За всички вече е ясно, че глобалната пандемия и последвалото извънредно положение в България и останалия свят ще доведат след себе си значителна по своите размери икономическа криза. В условията на такъв тип глобална стагнация едни от основните въпроси от които всеки се интересува е – колко хора ще останат без работа и как ще се отрази това на икономиката? Ще се опитам да дам точно този поглед върху нещата, анализирайки взаимовръзката между растежа на БВП и равнището на безработицата в България през изминалите години.
На първо място, това е проблем, който е добре познат на икономическата наука и са правени редица анализи, особено през последните 20 години, откакто има публично достъпна и подробна статистическа информация за това. В този смисъл, има достатъчно информация за трансмисионните механизми между отделните макроикономически показатели и за влиянието си един върху друг.
На второ място, връзката между безработицата и растежа е по-известна в икономиката като „Закон на Оукън“. Няма да ви занимавам с това кой е този човек, но ще ви кажа, че той твърди и доказва, че съществува „количествено съотношение, отразяващо ефекта от изменението на произведения реален БВП върху изменението на равнището на безработицата[1]“ (Оукън, 1962). С други думи, връзката между изменението на БВП и изменението на безработицата е отрицателна (когато едното намалява, другото се увеличава). Важното в случая е, какво е съотношението на това изменение днес, защото изследването на Оукън е от 1962 г. само за икономиката на САЩ. Точно такава оценка ще се опитам да направя. Ако успеем да отговорим на този въпрос, ще знаем и колко ще бъде загубата за икономиката ни (спада на БВП), тъй като разполагаме с данните за ръста на безработицата и можем по-лесно да прогнозираме очакваните тенденции там (през Бюрото по труда, НСИ, АЗ и т.н.).
Истината е, че стойностното изразяване на това съотношение търпи различни преобразувания през годините според отделните специфики на икономиките и нивото на технологично развитие до което е достигнало отделното пазарно стопанство. Например, в първоначалното уравнение, което Оукън извежда, се доказва че има емпирично устойчива зависимост между цикличната безработица и цикличния разрив в БВП на която 2-3% промяна в реалния БВП съответства 1% промяна на равнището на безработицата в противоположна посока. В крайна сметка, нивото на това съотношение между безработицата и растежа зависи и от фазата на икономическия цикъл в която се намира икономиката. България, ЕС и светът като цяло се намира във фаза на икономически спад, което предполага по-силна отрицателна връзка от обикновено. Елементарната алгебрична интерпретация на тази зависимост изглежда в оригинал по следния начин:
- , където:
Y – нивото на реалния БВП;
Y*– нивото на потенциалния БВП;
Uc – нивото на цикличната безработица;
B – емпиричен коефициент на чувствителност (показващ конкретното съотношение на връзката)
Самото уравнение за улеснение може да се преобразува по следния начин:
- (?−?∗)=−?(? − ?∗)
Интерпретацията е същата, както при уравнение (1), като разликата тук е, че цикличната безработица е представена като разлика между общата норма на безработицата и нейното естествено ниво. Стъпвайки върху това твърдение, Оукън прави изследване за САЩ, като резултатите му показват, че 1% повече безработица води средно до 3,33% намаление на БНП/БВП на една страна. В този смисъл, ако ? = + 1%, то тогава Δ? = −3,33%. Самият модел на Оукън отчита средно ок. 85% обяснителна способност, което говори за висока достоверност на резултатите (?-square=0.79 – 0,93).
В крайна сметка, високото ниво на безработицата винаги е в свързано с неизползването на всички ресурси, които икономиката предоставя (производственият фактор труд). След като прави редица допълнителни изчисления и обогатя своите методи за изследване, Оукън стига до извода, че 1% повече безработица води средно между 2,8%– 3,3% спад на БВП.
Но нека проверим всъщност какъв ще бъде спадът на БВП в България, ако приемем за истина предварителните прогнози за очакваната безработица към края на 2020 г. За да направим това, на първо място ще е необходимо да оценим каква е корелацията през последните години между тези два показателя. Това може да се направи след като се проучи достатъчно дълъг период от време, който да мотивира определен коефициент на чувствителност.
