UNIVERZA V MARIBORU EKONOMSKO-POSLOVNA FAKULTETA, MARIBOR

DIPLOMSKO DELO

INFLACIJA, BREZPOSELNOST, REALNE PLAČE IN PRODUKTIVNOST DELA – PRIMER

ZDA V OBDOBJU 1961 – 2006

INFLATION, UNEMPLOYMENT, REAL

WAGES AND LABOR PRODUCTIVITY – CASE USA FOR THE PERIOD 1961 – 2006

Kandidatka: Tanja Jevšenak Študentka rednega študija Številka indeksa: 81569830 Program: univerzitetni Študijska smer: Splošna ekonomija Mentor: doc. dr. Timotej Jagrič

Šempeter, junij, 2008

2

PREDGOVOR S problemom inflacije in brezposelnosti se srečujejo vse razvite države. Ekonomske politike pa si prizadevajo, da bi bili inflacija in brezposelnost čim nižji. Že v preteklosti so si mnogi zastavljali vprašanje, ali obstaja povezava med brezposelnostjo in inflacijo. A. W. Phillips je bil eden izmed prvih, ki je ugotavljal to razmerje. Ugotovil je, da obstaja inverzno razmerje med stopnjo rasti plač in stopnjo brezposelnosti. Kasneje so se razprave nanašale na podobno inverzno razmerje med stopnjo inflacije in stopnjo brezposelnosti. Takšno razmerje so poimenovali Phillipsova krivulja. Pomembno vprašanje ekonomske politike pa je tudi razmerje med realnimi plačami in produktivnostjo dela. Produktivnost dela in realne plače naj bi bile pozitivno povezane. Ko produktivnost dela raste, takrat naj bi rasle tudi realne plače. Razmerje med njima naj bi bilo torej pozitivno. Nas pa je predvsem zanimalo, ali z ekonomsko teorijo predstavljene povezave med inflacijo in brezposelnostjo ter med produktivnostjo dela in realnimi plačami, veljajo tudi za primer ZDA. Diplomsko delo je sestavljeno iz šestih poglavij. Prvo poglavje predstavlja uvod. V drugem poglavju smo opisali gibanje inflacije, brezposelnosti, produktivnosti dela in realnih plač v ZDA v obdobju 1961 – 2006. V tretjem poglavju smo predstavili teoretično povezavo med inflacijo in brezposelnostjo. Predstavili smo tudi dva modela, ki prikazujeta to povezavo. V četrtem poglavju smo predstavili teoretično povezavo med realnimi plačami in produktivnostjo dela. Prav tako pa smo predstavili dva modela, ki prikazujeta to povezavo. V petem poglavju smo za primer ZDA z ekonometričnimi metodami ocenili predstavljene modele. Šesto poglavje predstavlja sklep. Za napotke in nasvete pri pripravi diplomskega dela se iskreno zahvaljujem mentorju doc. dr. Timoteju Jagriču. Posebna zahvala velja mojemu očetu in moji mami, ki sta me podpirala in mi študij finančno omogočila. Zahvaljujem se tudi mojemu fantu Marku in vsem, ki ste mi pri študiju pomagali in me spodbujali.

3

KAZALO 1 UVOD............................................................................................................................ 5

1.1 Opredelitev področja in opis problema ................................................................. 5 1.2 Namen, cilji in osnovne trditve diplomskega dela ................................................ 5 1.3 Predpostavke in omejitve raziskave ...................................................................... 6 1.4 Predvidene metode raziskovanja ........................................................................... 7

2 PREGLED GIBANJ INFLACIJE, BREZPOSELNOSTI, REALNIH PLAČ IN PRODUKTIVNOSTI DELA V OBDOBJU 1961 – 2006 V ZDA ....................................... 8

2.1 Kratek pregled gibanj vseh spremenljivk v obdobju 1961 – 1995 v ZDA............ 8 2.2 Gibanje inflacije, brezposelnosti, realnih plač in produktivnosti dela v ZDA v obdobju 1995 – 2006 ....................................................................................................... 18

2.2.1 Gibanje inflacije v obdobju 1995 – 2006 .................................................... 18 2.2.2 Gibanje brezposelnosti v obdobju 1995 – 2006 .......................................... 19 2.2.3 Gibanje realnih plač v obdobju 1995 – 2006............................................... 20 2.2.4 Gibanje produktivnosti dela v obdobju 1995 – 2006 .................................. 21

3 TEORETIČNA POVEZAVA INFLACIJE IN BREZPOSELNOSTI ........................ 24 3.1 Uvod v Phillipsovo krivuljo ................................................................................ 24 3.2 Kratkoročna Phillipsova krivulja......................................................................... 25

3.2.1 Izvirna različica Phillipsove krivulje........................................................... 25 3.2.2 Kratkoročna Phillipsova krivulja................................................................. 26

3.3 Pričakovanja in dolgoročna Phillipsova krivulja................................................. 28 4 TEORETIČNA POVEZAVA REALNIH PLAČ IN PRODUKTIVNOSTI DELA... 32

4.1 Produktivnost dela ............................................................................................... 32 4.2 Povezava med realnimi plačami in produktivnostjo dela.................................... 33

5 EKONOMETRIČNA ANALIZA POVEZAVE MED INFLACIJO IN BREZPOSELNOSTJO TER MED PRODUKTIVNOSTJO DELA IN REALNIMI PLAČAMI ........................................................................................................................... 39

