Immigrant Responses to Social Insurance Generosity

DISCUSSION PAPER SERIES IZA DP No. 11482 Immigrant Responses to Social Insurance Generosity Bernt Bratsberg Oddbjørn Raaum Knut Røed APRIL 2018 DISCUSSION PAPER SERIES IZA DP No. 11482 Immigrant Responses to Social Insurance Generosity Bernt Bratsberg The Ragnar Frisch Centre for Economic Research Oddbjørn Raaum The Ragnar Frisch Centre for Economic Research Knut Røed The Ragnar Frisch Centre for Economic Research and IZA APRIL 2018 Any opinions expressed in this paper are those of the author(s) and not those of IZA. Research published in this series may include views on policy, but IZA takes no institutional policy positions. The IZA research network is committed to the IZA Guiding Principles of Research Integrity. The IZA Institute of Labor Economics is an independent economic research institute that conducts research in labor economics and offers evidence-based policy advice on labor market issues. Supported by the Deutsche Post Foundation, IZA runs the world’s largest network of economists, whose research aims to provide answers to the global labor market challenges of our time. Our key objective is to build bridges between academic research, policymakers and society. IZA Discussion Papers often represent preliminary work and are circulated to encourage discussion. Citation of such a paper should account for its provisional character. A revised version may be available directly from the author. IZA – Institute of Labor Economics Schaumburg-Lippe-Straße 5–9 Phone: +49-228-3894-0 53113 Bonn, Germany Email: [email protected] www.iza.org IZA DP No. 11482 APRIL 2018 ABSTRACT Immigrant Responses to Social Insurance Generosity* Immigrants from low‐income source countries tend to be underrepresented in employment and overrepresented in social insurance programs. Based on administrative data from Norway, we examine how these gaps reflect systematic differences in the impacts of social insurance benefits on work incentives. Drawing on a benefit formula reform of the temporary disability insurance program, we identify behavioral employment and earnings responses to changes in benefits, and find that responses are significantly larger for immigrants. Among female immigrant program participants, earnings of the male spouse also drop in response to more generous benefits. We uncover stronger behavioral responses among natives with characteristics similar to those of immigrants. JEL Classification: H53, J15, J22 Keywords: immigrants, labor supply, social insurance Corresponding author: Knut Røed Ragnar Frisch Centre for Economic Research Gaustadalleen 21 N-0349 Oslo Norway E-mail: [email protected] * We are grateful to Elisabeth Fevang for assistance with the temporary disability benefits data and to Taryn Galloway, Knut Løyland, and Sverre Try for valuable comments. We acknowledge funding from the Norwegian Research Council (project 2271171H20, “Striving for Excellence”) and the Ministry of Labor and Social Affairs (project “Immigrant Employment Profiles”). The paper is part of the research activities of Oslo Fiscal Studies ‐ a Centre for Public Economics, University of Oslo. Data made available by Statistics Norway have been essential for this research.  1    1 Introduction In many European welfare states, immigrants from low‐income source countries are  overrepresented in social insurance (SI) programs and underrepresented in employment;  see, e.g., Bratsberg et al. (2010; 2017), Sarvimäki (2011), Hansen and Lofstrom (2011),  Riphahn and Wunder (2013), OECD (2013, Table 3.6), and Schultz‐Nielsen (2017). Generous  social insurance weakens the economic incentives to search for jobs and take up work. This  paper examines whether immigrant‐native participation gaps can be attributed to  disincentive effects embedded in SI programs.1 We study the impacts of SI generosity among  participants in one of the largest social insurance programs in Norway, the temporary  disability insurance (TDI) program. A major benefit formula reform in 2002 generated  random‐assignment‐like variation in benefits across eligible participants, enabling us to  identify the causal effects of TDI benefits on transitions to employment and future earnings.   Why would we expect that social insurance generosity impacts immigrants from low‐income  countries differently from natives? In our analyses, we explore three potential mechanisms.  First, immigrants tend to enjoy less consumption gain from employment, due to a  combination of relatively low labor earnings prospects and a progressive social insurance  benefit schedule. If social insurance claims rise with the replacement ratio due to moral  hazard, as indicated by the literature (see, e.g., Krueger and Meyer, 2002; Johansson and  Palme, 2002; Røed and Zhang, 2003; Henrekson and Persson, 2004), this would yield higher  social insurance take‐up (and lower employment) rates among immigrants. Second, non‐ pecuniary costs of working may be higher for immigrants if they face less attractive  employment opportunities and have a higher valuation of non‐employment. More valuable  time outside paid work relates to family structure and larger households in particular, and  also to attachments to a foreign country with lower living expenses. Together with the  higher social insurance replacement ratios, this implies that the utility difference between  employment and non‐employment may be systematically smaller for immigrants than for                                                            1 This perspective complements existing evidence on employment gaps. Immigrants are more exposed to  precarious employment relationships and job loss caused by adverse shocks to the employer (Bratsberg et al.,  2018). There is also evidence on economic downturns in general and involuntary job loss in particular, showing  that consequences are more adverse for immigrants than for natives, in part because of their poorer general  labor market and majority language skills (Røed and Zhang, 2003; Barth et al., 2004; Bratsberg et al., 2010;  Dustmann et al., 2010).   2    natives. Based on a simple theoretical framework – where individuals are allowed to choose  freely between employment and social‐insurance‐supported non‐employment in a  frictionless labor market – we point out that marginal changes in benefits will affect the  realized state only for individuals who initially were on the fence between the alternatives of  employment and social insurance. Consequently, we expect the behavioral responses to  marginal benefit variations to be heterogeneous, with particularly large effects for  individuals who are close to indifference between employment and non‐employment.   The third mechanism relates to the value of joint leisure within households and the impact  that benefit generosity may have on the labor supply of the spouse of the claimant. Provided  that higher benefits raise the total income of the claimant him/herself – also taking any  negative labor supply responses into account – we expect the effect on the spouse’s labor  supply to be negative, both through a direct income effect and through a substitution effect  caused by leisure complementarities. If the responses of immigrant SI claimants to changes  in benefits exceed those of natives, the cross effects on spouses are likely to be larger as  well.   Our choice of the temporary disability insurance program as the foundation for our empirical  analysis is motivated by importance as well as feasibility. TDI is by far the largest among the  Norwegian programs compensating for temporary income loss, with a caseload more than  twice as large as the unemployment insurance program. And even though participants in this  program have health impairments that undermine their current work capacity, they are still  considered to have a possibility of returning to regular work in the (near) future. The second  reason for focusing on the TDI program relates to a major reform in 2002, which generated  random‐assignment‐like variation in benefit generosity across participants. Under normal  operation, the benefit level is likely to correlate with work opportunities in a way that makes  it impossible to disentangle selection from causality. Random‐assignment‐like variation in  benefits is therefore crucial for identification of causality. We exploit the quasi‐experimental  features of the reform to examine the effects of the benefit level on various outcomes of  program participants, including the transition rate to employment and subsequent earnings  for up to 10 years after program entry. The analysis allows for differential responses by  immigrant status and individual characteristics that convey information about potential   3    earnings capacity (such as the highest earnings obtained in prior years) and the value of  leisure (as captured by the family situation).   In a recent study of the Norwegian TDI program, Fevang et al. (2017) used the reform to  identify average impacts of TDI benefits on the duration and outcome of TDI spells. When  we extend the analysis to incorporate heterogeneous behavioral responses, we confirm that  the TDI benefit level on average has a negative influence on the transition rate to regular  employment. In addition, we identify a considerable negative influence on subsequent labor  earnings. Equally important in our context, our results show that the behavioral responses  are much larger for immigrants from low‐income countries than they are for natives. For  example, while a 10% increase in the benefit level is predicted to reduce the hazard rate  from TDI to regular employment by 3.1% for native men and 0.8% for native women, it  reduces the hazard rate for immigrant men and women by 6.5% and 4.2%, respectively. And  while a one Euro increase in the (annualized) benefit level reduces the average annual labor  earnings over the next 3‐4 years by 20 cents for native men and 5 cents for native women, it  reduces earnings of immigrant men and women by 40 cents and 20 cents, respectively.   Moreover, while the adverse impacts on labor earnings are purely temporary for natives –  with the earnings effects returning to zero approximately 4‐5 years after TDI entry – the  effects appear to be permanent for immigrants, with statistically significant negative impacts  estimated as long as 10 years after entry. Moving on to cross‐effects on the labor supply of  spouses, our results point to small and statistically insignificant effects for natives as well as  for immigrant men. For immigrant women, however, we identify large negative spousal  responses. Our point estimates actually indicate that for female immigrants, the TDI benefit  level has a larger negative impact on their husbands’ earnings than on their own earnings.   Looking more closely at the response patterns among natives, we find that claimants with a  predicted earnings capacity and/or a family situation similar to that of the immigrant group  also have a response pattern more similar to that of immigrants. Hence, our empirical  analysis confirms that a marginal change in social insurance benefits primarily affects the  behavior of individuals who are close to indifference between the states of employment and  non‐employment – for natives as well as for immigrants. The larger behavioral impacts  identified for immigrants is thus, at least partially, a consequence of the much smaller utility  difference between the states of employment and non‐employment applying to this group.    4    The paper proceeds as follows. In the next section, we start out with an overview of relevant  literatures. Section 3 presents a descriptive overview of the income distributions of  immigrants and natives in self‐supporting employment and social‐insurance‐supported non‐ employment, respectively. Section 4 then presents our theoretical considerations, while  Section 5 describes the temporary disability insurance program that forms the basis for our  empirical analysis. Section 6 presents our data and our identification strategy. Section 7  examines – separately for immigrants and natives – the impacts of the benefit level on  transition rates out of TDI and annual labor earnings and total incomes over a 10‐year period  after TDI entry. Section 8 examines the corresponding impacts on the claimant’s partner and  on net household income. Section 9 then moves on to examine the sources behind  differential behavioral responses in terms of future earnings prospects and the family  situation, and evaluates the role that these factors have in accounting for the immigrant‐ native response differential.  