Nyheder og SamfundØkonomi

Okun lov. Okun s koefficient: definition, formel

Til analysen af den økonomiske situation ofte bruger Okun lov. Ratio, som blev lanceret videnskabsmand, beskriver forholdet mellem arbejdsløshed og vækst. Den blev indledt på grundlag af empiriske data i 1962, den videnskabsmand, hvis ære og blev opkaldt. Statistikkerne viser, at en stigning i ledigheden på 1% fører til et fald i det faktiske BNP fra potentiel 2%. Men dette forhold er ikke konstant. Det kan variere afhængigt af tilstanden og tidsperioden. Forholdet mellem de kvartalsvise ændringer i ledigheden og real BNP - det er Okun lov. Formlen, skal det bemærkes, er stadig kritiseret. Og spørgsmålstegn sin nytte at forklare markedsvilkår.

Okun lov

Faktor og loven bag det fremstod som et resultat af statistisk databehandling, der er, empiriske observationer. Den er baseret ikke lægge den oprindelige teori, som derefter afprøvet i praksis. Arthur Melvin Ouken oplevede mønster, studere statistikkerne for USA. Det er omtrentlige. Dette skyldes det faktum, at bruttonationalproduktet er påvirket af mange faktorer, ikke bare arbejdsløsheden. En sådan forenklet analyse af forholdet mellem makroøkonomiske resultater er undertiden også nyttige som forskning viser Okun. Koefficient udsendes videnskabsfolk viser omvendt proportional afhængighed mellem produktion og arbejdsløshed. Ouken mente, at stigningen i bruttonationalproduktet med 2% skyldes følgende forskydninger:

  • fald i niveauet af cykliske arbejdsløshed med 1%;
  • øget beskæftigelse på 0,5%;
  • forøgelse af antallet af arbejdstimer for hver arbejder til 0,5%;
  • produktivitetsvækst på 1%.

Således at reducere niveauet af cyklisk Okun arbejdsløshed 0,1%, kan vi forvente en stigning i det reale BNP på 0,2%. Men dette forhold varierer for de forskellige lande og tidsperioder. Afhængighed er blevet testet i praksis for både BNP og BNI. Martin anslået Prachovni, nedgangen i produktionen med 3% som følge af et fald i ledigheden med 1%. Men han mener, at dette kun er en indirekte sammenhæng. Ifølge Prachovni på produktionen påvirker ikke mere arbejdsløshed, og andre faktorer, såsom kapacitetsudnyttelse og antallet af arbejdstimer. Det er derfor nødvendigt at afvise dem. Prachovni beregnet, at nedsætte arbejdsløsheden 1% fører til en forøgelse af BNP kun 0,7%. Afhængigheden bliver svagere med tiden. I 2005 en analyse af de seneste statistikker gennemført Endryu Abel og Ben Bernanke. De vurderede, at stigningen i ledigheden med 1% fører til et fald i produktionen med 2%.

grunde

Men hvorfor BNP-vækstrater højere end den procentvise ændring i arbejdsløsheden? Det er muligt at give flere forklaringer:

  • Virkningen af multiplikatoreffekten. Jo flere mennesker arbejder, jo større efterspørgsel efter varer. Derfor kan produktionen vokse i et hurtigere tempo end beskæftigelsesniveauet.
  • Ufuldkommenhed statistik. Arbejdsløse kan simpelthen stoppe søger arbejde. Hvis dette sker, vil de forsvinde fra "radar" af statistiske bureauer.
  • Igen kan faktisk beskæftigede individer begynde at arbejde mindre. I statistikken, er det næsten ikke synlig. Men denne situation er en betydelig indvirkning på produktionen. Derfor, med det samme antal medarbejdere, vi kan faktisk få forskellige indikatorer bruttonationalproduktet.
  • Faldet i arbejdsproduktiviteten. Dette kan skyldes ikke kun til forværringen af organisationen, men også med et for stort antal medarbejdere.

Okun lov: formlen

Vi introducerer den følgende notation:

  • Y - den reale produktion.
  • Y '- potentiel bruttonationalprodukt.
  • u - reelle arbejdsløshed.
  • u '- det naturlige niveau i den foregående figur.
  • c - Okun koefficient.

Under hensyntagen til ovenstående notation, kan man udlede følgende formel: (Y '- Y) / Y' = a * (u - u ').

I USA siden 1955, sidstnævnte tal er generelt var 2 eller 3, hvilket fremgår af ovennævnte empiriske studier. Men denne version af Okun lov er sjældent brugt, fordi de potentielle arbejdsløshed og bruttonationalproduktet er ganske vanskeligt at vurdere. Der er en anden version af formlen.

Hvordan til at beregne BNP

For at beregne vækstraten i BNP, introducerer vi følgende notationer:

  • Y - den faktiske mængde af problemet.
  • Au - ændring i det faktiske arbejdsløshed i forhold til det foregående år.
  • C - Okun koefficient.
  • AY - ændre den faktiske produktion i forhold til året før.
  • K - den gennemsnitlige årlige vækst produktionen på fuld beskæftigelse.

Anvendelse af notationen for dataene kan udlede følgende ligning: AY / Y = k - c * Au.

For den moderne periode i amerikansk historie koefficient C er lig med 2 og K - 3%. Således en ligning: AY / Y = 0,03 - 2Δu.

anvendelse af

At vide, hvordan man beregner Okun-koefficient, ofte det hjælper med at bygge tendenser. Men ofte til nummeret ikke er for præcise. Dette skyldes variationskoefficienten på tværs af lande og tidsperioder. Derfor skal vi tage hensyn til den resulterende forudsigelse af vækst i BNP ved at skabe arbejdspladser med en vis grad af skepsis. Desuden kortsigtede tendenser er mere nøjagtige. Dette skyldes det faktum, at i hvert fald omstændelige ændringer kan påvirke.

i praksis

Antag, at arbejdsløsheden er 10%, og det faktiske bruttonationalprodukt - milliardov 7500 monetære enheder.
Vi er nødt til at finde mængden af BNP, der kunne gøres, hvis niveauet for ledigheden i overensstemmelse med en naturlig indikator (6%). Dette problem er let løses ved hjælp af Okun lov. Forholdet indikerer, at det faktiske overskud i forhold til naturlige arbejdsløshed 1% fører til et tab på 2% af BNP. Så først skal vi finde forskellen mellem 10% og 6%. Forskellen mellem den faktiske og naturlige arbejdsløshed er 4%. Efter der er let at forstå, at BNP i problemet bag dens potentielle værdi med 8%. Nu tager vi det faktiske bruttonationalprodukt 100%. Endvidere kan det konkluderes, at 108% af BNP i faste priser på 7500 * 1,08 = 8100 milliarder valuta. Det skal forstås, at dette eksempel er kun et eksempel på forløbet af økonomien. I virkeligheden, kan situationen være helt anderledes. Derfor er brugen Okun lov er kun egnet til kortvarig prognoser, hvor der ikke er behov for ekstremt præcise målinger.

Similar articles

 

 

 

 

Trending Now

 

 

 

 

Newest

Copyright © 2018 da.delachieve.com. Theme powered by WordPress.