Okunin lakia käytetään usein taloudellisen tilanteen analysointiin. Tiedemiehen johtama kerroin kuvaa työttömyysasteen ja kasvun välistä suhdetta. Sen löysi empiiristen tietojen perusteella vuonna 1962 tiedemies, jonka mukaan se nimettiin. Tilastot osoittavat, että työttömyyden kasvu 1 prosentilla johtaa todellisen BKT:n laskuun potentiaalisesta BKT:sta 2 prosenttia. Tämä suhde ei kuitenkaan ole vakio. Se voi vaihdella osav altion ja ajanjakson mukaan. Työttömyysasteen neljännesvuosittaisten muutosten ja reaalisen BKT:n välinen suhde on Okunin laki. On huomattava, että kaavaa arvostellaan edelleen. Sen hyödyllisyys markkinaolosuhteiden selittämisessä on myös kyseenalainen.
Oakenin laki
Kerroin ja sen takana oleva laki ilmestyivät tilastotietojen käsittelyn eli empiiristen havaintojen tuloksena. Se ei perustunut alkuperäiseen teoriaan, jota sitten testattiin käytännössä. Arthur Melvin Oaken näki kuvion tutkiessaan Yhdysv altain tilastoja. Se on likimääräinen. Se liittyySe, että bruttokansantuotteeseen vaikuttavat monet tekijät, ei vain työttömyysaste. Tällainen yksinkertaistettu näkemys makrotaloudellisten indikaattoreiden välisestä suhteesta on kuitenkin joskus hyödyllistä, kuten Okenin tutkimus osoittaa. Tiedemiehen johtama kerroin osoittaa kääntäen verrannollisen suhteen tuotannon määrän ja työttömyysasteen välillä. Okun uskoi, että BKT:n 2 prosentin kasvu johtui seuraavista muutoksista:
- syklisen työttömyyden lasku 1 %;
- 0,5 % työllisyyden kasvu;
- työtuntien määrän lisäys jokaiselle työntekijälle 0,5 %;
- 1 % tuottavuuden kasvu.
Näin alentamalla Okunin suhdannetyöttömyysastetta 0,1 %, voimme odottaa reaalisen BKT:n kasvavan 0,2 %. Tämä suhde kuitenkin vaihtelee eri maiden ja ajanjaksojen mukaan. Suhdetta on testattu käytännössä sekä BKT:n että BKT:n os alta. Martin Prachovnyn mukaan tuotannon 3 prosentin lasku liittyy 1 prosentin työttömyyden laskuun. Hän uskoo kuitenkin, että tämä on vain välillinen riippuvuus. Prachovnyn mukaan tuotantomääriin ei vaikuta työttömyys, vaan muut tekijät, kuten kapasiteetin käyttöaste ja työtuntien määrä. Siksi ne on hävitettävä. Prachovny laski, että 1 prosentin työttömyyden lasku johtaa vain 0,7 prosentin BKT:n kasvuun. Lisäksi riippuvuus heikkenee ajan myötä. Vuonna 2005 Andrew Abel ja Ben Bernanke analysoivat viimeaikaisia tilastoja. Heidän mukaansa kasvutyöttömyys 1 % johtaa tuotannon laskuun 2 %.
Syyt
Mutta miksi BKT:n kasvu ylittää työttömyysasteen prosentuaalisen muutoksen? Tälle on useita selityksiä:
- Kertovaikutuksen toiminta. Mitä enemmän ihmisiä työskentelee, sitä suurempi on tavaroiden kysyntä. Siksi tuotanto voi kasvaa nopeammin kuin työllisyys.
- Epätäydelliset tilastot. Työttömät voivat yksinkertaisesti lopettaa työnhaun. Jos näin tapahtuu, ne katoavat tilastovirastojen "tutkasta".