Section 10 concludes.  We emphasize that when we use the term “immigrant” in the remainder of this paper, we  refer to immigrants from low‐income source countries.2 Immigrants from other (high‐ income) countries are dropped from our empirical analysis. The reasons for this are, first,  that immigrants from high‐income countries have a much higher probability of leaving the  country, implying that it is difficult to follow them over time in our data, and second, that  their tendency to enter and leave the country is highly dependent on their employment  status. Moreover, our data indicate that the labor market behavior of immigrants from high‐ income countries is very similar to that of natives (Bratsberg et al, 2017).   2 Related literature For those on social insurance programs, more generous benefits reduce the economic gains  from exiting the program for employment. As such, our study relates closely to the literature  examining the effects of the unemployment insurance (UI) on moral hazard, which shows  that the duration of UI receipt tends to rise in response to higher replacement ratios (see,  e.g., Krueger and Meyer, 2002; Johansson and Palme, 2002; Røed and Zhang, 2003;                                                            2  In our samples, immigrants from Iran, Iraq, Pakistan, Somalia and Vietnam form the largest source country  groups. The vast majority were admitted as refugees or through family immigration.   5    Henrekson and Persson, 2004). Our paper is also linked to the broader literature on labor  supply effects of disability insurance (DI) (e.g., Bound and Burkhauser, 1999) and, in  particular, the studies indicating that there is substantial work capacity among marginal DI  claimants (Autor and Duggan, 2003; Maestas et al., 2013; Kostøl and Mogstad, 2014;  Borghans et al., 2014; French and Song; 2014). There is a considerable grey area between  the roles of the UI and DI programs (for Norwegian evidence, see Rege et al., 2009 and  Bratsberg et al., 2013). Studies of labor supply effects of DI fall into two main categories. One  branch estimates the effects of receiving (or being denied) DI (e.g., French and Song, 2014),  while others identify effects of benefit generosity (e.g., Marie and Castello, 2012) or  effective taxes on wage income for those on the program (Kostøl and Mogstad, 2014).  Responses among claimants to changes in generosity are likely to differ from the effects of  benefit changes on program participation.   A related strand of the literature shows that labor supply tends to be particularly elastic at  the bottom of the wage distribution (e.g., Aaberge et al., 2000; Bargain et al., 2014). High  labor supply elasticities in this group have indeed been shown to stem from responses at the  extensive margin, where the alternative state of claiming social insurance benefits may  appear attractive as the economic gain from labor force participation can be low.   While studies of intra household labor supply typically examine the effects of partner´s wage  or non‐wage income (e.g., Blundell and MaCurdy, 1999; Devereux, 2004; Blau and Kahn,  2007), recent analyses of social insurance effects also address the impacts of the claimant’s  social insurance benefits on the labor supply of the partner. Evidence suggests that  unemployment insurance crowds out spousal labor supply (Cullen and Gruber, 2000).  Spouses of Norwegian DI applicants who were (randomly) turned down increased their labor  supply (Autor et al., 2017), and a reform‐induced increase in DI benefits for Vietnam era  veterans caused their spouses to reduce their labor supply (Duggan et al., 2010). We  estimate the labor supply response of the partner to changes in benefits, adding to the  literature on the effects of social insurance generosity that extends beyond the behavioral  responses of the claimant.   Our study contributes to the scarce evidence on heterogeneous effects of SI. A study of  particular relevance for our paper is Mullen and Staubli (2016), who, based on Austrian   6    benefit reforms, evaluate the elasticity of disability program participation with respect to the  prospective benefit level. For the population at large, the authors estimate an elasticity of  about 1.2. However, in contrast to the present study, the Austrian study finds that the  responsiveness with respect to the benefit level tends to be greater for persons generally  considered to be more resourceful, i.e., white‐collar workers are more responsive than blue‐ collar workers, and individuals with high lifetime earnings are more responsive than poorer  individuals. The authors interpret these findings as reflecting the better labor market  opportunities of the former groups. In line with this, Kostøl and Mogstad (2014) report larger  effects of a return‐to‐work program among DI claimants for those with more education,  more labor market experience, and higher pre‐program earnings.  Other studies uncover no  evidence of greater responses among the highly skilled. French and Song (2014) find that DI  receipt reduces labor force participation less among college graduates than non‐graduates.  Maestas et al (2013) report employment effects of DI program admission that are stable  across the earnings history distribution, but find heterogeneous effects according to the  health condition of the applicant — from zero effect among those with severe impairments  to a 50 percentage points reduction in employment for entrants with the least severe health  problems.   To our knowledge, no prior study has explicitly examined the differences between  immigrants and natives in their labor supply responses to social insurance generosity.3  The  paper that comes closest to ours in this respect is that of Kaestner and Kaushal (2005), who  compared the influences of the US Temporary Assistance to Needy Families (TANF) program  on the labor supply of foreign‐born and native‐born low‐skilled women, but without finding  evidence of significant response differences. There are also a few papers addressing  responses within the immigrant population. These include studies of US welfare reforms  during the mid‐1990s that placed limitations on the welfare eligibility of immigrant  households. Drawing on variation in compensating state‐funded programs, Borjas (2003)  finds that immigrants responded to welfare cutbacks by increasing their labor supply.  Kaushal (2010) shows that banning Supplemental Security Income increased employment                                                            3  For example, none of the DI studies described above include immigrant status as a characteristic when they  discuss heterogeneous responses.    7    among elderly foreign‐born men, but not among women. In a recent study of immigrant  responses to Food Stamp eligibility, East (2018) shows that access to the program reduced  the employment rate of single women by 6% and married men by 5%.   Identification strategies to get at the causal effects of social insurance vary across studies. A  few recent studies exploit random rejections of DI applications through DI examiner  heterogeneity (e.g., French and Song, 2014; Autor et al, 2017), while others rely on  discontinuities (e.g., Borghans et al., 2014) or kinks (e.g., Maestas et al., 2013) in benefits  formulas, as well as benefit system reforms (e.g., Marie and Castello. 2012).  Our  identification is based on a reform that involved random variation across individuals in their  actual SI benefits. Because we can calculate the exact pre and post‐reform benefits for each  individual, even for the counterfactual state, we extend a standard comparison of pre and  post‐reform cohorts.  A similar identification strategy has been used in studies of the impacts  of unemployment benefits on unemployment duration in Norway and Sweden (Røed et al.,  2008); the impact of student aid on college enrolment in Denmark (Nielsen et al., 2010); and  the impact of disability insurance benefits on labor supply in Norway (Fevang et al., 2017)  and Austria (Mullen and Staubli, 2016).    3 Income sources of immigrants and natives To motivate our analysis, we begin by showing that social insurance is a considerably more  important source of income for immigrants than for natives. Based on complete population  data for 2013, Table 1 reports the fraction of working‐age male and female immigrants and  natives with employment (E) or social insurance (SI) as their main source of income (defined  as the higher of the two), as well as the average total pre and post‐tax incomes of each  group. The table reveals that SI is particularly important for immigrants along two  dimensions. First, take‐up rates are much higher than for natives and more immigrants have  SI as their main source of income. Fully 22.0 percent of immigrant men receive the majority  of their income from social insurance compared to 11.0 percent of native men. For  immigrant women, 22.7 percent have social insurance as their main income source,   8    compared to 14.4 percent for native women.4 Second, the income differential between  those with employment and social insurance as their respective main source of income is  much smaller for immigrants than for natives.  For example, while employed native men on  average have a disposable (after tax) income that is almost NOK 219 000 higher than those  on social insurance (92 percent higher), the corresponding differential for immigrants is only  131 000 (60 percent). 5 These figures point to high SI replacement ratios, although the  numbers in Table 1 are not individual replacement ratios. Those observed in employment  are likely positively selected from the underlying population in terms of earnings potential,  which means that actual replacement ratios are even higher than those implied by Table 1.  Even if selection into employment differs for immigrants and natives, the observed patterns  of employment and social insurance incomes clearly indicate that the economic rewards for  being employed are much larger for natives than for immigrants.       Table 1. Incomes within and outside employment, 2013.      Men  Women  Main income source  Immigrants  Natives  Immigrants  Natives  Employment (E)                Share (%)  71.1  87.6  64.9  84.2    Income before tax  477 657  649 859  374 925  462 719    Income after tax  349 932  455 527  288 126  344 725                 Social insurance/assistance (SI)                Share (%)  22.0  11.0  22.7  14.4    Income before tax  252 999  280 571  242 408  272 234    Income after tax  218 582  236 652  218 734  238 148                 Income ratio before tax (SI/E)  0.530  0.432  0.647  0.588  Income ratio after tax  0.625  0.520  0.759  0.691  Income difference after tax   131 350   218 875   69 392  106 577   Note: Populations are restricted to ages 25‐62, with the immigrant population further restricted to those at  least three years in the country. Native population is reweighted to have the same age distribution as  immigrants. The main income source is defined as the higher of the two (labor earnings and social insurance  transfers) during the calendar year.                                                            4  Note that the shares in the two income groups do not sum to 100, as a residual group have zero income from  both sources; the latter is the case for fully 12.5 percent of immigrant women.   5  The average Euro/NOK exchange rate in 2013 was € 1=NOK 7.81.   9      Figure 1 displays the distributions of after‐tax income for each population group. For both  immigrants and natives, the income distribution of those employed is located considerably  to the right of the distribution of social insurance claimants. The degree of overlap is much  larger for immigrants than for natives, however. For immigrant men, it is not uncommon  that employed persons have lower earnings than persons with social insurance as the main  income source.   A. Immigrant men B. Native men .002 .004 .006 .008 0 Density C. Immigrant women D. Native women .002 .004 .006 .008 0 0 200 400 600 0 200 400 600 After-tax income (1000 NOK) Social insurance Employment   Figure 1. Distribution of after‐tax income for immigrants and natives, by gender and main  income source, 2013  Note: The graphs show the distributions of total income, including earnings from employment and social  insurance transfers. Employment indicates that labor earnings exceed sum of transfers, while the opposite  holds for the social insurance group (Table 1). Population is restricted to ages 25‐62, with immigrant population  further restricted to those in the country at least three years. Native population is reweighted to have the same  age distribution as immigrants.    