5.1 Specifikacija modelov in razlaga spremenljivk................................................... 39 5.2 Baza podatkov ..................................................................................................... 40 5.3 Ocenjevanje modelov .......................................................................................... 42

5.3.1 Inflacija in brezposelnost............................................................................. 42 5.3.2 Realne plače in produktivnost dela.............................................................. 45

5.4 Mere primernosti ................................................................................................. 47 5.4.1 Inflacija in brezposelnost............................................................................. 48 5.4.2 Realne plače in produktivnost dela.............................................................. 48

5.5 Primerjava modelov na podlagi testa Box-Cox................................................... 49 5.6 Heteroskedastičnost ............................................................................................. 50

5.6.1 Grafična analiza posameznih modelov za primer ZDA .............................. 51 5.6.2 Inflacija in brezposelnost............................................................................. 53 5.6.3 Realne plače in produktivnost dela.............................................................. 56

5.7 Avtokorelacija ..................................................................................................... 60 5.7.1 Grafična analiza posameznih modelov za primer ZDA .............................. 60 5.7.2 Inflacija in brezposelnost............................................................................. 63 5.7.3 Realne plače in produktivnost dela.............................................................. 70

5.8 Chowov test ......................................................................................................... 74 5.8.1 Inflacija in brezposelnost............................................................................. 75

4

5.8.2 Realne plače in produktivnost dela.............................................................. 78 6 SKLEP......................................................................................................................... 83 7 POVZETEK /ABSTRACT ......................................................................................... 87 8 LITERATURA IN VIRI.............................................................................................. 88 PRILOGA

5

1 UVOD

1.1 Opredelitev področja in opis problema

Inflacija in brezposelnost se v praksi v razvitih državah pojavljata kot osnovna gospodarska problema, njuno odpravljanje pa je eden izmed najpomembnejših ciljev ekonomske politike vsake vlade. Mnogi ekonomisti so si zastavljali vprašanje, ali obstaja »trade off« med inflacijo in brezposelnostjo. A. W. Phillips je na podlagi analize ugotovil, da je v Veliki Britaniji v obdobju 1861 – 1957 obstajalo inverzno razmerje med stopnjo rasti plač in stopnjo brezposelnosti. Razprave so se kasneje običajno nanašale na podobno inverzno razmerje med stopnjo inflacije in stopnjo brezposelnosti. Takšno razmerje so poimenovali Phillipsova krivulja. Ekonomska politika se je lahko odločala za nižjo stopnjo brezposelnosti na račun višje inflacije in obratno. V sedemdesetih letih pa se je to razmerje podrlo, saj so v ZDA in v drugih razvitih državah hkrati imeli visoko inflacijo kot tudi visoko brezposelnost. Razmerje med realnimi plačami in produktivnostjo dela je pomembno vprašanje ekonomske politike. Realne plače pa so pomembne tudi za vsakega posameznika. Delavci si namreč s plačilom, ki ga dobijo za opravljanje njihovega dela, kupijo potrebne dobrine za svoje življenje. Ekonomska teorija pravi, da so produktivnost dela in realne plače tesno povezane, ta povezava pa je pozitivna. Ko so delavci bolj produktivni, povpraševanje po njihovih storitvah naraste, zato bodo lahko zahtevali višjo plačo. Realne plače naj bi rasle takrat, ko raste produktivnost dela. Za države je pomembno, da imajo visoko rast produktivnosti, saj ta pomaga tudi pri ohranjanju inflacije na nizki ravni. V diplomskem delu bomo z ekonometrično analizo preverili povezavo med inflacijo in brezposelnostjo ter povezavo med realnimi plačami in produktivnostjo dela. Oblikovali bomo štiri modele. Ekonometrično analizo teh modelov bomo preverjali za primer Združenih Držav Amerike (ZDA). Zanima nas ali z ekonomsko teorijo predstavljene povezave med temi spremenljivkami veljajo tudi za primer ZDA. Naša analiza bo zajemala obdobje 1961 – 2006. 1.2 Namen, cilji in osnovne trditve diplomskega dela

Namen našega diplomskega dela je dvojen: • Predstaviti teoretično povezavo med inflacijo in brezposelnostjo ter teoretično

povezavo med realnimi plačami in produktivnostjo dela. • Analizirati povezavo med inflacijo in brezposelnostjo ter povezavo med realnimi

plačami in produktivnostjo dela za primer ZDA. Analiza bo potekala ob večfazni analizi ekonometričnih regresijskih modelov.

V prvem delu diplomskega dela nameravamo predstaviti gibanje inflacije, brezposelnosti, realnih plač ter produktivnosti dela v ZDA v obdobju 1961 – 2006. V drugem delu nameravamo predstaviti teoretično povezavo med inflacijo in brezposelnostjo ter teoretično povezavo med realnimi plačami in produktivnostjo dela. V tretjem, obsežnejšem

6

delu, bomo najprej specificirali štiri modele, in sicer dva modela, ki prikazujeta povezavo med inflacijo in brezposelnostjo ter dva modela, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela. Te modele bomo za primer ZDA nato analizirali z ekonometričnimi metodami. Cilji našega diplomskega dela so spoznati gibanje vseh štirih spremenljivk v ZDA, spoznati teoretično povezavo med inflacijo in brezposelnostjo ter teoretično povezavo med realnimi plačami in produktivnostjo dela. Temeljni cilj našega proučevanja pa je ugotoviti, ali z ekonomsko teorijo predstavljeni povezavi, veljata tudi za primer ZDA. Osnovna trditev izhaja iz ekonomske teorije, in sicer da je med stopnjo inflacije in stopnjo brezposelnosti inverzno razmerje ter da je med realnimi plačami in produktivnostjo dela pozitivno razmerje. 1.3 Predpostavke in omejitve raziskave

