Defined Contribution Pension Plans: Determinants of Participation and Contributions Rates Gur Huberman &



Yüklə 0.53 Mb.
PDF просмотр
səhifə3/3
tarix28.11.2016
ölçüsü0.53 Mb.
1   2   3

Compensation ($1,000)

C

o

ntr

ib

u

ti

o

n

-3.0%


0.0%

3.0%


6.0%

9.0%


12.0%

15.0%


18.0%

P

ar

ti

cip

at

io

n

Co ntributio n--P articipants

Co ntributio n--Full Sample

P articipatio n

Figure 7 Marginal effect of $10,000 increase in compensation on participation and contribution

J Finan Serv Res



attempt to affect the most people whereas the findings regarding higher income employees

should inspire policies that attempt to affect the most savings.

Figure

7

depicts, for each compensation level, the sensitivity of participation probability



and contribution to a $10,000 change in compensation, holding other variables constant.

Marginal participation probability peaks at around 15% for those earning $30,000 and

declines thereafter. (To appreciate the magnitude, note that the 15% marginal probability is on

top of the average participation probability of those earning $30,000 which is 55%.) It is not

negative for any compensation level, and for those earning more than $100,000 it is near zero.

The marginal effect of compensation on contribution of the eligible employees peaks around

a compensation of $60,000 at $1,208. (The $1,208 marginal contribution is on top of the

$3,868 average contribution of those earning $60,000.) Even for those earning between

$100,000 and $150,000 the marginal contribution ranges between $800 and $500. The

-400


0

400


800

1200


1600

2000


15 20 25

30 35 40 45 50 55

60 65 70 75 80 85

90 95 100 110 120 130 140 150



Com pensation ($1,000)

C

o

ntr

ib

u

ti

o

n

-3.0%


0.0%

3.0%


6.0%

9.0%


12.0%

15.0%


Participation

Contribution--Participants

Contribution--Full Sample

Participation

Figure 8 Excess participation rates and contribution levels of women

-300


-150

0

150



300

450


600

15

20



25

30

35



40

45

50



55

60

65



70

75

80



85

90

95



100

110


120

130


140

150


Compensation ($1,000)

Co

n

tr

ib

u

ti

o

n

-4.0%


-2.0%

0.0%


2.0%

4.0%


6.0%

8.0%


P

ar

tic

ip

at

io

n

Contribution--Participants

Contribution--Full Sample

Participation

Figure 9 Excess participation rates and contribution levels of those covered by DB

J Finan Serv Res



marginal contribution of eligible employees is greater than that of the participants since the

marginal participation probability is non-negative.

Figure

8

depicts, for each compensation level, the difference in participation probability



and contribution between women and men, holding other variables constant. The average

participation probability of men earning $30,000 is 49% whereas that of women with the

same compensation and similar other attributes is 12% higher. The difference declines for

higher wages, but even at the highest compensation levels, women

’s participation

probabilities are at least 2% higher than men

’s. The contributions of women are higher

than men


’s at all compensation levels, and the difference increases (for the whole

population) from around $300 (for those earning around $20,000) all the way to $1,500 (for

those earning above $100,000).

-1000


-750

-500


-250

0

250



500

750


15 20 25

30 35 40 45 50 55

60 65 70 75 80 85

90 95 100 110 120 130 140 150



Com pensation ($1,000)

C

o

nt

ri

b

u

ti

on

-4.0%


-2.0%

0.0%


2.0%

4.0%


6.0%

8.0%


10.0%

P

a

rt

ic

ip

a

tio

n

Contribution--Participants

Contribution--Full Sample

Participation

Figure 10 Excess participation rates and contribution levels of company-stock employees

-1000


-500

0

500



1000

1500


2000

2500


15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 110 120 130 140 150

Com pensation ($1,000)

C

o

ntr

ibuti

on

0.00%


3.00%

6.00%


9.00%

12.00%


15.00%

18.00%


21.00%

P

a

rt

ici

p

a

ti

o

n

Contribution--Participants

Contribution--Full Sample

Participation

Figure 11 Marginal effect of 100% match on participation and contribution

J Finan Serv Res



One explanation for the gender difference is that women are residual income earners in

their families: many more low-compensation women than men are married to working

spouses and among the majority of working couples, women earn less than men. Consistent

with this hypothesis, the data show that women tend to live in wealthier neighborhoods

than men of comparable compensation, age and tenure. (Not tabulated.)