Графика 1: Безработица и икономически растеж в България за периода 2006 – 2019 г. (тримесечни данни)
Източник: Национален статистически институт /НСИ/
Графика 1 представя гъстотата, разсейването и корелацията между изменението в равнището на безработицата и изменението в равнището на икономическия растеж в България за периода 2006 – 2019 г. по тримесечия. Тук може най-ясно да се види тази отрицателна/обратна връзка за която говорих в началото и която още Оукън извежда за икономиката на САЩ през миналия век. Разсейването на стойностите е доста голямо, което предполага голяма динамичност, но обратната връзка е повече от категорична. Всъщност, графиката потвърждава, че нарастването на безработицата ще доведе положително до спад в БВП на България. Сега остава да разберем колко ще бъде този спад?
За проверка на връзката растеж на БВП/безработица ще използвам иконометрични панелни времеви редове[2] с данни за оценка на връзката при фиксирани параметри. Базата ми с данни е публично достъпна и е събрана под формата на таблици с програмата „Excel”. Данните за безработицата и растежа са взети от НСИ в реално изражение. Времевият интервал, който използвам, обхваща периода от 2006 г. до 2019 г. включително, като данните са по тримесечия, за да се постигне максимално много брой наблюдения и по-обективни крайни резултати. Това е достатъчно дълъг период, който да ни послужи за отправна точка и очертаване на тенденция, когато оценяваме с колко ще намалее БВП в резултат от ръста на безработицата през 2020 г. Основният модел върху който е изграден анализа ми изглежда по следния начин:
- където:
– изменението на БВП, измерен чрез икономическия растеж в период – t; – изменението в равнището на безработицата в период – t;
Моделът ми предполага наличие на известен лагов ефект във въздействието на безработицата върху икономическия растеж, тъй като обикновено в текущ период трудно може да се открие статистически значима връзка поради характера на взаимодействие между двата индикатора (както по отношение на растежа върху безработицата, така и обратното). Освен това, редица икономисти (напр. Кучински, 2013) класифицират безработицата като изоставащ икономически индикатор, който проявява своето въздействие върху изменението на растежа след определен период от време. Това е и причината, поради която съм заложил брой лагове на въздействие и в настоящия модел. Определянето на оптимален брой лагове е резултат от допълнителни емпирични процедури, които съм извършил на един предходен етап.
Таблица 1[3]: Въздействие на безработицата върху икономическия растеж в България за периода 2006 – 2019 г. (тримесечни данни)
|
||||||||||||||||||||||||||||||||||||||||
Нива на статистическа значимост: P<0,10*, p<0,05**, p<0,01***
Резултатите от таблица 1 представят въздействието на изменението на безработицата върху изменението на икономическия растеж за периода 2006 – 2019 г. по тримесечия. Видно от стойностите, връзката отново е отрицателна, но вече можем да очертаем конкретни измерения на тази отрицателна връзка. Обяснителната способност и на трите използвани модела в над 60% (Модел 1 – 68,2%, Модел 2 – 74%, Модел 3 – 86,2%), което говори за висока достоверност на резултатите, макар да е приложена еднофакторна регресия. Това означава, че над 60% от вариацията на БВП в България през последните 13 години, може да бъде обяснена с изменението на безработицата в противоположна посока.
Резултатите при лаг от едно тримесечие са статистически незначими и не е необходимо да се коментират, защото не допринасят положително за изследването, но тези в период от две тримесечия назад във времето са значими. Те показват, че 1% ръст на безработицата в България през последните 13 години, след 6 месеца води минимум до 1,61% спад на БВП. При включването на фиксирани ефекти в изследването спадът на БВП достига до 3,61% в период от две тримесечия назад.
По този начин потвърдихме, че тезата на Оукън за отрицателното взаимодействие между двата фактора, е валидна и за икономиката на България в съвременните условия на пазарно стопанство. Единствената разлика е, че у нас тази отрицателна връзка е една идея по-слаба, отколкото в САЩ през 60-те години на 20-ти век.
Сега вече можем да направим прогноза с колко ще намалее БВП на България в резултат от икономическата криза в която ще навлезем през 2020 г.
