Định luật của Oaken. Hệ số Okun: định nghĩa, công thức

2024 Tác giả: Henry Conors | [email protected]. Sửa đổi lần cuối: 2024-02-12 14:42

Định luậtOkun thường được sử dụng để phân tích tình hình kinh tế. Hệ số do nhà khoa học suy ra, đặc trưng cho mối quan hệ giữa tỷ lệ thất nghiệp và tỷ lệ tăng trưởng. Nó được phát hiện trên cơ sở dữ liệu thực nghiệm vào năm 1962 bởi nhà khoa học mà sau đó nó được đặt tên. Thống kê cho thấy tỷ lệ thất nghiệp gia tăng 1% dẫn đến giảm GDP thực tế so với GDP tiềm năng 2%. Tuy nhiên, tỷ lệ này không phải là hằng số. Nó có thể thay đổi theo tiểu bang và khoảng thời gian. Mối quan hệ giữa những thay đổi hàng quý của tỷ lệ thất nghiệp và GDP thực tế là định luật Okun. Công thức, cần được lưu ý, vẫn bị chỉ trích. Tính hữu ích của nó trong việc giải thích các điều kiện thị trường cũng bị nghi ngờ.

Định luật của Oaken

Hệ số và định luật đằng sau nó xuất hiện do kết quả của việc xử lý dữ liệu thống kê, tức là các quan sát thực nghiệm. Nó không dựa trên lý thuyết ban đầu, sau đó đã được thử nghiệm trong thực tế. Arthur Melvin Oaken đã nhìn thấy mô hình này khi nghiên cứu số liệu thống kê của Hoa Kỳ. Nó là gần đúng. Nó được kết nối vớiThực tế là tổng sản phẩm quốc nội bị ảnh hưởng bởi nhiều yếu tố, và không chỉ tỷ lệ thất nghiệp. Tuy nhiên, một cái nhìn đơn giản như vậy về mối quan hệ giữa các chỉ số kinh tế vĩ mô đôi khi cũng hữu ích, như nghiên cứu của Oken cho thấy. Hệ số do nhà khoa học suy ra hiển thị mối quan hệ tỷ lệ nghịch giữa khối lượng sản xuất và tỷ lệ thất nghiệp. Okun tin rằng GDP tăng 2% là do những thay đổi sau:

giảm tỷ lệ thất nghiệp theo chu kỳ xuống 1%;
Tăng 0,5% việc làm;
tăng 0,5% số giờ làm việc của mỗi công nhân;
Tăng1% năng suất.

Như vậy, bằng cách giảm 0,1% tỷ lệ thất nghiệp theo chu kỳ của Okun, chúng ta có thể kỳ vọng GDP thực tế sẽ tăng 0,2%. Tuy nhiên, tỷ lệ này thay đổi đối với các quốc gia và khoảng thời gian khác nhau. Mối quan hệ này đã được kiểm tra trên thực tế đối với cả GDP và GNP. Theo Martin Prachovny, sản lượng giảm 3% có liên quan đến tỷ lệ thất nghiệp giảm 1%. Tuy nhiên, ông cho rằng đây chỉ là sự phụ thuộc gián tiếp. Theo Prachovny, khối lượng sản xuất bị ảnh hưởng không phải bởi tỷ lệ thất nghiệp, mà bởi các yếu tố khác, chẳng hạn như việc sử dụng năng lực và số giờ làm việc. Do đó, chúng phải được loại bỏ. Prachovny tính toán rằng tỷ lệ thất nghiệp giảm 1% dẫn đến tăng trưởng GDP chỉ còn 0,7%. Hơn nữa, sự phụ thuộc trở nên yếu hơn theo thời gian. Năm 2005, một phân tích các số liệu thống kê gần đây được thực hiện bởi Andrew Abel và Ben Bernanke. Theo họ, sự gia tăngthất nghiệp 1% dẫn đến sản lượng giảm 2%.

Lý do

Nhưng tại sao tăng trưởng GDP lại vượt quá phần trăm thay đổi của tỷ lệ thất nghiệp? Có một số giải thích cho điều này:

Hành động của hiệu ứng nhân đôi. Càng nhiều người sử dụng lao động, nhu cầu về hàng hoá càng lớn. Do đó, sản lượng có thể tăng nhanh hơn việc làm.
Thống kê không hoàn hảo. Các cá nhân thất nghiệp có thể đơn giản là ngừng tìm việc. Nếu điều này xảy ra, thì chúng sẽ biến mất khỏi "radar" của các cơ quan thống kê.
Một lần nữa, những người thực sự được tuyển dụng có thể bắt đầu làm việc ít hơn. Nó thực tế không được hiển thị trong các số liệu thống kê. Tuy nhiên, tình trạng này ảnh hưởng không nhỏ đến khối lượng sản xuất. Do đó, với cùng một số lượng nhân viên, chúng tôi thực sự có thể nhận được các chỉ số khác nhau về tổng sản phẩm.
Giảm năng suất lao động. Điều này có thể không chỉ do sự suy thoái của tổ chức mà còn do số lượng nhân viên quá nhiều.

