).
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 21
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
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 23
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
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 25
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
(UMA) Dinâmica dos efeitos do tratamento na configuração DID nos retornos das ações e
volatilidade
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 27
apêndice C
(C) Desempenho do mercado de ações: análise de amostra combinada usando o procedimento PSM
(D) Desempenho do mercado de ações: análise de amostra combinada usando procedimento CEM
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
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 29
Apêndice E
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
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.
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 31
Apêndice G
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
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
RESILIÊNCIA DIGITAL: ESTIMATIVAS DA EMPRESA 33