- Според данните до този момент от Бюрото по труда и Агенцията по заетостта, броят на регистрираните безработни към края на 2019 г. е 194 715 души, което се равнява на коефициент на безработица от 5,9%;
- Към края на март (първо тримесечие на 2020 г.), по данни от Агенцията по заетостта, броят на безработните е 246 833 души, което се равнява на коефициент на безработица от 7,6%;
- Ако тази тенденция от ръст между 1,5 – 1,7 пр. п. на тримесечие до края на годината, то се предполага, че към края на 2020 г. коефициентът на безработица в България би достигнал стойности от ок. 11 – 11,7%. Това потенциално би съответствало на общо около 330 – 400 000 души безработни;
- По този начин, предполагаемият ръст на коефициента за безработица за 2020 г. спрямо 2019 г. би бил между 5,1 – 5,8%;
- Крайните резултати от трите модела, които са използвани при оценката на параметрите (Таблица 1) за България изглеждат по следния начин:
- Y?= 3,50+1,22(U?∗−U?), (?2=0,682)
- Y?=2,72+1,69(U?∗−U?), (?2=0,740)
- Y?=2,28+2,13(U?∗−U?), (?2=0,862)
Крайният резултат за българската икономика при развитието на този бих казал умерен сценарии са следните:
- При развитието на Модел 1 (Уравнение 4) при който 1% ръст на безработицата води до 1,22% спад на БВП, то към края на 2020 г. икономиката на България ще отчете реален спад на БВП от 6,7%;
- При развитието на Модел 2 (Уравнение 5) при който 1% ръст на безработицата води до 1,69% спад на БВП, то към края на 2020 г. икономиката на България ще отчете реален спад на БВП от 9,2%;
- При развитието на Модел 3 (Уравнение 6) при който 1% ръст на безработицата води до 2,13% спад на БВП, то към края на 2020 г. икономиката на България ще отчете реален спад на БВП от 11,7%;
Все пак, нека подходим с цялата условност на тези допускания. Възможно е коефициентът на безработица към края на годината да бъде по-висока величина, или по-ниска, ако не се запази темпът на нарастване от първото тримесечие на 2020 г.,който вече е отчетен. Възможно е също така, поради лаговия ефект на въздействие, не малко част от това влияние да се прехвърли към 2021 г. и спадът на БВП за календарната 2020 г. да бъде 2-3% по-нисък от прогнозирания в тази статия. Не твърдя, че това са най-правилните сметки, но все пак е някакъв опит по емпиричен път да се тестват различни сценарии на развитие, защото до този момент никой не се е опитал да го направи, и обикновено се правят прогнози без да са подкрепени с достатъчно мотивирани аргументи.
И накрая, настоящото изследване оценява влиянието само на безработицата върху БВП. Макар това влияние да има висока обяснителна способност, е възможно и други фактори да повлияят върху този спад и кумулативният ефект към спад да бъде по-висок от прогнозирания. Следователно, възможни са отклонения и в двете посоки и е хубаво да се имат предвид, когато правим заключения. Все пак, с цялата условност на предложения от мен модел на анализ, се надявам да ви е бил интересен за четене и практически полезен в тези извънредни времена на пандемия и стагнация.
гл. а.с д-р Любослав Костов
ИССИ на КНСБ
[1] Okun A. M., Potential GNP: Its Measurement and Significance, American Statistical Association, Proceedings of the Business and Economic Statistics Section, Washington, 1962, pр. 98-103.
[2] Панелната извадка е изцяло балансирана, а всички показатели за растеж са взети в реално изражение, за да се избегнат инфлационните дисбаланси в крайните резултати.
[3] Бележка: Таблицата представя резултат от извършена еднофакторна линейна регресия с включени лагови ефекти в изследването. Статистическата извадка обхваща периода от 2006 до 2019 г. в България по тримесечия. Иконометричното изследване е извършено в условията на три различни метода 1) панелен метод на най-малките квадрати (пМНМК, Колона 1), 2) пМНМК с включени фиксирани времеви ефекти (Колона 2) и 3) пМНМК с включени фиксирани времеви ефекти и клъстеризация. В таблицата, освен стойността на коефициентите, са записани техните стандартни отклонения, равнищата на статистическа значимост, обяснителната способност на модела (R-sq.) и броя наблюдения (N)