If the participation and contribution decision reflects the family

’s, as opposed to just the

employee


’s needs, then low-income women will participate and contribute as if they had

higher incomes than their recorded compensation. This observation may explain the gender

gap at the low end of the pay scale, although even here the inclusion of the WEALTH

variable should control for the

“family” effect. Moreover, if this were the only explanation,

women at the higher income levels should behave similarly to men of similar income. But

they do not: women earning six digit figures have 2% higher participation probabilities and

contribute more than a thousand dollars more than their male counterparts.

Figure

9

depicts the difference in behavior between employees in companies with and



without DB plans. The counterintuitive results on higher participation rates and contributions

that transpire from Tables

1

and


2

surface here as well, with the additional insight that they

are concentrated among those in the middle of the earnings distribution, peaking at incomes

of $40,000

–$45,000.

Remarkably, contributions of participants with and without DB plans are statistically

indistinguishable at all income levels. The graph suggests that once an employee decides to

participate, the contribution level is unaffected by the presence or absence of the DB plan.

The reason that contributions of eligible employees with DB plans are higher than of those

without DB plans is that participation probabilities are higher.

Figure

10

depicts the impact of including company stock among the investable funds.



For those earning less than $42,000

—41% of the sample—participation probability is

higher in the presence of company stock; for those earning $30,000 or below

—30% of the

sample, presence of company stock enhances participation probability by about 7%.

(Overall participation probability of employees at this income level is 48%.) For those

earning below $35,000 contributions are also higher if company stock is an investable fund,

but they are lower for employees earning more than $35,000. Note that conditional on

participation, employees contribute less in the presence of company stock. Presumably,

employees attracted to the program by the presence of company stock tend to contribute

considerably less than those who would participate regardless of the presence of company

stock in the investable funds.

For those earning above $40,000, the effect of company stock on participation

probability is slightly negative (between 0 and

−2%), but mostly indistinguishable from

zero. More puzzling, and harder to explain is the behavior of contributions: they are lower

in the presence of company stock in the investable funds. They can be lower by as much as

$400


–750 for those earning between $65,000 and $130,000. Why the presence of

company stock should adversely affect contributions is unclear, since its presence in the

investable funds can be safely ignored by eligible employees and participants, in which

case it would leave participation probabilities and contributions unaffected. But this seems

not to be the case.

According to Fig.

11

which depicts the relevant sensitivities of participation and



contribution to a 100% match, the presence of such a match increases participation at all

compensation levels, and such inducement is stronger the lower the compensation. In fact, a

100% match (up to 5% of salary) would lift the average participation rates of those earning

$20,000 by 19%. (Recall that the overall participation rate of employees in this income

range is 43%.) Contributions of eligible employees at all income levels are higher when a

J Finan Serv Res



match is available. In fact, for those earning less than $35,000, a 100% match would

increase contributions by about $550

–750.

4

(For reference, see Fig.



12

for average

contribution levels at various income levels).

The positive impact of a match on all employees

’ contributions is in contrast with its

effect on participants only. It seems that only participants earning above $130,000 increase

their contributions in response to the match. Participants earning between $35,000 and

$120,000 seem to reduce their contributions in response to a match. To understand this

counterintuitive finding requires analysis of the relation between the policy variables

existence of the match, the match rate, and the upper limit on the match



—and individuals’

choices to participate and, if they participate, how much to contribute. Choi et al. (

2002

)

and Engelhardt and Kumar (



2003

) summarize how a match affects participants

’ choices

through income and substitution effects.

