Okuni seadust kasutatakse sageli majandusolukorra analüüsimiseks. Teadlase tuletatud koefitsient iseloomustab seost töötuse määra ja kasvumäärade vahel. Selle avastas empiiriliste andmete põhjal 1962. aastal teadlane, kelle järgi see nime sai. Statistika näitab, et tööpuuduse suurenemine 1% võrra toob kaasa tegeliku SKT vähenemise potentsiaalsest SKTst 2%. See suhe ei ole aga püsiv. See võib osariigi ja ajaperioodi lõikes erineda. Seos töötuse määra kvartalimuutuste ja reaalse SKP vahel on Okuni seadus. Tuleb märkida, et valemit kritiseeritakse endiselt. Samuti seatakse kahtluse alla selle kasulikkus turutingimuste selgitamisel.
Oakeni seadus
Koefitsient ja selle taga olev seadus ilmnesid statistiliste andmete töötlemise ehk empiiriliste vaatluste tulemusena. See ei põhine algsel teoorial, mida siis praktikas testiti. Arthur Melvin Oaken nägi seda mustrit USA statistikat uurides. See on ligikaudne. See on seotudAsjaolu, et sisemajanduse koguprodukti mõjutavad paljud tegurid, mitte ainult töötuse määr. Selline lihtsustatud vaade makromajanduslike näitajate vahelistele seostele on aga mõnikord kasulik, nagu näitab Okeni uuring. Teadlase tuletatud koefitsient näitab pöördvõrdelist seost tootmismahu ja töötuse määra vahel. Okun uskus, et SKT 2% kasv oli tingitud järgmistest nihketest:
- tsüklilise tööpuuduse langus 1% võrra;
- 0,5% tööhõive kasv;
- iga töötaja töötundide arvu suurendamine 0,5%;
- 1% tootlikkuse tõus.
Seega, vähendades Okuni tsüklilist tööpuuduse määra 0,1%, võime eeldada, et reaalne SKT kasvab 0,2%. See suhtarv on aga erinevates riikides ja ajaperioodides erinev. Seost on praktikas testitud nii SKT kui ka RKT suhtes. Martin Prachovny sõnul on 3% toodangu vähenemine seotud 1% tööpuuduse vähenemisega. Samas usub ta, et tegemist on vaid kaudse sõltuvusega. Prachovny sõnul ei mõjuta tootmismahtusid mitte tööpuudus, vaid muud tegurid, nagu tootmisvõimsuse rakendusaste ja töötundide arv. Seetõttu tuleb need ära visata. Prachovny arvutas, et 1% tööpuuduse vähenemine toob kaasa vaid 0,7% SKP kasvu. Pealegi muutub sõltuvus aja jooksul nõrgemaks. 2005. aastal viisid värske statistika analüüsi läbi Andrew Abel ja Ben Bernanke. Nende sõnul tõustööpuudus 1% võrra toob kaasa toodangu vähenemise 2%.
Põhjused
Aga miks ületab SKP kasv töötuse määra muutuse protsentides? Sellel on mitu selgitust:
- Multiplikatiivse efekti toime. Mida rohkem inimesi töötab, seda suurem on nõudlus kaupade järele. Seetõttu võib toodang kasvada kiiremini kui tööhõive.
- Ebatäiuslik statistika. Töötud võivad lihts alt tööotsimise lõpetada. Kui see juhtub, kaovad nad statistikaametite "radarilt".
- Jällegi võivad tegelikult töötavad inimesed hakata vähem töötama. Statistikas seda praktiliselt ei näidata. Selline olukord mõjutab aga oluliselt tootmismahtusid. Seetõttu saame sama töötajate arvu juures tegelikult saada erinevaid koguprodukti näitajaid.
- Tööviljakuse langus. See võib olla tingitud mitte ainult organisatsiooni olukorra halvenemisest, vaid ka töötajate liigsest arvust.
Oakeni seadus: valem
Tutvustage järgmisi kokkuleppeid:
- Y on tõeline väljund.
- Y’ on potentsiaalne sisemajanduse koguprodukt.
- u on tõeline tööpuudus.
- u’ on eelmise näitaja loomulik tase.
- c – Okuni koefitsient.
Võttes arvesse ül altoodud kokkuleppeid, saame tuletada järgmise valemi: (Y’ – Y)/Y’=с(u – u’).
USA-s on alates 1955. aastast viimane arv tavaliselt olnud 2 või 3, nagu seenäitavad ül altoodud empiirilised uuringud. Seda Okuni seaduse versiooni kasutatakse aga harva, sest potentsiaalset tööpuudust ja sisemajanduse kogutoodangu taset on raske hinnata. Valemist on veel üks versioon.
Kuidas arvutada SKT kasvu
SKP kasvumäära arvutamiseks kasutame järgmisi sümboleid:
- Y on väljaande tegelik maht.
- ∆u on tegeliku töötuse määra muutus võrreldes eelmise aastaga.
- C – Okuni koefitsient.
- ∆Y on tegeliku toodangu muutus eelmise aastaga võrreldes.
- K on keskmine aastane tootmise kasv täistööhõive juures.
Neid tähistusi kasutades saame tuletada järgmise valemi: ∆Y/Y=k – c∆u.
USA ajaloo nüüdisajal on koefitsient C 2 ja K 3%. Seega tuletatakse võrrand: ∆Y/Y=0,03 - 2∆u.
Kasuta
Okuni suhtarvu arvutamise teadmine aitab sageli trendide leidmisel. Sageli pole aga saadud arvud kuigi täpsed. Selle põhjuseks on koefitsiendi varieeruvus erinevate riikide ja ajaperioodide lõikes. Seetõttu tuleks teatud skepsisega arvestada laekunud ennustusi SKT kasvu kohta, mis on tingitud töökohtade loomisest. Pealegi on lühiajalised trendid täpsemad. See on tingitud asjaolust, et kõik turumuudatused võivad koefitsienti mõjutada.
Praktikas
Oletame, et töötuse määr on 10% jategelik sisemajanduse kogutoodang – 7500 miljardit valuutaühikut.
Peame leidma SKP suuruse, mis oleks saavutatav, kui töötuse määr vastaks loomulikule näitajale (6%). See probleem on kergesti lahendatav Okuni seaduse abil. Koefitsient näitab, et tegeliku töötuse määra ületamine loomulikust 1% võrra toob kaasa kaotuse 2% SKPst. Nii et kõigepe alt peame leidma erinevuse 10% ja 6% vahel. Seega on tegeliku ja loomuliku töötuse määra vahe 4%. Pärast seda on lihtne aru saada, et meie probleemi SKT jääb oma potentsiaalsest väärtusest 8% maha. Võtame nüüd tegeliku sisemajanduse koguprodukti 100%. Lisaks võime järeldada, et 108% reaalsest SKTst on 75001,08=8100 miljardit rahaühikut. Tuleb mõista, et see näide on ainult näide majanduskursusest. Tegelikkuses võib olukord olla täiesti erinev. Seetõttu sobib Okuni seaduse kasutamine vaid lühiajaliseks prognoosimiseks, kus puudub vajadus ülitäpsete mõõtmiste järele.