Analizirali bomo modela, ki prikazujeta povezavo med inflacijo in brezposelnostjo. Pri tem predpostavljamo, da sta ti dve spremenljivki povezani in da je ta povezava med njima negativna. Analizirali pa bomo tudi modela, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela. Pri tem predpostavljamo, da sta ti dve spremenljivki povezani in da je ta povezava med njima pozitivna. Modele funkcij bomo ocenjevali z Metodo najmanjših kvadratov (MNK), ki sloni na določenih predpostavkah. Te so (Pfajfar 1998, 51-57):

• Pri vsaki od vrednosti pojasnjevalnih spremenljivk velja, da je pričakovana vrednost slučajne spremenljivke u enaka 0.

0),...( 1 =kii xxuE ali E(u) = 0, prav tako pa tudi velja

kikikii xxxxuE ββ ++= ...),...( 111 • 0),(),( == jiji yyCovuuCov ji ≠

Predpostavka ničelne kovariance med vrednostmi spremenljivke u pomeni, da v regresijskem modelu ne obstoji avtokorelacija.

• [ ] 2222 )()()( σσ ===−= uiiii uEuEuEuVar Varianca spremnljivke u je pozitivna vrednost )( 2σ . Vrednosti spremenljivke u so enako razpršene. Torej je prisotna homoskedastičnost.

• 0),(...),(),( 21 ==== ikiiiii uxCovuxCovuxCov Pojasnjevalne spremenljivke so lahko ali slučajne ali neslučajne, vendar so v vsakem primeru neodvisne (nekorelirane) od slučajne spremenljivke u.

7

• Med pojasnjevalnimi spremenljivkami ne obstaja popolna linearna odvisnost. Torej ne obstaja natančna linearna odvisnost oblike:

0......2211 =+++++ kkjj xxxx λλλλ Vse vrednosti jλ niso enake 0. V tem primeru v modelu ni prisotna multikolinearnost. • Slučajna spremenljivka je normalno porazdeljena. ),0(~ 2

uNu σ Odvisna spremenljivka je normalno porazdeljena slučajna spremenljivka.

),...(~ 211 ukikii xxNy σββ ++

Pri naši analizi se bomo omejili na obdobje 1961 – 2006. Za stopnjo inflacije bomo uporabili indeks cen življenjskih potrebščin, za stopnjo brezposelnosti pa anketno stopnjo brezposelnosti. Za realne plače bomo uporabili realna urna nadomestila, za produktivnost dela pa produktivnost dela, izražena kot BDP (output) na uro dela (output per hour). Pri teh dveh spremenljivkah se bomo omejili na poslovni sektor.

1.4 Predvidene metode raziskovanja

Predvidene metode raziskovanja bodo makroekonomske, saj bomo povezavo med inflacijo in brezposelnostjo analizirali na ravni celotne države, povezavo med realnimi plačami in produktivnostjo dela pa bomo analizirali na ravni celotnega poslovnega sektorja. V prvem in drugem delu diplomskega dela bomo uporabili deskriptiven pristop raziskovanja, predvsem metodo kompilacije. V tretjem delu bomo uporabili analitičen kvantitativen (induktiven) pristop. V diplomskem delu kot celoti, bomo uporabili tako deduktivne kot tudi induktivne metode sklepanja. Pri ekonometričnem delu, torej v tretjem delu diplomskega dela, bomo oblikovali regresijske modele in jih ocenili z ekonometričnimi metodami. Pri tem bomo uporabili računalniški program Soritec Sampler. V tem delu bomo torej uporabljali ustaljene ekonometrične metode testov in postopkov, s katerimi bomo preizkušali posamezne omenjene domneve in predpostavke MNK.

8

2 PREGLED GIBANJ INFLACIJE, BREZPOSELNOSTI, REALNIH PLAČ IN PRODUKTIVNOSTI DELA V OBDOBJU 1961 – 2006 V ZDA

V diplomski nalogi bomo analizirali kakšna je povezava med inflacijo in brezposelnostjo ter povezava med produktivnostjo in realnimi plačami za primer ZDA. Analiza se bo nanašala na obdobje 1961 – 2006. Zato bomo najprej v 2. poglavju opisali, kako so se v tem obdobju gibale te štiri spremenljivke. Najprej bomo opisali gibanje inflacije, brezposelnosti, produktivnosti in realnih plač v preteklosti, in sicer v obdobju 1961 – 1995, nato pa bomo podrobno opisali gibanje vsake posamezne spremenljivke v obdobju 1995 – 2006. 2.1 Kratek pregled gibanj vseh spremenljivk v obdobju 1961 – 1995 v ZDA