4 Theoretical considerations Even if SI programs typically specify a set of eligibility criteria related to involuntary  unemployment or disability, there is significant scope for individuals to influence their  program participation. Applying for social insurance is a matter of choice, and once admitted   10    to a program, the decision to exit is in practice often left to the claimant. In order to focus on  the role of individual preferences, in this section we abstract completely from gatekeeping  efforts. For ease of exposition, we also disregard endogenous search efforts, reservation  wages, and human capital investments. As in Saez’s model of labor supply at the extensive  margin (Saez, 2002), we portray economic agents who rank the two alternatives of self‐ supporting employment and social insurance program participation, both associated with  given utility levels. When employed, individuals receive a wage W and a non‐pecuniary  benefit    (which may be negative). As non‐employed, they participate in the social  insurance program and receive benefits B. With linear utility, an individual strictly prefers  employment over program participation iff  W    B . The non‐pecuniary component   is  the net gain/cost arising from different aspects of employment, including the pleasure from  work itself, the self‐respect it entails, and the value of the social network that comes with it  (Gill, 1999; Kieselbach, 2004). It also captures any lack of stigma associated with social  insurance (Moffitt, 1983). Finally, it includes the (negative) values of the lost leisure and less  home production due to hours at work. The size of the latter component likely depends on  the family situation.  For persons with well‐paid, decent, and even interesting jobs, utility derived from  employment will typically by far exceed the value of social insurance program participation.  These individuals have strong incentives to remain in, or return to, employment, and will  seek to do so regardless of (minor) variations in the level of social insurance benefits.  For  persons with low wages and poor working conditions, the situation may be different. When  utility from work vary substantially within and between groups – due to market  opportunities (wages and working conditions) as well as preferences related to time use  (leisure and home production), a reform with marginal adjustment of the benefit level B will  only affect the behavior of a proportion of the population, namely those who prior to the  reform were at the margin between employment and non‐employment, i.e., workers for  whom  W    B . All others will remain unaffected by the reform.   To discuss mechanisms more formally, let  (W   )  vary across individuals within group g  (where g denotes immigrants or natives), and let Fg (.)  be cumulative distribution functions  for the value of employment. Let  Bg represent benefits, for simplicity assumed to be   11    common to all members of group g.  Then, the fraction preferring program participation  over employment is simply given by  Fg ( Bg ) . Three predictions follow directly from this  setup:   (i) For given  Fg (.) , program participation is more frequent the larger is the  benefit level  Bg .   (ii) For given  Bg , program participation is more frequent the higher is  Fg ( Bg ) ,  i.e., the higher is the fraction of individuals with labor market payoffs below  Bg .   (iii) The effect of a marginal change in benefits,  Bg ,  on the program participation  rate equals the derivative of Fg with respect to  Bg , or f g ( Bg )  0 , where fg is  the density function for group g. Within a given population group, the  sensitivity of labor supply with respect to change in B will be greater the  larger is the fraction of group members that initially are on the fence between  employment and non‐employment.  The income distributions shown in Figure 1 provide some empirical counterparts to these  theory elements. A first observation is then that  Fg ( Bg )  appears to be higher for immigrants  than for natives. While the typical annual income for those with social insurance as their  main source of income lies between NOK 240 000 and 280 000 for both natives and  immigrants, it is clear that a much higher fraction of employed immigrants than employed  natives can expect to earn less than this amount in the labor market. This can potentially  explain why a larger fraction of immigrants rely on social insurance benefits rather than  labor earnings. A second observation based on Figure 1 is that  f g ( Bg ) tends to be higher for  immigrants; i.e., that a larger fraction of immigrants find themselves in the region where the  monetary payoff from employment is close to the payoff from social insurance. To illustrate,  the share of employed men with income below the 75th percentile income of the SI group is  26% for immigrants compared to 12% among natives. For women, the corresponding  numbers are 42% for immigrants and 24% for natives.  Moreover, among those employed  the share with income between the median and the 90th percentile incomes of the SI  distribution is 30% and 47% for immigrant men and women, respectively, but only 17% and   12    24% for native men and women. Based on these numbers, our simple theoretical framework  predicts that immigrants have higher rates of SI dependency than natives and that they are  more responsive than natives with respect to marginal adjustments of SI benefits.  The utility derived from employment also depends on a non‐wage component  , which  reflects the (dis)utility from work as well as the value of household production and leisure.  As   is intrinsically unobservable, there is no empirical parallel like for pay. There are,  however, several reasons to expect    to be smaller (or more negative) for immigrants than  for natives. First, evidence indicates that immigrants to a larger extent than natives are  mismatched in the labor market, and thus obtain jobs where tasks do not correspond with  qualifications (e.g., OECD, 2015, section 6.4). They earn a lower return to schooling due to  non‐transferability of education from low‐ income countries, and are probably less  effectively matched to jobs because of inferior networks and (potential) employer  uncertainties about their qualifications. As a result, immigrants likely enjoy less pleasure  from work. Second, immigrants disproportionally live in households with a homemaker  spouse and dependent children, possibly adding to the value of leisure. Existing empirical  evidence, largely based on retirement decisions, point toward considerable  complementarities in spouses’ leisure, and that this force for leisure coordination typically  dominates the offsetting income effect on labor supply; see, e.g., Coile (2004), Gustman and  Steinmeier (2004), and Schirle (2008). As many immigrants from low‐income countries  maintain an attachment to their origin country, the value of joint leisure may be of particular  importance as it makes it easier to spend time with the spouse in an environment where  living costs are much below those in Norway. 6  Finally, as benefit entitlements – in contrast  to labor earnings – depend positively on the number of dependents, persons with a low     tend to have a high B, implying a wider distribution of  B     and a higher probability that  the value of program participation exceeds the value of employment.                                                             6  To give a rough lower bound on such attachment figures, among married individuals age 40‐50 who were  granted a permanent disability pension between 1993 and 2006, the fraction that had moved abroad within  one year was 2.4% among immigrants from low‐income countries compared to 0.4% among natives (N= 2 842  immigrants and 31 859 natives). After 10 years, 6.4% of immigrants and 1.2% of natives had moved abroad.  Receipt of permanent disability benefits are not tied to continued residency in Norway.   13    Our theoretical framework highlights group differences in work incentives and assumes that  individuals are free to choose their preferred labor market state. In this, we ignore the fact  that disabilities will limit employment opportunities. Indeed, previous studies link empirical  evidence on heterogeneous responses to DI benefit generosity to differences in employment  opportunities (Kostøl and Mogstad, 2014; Mullen and Staubli, 2016), explaining why the  highly skilled seem to be more responsive to variation in benefits. If no employment  opportunities exist – due to, e.g., disability, inferior qualifications, or discrimination – the  incentives embedded in the social insurance system would hardly matter for the realized  employment status. The contrast between our predictions based on work incentives and the  implications of differential access to jobs emphasized by prior studies, illustrates that  differential responsiveness with respect to economic incentives will be governed by two  offsetting forces. On the one hand, individual resources provide better job opportunities and  more scope for individual choice, making social insurance incentives more powerful. On the  other hand, more resources raise market earnings and the distance between the utility of  employment and non‐employment, implying that marginal changes are less likely to alter the  ranking of the two states. The combined influence of these two mechanisms is likely to vary  across social insurance programs, depending on the precise incentive structure, the  composition of program participants, and labor market conditions.   If immigrants on average are more restricted in their choice between employment and non‐ employment than natives, this would offset the source of benefit responsiveness discussed  above. From this perspective, we expect immigrants to be less responsive to changes in  benefits. Thus, the empirical relevance of our theoretical argument depends critically on the  extent to which realistic job opportunities are available across the distribution of benefit  entitlements, both for immigrants and natives.   5 The temporary disability insurance program In order to compare the benefit responsiveness of immigrants and natives and to identify  the underlying sources of any differences between the two groups, we examine the causal  impacts of marginal benefit changes within the Norwegian temporary disability insurance  (TDI) program. We focus on how benefit generosity affects the claimants’ transitions rate to  regular employment and their short and medium‐term labor earnings. In this section, we   14    provide a brief description of the TDI program and its role in the overall social insurance  system.  For working‐age individuals with health‐related problems, the Norwegian social insurance  system offers three main programs.  First, employees are entitled to sickness benefits that  typically provide 100% wage compensation and protection against displacement on grounds  related to their sickness for up to 12 months. Second, the temporary disability insurance  program provides benefits to employees who have exhausted their sick pay as well as to  some individuals who were not eligible for sick pay because they did not have a job at the  time of disablement. To be eligible for TDI, a physician must certify that health impairment is  the main cause of loss of at least 50% of the work capacity. However, as the law explicitly  states that actual employment opportunities may be taken into account in the assessment of  the health impairment, social insurance officers will consider labor market opportunities and  other worker characteristics in their evaluation of program eligibility. As we show below,  there is considerable variation in individual benefit entitlements. For persons with stable  past earnings and no responsibility for children, the benefit level typically amounts to 60‐70  percent of prior earnings, but the minimum and maximum thresholds as well as child  allowances often generate large deviations from this level.   