It is possible that behavioral factors are also necessary to explain the match

’s influence on

employees

’ choices. A substantial fraction of the contributions are at or near the point where

they exhaust the employer

’s match: the contributions of about 18 (22%) of the participants

whose employers offer a match are no more than $100 ($200) away from the upper

limit of their employers

’ match. A similar phenomenon is noted by Choi et al.

(

2002



) on the contribution behavior of participants in one plan that changed the upper

limit of match.

A substitution effect could lead participants to cluster their contributions at the point

where the employer caps the match. But a substitution effect alone does not cause

participants to contribute less when the match rate increases.

A simple explanation for the propensity to contribute an amount which exhausts the

employer

’s match is that the maximal match point is a focal point and interpreted by

participants as an implicit suggestion that it is the optimal amount to contribute

(Madrian and Shea

2001

). This explanation is consistent with the behavior gleaned from



-2000

-1000


0

1000


2000

3000


4000

5000


6000

7000


8000

9000


10000

11000


12000

1.

5



2.

0

25



30

35

40



45

50

55



60

65

70



75

80

85



90

95

10



0

11

0



12

0

13



0

14

0



15

0

Compensation ($1,000)



Cont

ribut

ion (

D

olla

r)

-10


-8

-6

-4



-2

0

2



4

6

8



Savi

n

g

s R

ate (%)

Contribution-Male 

Contribution-Female

Savings Rate-Male

Savings Rate-Female

Figure 12 Contribution levels and savings rates for men and women

4

Using an experiment setting, Duflo et al. (



2006

) find that a 50% match increase the take-up rate of low- and

middle-income subjects into IRA contribution by 11 percentage points compared to no match; and increase

the contribution by $345. These numbers seem to be in the same order of magnitude as our findings.

J Finan Serv Res


Fig.

11

, that participants who receive a match contribute less than those who do not receive



a match when their incomes are at least $40,000. The following calculations are consistent

with this observation.

A typical upper limit on the match is 5% of salary. It inspires very different contribution

levels for low- and high-income participants. The average (median) contribution of

participants earning $40,000 is about $2,740 ($2,315), but 5% of $40,000 is $2,000. Thus,

participants earning around than $40,000 who contribute just the matched amount will

contribute less than their counter-parts who are offered no match. This effect is

strengthened when looking at higher earnings, say $90,000. The average (median)

contribution by participants in this income range is $7,121 ($7,239), but 5% of $90,000 is

only $4,500. Thus, participants who use the upper limit on the match as their focal

point to choose their contribution level will contribute less than those who do not

receive a match at all.

5 Discussion and Concluding Remarks

This is the first study on 401(k) participation and contribution to use non-survey individual-

level data that covers a large number of plans (companies) and includes information about

non-participants. It offers a few novel and counterintuitive observations on participation in

and contributions to 401(k) plans, and provides sharp estimates of sensitivities of these

choices to various individual and plan-level variables. The surprising findings are: women

are more aggressive users of 401(k) plans; coverage by a DB plan does not adversely affect

usage of a 401(k) plan; matching programs positively affect participation rates and

contribution of all employees, especially low-income ones, but negatively affect

contributions of mid-to-higher income participants.

Other studies have considered some of the issues covered here. However, the results

reported here are particularly compelling because of the size and nature of the data used

actual employee records, including non-participants



’ records, from hundreds of plans.

Individual-level data are important because in general, it is inappropriate to estimate a

relation on an aggregate level and then infer that an analogous relation holds at the

individual level

—a problem known as the “aggregation bias” (see, e.g., Freedman

2001


;

Garrett


2003

). For example, at plan level, a $10,000 increase in average compensation

would increase average contribution by $480, while at individual level the same coefficient

is $907. Further, since individuals choose whether to participate in 401(k) plans and how

much to contribute to them, records of non-participants are essential to analyze the

participation and contribution decision.

