本文利用瑞典丰富的行政数据研究了长期失业的可预测性，并分析了其主要决定因素。与使用标准的社会人口变量相比，利用丰富的数据环境时，预测能力增加了一倍以上。最大的收益是增加求职者在失业前的工作经历。将我们的预测算法应用于失业时期，我们表明LTU的动态选择解释了至少一半的观察到的求职下降。虽然个体内部的下降平均来说很小，但我们发现个体水平的下降存在很大的异质性，因此拒绝了常用的比例风险假设。将我们的预测算法应用于商业周期，我们发现平均LTU风险的周期性不是由成分驱动的，而是由个体内部的周期性驱动的，而且个体排名在多年间相对持久。最后，我们评估了我们的发现对针对失业政策的价值的影响，以及这些政策如何随着失业期和商业周期的变化而变化。