The TDI program offers activities to enhance employability through periods of medical  and/or vocational rehabilitation. During our observation period, there was no definite limit  on the overall length of TDI. Although we do not evaluate the effectiveness of TDI activities,  it is clear that, if the benefit level affects program participation, the effectiveness of  rehabilitation activities will influence the overall impacts of TDI benefits on future outcomes.  Existing evaluations of the vocational rehabilitation program indicate considerable individual  heterogeneity in treatment effects, yet relatively modest impacts on average; see Aakvik et  al. (2005) and Markussen and Røed (2014).   The third insurance program is permanent disability insurance (DI). DI benefits are similar to  those of the TDI program and amount to around two thirds of prior earnings.   One reason why we focus on the TDI program is illustrated in Figure 2. As shown in panel A,  the TDI program has grown in size over the last 20 years, and its caseload is now more than  twice as large as that of the unemployment insurance program.  There has also been a   15    considerable growth in the number of immigrant TDI claimants relative to the number of  native claimants; see panel B. This growth has been much larger than what can be accounted  for by the rising share of immigrants in the working‐age population.  A. Claimants (1000s) B. Ratio immigrants/natives 200 .2 150 .15 100 .1 .05 50 0 0 1992 1996 2000 2004 2008 2012 2016 1992 1996 2000 2004 2008 2012 2016 Total claimants Immigrant claimant ratio Immigrant population ratio   Figure 2. Temporary disability benefit claims, Jan 1992‐Dec 2016  Note: Registered claimants on the 28th of each month. Samples consist of those aged 25‐62 and in Norway the  full year. Temporary disability insurance programs include “attføring” (1992‐2010), “rehabilitering” (2002‐ 2010), “foreløpig uførestønad” (1992‐2010), “tidsbegrenset uførestønad” (2004‐2010), and  ”arbeidsavklaringspenger” (2010‐2016).     6 Identification strategy and data In January 2002, the formula for computation of individual TDI benefits was completely  renewed. As a consequence, two persons with identical labor market histories and the same  demographic characteristics—and with the only difference that they entered the program  before or after the reform—could be entitled to quite different TDI benefits. This changed  the incentives for program participation, but differently for different workers depending on  their earnings history. For some claimants, the new rules implied higher benefits, for others  they implied lower benefits. The main changes in the benefit formula implied that i) benefits  became based on earnings during the past three years only, instead of the complete  earnings history; ii) the minimum benefit level was increased; iii) child allowances were   16    considerably reduced, but no longer means tested; and iv) immigrants obtained full  entitlement after only three years of residence instead of partial entitlement determined by  their age at immigration (see Fevang et al. (2017) for further details on the reform). With our  access to detailed administrative register data, we are able to accurately compute  hypothetical post‐reform benefits also for individuals belonging to the pre‐reform period  and vice versa.   Although the precise specification of our empirical model will vary with the particular  outcome examined, we illustrate the identification argument within a simple regression  setting where we have some outcome Yit and a set of exogenous controls Zit for individual i  facing pre‐reform (t=0) or post‐reform (t=1) benefits. Let  biPRE  and  biPOST be the benefit  levels (or their logs) calculated for person i based on the pre‐reform and post‐reform  formula, respectively, and let Rt be an indicator variable set to unity for individuals facing  post‐reform incentives (and zero for those with pre‐reform incentives). We can then write  the model as       Yit  Z it    PRE biPRE   POST biPOST   Rt    (1  Rt )biPRE  Rt biPOST   uit    (1)  Here,  biPRE  and  biPOST are included (for all observations) to capture the non‐causal  associations between benefits and the outcome variable. The post‐reform indicator, Rt,  captures time/period effects, whereas   (1  Rt )biPRE  Rt biPOST  identifies the causal effect   .  We immediately see from Equation (1) that the identification of the behavioral impact the  benefit level is obtained by exploiting the variation across individuals in the way their  entitlements were affected by the reform. Without idiosyncratic variation in the way the  reform affected benefits, the equation would be subject to perfect multicollinearity.   The intuition behind our identification strategy goes as follows. In the pre‐reform period, we  would expect the correlation between economic outcomes and  biPRE to represent a  combination of causality and correlation with unobserved characteristics. However, after the  reform, it can by construction no longer exert any causal influence (conditional on biPOST );  hence any remaining association between biPRE  and outcomes identifies the spurious (non‐ causal) relationship. For  biPOST  the reverse argument holds: Post‐reform benefits cannot a   17    have causal effect in the pre‐reform period. Hence, the difference in correlation patterns  between outcomes and benefits computed according to pre‐reform and post‐reform rules  can be used to identify the causal effect of the benefit level. In the regression context, we  achieve this by including both pre‐reform and post‐reform benefits as control variables,  while using the interaction between the benefit measures and pre‐reform and post‐reform  dummy variables to capture the causal effect of TDI benefits.   The key assumption behind the identification strategy is that the benefit gain (the difference  between benefits computed according to post‐reform and pre‐reform rules) is uncorrelated  with the change in the outcome variable other than through its causal effect. This is  tantamount to the common trend assumption in standard difference‐in‐differences  analyses. While Equation (1) effectively controls for all sources of stable non‐causal  correlation between pre and post‐reform benefits and the outcome of interest as well as for  common trends, it does not control for differential trends in outcomes that may be  correlated with changes in benefit generosity. As we show in Appendix A, a placebo analysis  where we reproduce our main results based on the imposition of falsely timed reforms  within the pre and post‐reform periods fails to indicate the presence of such correlated  trends.   Our empirical analyses are based on complete administrative registers covering all entrants  to the TDI program over a six‐year period, from three years before to three years after the  2002 reform (1999‐2004). Ongoing spells will be followed through 2009 but we also extract  labor market outcomes such as earnings through 2014. We limit the analysis population to  individuals 27 to 59 years of age at the time of TDI entry. The lower age limit is set because  there are separate benefit rules for persons below 27 with particular serious sickness  diagnoses, and our data do not allow us to identify this group. The higher age limit is set  because rehabilitation attempts typically cease as claimants approach their 60ies, and  because very few TDI claimants at this age return to work. Finally, we drop TDI claimants  who were employed in the public sector just prior to entry, as public‐sector workers were  eligible for supplemental benefits and largely sheltered from the 2002 reform. Table 2  presents some descriptive statistics.  A point to note is that the replacement rate – defined  here as the annualized level of benefits divided by the average earnings obtained in the  three‐year period prior to TDI entry – is on average considerably higher for immigrants than   18    for natives, particularly when based on the post‐reform benefit schedule. For example, while  male immigrant TDI claimants on average received benefits corresponding to 80% of their  pre‐entry labor earnings, native men received “only” 65% on average. The reason for this is  clearly not that average benefits are higher for immigrants (quite the opposite), but rather  that their earnings over the last three years were much lower.    Table 2: Descriptive statistics, TDI program participants     Men Women    Immigrants Natives Immigrants  Natives   (1) (2) (3) (4)     Age (year)  40.0 40.4 39.9 40.4 Educational attainment (%)      Compulsory  40.5 42.0 46.7 40.5   Upper secondary  33.0 50.0 28.4 45.6   College  15.4 6.2 14.0 12.4   Post graduate  2.8 1.0 2.7 1.1   Unknown  8.2 0.8 8.3 0.4     Employed year before (%) 74.2 86.2 72.0 83.4 Avg. earnings 3 prior years (NOK)  264 695 380 300 204 891  267 696 TDI benefits (NOK):       Pre‐reform rules  158 881 227 417 125 113  172 352   Post‐reform rules  210 578 250 443 179 469  199 768 Implied replacement (pre‐tax):       Pre‐reform rules  0.620 0.593 0.606 0.642   Post‐reform rules  0.798 0.654 0.878 0.744       Spell duration (months)  24.8 25.0 27.7 29.3 Spell outcome:      Employment  32.9 49.9 26.8 42.7   Permanent disability  15.2 17.0 16.0 19.0   Unemployment  4.4 1.9 2.9 1.5   Non‐participation  32.6 15.9 34.9 16.0   Spell in progress 48 months  14.9 15.4 19.4 20.9     Number of spells  7 128 64 346 5 267 67 909   Fraction post reform  59.0 54.4 63.2 54.8     Note: Samples consist of new temporary disability insurance spells of individuals age 27‐59 that started  between 1999 and 2004. Earnings and benefits are inflated to 2013 currency using the social insurance base  amount (“G”) index.    To illustrate how the reform affected the benefits of native and immigrant TDI program  participants, Figure 3 shows density plots, separately for each group, of the difference  between benefits calculated with the new and old formula,  biPOST  biPRE , or the hypothetical   19    gains in benefits from the reform. It is clear that there were winners and losers in all groups  considered, but that the majority of claimants came out with higher benefits if they entered  the program after the reform. Immigrants gained more than natives, but the gains among  immigrants were also more dispersed.  A. Immigrant men B. Native men .015 .01 .005 0 Density C. Immigrant women D. Native women .015 .01 .005 0 -100 -50 0 50 100 150 -100 -50 0 50 100 150 Reform benefit gain (1000 NOK) Pre-reform entrants Post-reform entrants   Figure 3. The distribution of hypothetical change in TDI benefits from the 2002 reform, by  gender and immigrant status   Note: The TDI benefit gain is defined as the benefit level calculated according to the new rules minus the  benefit level calculated according to the old rules  (biPOST  biPRE ) . TDI benefits are inflated to 2013 currency  using the social insurance base amount (“G”) index.    It is notable that the gains distributions are similar for pre and post‐reform entrants,  suggesting that there was little room for strategic timing of program entry and also that the  incentive structure had little effect on the composition of program entrants.  This is  potentially important for internal validity of our analysis, as large incentive effects on the  inflow to TDI could potentially have altered the associations between unobserved  characteristics and the two benefit variables, thus invalidating our identification strategy. In  Appendix B, we show that the reform‐initiated benefit changes had only small effects on the  probability of entering the TDI program during the period covered by our analysis and the   20    effects are not significantly different by immigrant background.  Small effects can be  explained by imperfect information as potential claimants had little knowledge about their  precise benefits prior to actual entry, especially during the initial period after the reform.    7 Effects on exit rates from TDI and future earnings and income We start out the empirical analysis by estimating the effects of the TDI benefit on the exit  rates from the program to regular employment and other destinations. More than four in  five participants exit the program within four years, but far from all have a successful  transition into employment; see Table 2. While about 50 (43) percent of native men  (women) exit to employment, immigrants are even less likely to leave the program for  employment (33 and 27 percent of immigrant men and women, respectively). The TDI  program has no fixed duration. To account for alternative outcomes within a competing risk  framework we specify a non‐parametric mixed multivariate proportional hazard rate model  (MMPH), with exits to employment, permanent disability insurance (PDI), unemployment,  and non‐participation as the modeled destination states.  