Dans une étude récente, Chang, Gomes et Schorfheide (2002) élargissent le modèle type de cycles réels en y introduisant un mécanisme d'apprentissage qui permet à l'offre de travail d'influencer la productivité future. Ils constatent que ce mécanisme amplifie la propagation des chocs et affine la valeur prédictive du modèle type de cycles réels. Bouakez et Kano montrent dans leur étude que le modèle intégrant un mécanisme d'apprentissage est observationnellement quasi-équivalent à un modèle de cycles réels faisant intervenir la formation d'habitudes en matière de travail (ou, ce qui revient au même, de loisir). Lorsque des valeurs identiques sont attribuées aux paramètres des deux modèles, ceux-ci génèrent des sentiers d'équilibre similaires pour la production, la consommation et l'investissement, mais différents pour le nombre d'heures travaillées. Les auteurs déterminent par des techniques bayésiennes lequel des deux modèles étudiés présente le meilleur ajustement aux données américaines. D'après leurs résultats, le modèle de cycles réels avec formation d'habitudes est mieux étayé par les données.

In a recent paper, Chang, Gomes, and Schorfheide (2002) extend the standard real business cycle (RBC) model to allow for a learning-by-doing (LBD) mechanism whereby current labour supply affects future productivity. They show that this feature magnifies the propagation of shocks and improves the matching performance of the standard RBC model. In this paper, the authors show that the LBD model is nearly observationally equivalent to an RBC model with habit formation in labour (or, equivalently, in leisure). Under the same calibration of the parameters, the two models share the same equilibrium paths of output, consumption, and investment, but have different implications for hours worked. Using Bayesian techniques, the authors investigate which of the LBD and habit models fits the U.S. data best. Their results suggest that the habit specification is more strongly supported by the data.