Figure

12

summarizes some of the main findings, plotting contribution and savings rate



levels for each gender using predicted contribution imputed from two-sided Tobit

coefficients. By the nature of corner solution at zero, the predicted unconditional

contribution amount (i.e., accounting for non-participation) could go negative in which

case the predicted observed contribution would be zero. The Figure shows that

contributions rise with compensation, which is not surprising. It also shows that savings

rates rise with compensation, a more remarkable finding. Whether those who earn more

also save a larger fraction of their incomes has been a well known question, going back

decades prior to Friedman

’s (

1957


) classic work on the consumption function. Recently,

Dynan et al. (

2004

) re-visit the issue and conclude that those with higher expected lifetime



earnings also have higher savings rates.

J Finan Serv Res



In general, the estimation of expected lifetime earnings and of savings is thorny, perhaps

intractable. This study uses 2001 compensation records of wage earners, whose incomes

fluctuate less than those of the self-employed. The unit of observation is the wage earner,

not the household. And savings are narrowly defined as contribution to a 401(k) plan.

Keeping these simplifications in mind, Fig.

12

shows quite clearly that savings rate in DC



accounts increase with compensation.

The gender difference also transpires from Fig.

12

: Relatively more women save, and



they save more than men, a result consistent with the findings of Warner and Pleeter (

2001


)

who study US military personnel offered a choice between a lump sum and an annuity upon

release from the US armed forces. At the contemporary US government borrowing rate of

7% the present values of the annuities were double those of the corresponding lump sums.

Nonetheless, most people took the lump sums. Warner and Pleeter estimate that women

’s

probability of choosing the annuity was 2% higher than men



’s. Generalizing this finding,

one would expect that women are more likely to participate in and contribute to DC plans

that defer current consumption into future on favorable terms.

One explanation for the gender difference is that women have a stronger taste for saving,

perhaps because they live longer on average. A second explanation starts with the

assumption that participation and contribution decisions are made at the household, not the

employee level. Women are more likely than men to have working spouses, and women

’s

working spouses earn more than men



’s working spouses. Thus, comparing a man and a

woman with the same income, the woman is likely to live in a household with a higher

income, and therefore more likely to participate in a DC plan, and contribute more to it.

Without information about marital status, it is difficult to identify such effects. However,

the analysis control for the wealth level of the neighborhood in which the household lives

(and women do overall live in wealthier neighborhood compared to men of equal earning

power), which should to some extent offset the first effect. The second explanation suggests

that the gender difference should be strongest for low-income employees and disappear for

high-income employees. The differences between women

’s and men’s participation

probabilities are indeed highest for those earning less than $40,000, where they exceed

10%. But these differences are still around 2

–3% for those earning over $100,000. Also, the

gender gap in contribution rates increases rather than decreases with compensation. Thus,

the data are consistent with one prediction of the second explanation, but suggest that it is

not the only valid explanation.

This paper

’s findings on DB plans and matching programs are also relevant to those

interested in promoting savings. New tax-preferred savings programs can attract new

savings (i.e., money that would have been used for consumption) or money from competing

savings channels. In the latter case, there would be no increase in aggregate savings. This

study shows that surprisingly, other things equal, employees covered by DB plans tend to

participate more in, and contribute about the same amount to DC plans once they

participate. It is possible that employees have separate mental accounts (Shefrin and Thaler

1992

; Thaler


1999

) for different accounts of retirement money, and when choosing whether

to participate in, and how much to contribute to DC plans, they do not take into account

whatever rights they have in their employers

’ DB plans. Of course, there could be a

selection effect at work here: retirement savings-conscientious employees are more likely

attracted to firms that provide both DB and DC plans. Moreover, the stronger usage of DC

plans by those already covered by DB plans suggests that the presence of a DB plan

increases awareness of the need to save for retirement.

The overall impression is that employees save as much in 401(k) plans with or without a

DB plan. Thus, the evidence presented here is consistent with the view of Poterba et al.

J Finan Serv Res



(

1996


) (

“believing that IRA and 401(k) contributions represent new saving”) and not that of

Engen et al. (

1996


) (

“we conclude that little, if any, of the overall contributions to existing

saving incentives have raised saving.