Ameriško gospodarstvo je vstopilo v šestdeseta leta 20. stoletja, potem ko je prebrodilo številne recesije. John Kennedy je postal predsednik v upanju, da bo oživil gospodarstvo. To je bilo obdobje, ko se je v Washingtonu pojavila »Nova ekonomija«, kot so imenovali keynesianski pristop. Ekonomski svetovalci predsednika Kennedya in Johnsona so priporočili spodbujajočo ekonomsko politiko in kongres je v letih 1963 in 1964 uzakonil ukrepe za spodbujanje gospodarstva, vključno z močnim zmanjšanjem osebnih in podjetniških davkov. BDP je v začetku šestdesetih let rasel po 4 odstotke letno, brezposelnost se je zmanjšala in cene so bile stabilne. Do 1965 je gospodarstvo spet doseglo potencialni output (Samuelson 2002, 384). V drugi polovici šestdesetih let pa so se razmere spremenile. Inflacije, ki se je v ZDA začela v drugi polovici šestdesetih let, je bila povezana s počasno rastjo, z visoko brezposelnostjo in z nestabilno ekonomsko aktivnostjo, vključno z dvema največjima recesijama po vojni v letih 1973 – 75 in 1981 – 82 (Remarks by Governor Ben S. Bernanke, 2003). Primarni vzrok visoke inflacije je bila preveč ekspanzivna monetarna in fiskalna politika, ki se je začela sredi šestdesetih in se nadaljevala v sedemdeseta leta (ibid., 2003). Vlada je podcenjevala učinek priprav na vietnamsko vojno. Izdatki za obrambo so od 1965 do 1968 narasli za 55%. Tudi, ko je že postalo jasno, da se je naglo približevalo povečanje inflacije, je predsednik Johnson preložil boleče proračunske ukrepe za upočasnitev gospodarstva. Davki so porasli in izdatke so omejili šele leta 1986, kar je bilo prepozno, da bi inflacijskim pritiskom preprečili pregrevati gospodarstvo. Zvezne rezerve so se hitri ekspanziji prilagodile s hitro rastjo denarja in nizkimi obrestnimi merami. Tako je gospodarstvo precejšen del obdobja 1966 – 1970 delovalo daleč nad potencialnim outputom. Pod pritiskom nizke brezposelnosti in visoke izkoriščenosti tovarn je začela rasti inflacije in prinesla »obdobje inflacije«, ki je trajalo od 1966 – 1981. V tem obdobju so torej zmanjšanje davkov in obrambni izdatki povečali agregatno povpraševanje in krivuljo agregatnega povpraševanja premaknili v desno. Output in zaposlenost sta močno porasla, cene pa so začele rasti vse hitreje, saj je output presegel omejitve zmogljivosti. Ekonomisti so spoznali, da je bilo preprosteje spodbujati gospodarstvo kot pa prepričati nosilce ekonomske politike, da povečajo davke z namenom upočasniti gospodarstvo zaradi grozeče inflacije. To spoznanje je mnoge vodilo v dvom o modrosti uporabe proračunske politike za stabiliziranje gospodarstva (Samuelson 2002, 384-385).

9

V letih 1969 in 1970 je bila inflacija 6,2 in 5,4 odstotna. Brezposelnost je bila v drugi polovici šestdesetih let nizka, in sicer pod 4%, nato pa je pričela naraščati. Predsednik Richard Nixon je, da bi se soočil z inflacijo, leta 1971 uvedel kontrolo cen, kar je nekoliko pripomoglo k njenemu znižanju (Baumol 2000, 492). Leta 1973 pa je svet udarila nova makroekonomska bolezen, ponudbeni šoki. Ponudbeni šok je nenadna sprememba stroškovnih razmer ali pogojev produktivnosti, ki močno prestavijo agregatno ponudbo. Leta 1973 so se ponudbeni šoki pojavili z veliko silovitostjo. Leto so zaznamovali slaba letina, spreminjanje morskih tokov, masovne špekulacije na svetovnih trgih proizvodov, vznemirjanje na deviznih trgih in bližnjevzhodna vojna, ki je vodila v štirikrat višje svetovne cene surove nafte. Ta skok cen surovin in goriva je dramatično dvignil tudi grosistične cene. Cene surovin in goriv so od 1972 do 1973 porasle za več kot v celotnem obdobju od konca druge svetovne vojne do leta 1972. Kmalu po ponudbenem šoku se je močno povečala inflacija in realni output je upadel (Samuelson 2002, 385). Gospodarstvo ZDA je padlo v najdaljšo in v najbolj neprizanesljivo recesijo po veliki depresiji tridesetih let. Leta 1974 je bila inflacija že 12,3%. Realni BDP se je med letoma 1973 in 1975 znižal, brezposelnost pa je bila skoraj 9%. V teh letih sta bili visoki tako brezposelnost in inflacija. ZDA so se znašle v obdobju stagflacije1 (Baumol 2000, 492). Veliko, nepričakovano povečanje stroškov surovin je pomenilo ponudbeni šok, ki ga ponazorimo kot premik krivulje agregatne ponudbe navzgor (levo). Povišajo se cene, ki jim sledi upadanje outputa in povečanje brezposelnosti (Samuelson 2002, 385). Počasno okrevanje po recesiji se je začelo leta 1975. Inflacija se je po tem letu nekoliko znižala, output se je vrnil k potencialnemu, kar je bilo posledica vladnih ukrepov in znižanja cen hrane in nafte (Baumol 2000, 492). Brezposelnost se je po letu 1975 pričela zniževati in je bila leta 1979 5,8%. Leta 1979 pa so cene nafte zopet poskočile. Nemir na Bližnjem vzhodu je vodil v drugi naftni šok. Iranska revolucija je povzročila skok cen nafte s 14 dolarjev za sodček v začetku leta 1978 na 34 dolarjev leta 1979. Inflacija je dramatično poskočila in je bila leta 1979 13,3% leta 1980 pa 12,5%. Da bi centralna banka upočasnila inflacijo, je predpisala močno zdravilo z omejevanjem ponudbe denarja. Leta 1979 in 1980 so obrestne mere močno poskočile, borzni indeksi so padli in težko je bilo dobiti posojilo. Omejevalna politika centralne banke (tight money) je upočasnila nakupe potrošnikov in podjetij. Še zlasti je prizadela sestavine agregatnega povpraševanja, ki so občutljive za obresti. Po letu 1979 so gradnje stanovanj, nakupi avtomobilov, naložbe podjetij in neto izvoz močno upadli. Omejevanje ponudbe denarja je torej zmanjšalo izdatke in povzročilo premik krivulje agregatnega povpraševanja na levo navzdol. Do konca leta 1982 se je tako zmanjšal output na skoraj 10% pod potencialnim, stopnja brezposelnosti pa je nekoliko porasla (Samuelson 2002, 385). Ti ukrepi so povzročili močan padec inflacije z letnega povprečja 12% v obdobju 1979 – 1980 na 4% v obdobju 1983 – 1988. Politiki omejevanja ponudbe denarja je uspelo obrzdati inflacijo, toda država je ta dosežek plačala z višjo brezposelnostjo in nižjim outputom. Brezposelnost je bila leta 1982 skoraj 10%. Vlada pa je imela velik proračunski primanjkljaj (ibid., 385-386).