We set up the hazard rate model based on monthly data, and use the estimation strategy  and optimization algorithm described in Gaure et al. (2007). Given this setup, we include a  number of time‐varying covariates such as calendar time and spell duration dummy variables  (on a quarterly basis), age dummy variables (yearly), educational attainment (5 dummy  variables), family situation (5 dummy variables describing responsibility for children and  marital status), and local labor market conditions.7 The model also accounts for time‐ invariant unobserved heterogeneity in the form of a discrete distribution of destination‐ specific intercepts with no restrictions on the correlation structure and with an a priori  unknown number of support points (this number is determined through the estimation  procedure based on the Akaike information criterion). In order to save space, we do not set  up the equations and the likelihood function for this model here, but refer to Røed and  Westlie (2012) who present in detail a model with the same technical structure.                                                            7  The local labor market indicator is taken from a separate study of the observed transition rate from the  unemployment register to employment in the TDI claimant’s own commuting zone.   21    Estimated parameters of the hazard rate model are displayed in Table 3. Since the benefit  variables enter in log form, the coefficients in Table 3 can be interpreted as elasticities; i.e.,  the percent change in the respective hazard rate caused by a one percent change in the  benefit level. A first point to note here is that a higher TDI benefit affects all exits from TDI  negatively, although not all of the coefficient estimates are statistically significant.  Consequently, more generous benefits imply that participants stay longer in the program.  The marginal benefit effect is particularly strong for transitions to employment. Benefit  generosity has a much larger effect for immigrants than for natives. For immigrant men, the  elasticity of the exit rate to employment with respect to benefits is ‐0.647, compared to ‐ 0.311 for native men. For women, the corresponding elasticities are ‐0.424 for immigrants  and ‐0.084 for natives.     Table 3: Estimated hazard rate elasticities with respect to TDI benefit     Men Women    Immigrants Natives Immigrants  Natives   (1) (2) (3) (4)     Log actual TDI benefit    Effect on transition to:  ‐0.647*** ‐0.311*** ‐0.424***  ‐0.084 Employment  (0.143)  (0.068)  (0.127)  (0.052)  ‐0.086 ‐0.136 0.028  ‐0.111 PDI  (0.180)  (0.102)  (0.160)  (0.086)  ‐0.538 ‐0.103 ‐0.466  0.156 Unemployment  (0.398)  (0.250)  (0.675)  (0.383)  ‐0.069 ‐0.137 0.128  ‐0.171** Non‐participation   (0.127)  (0.091)  (0.111)  (0.084)      Number of spells  7 128 63 346 5 267 67 909 Number of support points in  5  6  1  6  heterogeneity distribution       Note: In addition to the two hypothetical benefit variables, the vector of control variables include educational  attainment (5 dummy variables), age (33 dummy variables), family characteristics (5 dummy variables), time‐ varying calendar quarter (40 dummy variables), county (19 dummy variables), spell duration by quarter (13  dummy variables), and local labor market conditions at entry and in current quarter. */**/*** indicates  statistical significance at the 10/5/1 percent levels; standard errors are reported in parentheses.    Benefit generosity is also likely to affect future labor market earnings through several  channels. First, there is a direct impact of more generous benefits via postponement of the  employment transition, unambiguously crowding out labor earnings. Second, the reasons   22    why hazard rates are affected, such as lower search intensity and higher reservation wages,  are likely to also influence subsequent job match quality. Finally, the extended TDI duration  may itself impact employment opportunities, either because the rehabilitation activities  offered by the program affect human capital acquisition positively, or because extended  participation implies depreciation of human capital and/or increased stigma. The net effect  of these mechanisms depends on the effectiveness of the vocational rehabilitation program  for marginal participants, i.e., the individuals whose TDI participation is most affected by  changes in the TDI benefit schedule.   We examine labor earnings effects for up to 10 years after TDI entry by means of linear  regressions, with annual earnings (measured in NOK and inflated to 2013 currency) as the  outcome.  Empirical earnings equations are typically in logs, but in our application that  would leave out a large fraction with zero earnings that obviously represents a valid  outcome.  As an alternative, we have chosen to “de‐log” benefits and regress annual labor  earnings on the three benefit variables in their level form. Apart from that, we use the same  list of control variables as in the hazard rate model of Table 3.   Given the large number of estimated coefficients, we present them graphically. Figure 4  shows the estimated marginal causal effects (with their 95 % confidence interval) from  separate year‐by‐year regressions, where year zero indicates the year of TDI program entry.  We uncover negative effects of benefits on future labor earnings for all groups, and again  the negative effects are more severe for immigrants than for natives. The dynamic pattern is  similar across groups and the effects are largest 2‐3 years after TDI entry which corresponds  to a typical program period. At that point, we estimate that a one Euro benefit increase  reduces annual earnings by around 40 cents for immigrant men and 20 cents for native men.  For women, the estimated effects are considerably smaller: 20 cents for immigrants and just  a few cents for natives.     23    A. Immigrant men B. Native men .2 0 -.2 Effect estimate, earnings -.4 -.6 C. Immigrant women D. Native women .2 0 -.2 -.4 -.6 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure 4. Estimated effects on annual labor earnings of a Euro increase in TDI benefit   Note: Shaded region depicts 95% confidence intervals around point estimates. In addition to the two  hypothetical benefit variables, the vector of control variables include educational attainment (5 dummy  variables), age (33 dummy variables), family characteristics (5 dummy variables), month of program entry (72  dummy variables), county (19 dummy variables), and local labor market conditions. Samples are restricted to  those in Norway at the end of the calendar year; sample sizes in years 0 and 10 are 7 055 and 6 506 (Panel A),  63 290 and 58 251 (Panel B), 5 229 and 5 014 (Panel C), and 66 964 and 64 164 (Panel D).      While the negative effects on labor earnings tend to be washed out after around four years  for native men and women, they are highly persistent for immigrants. This suggests that the  implications of postponed employment transitions dominate for natives, while long‐lasting  scarring effects are found for immigrants. For both immigrant men and women, we find a  permanent negative earnings effect amounting to around 20 cents per Euro increase in TDI  benefits.  Higher benefits obviously raise income replacement, but since changes in TDI benefits also  affect labor earnings, positive income effects will be mitigated. Benefit substitution will also  dilute the income gain as more generous TDI benefits may crowd out other (means‐tested)  transfers such as social assistance. Thus, a natural question to ask is whether higher benefits  make the TDI claimants economically better off at all. To answer this question, in Figure 5 we  repeat the year‐by‐year regressions with total annual after‐tax income (= labor earnings +   24    total benefits ‐ direct taxes) as the dependent variable. The figure shows that higher TDI  benefits indeed imply higher total net income over the first years after TDI entry. For natives,  the effect approaches zero after around six years, roughly in line with the evolvement of  labor earnings. A similar pattern is observed for immigrants, although point estimates  actually indicate a negative long‐term effect. This is clearly related to the lasting negative  impact on labor earnings shown in Figure 4, which is only partly offset by higher social  insurance benefits.  A. Immigrant men B. Native men .4 .2 Effect estimate, after-tax income 0 -.2 C. Immigrant women D. Native women .4 .2 0 -.2 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure 5. Estimated effects on after‐tax income of a Euro increase in TDI benefit  Note: Shaded region depicts 95% confidence intervals around point estimates. See also note to Figure 4.    8 Effects on spouse’s future earnings and household income From a household perspective, the TDI benefit changes the budget constraint as well as  preferences for market and non‐market activities. Consequently, more generous benefits  may also affect the labor supply of the claimant´s partner. First, if the claimant’s overall  income level rises with the increase in TDI benefits (as indicated by Figure 5), there is a  negative income effect on the spousal labor supply. Second, if the claimant’s own labor  supply declines with higher benefits (as indicated by Figure 4), there is a substitution effect   25    which is negative if hours spent at home enter the partner’s utility as a complement (e.g.,  due to higher value of joint leisure), and positive if they enter as a substitute (e.g., due to  decreasing returns in home production).   In order to examine partner responses, we limit the analysis to coupled claimants at the time  of TDI program entry. This reduces the native sample by as much as 60%, but reduces the  immigrant sample by “only” 35%, reflecting the much larger share of married persons in the  immigrant claimant group. Table 4 reports some summary statistics for the coupled samples.  It is notable that the vast majority of female claimants, whether immigrant or native, have  employed partners, whereas the majority of male immigrant claimants have economically  inactive partners.     Table 4: Descriptive statistics, married TDI program participants and their spouses    Men Women    Immigrants Natives Immigrants  Natives   (1) (2) (3) (4)     Age (years)  40.8 43.9 40.0 42.5 Partner age (years)  36.3 41.2 44.4 45.2 Partner immigrant (%)  88.6 4.0 82.9 1.4     Employed year before (%) 78.2 95.4 76.0 88.2 Partner employed year before (%)  45.7 75.1 70.5 90.3     Avg. earnings 3 prior years (NOK)  285 864 458 916 211 252  276 790 Partner’s avg. earnings 3 prior  141 989  258 290  325 062  519 950  years (NOK)      Number of observations (couples)  4 494 21 872 3 554 30 839     Note: Samples consist of married and cohabiting entrants to the TDI program between 1999 and 2004 and their  partners. Samples restricted to claimants of age 27‐59 at the time of entry and to partners with less than NOK  500,000 in capital income. The latter restriction is made to avoid huge (and irrelevant) outliers in the  subsequent total household income analysis, and it reduces the sample by 2.5 %. Average earnings are inflated  to 2013 currency using the social insurance base amount (“G”) index.    Figure 6 repeats the year‐by‐year regression exercise of Figure 4 for these reduced samples  and the estimated effects of higher TDI benefits are similar to those in the full samples. The  point estimates indicate somewhat larger negative earnings effects among  married/cohabiting claimants, but as the confidence intervals also are larger in these   26    reduced samples, it is difficult to draw firm conclusions regarding the statistical significance  of these differences (we return to this question in the next section).   A. Immigrant men B. Native men .2 0 -.2 Effect on own earnings -.4 -.6 C. Immigrant women D. Native women .2 0 -.2 -.4 -.6 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure 6. Estimated effects on annual labor earnings of a Euro increase in TDI benefit.  Married and cohabiting claimants only  Note: Shaded region depicts 95% confidence intervals around point estimates. See also note to Figure 4.    