”) The implication, then, is that the introduction of

new tax-preferred savings programs will likely increase overall savings. This conclusion,

however, is not airtight. It is possible that those eligible for DB benefits who are aggressive

contributors to 401(k) plans make their contributions with money that would be saved

through other channels not covered in the records used in this study.

Match programs increase participation rates, and contributions, primarily of low-income

employees. This finding clearly suggests that voluntary participation and contributions in

individual retirement accounts are likely to increase if the government were to match the

contributions. Moreover, the match will have the strongest impact on the low-income

members of society. And, if policy makers find it desirable to limit the subsidy to high-

income people, match rates could be set to decline with income.

It does not seem surprising that an employer

’s match program should increase

overall contributions since it increases the compensation, albeit in a deferred form.

However, individuals in the medium income range, conditional on participation, seem to

contribute less when the match is generous. Two explanations come to mind. First, if plan

participants have desired levels of total savings, they will contribute less in the presence of

employer match than what they would in the absence of such matching. Another influence

comes from upper limits on the contribution that is matched, which all plans have. (Usually

it is 5

–6% of compensation.) The upper limit can serve as a focal point suggesting a desired



contribution. Choi et al. (

2002


) indeed report that many participants contribute exactly to

the point where matching ends. To the extent that retirement savings rate increases with

compensation, such a focal point will increase contributions of low-income participants and

reduce that of mid-to-high-income participants, relative to their counterparts who receive no

or little match.

This is a study of choices of employees eligible to participate in 401(k) plans in 2001.

Most of the employees

’ choices were probably made prior to 2001, and a shortcoming of

the study is the records

’ silence on the timing of the employees’ choices. Some employee

attributes changed over time

—certainly age and tenure, and most likely compensation.

Moreover, some plan characteristics may have changed between the time an employee

made his most recent choice and 2001. A long panel of records can potentially fix some of

these issues, but not all. Ameriks and Zeldes (

2004


) point out that the separation of age,

cohort and time effects requires assumptions outside the panel records.

The exploratory data analysis summarized here speaks to a variety of subfields. First, to

the growing community of students of retirement plans in general and defined contribution

plans in particular. Second, to those interested in savings behavior and especially how it

varies across income groups. And third, to those interested in gender differences in decision

making. Additionally, this descriptive paper is likely to inform discussions on designs of

retirement and savings plans.

Acknowledgement The authors are grateful to Steve Utkus and Gary Mottola from Vanguard® Center for

Retirement Research. They made the data available and provided us with constructive comments throughout

the process. We also thank Pierre Azoulay, Geert Bakeart, Charlie Calomiris, Sarah Holden, Brigitte

Madrian, Jim Powell, Thomas Steinberger, Ed Vytlacil, Elke Weber, Steve Zeldes, an anonymous referee,

and seminar participants at Columbia, Rice, Wharton Pension Research Council, New York Federal Reserve

Bank, CEPR workshop on Financing Retirement in Europe, and Wharton Workshop on Household Portfolio

Choice and Financial Decision Making for their helpful comments.

J Finan Serv Res



Appendix

Data Construction

The original data set provided by the Vanguard consists of 926,104 records of 401(k)

eligible employees. The following criteria cause elimination of observations: (1) The

employee is hired after January 1, 2001. (His recorded annual contribution might be

inaccurate.) (2) The employee is less than 18 years old (He might not be the decision

maker.) (3) The employee

’s annual compensation is less than $10,000 or greater than $1

million. 793,794 records survive.

The key variables deferral rate, contribution, and compensation appear in all the

records. All other individual variables have missing values that are more concentrated in

the non-participant sub-sample. 12.8% of the observations do not report gender, among

which 62.5% are non-participants; the same percentages for age, tenure and wealth are

12.3% (62.2), 12.2 (62.1%) and 25.6% (76.4). Elimination of all the observations with

missing values would cause the study to be based on a partially truncated sample,

which is likely to bias the results due to the influence of the selection. Hence the

choice to replace them with imputed values.