1Obdobje visoke brezposelnosti-stagnacije, in visoke inflacije

10

Slika 1: Gibanje stopnje brezposelnosti v % v obdobju 1967 – 1995

Vir: Economic report of the president 1997, 141, dosegljivo na: http://www.gpoaccess.gov/usbudget/fy98/pdf/erp.pdf Slika 2: Stopnja inflacije v obdobju 1945 – 2003

Opombe: Inflation rate (CPI-U, consumer price index for all urban consumers) = stopnja Inflacije (indeks cen življenjskih potrebščin) Vir: Economic Analysis of the United States 1945 through 2005; 2007, 4; dosegljivo na: http://www.policepay.net/pdf/usecon.pdf

11

Inflacija se je v letih 1983 in 1988 gibala med 3,8% in 4,4%. Brezposelnost pa se je po letu 1983, ko je bila 9,6%, pričela počasi zniževati in je bila leta 1989 5,3%. Leta 1989, ko je predsednik postal George Bush starejši, se je inflacija zopet nekoliko povišala, gospodarska rast se je zmanjšala, kongres pa je odredil vrsto ukrepov za zmanjšanje deficita vključno s povišanjem davkov. Leta 1990 – 1991 so se ZDA zopet znašle v manjši recesiji. Brezposelnost je bila leta 1992 že 7,5%. Mnogi so menili, da je poraz Georga Busha za ponovno izvolitev, bila posledica šibkega gospodarstva v času njegovega predsedovanja (Baumol 2000, 493). V času predsedovanja Clintona, se je gospodarstvo ZDA zelo izboljšalo. Brezposelnost se je zmanjšala, inflacija pa je bila dokaj nizka. Leta 1996 je bila brezposelnost 5,4 odstotna, inflacija pa je bila okoli 3 odstotna. Razmere pa so se še izboljšale. Gospodarska rast se je povečala, brezposelnost je bila leta 2000 4% in je bila najnižja po letu 1970. Leta 1998 pa je bila inflacija nižja od 2% (ibid., 494). Odločna denarna politika zgodnjih osemdesetih je pripravila osnovo za dolgo ekonomsko ekspanzijo od 1982 do 1997. To obdobje, ki ga označuje le ena blaga recesija 1990-1991, je bilo obdobje največje makroekonomske stabilnosti v ameriški zgodovini (Samuelson 2002, 386). Do sedaj smo opisovali predvsem, kaj se je po letu 1960 dogajalo z inflacijo in brezposelnostjo. V nadaljevanju pa bomo na kratko prikazali, kaj se je v tem obdobju dogajalo s produktivnostjo dela in realnimi plačami. Slika 3: Povprečna letna rast produktivnosti dela v ZDA v %

Opombe: Labor productivity = produktivnost dela Vir: Remarks by Edward P. Lazear (19. marec 2007, 12), dosegljivo na: http://www.whitehouse.gov/cea/lazear20070319.pdf

12

Opis slike 3. Stopnja rasti produktivnosti je v ZDA strmo padala v začetku sedemdesetih. Med letoma 1950 in 1972 je stopnja produktivnosti v povprečju rasla 2,8% letno, kar je bilo najhitreje do takrat. Po letu 1973 pa se je produktivnost pričela upočasnjevati. Od leta 1973 do 1995 je produktivnost v povprečju rasla po 1,5% letno. V obdobju 1996 – 2000 pa je produktivnost v povprečju rasla 2,6% letno. Obdobje, ko se je produktivnost močno upočasnila (po letu 1973), imenujejo Productivity slowdown (zastoj produktivnosti). Produktivnost se je začela upočasnjevati v začetku sedemdesetih let 20. stoletja. Produktivnost dela se je dejansko upočasnila v skorajda vseh sektorjih gospodarstva. Med področji z največjim poslabšanjem produktivnosti so bili rudarjenje, gradbeništvo in storitve. Podobne vzorce zastoja rasti produktivnosti za celotno gospodarstvo in v večini sektorjev opazimo po letu 1973 v vseh glavnih razvitih državah (Samuelson 2002, 535). Zakaj je prišlo do upočasnitve produktivnosti? Kljub letom raziskav in kljub mnogim razlagam, ki so jih ponudili, pa dokončnega odgovora ekonomisti niso dobili. Samuelson je glede razlage tega zastoja zapisal (2002 535): » Študije produktivnosti kažejo številne neugodne dejavnike, ki so se pojavili v ameriškem gospodarstvu ob približno istem času. Ti vključujejo tudi:

• Od začetka sedemdesetih let 20. stoletja so okoljski predpisi zahtevali, da podjetja potrošijo več denarja za tovarne in proizvodne procese ter s tem izboljšajo zdravje in varnost. Vendar se te izboljšave niso pokazale kot rast outputa. Eden od najbolj dramatičnih primerov je bila produktivnost v jedrskih elektrarnah, v katerih so predpisi povečali stroške tako, da so postale neekonomične za gradnjo in včasih celo za običajno delovanje.

