우리는 NY Fed Survey of Consumer Expectations의 주관적 기대 데이터를 사용하여 소득, 직업 및 고용 역학을 추정하는 새로운 접근 방식을 개발합니다. 이 데이터는 미래 소득 제안 및 수락 확률에 대한 믿음을 제공하여 반사실적 결과에 대한 직접적인 정보를 제공하고 더 약한 가정 하에서 식별을 가능하게 합니다. 우리의 프레임워크는 실현된 결과를 사용하는 모델에 영향을 미치는 선택 및 관찰되지 않은 이질성으로 인한 편향을 피합니다. 첫 번째 단계 고정 효과 회귀는 위험, 지속성 및 전환 효과를 식별하고, 두 번째 단계 GMM은 능력, 이동성 및 매칭 품질과 같은 관찰되지 않은 이질성의 공분산 구조를 복구합니다. 우리는 이전 연구보다 개인 생산성 구성 요소의 위험과 지속성이 낮지만 능력과 매칭 품질의 이질성이 더 크다는 것을 발견합니다. 시뮬레이션은 축소된 형태의 추정치가 직업 전환 및 분류로 인해 개인 수준 생산성의 지속성과 변동성을 과대평가함을 보여줍니다. 이질성을 고려한 후 변동성은 감소하고 소득 분포 전반에 걸쳐 평탄해집니다. 이러한 결과는 기대 데이터의 가치를 강조합니다.