The imputed values are calculated as follows: (1) unidentified gender variables are

recorded as the percentage of females in the plan (a record identified as a female being

1 and as a male being 0); (2) missing age and tenure values are replaced with their

respective plan mean age or tenure. To fill in the missing values of wealth, the

following regression is estimated on non-missing values:

Log WEALTH

ð

Þ ¼ b



0

þ b


1

Log COMP


ð

Þ þ b


2

FEMALE


þ b

3

AGE



þb

4

AGE



2

þ b


5

Log DCASSETS

ð

Þ þ e;


where DCASSETS is the total assets in the defined-contribution accounts. The specification

above was chosen among various models for both within-sample goodness-of-fit and out-

of-sample robustness. The next step is to predict out-of-sample values and map the

predicted values to the closest IXI brackets.

With the exception of the wealth level, IXI, missing values do not account for a

significant proportion (about 10%) of observations, and the symmetric trimming method

(Honore et al.

1997


) is applied to conduct sensitivity check. That is, for each variable

create an artificial sample by first taking only records that report that variable (but may miss

other variables). The second step eliminates a given number of participants

’ records at

random, so that the participation rate in the subsample matches that of the original sample.

(This second step eliminates records of participants, since systematically it is the non-

participants whose records are likely to miss values.) Then estimate coefficients for the

resulting sub-sample. Repeating this process many times (e.g., 30 or 50), the coefficients

estimated on the full sample (with missing values imputed) are close to the average of

coefficients estimated on those symmetrically trimmed sub-samples.

For the wealth variable the same sensitivity check cannot be used because only a low

proportion of non-participant records have this information. Instead, the comparison is

between the inputted wealth variables and the general distribution of wealth in the

population. The following figure plots the histogram of wealth distribution for the

population (IXI), of the non-missing Vanguard data, and the amended Vanguard data. After

J Finan Serv Res



filling in the missing values, the sample studied here no long over-represents the wealthy

households. The sample still under-represents the very poor households (those with

negative or less than $1,000 in balance), and over-represent the lower-middle to middle

households (with balances ranging from $5,000 to $100,000), which is consistent with

evidences from the Survey of Consumer Finance and the Current Population Survey that

401(k) eligible employees are overall financially better-off than the general population in

the lower end.

Further, estimating the main regressions excluding the wealth variable, the coefficients

on all variables except compensation show little variation. (The loading on compensation is

increased, which is expected.)

References

Agnew J, Balduzzi P, Sunden A (2003) Portfolio choice and trading in a large 401(k) plan. Am Econ Rev 93

(1):193

–215 (March)



Ameriks J, Zeldes SP (2004) How do household portfolio shares vary with age? Working Paper, Columbia

University

Bajtelsmit, VL, Bernasek, A (1999) Why do women invest differently than men? Financ Couns Plan 7:294

–305


Barber B, Odean T (2001) Boys will be boys: gender, overconfidence, and common stock investments. Q J

Econ 116(1):261

–292 (February)

Benartzi S (2001) Excessive extrapolation and the allocation of 401(k) accounts to company stock? Journal

of Finance 56(5):1747

–1764


Bernartzi S, Thaler R (2004). Save more tomorrow: using behavioral economics to increase employee

saving. J Polit Econ 112(1):S164

–S187 (February)

Chamberlain G. Heterogeneity, omitted variables biases, and duration dependence. In: Heckman JJ, Singer B

(eds) Longitudinal analysis of labor market data. Cambridge University Press, Cambridge, pp 3

–38


0

2

4



6

8

10



12

14

16



18

20

ze



ro

 o

r ne



ga

tiv


e

un

de



r 1K

1.

0-



2.

5K

2.



5-

5.

0K



5.