Định luật Oaken: Công thức

Giới thiệu các quy ước sau:

Y là đầu ra thực.
Y’là tổng sản phẩm quốc nội tiềm năng.
u là thất nghiệp thực sự.
u’là cấp độ tự nhiên của chỉ báo trước đó.
c - Hệ số Okun.

Tính đến các quy ước trên, chúng ta có thể suy ra công thức sau: (Y’- Y) / Y’=с(u - u’).

Ở Mỹ, kể từ năm 1955, con số cuối cùng thường là 2 hoặc 3, như thế nàyđược thể hiện qua các nghiên cứu thực nghiệm trên. Tuy nhiên, phiên bản này của định luật Okun hiếm khi được sử dụng vì tỷ lệ thất nghiệp tiềm ẩn và tổng sản phẩm quốc nội rất khó ước tính. Có một phiên bản khác của công thức.

Cách tính tăng trưởng GDP

Để tính toán tốc độ tăng trưởng GDP, chúng tôi giới thiệu các ký hiệu sau:

Y là số lượng phát hành thực tế.
∆u là sự thay đổi của tỷ lệ thất nghiệp thực tế so với năm ngoái.
C - Hệ số Okun.
∆Y là sự thay đổi sản lượng thực tế so với năm ngoái.
K là tăng trưởng sản lượng trung bình hàng năm khi có toàn dụng lao động.

Sử dụng các ký hiệu này, chúng ta có thể suy ra công thức sau: ∆Y / Y=k - c∆u.

Đối với thời kỳ hiện đại trong lịch sử Hoa Kỳ, hệ số C là 2, và K là 3%. Do đó, phương trình được suy ra: ∆Y / Y=0,03 - 2∆u.

Sử dụng

Biết cách tính toán tỷ lệ của Okun thường giúp tăng xu hướng. Tuy nhiên, thường thì các con số cho kết quả không chính xác lắm. Điều này là do sự thay đổi của hệ số đối với các quốc gia và khoảng thời gian khác nhau. Do đó, các dự đoán nhận được về tăng trưởng GDP do tạo việc làm cần được tính đến với một mức độ hoài nghi nhất định. Hơn nữa, xu hướng ngắn hạn chính xác hơn. Điều này là do thực tế là bất kỳ thay đổi nào của thị trường đều có thể ảnh hưởng đến hệ số.

Trong thực tế

Giả sử rằng tỷ lệ thất nghiệp là 10% vàtổng sản phẩm quốc nội thực tế - 7500 tỷ đơn vị tiền tệ.

Chúng ta cần tìm số lượng GDP có thể đạt được nếu tỷ lệ thất nghiệp tương ứng với chỉ số tự nhiên (6%). Vấn đề này được giải quyết dễ dàng bằng cách sử dụng định luật Okun. Hệ số cho thấy tỷ lệ thất nghiệp thực tế vượt quá 1% so với tỷ lệ tự nhiên 1% dẫn đến tổn thất 2% GDP. Vì vậy, trước tiên chúng ta cần tìm sự khác biệt giữa 10% và 6%. Như vậy, chênh lệch giữa tỷ lệ thất nghiệp thực tế và tỷ lệ thất nghiệp tự nhiên là 4%. Sau đó, có thể dễ hiểu rằng GDP trong vấn đề của chúng ta kém giá trị tiềm năng 8%. Bây giờ chúng ta hãy lấy tổng sản phẩm quốc nội thực tế là 100%. Hơn nữa, chúng ta có thể kết luận rằng 108% GDP thực tế là 75001,08=8100 tỷ đơn vị tiền tệ. Cần phải hiểu rằng ví dụ này chỉ là một ví dụ từ một khóa học kinh tế học. Trong thực tế, tình hình có thể hoàn toàn khác. Do đó, việc sử dụng định luật Okun chỉ phù hợp để dự báo ngắn hạn, nơi không cần các phép đo cực kỳ chính xác.