• Povečanje cen energije v sedemdesetih letih je podjetja vodilo, da so jo nadomestila z drugimi inputi (delo in kapital). Zaradi tega se je produktivnost dela in kapitala v primerjavi s prejšnjimi obdobji poslabšala.

• Nekateri ekonomisti menijo, da utegne biti poslabšanje kakovosti dela (ali morda zastoj rasti kakovosti) pomemben dejavnik, ki prispeva k zastoju pri rasti produktivnosti. Pomembni kazalci vključujejo poslabšanje testnih rezultatov ameriških študentov in močno povečanje dela nekvalificiranih imigrantov v delovni sili.

• Končni osumljenec v skrivnosti zastoja produktivnosti je narava raziskovanja in razvoja (R&D). V primerjavi z večino drugih razvitih držav potrošijo ZDA velik delež svojega raziskovalnega denarja za obrambo in vesoljske programe. Medtem ko Japonska in Nemčija vlagata v novo elektroniko ali avtomobilske tehnologije, je okoli tretjino raziskovalnega denarja v ZDA namenjeno za obrambo in vesolje. Medtem ko utegnejo ta prizadevanja prinesti spektakularni prikaz vojaške moči, sposobnosti ali prebrisanosti, najdemo le redke koristi za civilno tehnologijo.«

Produktivnost se je torej v začetku sedemdesetih let upočasnila. Kot razloge za ta zastoj so torej mnogi navajali na primer višje cene energije, visoka in nepredvidljiva inflacija, višje stopnje davkov, novi okoljski predpisi, upadanje raziskav in razvoja, poslabšanje delovnih izkušenj, spretnosti in znanja, izčrpane možnosti za izume in socialna lenoba. Takšne razlage pa so bile v devetdesetih letih seveda neustrezne. Inflacija je namreč padala, davčne stopnje so se znižale, raziskave in razvoj ter patenti so se močno povečali, cene energije so se znižale, investicije in izumi so se povečali, računalniki pa so bili dostopni že

13

vsakomur. Čeprav je produktivnost po letu 1995 rasla, pa je bila v povprečju še vedno nižja kot v obdobju od 1947 do 1973 (Nordhaus 2002, 211-212). Edward C. Prescott je produktivnost ZDA primerjal tudi z drugimi državami, raziskoval pa je tudi, kako ekonomska integriranost države z drugimi državami vpliva na produktivnost dela. Gledano zgodovinsko je produktivnost v ZDA v povprečju rasla 2% letno, kar pomeni, da se je življenjski standard vsake naslednje generacije podvojil. Produktivnost je najvišja zlasti v ZDA in Zahodni Evropi. Leta 1865 je BDP na prebivalca v ZDA dosegel le 70% BDP-ja na prebivalca Velike Britanije. Leta 1928 pa je se je razmerje obrnilo in so ZDA imele višji BDP na prebivalca. ZDA so namreč postale skupek ekonomsko enotnih suverenih držav. Takrat je produktivnost pričela v ZDA naraščati. Ekonomske integracije držav namreč pospešujejo produktivnost. Nekateri razlogi za to so, da se izvozne industrije v državi soočijo z elastičnim povpraševanjem iz tega pa sledi, da se zaposlenost poveča, ko se poveča produktivnost (Edward C. Prescot; Globalization and the Economic Outlook 2006, 10-13). Empirični dokazi kažejo na to, da večja ekonomska integriranost neke države z drugimi državami oziroma večja odprtost držav, vodi v izboljšanje ekonomskega razvoja države, ki je bila prej zaprta. Edward C. Prescott je za mero razvoja uporabil produktivnost. Proučeval je, kaj se dogaja s produktivnostjo v državah, ko le-te postanejo bolj ekonomsko integrirane oziroma povezane z drugimi državami. V vseh državah, ki so v preteklih nekaj letih postale bolj odprte, je bilo opaziti, da je ekonomska integracija prispevala k povišanju produktivnosti. Ko se država odpre, to privabi tuje direktne investicije. Prescott je primerjal produktivnost šestih držav, ki so bile začetnice EU in produktivnost ZDA (Edward C. Prescott, Openness, Technology Capital and Development 2007, 1-6). Slika 4: Produktivnost dela EU6 kot procent od produktivnosti dela ZDA

Opombe: Produktivnost dela ZDA je 100 Vir: Edward C. Prescott, Openness, Technology Capital and Development (2007, 4), dosegljivo na: http://new.istiseo.org/eng/documenti.php