Figure 7 then moves on to the estimated impacts of TDI benefits on the partners’ annual  labor earnings. Although many of the coefficients are individually insignificant, the overall  pattern of point estimates paints a rather consistent picture: For both native and immigrant  men, there is a small negative effect on the labor supply of the female partner, which  appears to taper off in the longer run. For immigrant women, there is a large negative effect  on their male partner’s labor supply. Comparing Panel C to that in Figure 6, we note that for  immigrant women, the estimated impacts on their husbands’ labor supply are actually larger  than the impacts on their own labor supply.   Together with the small (and in most cases insignificant) estimated impacts on the claimants’  total income (Figure 5), this suggests that that the value of leisure of immigrant men  increases quite substantially when their wives reduce their labor supply in response to  higher benefits. This points to strong, but asymmetric, complementarities in leisure in   27    immigrant couples, such that the marginal valuation of his leisure increases when she is  more at home, but not vice versa.   For native couples, the picture is very different. Here, we identify a small but positive labor  supply response among male partners, consistent with decreasing returns to home  production: the marginal value of his time off work decreases when she is more at home in  response to higher benefits; hence he raises his labor supply.  A. Immigrant men B. Native men .5 0 Effect on spouse's earnings -.5 -1 C. Immigrant women D. Native women .5 0 -.5 -1 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure 7. Estimated effects on partner’s annual labor earnings of a Euro increase in TDI  benefit  Note: Shaded region depicts 95% confidence intervals around point estimates. See also note to Figure 4.    To conclude this section, Figure 8 shows estimates of the TDI benefit effect on household  post‐tax annual income. It is clear that for both male and female natives, higher benefits  make the affected households unambiguously better off economically in the first few years  after TDI entry, but leave them largely unaffected over the long haul.   For immigrants, the responses are less clear. The households of male immigrant TDI  participants receive higher income in the short run, but in the long run the persistent  negative labor earnings effects dominate; hence 5‐10 years after TDI entry, the households   28    are actually worse off economically the higher the level of TDI benefits. For the households  of female immigrant claimants, the negative effect on income appears to apply even in the  short run. And also for them, the driving force behind the negative income effect is the  reduced labor supply immigrant men; i.e., their male partners.   A. Immigrant men B. Native men .5 Effect on after-tax family income 0 -.5 C. Immigrant women D. Native women .5 0 -.5 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure 8. Estimated effects on household after‐tax income of a Euro increase in TDI benefit  Note: Shaded region depicts 95% confidence intervals around point estimates. See also note to Figure 4.    9 Why are immigrants more responsive to benefit generosity? Why is the behavior of immigrants more responsive with respect to TDI benefits than the  behavior of natives? Our theoretical discussion in Section 3 highlights that, within a claimant  group, the average responsiveness is greater the larger the fraction of its members that are  close to indifference between employment and non‐employment. Therefore, we expect to  find particularly large effects for individuals with relatively low earnings prospects in the  labor market and/or high valuation of leisure.   To examine the roles of poorer market opportunities as opposed to higher valuation of  leisure, we define two sets of indicator variables grouping individuals according to their   29    earnings prospects and predicted valuation of non‐employment, respectively. We then  estimate the behavioral parameters separately for each category, common for immigrants  and natives. Next, we examine the estimated immigrant‐native response differential  accounting for differential effects by earnings potential and preferences for off‐work hours.  In this exercise, we return to our full sample of TDI claimants, and investigate the direct  effects on own labor supply only.  To characterize the claimants’ earnings potential, we identify the three best earnings years  prior to program entry and compute the average earnings level in these years.8 We then  divide the immigrant population into quartiles based on these averages, and use the  resultant earnings thresholds to categorize natives as well. We define “low earnings  potential” as having had previous earnings at a level corresponding to the lowest quartile in  the immigrant earnings distribution, while “medium earnings potential” refers to the second  or third quartiles of this distribution, and “high earnings potential” to the upper quartile.   To characterize the claimants’ predicted valuation of non‐employment (NE), we use their  marital status and employment status of their partner. We have already seen indications  that labor supply responses are stronger for claimants who live with a partner (compare  Figures 8 and 6). If such response differentials are related to leisure complementarities in  couples, it is conceivable that they also vary with the employment status of the partner.  Since employment of the partner is endogenous, we use information on the partner’s labor  market status at the time of TDI entry only. We define “high value of NE” as having a non‐ employed (homemaker) partner, “medium value of NE” as having an employed partner, and  “low value of NE” as being single. This is of course an extremely crude and imprecise  representation of the utility of leisure, yet we assume that it will capture some systematic  differences in the valuation of non‐employment.  Table 5 provides a description of how immigrants and natives are characterized along these  dimensions. By construction, exactly 25% of the immigrant claimants are defined as having  low earnings potential. Among natives, only 3.7% of men and 5.1% of women fall into this                                                            8 In this exercise we include earnings years up to 12 years prior to entry, but exclude the very last two years;  i.e., we use the three best earnings years in the period of [‐12,‐3] years of the year of entry.  30    group; see panel A. Hence, if past earnings predict future earnings potentials, native TDI  participants have much more to gain from labor market participation than immigrants.  Immigrant and native TDI claimants also differ considerably in their family situation, even  beyond the partner/single distinction; see panel B. In particular, the fraction with a  homemaker partner is more than four times as high for immigrants as for natives.     Table 5: Proxies for valuation of employment and non‐employment     Men Women    Immigrants Natives Immigrants  Natives   (1) (2) (3)  (4)     A. Valuation of employment: Average of 3 best    earnings years (%)  Low (p1‐p25 of immigrant distribution)  25.0 3.7 25.0  5.1 Medium (p26‐p75 of immigrant distribution) 50.0 39.4 50.0  45.5 High (p76‐p100 of immigrant distribution) 25.0 56.9 25.0  49.4     B. Valuation of non‐employment: Family status    (%)  Low (single)  33.1 65.4 30.1  53.3 Medium (employed partner)  30.2 26.0 47.4  41.4 High (partner homemaker)  36.7 8.6 22.4  5.3   Note: Average of three best earnings years is computed from the three highest annual labor earnings obtained  between 12 and 3 years prior to the year of TDI entry. The thresholds between low and medium earnings are  NOK 79,920 for men and NOK 27,240 for women, and those between medium and high earnings potential NOK  431,078 for men and NOK 316,672 for women. Samples consist of new temporary disability insurance spells of  individuals age 27‐59 that started between 1999 and 2004.     In order to examine whether differential responses to benefit generosity by pre‐earnings  level and family structure explains the immigrant‐native response differential, we extend the  statistical models presented in Section 5. However, to facilitate statistical inferences  regarding the difference between immigrants and natives, we estimate somewhat simplified  joint models for immigrants and natives, with interaction terms allowing for differential  responses. For the hazard rate model, we merge the three non‐employment destination  states such that the model has only two exit states: employment and non‐employment. For  the earnings model, we add up all labor earnings obtained during a five‐year period after the  year of TDI entry into a single average earnings variable. The list of control variables is  exactly the same as that used in Section 5, with immigrant interactions included for all   31    variables except those capturing the differential responses by value of employment and non‐ employment.     Table 6:  Estimated hazard rate elasticities with respect to TDI benefit, based on models  with and without interactions with valuation of employment and non‐employment     Men Women    Immigrant  Immigrant  Natives  interaction  Natives  interaction    (1) (2) (3)  (4)     A. Without interactions between benefits and    value of employment and non‐employment      Transition to employment ‐0.312*** ‐0.368*** ‐0.096*  ‐0.404*** (0.068)  (0.161)  (0.051)  (0.149)  Transition to non‐employment  ‐0.087 ‐0.074 ‐0.163***  0.216* (0.063)  (0.121)  (0.054)  (0.123)  Number of support points in het. dist.  5 4      B. With interactions  between benefits and    value of employment and non‐employment      Transition to employment   Baseline (low value of employment/high  ‐0.862*** ‐0.228 ‐0.305  ‐0.334** value of non‐employment)  (0.253)  (0.162)  (0.213)  (0.152)  + medium value of employment  0.198 0.124  (0.186)  (0.148)  + high value of employment  0.250 0.271  (0.199)  (0.155)  + medium value of non‐employment  0.277 0.137  (0.189)  (0.172)  + low value of non‐employment  0.431** 0.001  (0.188)  (0.178)      Transition to non‐employment    Baseline (low value of employment/high  0032 0.174 ‐0.266  0.190 value of non‐employment)  (0.183)  (0.133)  (0.163)  (0.130)  + medium value of employment  ‐0.165 ‐0.060  (0.131)  (0.110)  + high value of employment  ‐0.375** ‐0.314**  (0.156)  (0.127)  + medium value of non‐employment  0.055 0.219  (0.160)  (0.143)  + low value of non‐employment  0.144 0.281*  (0.151)  (0.151)  Number of support points in het. dist.  5 3    */**/*** indicates statistical significance at the 10/5/1 percent levels. Standard errors are reported in  parentheses.      32    Results from the hazard rate models are displayed in Table 6. In panel A, without  interactions, the results for the transition rate to employment are as expected very similar to  those based on separate estimations and reported in Table 3. The setup also provides a  direct test of differential TDI benefit effects and confirms that immigrant transitions to  employment are significantly more responsive to the benefit level than are native  transitions. Moving on to the estimates in panel B allowing for differential impacts by the  value of employment and non‐employment, we first note that there appears to be some  important differences in behavioral responses along these dimensions. Although the  individual coefficients are imprecisely estimated, their pattern suggests that the  employment transition among participants with more favorable earnings prospects and less  scope for joint leisure with a partner is less responsive to changes in TDI benefits.  Even  more important for the interpretation of immigrant responsiveness, when we allow for the  employment transition sensitivity to vary with these factors, the estimated immigrant‐native  response differential drops considerably. For men, the point estimate falls from ‐0.37 to ‐ 0.23 (by 38%), and also becomes statistically insignificant. For women the differential goes  from ‐0.40 to ‐0.33 (by 18%). These results suggest that the larger behavioral responses  found for immigrant claimants to some extent arise from differences in earnings prospects  and in the opportunity cost of employment.   