0-

10



K

10

-2



5K

25

-5



0K

50

-7



5K

75

-1



00

K

10



0-

12

5K



12

5-

15



0K

15

0-



17

5K

17



5-

20

0K



20

0-

22



5K

22

5-



25

0K

25



0-

30

0K



30

0-

35



0K

35

0-



40

0K

40



0-

45

0K



45

0-

50



0K

50

0-



75

0K

75



0K

-1

M



ab

ov

e 1



M

Assets in Personal Accounts

% of Total Households

IXI (population)

Vanguard--non-missing

Vanguard--amended

J Finan Serv Res


Choi J, Laibson D, Madrian B, Metrick A (2002) Defined contribution pensions: plan rules,

participation decisions, and the path of lease resistance. In Poterba J (ed) Tax policy and the

economy. MIT, pp 67

–113


Choi J, Laibson D, Madrian B, Metrick A (2004a) For better and for worse: default effects and 401(k)

savings behavior. Perspectives on the Economics of Aging, University of Chicago Press

Choi J, Laibson D, Madrian B, Metrick A (2004b) Employees

’ investment decisions about company stock.

In: Mitchell OS, Utkus SP (eds) Pension design and decision-making under uncertainty. Oxford

University Press

Choi J, Laibson D, Madrian B (2004c) Plan design and 401(k) savings outcomes. Natl Tax J 57:275

–298, June

Choi J, Laibson D, Madrian B (2005) $100 bills on the sidewalk: suboptimal saving in 401(k) Plans, working

paper, Yale School of Management

Clark RL, Schieber SJ (1998) Factors affecting participation rates and contribution levels in 401 (k) plans. In:

Mitchell O, Schieber S (ed) Living with defined contribution pensions: remaking responsibility for

retirement. University of Pennsylvania Press, Philadelphia, pp 69

–97


Cunningham CR, Engelhardt GV (2002) Federal tax policy, employer matching, and 401(k) saving: evidence

from HRS W-2 records. Natl Tax J 55:617

–645(September)

Duflo E, Saez E (2003) The role of information and social interactions in retirement plan decisions: evidence

from a randomized experiment. Q J Econ 118:815

–842


Duflo E, Gale W, Liebman J, Orszag P, Saez E (2006) Saving incentives for low- and middle-income

families: evidence from a field experiment with H&R block. Q J Econ 121(4):1311

–1346

Dynan KE, Skinner J, Zeldes SP (2004) Do the rich save more? J Polit Econ 112(2):397



–444 (April)

Engelhardt G, Kumar A (2003) Employer matching and 401(k) saving: evidence from the health and

retirement study, working paper, Syracuse University

Engen EM, Gale, WG (2000) The Effect of 401(k) Plans on Household Wealth: Differences Across Earnings

Groups, NBER Working Paper 8032, December

Engen E, Gale W, Scholz JK (1996) The illusory effects of savings incentives on saving. J Econ Perspect 10

(4):113

–138 (Autumn)



Even WE, Macpherson D (2003) Employee participation in 401(K) plans, Working paper, Miami University

and Florida State University

Freedman DA (2001) Ecological inference and the ecological fallacy. International Encyclopedia for the

Social and Behavioral Sciences 6:4027

–4030

Friedman M (1957) A theory of the consumption function. Princeton University Press, Princeton



Garrett TA (2003) Aggregated vs. disaggregated data in regression analysis: implications for inference. Econ

Lett 81(1):61

–65 (October)

Holden S, VanDerhei J (2001) Contribution behavior of 401(k) plan participants. Investment Company

Institute Perspective7(4) (October)

Holden S, VanDerhei J (2003) 401(k) plan asset allocation, account balances, and loan activity in 2001.

Investment Company Institute Perspective 9(2) (March)

Honore B, Kyriazido E, Udry C (1997) Estimation of type 3 Tobit models using symmetric trimming and

pairwise comparisons. J Econom 76:107

–128


Huberman G (2001) Familiarity breeds investment. Rev Financ Stud 14(3):161

–178, Fall

Huberman G, Jiang, W (2006) Offering vs. choices in 401(k) plans: equity exposure and number of funds.

Journal of Finance XLI(2):763

–801

Huberman G, Sengmuller P (2004) Performance predicts asset allocation: company stock in 401(k) plans.