14

Šest držav2, ki so leta 1975 podpisale rimsko pogodbo, bomo imenovali EU6. Vidimo, da se je po podpisu te pogodbe, produktivnost EU6 v primerjavi s produktivnostjo ZDA močno povišala. 30 let po podpisu Rimske pogodbe se je produktivnost EU6 približala produktivnosti ZDA, 40 let po podpisu pa jo je celo presegla. Vidimo torej, da je ekonomska integracija pripomogla k povišanju produktivnosti. Podobno je bilo tudi z ostalimi državami, ki so se pridružile EU. Avstrija, Finska in Švedska so postale članice EU leta 1995. Pred tem letom se je njihova rast produktivnosti zniževala, po letu 1995 pa je rast produktivnosti v teh državah pričela naraščati (Edward C. Prescott, Openness, Technology Capital and Development 2007, 1-6). Primerjal je tudi produktivnost ZDA še z drugimi regijami. Produktivnost se v Aziji izboljšuje. Slika 5: Produktivnost dela v Aziji kot procent od produktivnosti dela ZDA

Opombe: Produktivnost dela ZDA je 100 Vir: Edward C. Prescott, Openness, Technology Capital and Development (2007, 8), dosegljivo na: http://www.minneapolisfed.org/research/SR/SR396.pdf Ekonomska odprtost se je v zadnjem času povečala v dvanajstih azijskih državah3. Ko so te države postale bolj ekonomsko integrirane oziroma povezane z drugimi razvitimi industrijskimi državami, se je produktivnost močno povečala. Še vedno pa je produktivnost teh držav nizka v primerjavi s produktivnostjo ZDA, vendar pa se ta vrzel manjša. Poglejmo si še Južno Ameriko, ki je bila v drugi polovici 20. stoletja pretežno zaprta regija. Produktivnost devetih držav4 se je v primerjavi s produktivnostjo ZDA zniževala. Obstaja torej močna pozitivna povezava med ekonomsko integracijo držav in izboljšanjem v njihovi produktivnosti (Edward C. Prescott, Openness, Technology Capital and Development 2007, 6-8). output na zaposlenega (output per person) = produktivnost dela (output per hour) * število delovnih ur na zaposlenega (hours per person). 2 (Belgija, Francija, Italija, Luksemburg, Nizozemska in Zahodna Nemčija) 3 (Kitajska, Hong Kong, Indija, Indonezija, Japonska, Malezija, Pakistan, Filipini, Singapur, Južna koreja, Tajvan in Tajska) 4 (Argentina, Bolivija, Brazilija, Čile, Kolumbija, Ekvador, Peru, Urugvaj in Venezuela)

15

Prescott meni, da je Zahodna Evropa revnejša od ZDA tudi zaradi manjšega števila delovnih ur na teden na zaposlenega. Američani namreč delajo veliko več kot Evropejci. Prescott je med drugim ugotavljal, zakaj Američani delajo več kot Evropejci (Edward C. Prescott, Why Do Americans Work So Much More Than Europeans, 2004, 2). Slika 6: Statistika za leto 2004 v primerjavi z ZDA, v % od vrednosti ZDA (ZDA = 100)

Opombe: GDP per Person = BDP na zaposlenega Hours per Person = število delovnih ur na zaposlenega GDP per hour = produktivnost, izražena kot BDP na uro dela Vrednosti so izražene kot procent od vrednosti ZDA Vir: Edward C. Prescott, Taxes, Hours and Employment (2007, 4) Slika 7: Output, delovne ure na zaposlenega in produktivnost dela izbranih držav v primerjavi z ZDA, v % od vrednosti ZDA (ZDA = 100)

Opombe: Output per Person = output na zaposlenega Hours Worked per Person = število delovnih ur na zaposlenega Output per Hour Worked = produktivnost, izražena kot BDP na uro dela Podatki so za osebe stare od 15 do 64 let. Vrednosti so izražene kot procent od vrednosti ZDA Vir: Edward C. Prescott, Why Do Americans Work So Much More Than Europeans (2004, 3), dosegljivo na: http://www.minneapolisfed.org/research/QR/QR2811.pdf

