Okuns lag. Okuns Koefficient: definition, formel

För analys av den ekonomiska situationen ofta använder Okuns lag. Förhållande, som lanserades vetenskapsman, beskriver förhållandet mellan arbetslöshet och tillväxt. Det öppnades på grundval av empiriska data 1962, forskarna, i vars ära och namngavs. Statistiken visar att en ökning av arbetslösheten med 1% leder till en minskning i den faktiska BNP från potentiell 2%. Dock är detta förhållande inte är konstant. Det kan variera beroende på tillståndet och tidsperioden. Förhållandet mellan de kvartalsvisa förändringar i arbetslösheten och BNP - det är Okuns lag. Formeln, det bör noteras, fortfarande kritiseras. Och ifrågasatte dess användbarhet för att förklara marknadsförhållanden.

Okuns lag

Factor och lagen bakom det verkade som ett resultat av statistisk databehandling, det vill säga empiriska observationer. Den bygger inte lägga den ursprungliga teorin, som sedan testas i praktiken. Arthur Melvin Ouken såg mönster, studera statistik från USA. Det är ungefärliga. Detta beror på det faktum att bruttonationalprodukten påverkas av många faktorer, inte bara arbetslösheten. Emellertid förhållandet mellan makroekonomiska resultat är en sådan förenklad analys ibland också användbara som forsknings visar Okuns. Koefficient utmatas vetenskapsmän displayer omvänt proportionell beroendet mellan produktion och arbetslöshet. Ouken tros att ökningen i bruttonationalprodukten med 2% på grund av följande skift:

• släppa i nivån av cykliska arbetslösheten med en%;
• ökande anställning av 0,5%;
• öka antalet arbetstimmar för varje arbetare till 0,5%;
• produktivitetsökning av 1%.

Sålunda, minska nivån av cyklisk Okun arbetslösheten 0,1%, kan vi förvänta oss en ökning i real BNP 0,2%. Varierar dock detta förhållande för de olika länderna och tidsperioder. Beroendet har testats i praktiken för både BNP och BNP. Martin uppskattade Prachovni, nedgången i produktionen med 3% på grund av en minskning i arbetslösheten med 1%. Däremot anser han att detta bara är en indirekt relation. Enligt Prachovni på produktionen påverkar inte mer arbetslöshet och andra faktorer såsom kapacitetsutnyttjande och antalet arbetstimmar. Det är därför nödvändigt att avvisa dem. Prachovni beräknat att minska arbetslöshet 1% leder till en ökning av endast 0,7 BNP%. Beroendet blir svagare med tiden. År 2005 en analys av den senaste statistiken genomförts Endryu Abel och Ben Bernanke. De uppskattade att ökningen av arbetslösheten med 1% leder till en nedgång i produktionen med 2%.

skäl

Men varför BNP-tillväxt högre än den procentuella förändringen av arbetslösheten? Det är möjligt att ge flera förklaringar:

• Verkan av multiplikatoreffekt. Ju fler människor arbetar, desto större efterfrågan på varor. Därför kan produktionen växa i en snabbare takt än sysselsättningen.
• Imperfection statistik. Arbetslösa kan helt enkelt sluta leta efter arbete. Om detta händer kommer de att försvinna från "radar" statistiska byråer.
• Återigen kan faktiskt företagare individer börja arbeta mindre. I statistiken är det nästan inte syns. Detta är dock situationen en betydande inverkan på produktionen. Därför, med samma antal anställda, vi kan faktiskt få olika indikatorer bruttonationalprodukt.
• Minskningen av arbetsproduktiviteten. Detta kan bero på att inte bara en försämring av organisationen, men också med ett alltför stort antal anställda.

Okuns lag: formeln

Vi presenterar följande notation:

• Y - den reala produktionen.
• Y '- potential bruttonationalprodukt.
• U - real arbetslöshet.
• U '- den naturliga nivån i föregående figur.
• c - Okuns koefficient.

Med beaktande av den ovan notation, kan man härleda följande formel: (Y '- Y) / Y' = a * (u - u ').

I USA, sedan 1955, är den senare siffran allmänhet var 2 eller 3, vilket visas av de ovan nämnda empiriska studier. Dock är denna version av Okuns lag sällan används eftersom de potentiella arbetslöshetsnivåerna och bruttonationalprodukten är ganska svårt att utvärdera. Det finns en annan version av formeln.

Hur man beräknar BNP

För att beräkna BNP-tillväxten, vi införa följande noteringar:

• Y - den faktiska mängden av frågan.
• Au - förändring i den faktiska arbetslösheten i jämförelse med föregående år.
• C - Okuns koefficient.
• AY - ändra faktiska produktionen jämfört med föregående år.
• K - den genomsnittliga årliga produktionstillväxt på full sysselsättning.

Med hjälp av notation av data kan härledning av följande ekvation: AY / Y = k - c * Au.

För den moderna period i US historia koefficienten C är lika med 2 och K - 3%. Sålunda, en ekvation: AY / Y = 0,03 - 2Δu.

användningen av

Att veta hur man beräknar Okun-koefficienten, ofta hjälper till att bygga trender. Ofta är emellertid den resulterande numret inte alltför exakt. Detta beror på att variationskoefficienten mellan länder och tidsperioder. Därför måste vi ta hänsyn till den resulterande förutsägelsen av BNP-tillväxten genom att skapa jobb med en viss skepsis. Dessutom kortsiktiga trender är mer exakta. Detta beror på det faktum att i varje fall omständliga förändringar kan påverka.

i praktiken

Antag att arbetslösheten är 10%, och den faktiska bruttonationalprodukten - milliardov 7500 monetära enheter.
Vi måste hitta den mängd BNP som skulle kunna göras om arbetslöshetsnivå som överensstämmer med en naturlig indikator (6%). Detta problem enkelt lösas genom att använda Okuns lag. Förhållande indikerar att den faktiska nivån av överskott över den naturliga arbetslösheten 1% leder till en förlust av 2% av BNP. Så först måste vi se skillnaden mellan 10% respektive 6%. Således är skillnaden mellan den faktiska och den naturliga arbetslösheten 4%. Efter det är lätt att förstå att BNP i problemet bakom dess potentiella värde med 8%. Nu tar vi det faktiska bruttonationalprodukten 100%. Vidare kan man dra slutsatsen att 108% av BNP 7500 * 1,08 = 8100 miljarder valuta. Det bör förstås att detta exempel är bara ett exempel på loppet av ekonomin. I verkligheten kan situationen vara helt annorlunda. Därför är användningen Okuns lag endast lämplig för kortsiktiga prognoser, där det inte finns något behov av extremt noggranna mätningar.