Review of Finance 8(3):403

–443 (September)

Iyengar S, Kamenica E. (2006) Choice overload and asset allocation: evidence from 401(k) plans, working

paper, Columbia Business School and GSB University of Chicago

Iyengar S, Huberman G, Jiang W (2004) How much choice is too much?: contributions to 401(k) retirement

plans. In: Mitchell Utkus S (ed) Pension design and structure: new lessons from behavioral finance.

Oxford University Press, pp 83

–96


Kusko AL, Poterba JM, Wilcox DM (1998) Employee decisions with respect to 401 (k) plans: evidence

from individual-level data. In: Mitchell O, Schieber S (eds) Living with defined contribution

pensions: remaking responsibility for retirement. University of Pennsylvania Press, Philadelphia,

pp 98


–112

Liang N, Weisbenner S (2002) Investor behavior and the purchase of company stock in 401 (k) plans

—the

importance of plan design, NBER Working paper 9131 (August)



Madrian B, Shea D (2001) The power of suggestion: inertia in 401(k) participation and savings behavior. Q J

Econ CXVI(4):1149

–1187 (November)

Manski CF (1993) Identification of endogenous social effects: the reflection problem. Rev Econ Stud

60:531

–542


J Finan Serv Res

Meulbroek LK (2002) Company stock in pension plans: how costly is it? Working paper, Harvard Business

School


Mitchell OS, Utkus SP (2003) The role of company stock in defined contribution plans. In: Mitchell OS,

Smetters K (eds) The pension challenge: risk transfers and retirement income security. Oxford University

Press, Oxford, UK pp 33

–70


Mitchell OS, Utkus SP, Yang, Tongxuan (Stella) (2005) Turning workers into savers? Incentives, liquidity

and choice in 401(k) plan design. NBER Working Paper 11726 and Wharton Pension Research Council

Working Paper 2005

–18


Mitchell OS, Utkus SP, Yang, Tongxuan (Stella) (2006) Dimensions of 401(k) plan design. In:

Blitzstein D, Mitchell OS, Utkus SP (eds) Restructuring retirement risks. Oxford University

Press, UK, pp 186

–203


Munnell AH, Sunden A, Taylor C (2001) What determines 401(K) participation and contribution? Working

paper, Center for Retirement Research, Boston College

Papke L (2004a) Individual financial decisions in retirement saving plans: the role of participant-direction.

J Public Econ 88:39

–61 (January)

Papke L (2004b) Choice and other determinants of employee contributions to defined contribution plans.

Social Secur Bull

Papke LE, Poterba JM (1995) Survey evidence on employer match rates and employee saving behavior in

401(k) plans. Econ Lett 49(3):313

–317 (September)

Poterba JM (2003) Employer stock and 401(k) plans. Am Econ Rev 93(2):398

–404 (May)

Poterba JM, Venti SF, Wise DA (1996) How retirement savings programs increase saving. J Econ Perspect

10(4):91


–112 (Autumn)

Powell JL (1984) Least absolute deviation estimation for the censored regression model. J Econom 25:

303

–325


Profit Sharing/401(k) Council of America (2001, 2002) The Profit Sharing/401(k) Survey

Ramaswamy K (2002) Company stock and pension plan diversification, Working Paper, Pension Research

Council

Shefrin H, Thaler R (1992) Mental accounting, saving, and self-control. In: Loewenstein G, Elster J (eds)



Choice over time. Russel Sage Foundation, New York, pp 98

–112


Thaler R (1999) Mental accounting matters. J Behav Decis Mak 12:183

–206


Warner JT, Pleeter S (2001) The personal discount rate: evidence from military downsizing programs. Am

Econ Rev 91(1):33

–53 (March)

Wooldridge JM (2003) Cluster-sample methods in applied econometrics. Am Econ Rev May 2003, 93(2),



pp.133

–138


J Finan Serv Res

Document Outline

1   2   3


Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2016
rəhbərliyinə müraciət

    Ana səhifə