- Jälleen tosiasiallisesti työssä olevat voivat alkaa työskennellä vähemmän. Se ei käytännössä näy tilastoissa. Tilanne vaikuttaa kuitenkin merkittävästi tuotantomääriin. Näin ollen samalla henkilöstömäärällä voimme saada erilaisia bruttotuotteen indikaattoreita.
- Työn tuottavuuden lasku. Tämä voi johtua paitsi organisaation heikentymisestä myös liian suuresta henkilöstömäärästä.
Oakenin laki: kaava
Ota käyttöön seuraavat käytännöt:
- Y on todellinen tulos.
- Y' on mahdollinen bruttokansantuote.
- u on todellinen työttömyys.
- u’ on edellisen indikaattorin luonnollinen taso.
- c – Okunin kerroin.
Yllä olevat sopimukset huomioon ottaen voimme johtaa seuraavan kaavan: (Y’ – Y)/Y’=с(u – u’).
Yhdysvalloissa vuodesta 1955 lähtien viimeinen luku on yleensä ollut 2 tai 3, kuten tämäedellä olevat empiiriset tutkimukset osoittavat. Tätä Okunin lain versiota käytetään kuitenkin harvoin, koska potentiaalista työttömyyttä ja bruttokansantuotteen tasoa on vaikea arvioida. Kaavasta on toinen versio.
BKT:n kasvun laskeminen
BKT:n kasvuvauhdin laskemiseksi otamme käyttöön seuraavat symbolit:
- Y on todellinen numeron määrä.
- ∆u on todellisen työttömyysasteen muutos viime vuoteen verrattuna.
- C – Okunin kerroin.
- ∆Y on todellisen tuotannon muutos viime vuodesta.
- K on keskimääräinen vuotuinen tuotannon kasvu täystyöllisyydellä.
Näitä merkintöjä käyttämällä voimme johtaa seuraavan kaavan: ∆Y/Y=k – c∆u.
Yhdysv altain nykyaikana kerroin C on 2 ja K on 3 %. Siten yhtälö johdetaan: ∆Y/Y=0,03 - 2∆u.
Käytä
Okunin suhdeluvun laskeminen auttaa usein trendien kehittymisessä. Usein tuloksena saadut luvut eivät kuitenkaan ole kovin tarkkoja. Tämä johtuu kertoimen vaihtelusta eri maiden ja ajanjaksojen välillä. Siksi saadut ennusteet työpaikkojen luomisesta johtuvasta BKT:n kasvusta on otettava huomioon tietyllä tavalla skeptisesti. Lisäksi lyhyen aikavälin trendit ovat tarkempia. Tämä johtuu siitä, että markkinoiden muutokset voivat vaikuttaa kertoimeen.
Käytännössä
Oletetaan, että työttömyysaste on 10 % jatodellinen bruttokansantuote - 7500 miljardia valuuttayksikköä.
Meidän on löydettävä BKT:n määrä, joka voitaisiin saavuttaa, jos työttömyysaste vastaisi luonnollista indikaattoria (6 %). Tämä ongelma on helppo ratkaista Okunin lain avulla. Kerroin osoittaa, että todellisen työttömyysasteen ylittäminen luonnollisen 1 %:lla johtaa 2 %:n tappioon BKT:sta. Joten ensin meidän on löydettävä ero 10 %:n ja 6 %:n välillä. Ero todellisen ja luonnollisen työttömyysasteen välillä on siis 4 %. Sen jälkeen on helppo ymmärtää, että ongelmamme BKT on 8 prosenttia jäljessä potentiaalisesta arvostaan. Otetaan nyt todellinen bruttokansantuote 100 %:ksi. Lisäksi voimme päätellä, että 108 % BKT:sta on 75001,08=8100 miljardia rahayksikköä. On ymmärrettävä, että tämä esimerkki on vain esimerkki taloustieteen kurssista. Todellisuudessa tilanne voi olla täysin toinen. Siksi Okunin lain käyttö soveltuu vain lyhyen aikavälin ennustamiseen, jossa ei ole tarvetta erittäin tarkkoihin mittauksiin.