For the transition rate to other non‐employment states, the results in Table 6 indicate that  the average behavioral responses (panel A) are small for all groups, perhaps with the  exception for native women. Introducing interactions with employment prospects and  valuation of non‐employment reveals, however, that there are some behavioral responses  for claimants with relatively high past earnings; see panel B. This likely reflects that claimants  with high earnings in the past to a larger extent than others are eligible for alternative social  insurance programs, such as unemployment and permanent disability insurance; i.e., that  they are close to an indifference zone between TDI and other social insurance programs.  When TDI benefits become more generous, transitions to other programs drop because they  appear most attractive for those with high earnings in the past.   In Table 7, we report the results from the same extension of the linear regression model  with average annual labor earnings over a five‐year period after TDI entry as the dependent  variable. Again, we find that persons predicted to have poor earnings prospects and/or high   33    valuation of leisure respond much more strongly to more generous TDI benefits. For natives  belonging to this group, we estimate that a one Euro increase the TDI benefit reduces  average labor earnings over the next five years by 40 cents for men and 32 cents for women.  Conversely, for natives with both favorable earnings prospects and low value of non‐ employment, the estimated earnings responses to higher benefits is close to zero for both  men and women (i.e., the sum of the relevant coefficients in Table 7, panel B). Hence, even if  higher benefits postpone the transition rate to employment, there is no significant effect on  five‐year labor earnings for single TDI participants with favorable earnings potentials.     Table 7:  Estimated impact TDI benefit on average earnings in the five‐year period after  program entry (OLS), with and without interactions with valuation of employment and  non‐employment     Men Women    Natives Immigrant  Natives  Immigrant  interaction  interaction    (1) (2) (3)  (4)     A. Without interactions between benefits and  ‐0.097*** ‐0.219*** ‐0.056**  ‐0.164** value of employment and non‐employment  (0.030)  (0.080)  (0.024)  (0.081)      B. With interactions between benefits and    value of employment and non‐employment  Baseline (low value of employment/high  ‐0.404*** ‐0.144* ‐0.317***  ‐0.103 value of non‐employment)  (0.132)  (0.086)  (0.112)  (0.083)  + medium value of employment  0.187* 0.004  (0.107)  (0.085)  + high value of employment  0.310*** 0.165*  (0.110)  (0.085)  + medium value of non‐employment  0.057 0.202**  (0.088)  (0.084)  + low value of non‐employment  0.065 0.142*  (0.086)  (0.086)    */**/*** indicates statistical significance at the 10/5/1 percent levels. Standard errors are reported in  parentheses.       Finally, the results in Table 7 again confirm that the immigrant‐native response differential  declines when we allow for differential responses along other dimensions unevenly  distributed among immigrants and natives, such as earnings prospects and the family  situation. The immigrant interaction coefficient drops by about 35% for both men and   34    women. It is important to bear in mind here that our proxy characterizations of earnings  prospects and valuation of leisure are crude and subject to considerable measurement error.  Were we able to make more precise and reliable characterizations, it is thus likely that the  decline in the immigrant‐native response differential would be even larger than that  uncovered by our analyses.   10 Conclusion The economic implications of migration are intimately related to host country labor market  performance of the immigrants. In many welfare state economies, there has been a  tendency for immigrants from low‐income countries to perform poorly in the labor market,  and thus become overrepresented in social insurance programs. When these programs are  redistributive, replacement ratios are larger for individuals with bleak labor market  opportunities, and the moral hazard affecting work incentives is potentially more important  for immigrants. Since more immigrants face small economic gains from employment relative  to receiving social insurance, ambitious welfare state institutions with comprehensive  coverage against health and income shocks may enlarge rather than reduce immigrant‐ native employment gaps.   Using administrative data for Norway, we first compare the income distributions for those  with labor market earnings and social insurance transfers, respectively, as their main source  of income.  Immigrants from low‐income countries are more likely to receive transfers from  the welfare state and 22.0 percent of immigrant men have social insurance as their main  source of income, compared to 11.0 percent of native men. The immigrant‐native income  differential is much larger for those in employment than in the social insurance claimant  group. While employed native men have a disposable (after tax) income that is almost 92  percent higher than those on social insurance, the corresponding differential for immigrants  is only 60 percent, suggesting that the economic rewards for being employed are much  larger for natives.    A reform of the benefit formula used by the temporary disability insurance (TDI) program  enables us to exploit exogenous variation in benefits in order to identify and estimate the  causal effect of benefits on employment and earnings. Identical individuals were entitled to  different benefits, depending on the exact timing of program entry. We find that higher   35    benefits reduce the transition rate to employment and prolonged the program spell among  participants, and also led to considerably lower labor earnings several years after entry to  the TDI program. We find a distinct pattern of greater responses to benefit generosity  among immigrants from low‐income countries, when compared to natives, for both program  exit and subsequent labor earnings. For immigrant women, we also identify a considerable  negative labor supply effect on their male partners. According to our point estimates, the  cross‐effect on their spouses is even larger than the effect on the immigrant women  themselves. Thus, employment of immigrant men is affected both directly and indirectly by  the generosity of the TDI program. For total household income, the direct and indirect  effects imply that whereas household income over the years after TDI entry rises with  benefit generosity for natives, it is estimated to decline for immigrants.   Our findings are consistent with a simple theoretical framework in which behavioral  responses at the extensive margin reflect heterogeneity in circumstances affecting the value  of leisure and in labor market opportunities. Greater responses to benefit generosity are  expected among groups (e.g., immigrants from low‐income countries) who are located close  to the threshold where there are small economic gains from being employed and/or have  high utility of non‐employment (e.g., due to their family structure). This interpretation of our  results is corroborated by our finding that there are stronger behavioral responses also  among natives with characteristics similar to those of immigrants.   If policy makers aim at eliminating or at least reducing the negative immigrant‐native  employment differential, it may thus be necessary to make employment more attractive  relative to non‐employment for persons with characteristics implying a small utility gain  derived from employment. Relevant policies include human capital investment subsidies and  in‐work benefits.  Lower social insurance benefits will reduce program participation and  raise employment, but inevitably make insurance against adverse income or health shocks  less effective. An activation strategy where social insurance dependency no longer  necessarily implies more leisure may offset moral hazard problems without undermining the  primary goal of social insurance programs.    36    References Aaberge, R., Columbino, U., and Strøm, S. (2000) Labor Supply Responses and Welfare  Effects from Replacing Current Tax Rules by a Flat Tax: Empirical Evidence from Italy,  Norway, and Sweden. Journal of Population Economics, Vol. 13, No. 4, 595‐621.  Aakvik, A., Heckman, J., and Vytlacil, E. (2005) Estimating Treatment Effects for Discrete  Outcomes when Responses to Treatment Vary: An Application to Norwegian  Vocational Rehabilitation Programs. Journal of Econometrics, Vol.  125, 15–51.  Autor, D., and Duggan, M.G. (2003) The Rise in the Disability Rolls and the Decline in  Unemployment. Quarterly Journal of Economics, Vol. 118, 157–205.  Autor, D., Kostøl, A.R., Mogstad, M., and Setzler, B.  (2017) Disability Benefits, Consumption  Insurance and Household Labor Supply, NBER Working Paper No. 23466.   Bargain, O., Orsini, K., and Peichl, A. (2014) Comparing Labor Supply Elasticities in Europe  and the United States. Journal of Human Resources, Vol. 49, No. 3, 723‐838.  Barth, E., Bratsberg, B., and Raaum, O. (2004) Identifying Earnings Assimilation of Immigrants  under Changing Macroeconomic Conditions, Scandinavian Journal of Economics, Vol.  106, No. 1, 1‐22.   Blau, F.D., and Kahn, L.M. (2007) Changes in the Labor Supply Behavior of Married Women:  1980‐2000. Journal of Labor Economics, Vol. 25, No. 3, 393‐438.  Blundell, R., and MaCurdy, T. (1999) Labor Supply: A Review of Alternative Approaches. In  Ashenfelter, O. and Card, D.: Handbook of Labor Economics, Vol. 3A, Amsterdam:  Elsevier.  Borghans, L., Gielen, A.C., and Luttmer, E.F.  (2014) Social Support Substitution and the  Earnings Rebound: Evidence from a Regression Discontinuity in Disability Insurance  Reform. American Economic Journal: Economic Policy, Vol. 6, No. 4, 34‐70.   Borjas, G. (2003) Welfare Reform, Labor Supply, and Health Insurance in the Immigrant  Population, Journal of Health Economics, Vol. 22, 933‐958.    37    Bratsberg, B., Fevang, E., and Røed, K. (2013) Job Loss and Disability Insurance. Labour  Economics, Vol. 24, 137–150.  Bratsberg, B., Raaum, O., and Røed, K. (2010) When Minority Labor Migrants Meet the  Welfare State. Journal of Labor Economics, Vol. 28, No. 3, 633‐676.  Bratsberg, B., Raaum, O., and Røed, K. (2017) Immigrant Labor Market Integration across  Admission Classes. Nordic Economic Policy Review, Vol. 7, 17‐54.  Bratsberg, B., Raaum, O., and Røed, K. (2018) Job Loss and Immigrant Labor Market  Performance. Economica, Vol. 85, No. 337, 124–151.  Coile, C. (2004) Retirement Incentives and Couples’ Retirement Decisions. Topics in Economic  Analysis & Policy, Vol. 4, No. 1.   Curren, J.B., and Gruber, J. (2000) Does Unemployment Insurance Crowd out Spousal Labor  Supply?. Journal of Labor Economics, Vol 18, No.3, 546‐572.   Devereux, P.J. (2004) Changes in Relative Wages and Family Labor Supply. Journal of Human  Resources, Vol. 39, 692‐722.  Duggan, M., Rosenheck, R., and Singleton, P. (2010) Federal Policy and the Rise in Disability  Enrollment: Evidence for the Veterans Affairs´ Disability Compensation Program. Journal  of Law and Economics, Vol. 53, No.2, 379‐398.   Dustmann, C., Glitz, A., and Vogel, T. (2010) Employment, Wages, and the Economic Cycle:  Differences between Immigrants and Natives. European Economic Review, Vol. 54, No.  1, 1‐17.   East, C.N. (2018) Immigrants´ Labor Supply Response to Food Stamp Access. Labour  Economics, Vol. 51, 202‐226.   Fevang, E., Hardoy, I., and Røed, K. (2017) Temporary Disability and Economic Incentives.  Economic Journal, Vol. 127, No. 603, 1410–1432.  French, E., and Song, J. (2014) The Effect of Disability Insurance Receipt on Labor Supply,  American Economic Journal: Economic Policy, Vol. 6, No. 2, 291‐337.    38    Gaure, S., Røed, K., and Zhang, T. (2007) Time and Causality: a Monte Carlo Assessment of  the Timing‐of‐Events Approach. Journal of Econometrics, Vol. 114, 1159‐95.  Gelber, A., Moore, T.J., and Strand, A. (2017) The Effect of Disability Insurance Payments on  Beneficiaries´ Earnings. American Economic Journal: Economic Policy, Vol. 9, No. 3,  229‐261.  Gustman, A.L., and Steinmeier, T.L. (2004) Social Security, Pensions and Retirement Behavior  within the Family. Journal of Applied Econometrics, Vol. 19, 723–737.  Gill, F. (1999) The meaning of Work: Lessons from Sociology, Psychology, and Political  Theory. Journal of Socio‐Economics, Vol. 28, 725–743.  Hansen, J., and Lofstrom, M. (2011) Immigrant‐Native Differences in Welfare Participation:  The Role of Entry and Exit Rates. Industrial Relations: A Journal of Economy and  Society, Vol. 50, 412‐442.  