Faces of joblessness: Characterising employment barriers to inform policy

This paper proposes a novel method for identifying and visualising key employment obstacles that may prevent individuals from participating fully in the labour market. The approach is intended to complement existing sources of information that governments use when designing and implementing activation and employment-support policies. In particular, it aims to provide individual and household perspectives on employment problems, which may be missed when relying on common labour-force statistics or on administrative data, but which are relevant for targeting and tailoring support programmes and related policy interventions. A first step describes a series of employment-barrier indicators at the micro level, comprising three domains: work-related capabilities, financial incentives and employment opportunities. For each domain, a selected set of concrete employment barriers are quantified using the EU-SILC multi-purpose household survey. In a second step, a statistical clustering method (latent class analysis), is used to establish profiles and patterns of employment barriers among individuals with no or weak labour-market attachment. A detailed illustration for two countries (Estonia and Spain) shows that “short-hand” groupings that are often highlighted in the policy debate, such as “youth” or “older workers”, are in fact composed of multiple distinct sub-groups that face very different combinations of employment barriers and likely require different policy approaches. Results also indicate that individuals typically face two or more simultaneous employment obstacles suggesting that addressing one barrier at a time may not have the intended effect on employment levels. From a policy perspective, the results support calls for carefully sequencing activation and employment support measures, and for coordinating them across policy domains and institutions. Cet article propose une nouvelle méthode pour identifier et visualiser les obstacles qui empêchent les individus éloignés de l’emploi de s’intégrer pleinement au marché du travail. L’approche se positionne en complément des sources d’information actuellement utilisées par les administrations pour la conception et la mise en oeuvre des politiques d’activation et de retour à l’emploi. Elle fournit une nouvelle perspective, au niveau des individus et des familles, sur les barrières à l’emploi qui ne sont pas capturées par les approches s’appuyant uniquement sur des données administratives et sur des statistiques sur le marché du travail, qui peut s’avérer très utile pour cibler et adapter des programmes sociaux. La première partie décrit, au niveau microéconomique, un ensemble de barrières à l’emploi couvrant trois domaines : les capacités individuelles (liées au travail), les incitations financières (à travailler) et les opportunités (de trouver un emploi). Pour chaque domaine, des barrières concrètes sont mesurées à l’aide de l’enquête EU-SILC. Ensuite, une méthode de classification, le modèle à Classes Latentes, est utilisée pour regrouper les individus dont l’attachement au marché du travail est inexistant ou très faible sur la base des barrières à l’emploi auxquelles ils font face. La méthode est illustrée par des résultats détaillés sur deux pays (Estonie et Espagne). Les résultats montrent que des groupes souvent identifiés dans le débat politique par des caractéristiques simples telles que « les jeunes » ou « les travailleurs âgés » sont en réalité composés de sous-groupes confrontés à des combinaisons de problèmes très différentes et nécessitant donc des programmes et interventions différents. Très fréquemment, les individus font face à plus d’une barrière à la fois. Ceci suggère que les politiques ciblant les problèmes de manière isolée pourraient avoir un effet sur l’emploi moindre qu’escompté. Placés dans une perspective de politique sociale, ces résultats invitent à soigneusement séquencer les programmes d’activation et de retour à l’emploi et à les coordonner entre les différentes institutions.