Henrekson, M., and Persson, M. (2004) The Effects on Sick Leave of Changes in the Sickness  Insurance System, Journal of Labor Economics, Vol. 22, 87‐114.  Johansson P., and Palme, M. (2002). Assessing the Effects of a Compulsory Sickness  Insurance on Worker Absenteeism, Journal of Human Resources, Vol. 37, No. 2, 381‐ 409.  Kaestner, R., and Kaushal, N. (2005). Immigrant and Native Responses to Welfare Reform,  Journal of Population Economics, Vol. 18, 69‐92.   Kaushal, N. (2010) Early Immigrants’ Labor Supply Response to Supplemental Security  Income. Journal of Policy Analysis and Management, Vol. 29, No. 1, 137‐162.  Kieselbach, T. (2004) Psychology of Unemployment and Social Exclusion: Youth  Unemployment and the Risk of Social Exclusion. In: Gallie, D. (Ed.): Resisting  Marginalisation. Unemployment Experience and Social Policy in the European Union.  Oxford University Press, Oxford.  Kostøl, A.R., and Mogstad, M. (2014). How Financial Incentives Induce Disability Insurance  Recipients to Return to Work, American Economic Review, vol. 104, No. 2, 624‐655.   39    Krueger A.B., and Meyer, B.D. (2002) Labor Supply Effects of Social Insurance. In: Auerbach,  A.J., and Feldstein, M. (eds) Handbook of Public Economics, Vol 4. North‐Holland,  Elsevier Science, 2327–2392.  Maestas, N., Mullen, K., and Strand, A. (2013). Does Disability Insurance Receipt Discourage  Work? Using Examiner Assignment to Estimate Causal Effects of SSDI Receipt,  American Economic Review, Vol. 103, No. 5, 1797‐1829.  Marie, O., and Castello, J.V. (2012) Measuring the (Income) Effect of Disability Insurance  Generosity on Labor Market Participation, Journal of Public Economics, Vol. 96, 198‐ 210.   Markussen, S., and Røed, K. (2014) The Impacts of Vocational Rehabilitation. Labour  Economics, Vol. 31, 1–13.  Moffitt R. (1983) An Economic Model of Welfare Stigma. American Economic Review, Vol. 73,  No. 5, 1023‐1035.  Mullen, K., and Staubli, S. (2016): Disability Benefit Generosity and Labor Force Withdrawal,  Journal of Public Economics, Vol. 143, 49‐63.   Nielsen, H.S., Sorensen, T., and Taber, C. (2010) Estimating the Effect of Student Aid on  College Enrollment: Evidence from a Government Grant Policy Reform. American  Economic Journal: Economic Policy, Vol. 2, 185‐215.  OECD (2013) International Migration Outlook, Chapter 3, OECD, Paris.  OECD (2015) Indicators of Immigrant Integration 2015: Settling In, OECD Publishing, Paris  http://dx.doi.org/10.1787/9789264234024‐en.  Rege, M., Telle, K., and Votruba, M. (2009) The Effect of Plant Downsizing on Disability  Pension Utilization. Journal of the European Economic Association, Vol. 7, No. 5, 754– 785.  Riphahn, R.T., and Wunder, C. (2013) Patterns of Welfare Dependence before and after a  Reform: Evidence from First Generation Immigrants and Natives in Germany. Review  of Income and Wealth, Vol. 59, No. 3, 437‐459.   40    Røed, K., Jensen, P., and Thoursie, A. (2008) Unemployment Duration and Unemployment  Insurance ‐ A Comparative Analysis Based on Scandinavian Micro Data. Oxford  Economic Papers, Vol. 60, No. 2, 254‐274.  Røed, K., and Westlie, L. (2013) Unemployment Insurance in Welfare States: The Impacts of  Soft Duration Constraints. Journal of the European Economic Association, Vol. 10, No.  3, 518‐554.  Røed, K., and Zhang, T. (2003) 43. Does Unemployment Compensation Affect  Unemployment Duration? The Economic Journal, Vol. 113, 190‐206.  Saez, E. (2002) Optimal Income Transfer Programs: Intensive Versus Extensive Labor Supply  Responses. Quarterly Journal of Economics, Vol. 117, 1039‐1073.  Sarvimäki, M. (2011) Assimilation to a Welfare State: Labor Market Performance and Use of  Social Benefits by Immigrants to Finland. Scandinavian Journal of Economics, Vol.  113, 665‐688.  Schirle, T. (2008) Why Have the Labor Force Participation Rates of Older Men Increased since  the Mid‐1990s? Journal of Labor Economics, Vol. 26, 549–594.  Schultz‐Nielsen, M.L. (2017) Labour market integration of refugees in Denmark, Nordic  Economic Policy Review, Vol. 7, 55‐90.  Appendix A: Placebo analysis As explained in Section 6, the identification strategy used in this paper relies on the absence  of systematic outcome trends that are causally unrelated to the level of TDI benefits, yet  systematically correlated with the individual factors determining benefit gains/losses.  Fevang et al. (2017) assessed the validity of this assumption by means of imposing falsely  timed reforms in the middle of the pre and post‐reform periods, and then re‐estimating their  competing risks hazard rate model separately for those entering before or after the true  timing of the reform. None of the resultant “placebo” analyses indicated any violation of the  identifying assumption. In this appendix, we perform a similar placebo analysis for our  annual earnings outcome, yet to increase power we pool the pre and post‐reform TDI  entrants into a single dataset. The results are provided in Figure A1, which can be compared   41    directly to Figure 4 above.9 As expected, the significant effects identified when we use the  correct timing of the reform are now absent. In particular, we see none of the significant and  quite substantial negative effects identified for immigrants. This result speaks against the  validity of the concern that the results in Figure 4 could have been driven by unaccounted‐ for differential trends.     A. Immigrant men B. Native men .4 .2 0 Effect estimate, earnings -.2 -.4 C. Immigrant women D. Native women .4 .2 0 -.2 -.4 0 2 4 6 8 10 0 2 4 6 8 10 Years since program entry   Figure A1. Placebo analyses of effects on annual labor earnings of a Euro increase in TDI  benefit   Note: Shaded region depicts 95% confidence intervals around point estimates. See also note to Figure 4.    Appendix B: TDI program entry As pointed out in Section 5, it is plausible that the reform‐initiated changes in TDI benefits  also triggered changes in the patterns of inflow into the TDI program. If the benefit level                                                            9  Note that we have dropped “year 0” (the year of entry into the program) from Figure A1 as the counterfactual  reforms (in contrast to the true reform) have been placed midyear (July 1) to ensure balanced durations of the  pre and post‐reform periods.   42    affects entry into social programs, this clearly adds a possible explanation for the immigrant‐ native employment differential that is of interest in itself. In addition, it may raise questions  about the internal validity of the analysis performed in this paper, as effects on the inflow  into the program potentially could change the correlation pattern between pre and post‐ reform benefit levels on the one hand, and unobserved heterogeneity on the other.   In this appendix, we examine empirically the extent to which entry into the TDI program was  affected by benefit changes generated by the reform. This is not a straightforward exercise,  however, as it is not clear how we should define the population at risk for this transition.  Here, we exploit the fact that a considerable fraction of TDI claimants enter the program  directly or shortly after having exhausted their 12‐month period of sick‐pay entitlements.  Hence, workers who approach sick‐pay exhaustion constitute a major risk population for TDI  entry. To study the impact of the TDI benefit level on program entry, we therefore construct  a data set consisting of all persons who had exhausted 9 months of their sick‐pay  entitlements in the period between January 1999 and December 2003, except those who  reached this stage of sick pay in the period from July to September 2001.10 We then define  as the dependent variable the incidence of participating in the temporary disability program  six months thereafter.  Table A1 offers some descriptive statistics. In total, there are 186,252 sick‐pay spells lasting  at least nine months included in our analysis data and 47 percent were TDI program  participants six months later. As the table shows, TDI benefits under both the old and new  sets of computation rules are somewhat higher for natives than for immigrants from low‐ income countries. Relative to average earnings during the three years prior to the sick pay  spell, the post‐reform benefit levels are, however, considerably higher for immigrants.                                                                   10  We drop these observations because there is some ambiguity as to which benefit regime they would belong.  43    Table A1: Descriptive statistics, sick leave samples    Men Women    Immigrants Natives Immigrants  Natives   (1) (2) (3) (4)     Age  40.2 44.3 39.4  43.3 Educational attainment:      Compulsory  40.0 36.7 47.5  37.4   Upper secondary  34.3 55.2 28.2  50.3   College  15.0 6.2 13.1  10.4   Post graduate  2.3 1.4 2.7 1.5   Unknown  8.5 0.5 8.6 0.3     Employed year before  93.5 96.9 91.8  95.8 Average earnings 3 prior years  345 798 474 920 258 496  338 184 TDI benefits:       Pre‐reform rules  180 038 250 456 135 168  189 006   Post‐reform rules  237 255 271 938 197 836  222 194 Implied replacement (pre‐tax):       Pre‐reform rules  0.521 0.527 0.523  0.559   Post‐reform rules  0.686 0.573 0.765  0.657 Outcomes:      Temp disability 6 months later  46.2 46.1 45.6  47.7   Employed next year (w/o TDI)  35.9 42.8 35.6  41.1     Number of spells  7 198 99 215 4 208  79 631   Fraction post reform  55.1 51.0 56.9  51.1     Note: Samples consist of sick leave spells of private sector workers age 27‐59 that have lasted 9 months,  observation period is 1999‐2003. Earnings and benefits are inflated to 2013 currency using the social insurance  base amount (“G”) index.     In order to assess the role that the TDI benefit level has on the propensity to enter the  program, we estimate logit models with TDI participation after six months (i.e., three months  after potential sick‐pay exhaustion) as the dependent variable, and with the structure of  explanatory variables as in Equation (1). In Table A2, panel A, we report the elasticities from  separately estimated models for immigrants and natives by gender.  In general, the point  estimates suggest that more generous TDI benefits trigger a larger inflow from long‐term  sickness. The estimated impacts are small, however, and only one of the coefficients is  marginally statistically significant at the 10% level; see panel A. This finding may reflect that  the benefit calculation schedules are complicated and that many entrants do not have  knowledge about the precise benefit level before they actually enter the program.  The  estimated negative impacts on employment status next year appear to be larger, and also  more statistically significant. However, it is important to bear in mind that the estimates in   44    Panel B also capture the effects that operate through the influence on exit rates already  identified for actual participants.    Viewed as a whole, our interpretation of the findings in Table A2 is that they suggest that  entry effects of TDI benefits are small. Paired with the evidence presented in Section 5,  Figure 3, where we showed that the distributions of benefit gains (the difference between  the benefit levels calculated according to the post‐reform and pre‐reform schedules) were  almost identical for pre‐reform and post‐reform entrants, the indication is that the potential  for disturbing changes in the spurious correlation patterns between the two benefit  variables and relevant unobserved characteristics of TDI program participants is unlikely to  invalidate our analysis.    Table A2: Benefit effects on TDI entry and employment (logit models)    Men Women  Outcome:  Immigrants Natives Immigrants Natives    (1)  (2) (3) (4)        A. TDI after 6 months      Elasticity estimate  0.108  0.046 0.166* 0.044  (0.071)  (0.034)  (0.099)  (0.035)  B. Job next year      Elasticity estimate  ‐0.154*  ‐0.074* ‐0.122 ‐0.083**  (0.092)  (0.038)  (0.124)  (0.042)        Number of spells  7 198  95 215 4 208 79 631        Note: In addition to the log post‐ and pre‐reform benefits, the vector of control variables includes log(regional  job rate), indicators for children 0‐3, 4‐6, and 7‐12, marital status (2 dummy variables), age (32 dummy  variables), county of residence (19 dummy variables), and calendar month (59 dummy variables). */**/***  indicates statistical significance at the 10/5/1 percent levels.