16

Če pogledamo sliko 7 vidimo, da je v obdobju 1993 – 96 število delovnih ur na zaposlenega precej večje na Japonskem in v ZDA kot pa v Nemčiji, Franciji in Italiji. Vidimo tudi, da je v ZDA output na zaposlenega dosti višji kot pa v izbranih evropskih državah. Produktivnost pa je v Nemčiji, Italiji in Franciji primerljiva z ZDA. V Franciji je celo višja. Torej je nižji output na zaposlenega predvsem posledica, da Evropejci delajo manj kot Američani. V obdobju 1970 – 74 pa so v Nemčiji, Franciji in Veliki Britaniji delali več kot v ZDA, medtem ko je bila produktivnost v izbranih evropskih državah nižja kot v ZDA. V tem obdobju je bil nižji output na zaposlenega v evropskih državah predvsem posledica nižje produktivnosti v teh državah (Edward C. Prescott, Why Do Americans Work So Much More Than Europeans, 2004, 2-3). Prescott ugotavlja, da Evropejci delajo manj ur kot Američani. Kot glavni razlog za to navaja efektivno mejno davčno stopnjo. V začetku sedemdesetih let je bila efektivna mejna davčna stopnja v Zahodni Evropi 40% in so Evropejci delali toliko kot Američani. Le-ta pa se je v Evropi povečala in sedaj znaša 60%. V ZDA pa je efektivna mejna davčna stopnja 40%. V ZDA se je namreč po davčni reformi leta 1986 število delovnih ur na zaposlenega na teden povišalo, in sicer iz 23,5 na 25,4 delovnih ur na teden. V Evropi se je torej efektivna mejna davčna stopnja povečala iz 40% na 60%, zaradi česar se je število delovnih ur na zaposlenega zmanjšalo. Zaradi tega se je v primerjavi z ZDA znižal tudi output na zaposlenega. Razlog, da Evropejci delajo manj ur kot Američani, so višje davčne stopnje v Evropi kot pa v ZDA. Ko so bile davčne stopnje v Evropi in ZDA primerljive, je bilo tudi število delovnih ur na zaposlenega med tema dvema državama primerljivo. Prescott meni, da je velike razlike v številu delovnih ur na zaposlenega med ZDA na eni strani in Nemčijo ter Francijo na drugi strani moč pripisati razlikam v davčnem sistemu. Evropejci torej opravijo manj delovnih ur na teden predvsem zaradi visokih davčnih stopenj (ibid., 7-8). Prescott pravi, da se bo število delovnih ur povečalo, če bodo države v Evropi znižale davčne stopnje (to je storila že Španija z znižanjem davčnih stopenj in drugimi reformami na trgu dela leta 1998), potrebne pa so tudi reforme pokojninskega sistema (prebivalstvo se namreč stara). Prescott še meni, da bodo države, ki imajo visoko produktivnost rasle hitreje, če bodo znižale davke. Menil je tudi, da v ZDA obstaja nevarnost, da bo kongress povišal davčne stopnje, zaradi česar se lahko poslabša stanje v ZDA (Edward C. Prescott, Globalization and the Economic Outlook, 2006, 28, 35). V nadaljevanju pa poglejmo, kaj se je v obdobju 1961 – 1995 dogajalo z realnimi plačami. Pri opisovanju gibanj realnih plač se bomo osredotočili na gibanje realnih urnih nadomestil, poznano pod imenom real hourly compensation. V obdobju recesije in visoke inflacije leta 1980 so realna urna nadomestila v nekmetijskem poslovnem sektorju padla. Nekoliko so zrasla že leta 1981, rast pa se je leta 1982 pospešila. Ko je gospodarstvo leta 1983 in v prvi polovici 1984 pričelo okrevati pa so realna urna nadomestila nekoliko padla. Zmerna rast se je zopet začela v drugi polovici 1984 in 1985, medtem ko so leta 1986 realna urna nadomestila močno porasla. Rast nadomestil je nekoliko upadla v drugi polovici leta 1987, vendar pa se je leta 1988 rast že izboljšala. Realna urna nadomestila so močno padla leta 1989. Med recesijo 1990 – 91 in tudi v letu 1992 so zopet porasla. Leta 1993 in 1994 so realna urna nadomestila padla,

17

vendar so leta 1995, 1996 in 1997 ponovno porasla. Vrh pa je rast dosegla 1998 (Real compensation, 1979 to 2003: Analysis from several data sources 2005, 17). Slika 8: Stopnja rasti realnih urnih nadomestil v nekmetijskem poslovnem sektorju

Opombe: Real hourly compensation in the nonfarm business sector = realna urna nadomestila v nekmetijskem poslovnem sektorju Vir: Real compensation, 1979 to 2003: Analysis from several data sources, Monthly Labor Review, May 2005, dosegljivo na: http://www.bls.gov/opub/mlr/2005/05/art1full.pdf Slika 9: Rast realnih urnih nadomestil v nekmetijskem poslovnem sektorju - povprečna letna rast v %

Vir: Economic Report of the President 2000, 26, dosegljivo na: http://www.gpoaccess.gov/usbudget/fy01/pdf/2000_erp.pdf

18

Če pogledamo na splošno celotno obdobje 1960 – 1990, se je rast realnih urnih nadomestil v nekmetijskem poslovnem sektorju zmanjšala iz letnega povprečja 2,8% v obdobju 1947 – 1973 na letno povprečje 0,7% v obdobju 1973 – 1990. To znižanje je bilo vzporedno znižanju v produktivnosti. Kako sta se produktivnost dela in realna urna nadomestila gibala skupaj, bomo opisali v podpoglavju 4.2. 2.2 Gibanje inflacije, brezposelnosti, realnih plač in produktivnosti dela v ZDA v

obdobju 1995 – 2006

V podpoglavju 2.1 smo napisali kratek pregled gibanj inflacije, produktivnosti, realnih plač in brezposelnosti v preteklosti, in sicer v obdobju 1961 – 1995. V podpoglavju 2.2 pa bomo bolj podrobno opisali, kaj se je s temi spremenljivkami dogajalo oziroma, kako so se gibale v obdobju 1995 – 2006. 2.2.1 Gibanje inflacije v obdobju 1995 – 2006

Preden pričnemo z opisovanjem gibanja inflacije, bi želeli opozoriti na to, da bomo opisovali gibanje indeksa cen življenjskih potrebščin (CPI), vendar bomo pri opisovanju uporabljali izraz inflacija. V tem podpoglavju bomo opisovali gibanje indeksa cen življenjskih potrebščin CPI (december to december)5, ker je tudi v literaturi opisano gibanje tega indeksa. Pri analizi v poglavju 5 pa bomo za podatke uporabili indeks cen življenjskih potrebščin (CPI year to year)6. V letu 1990, ko so se ZDA znašle v manjši recesiji, je bila inflacija 6,1%. Ta recesija je bila kratka, tako da se je inflacija pričela zniževati že leta 1991. Inflacija se je zniževala tudi v naslednjih letih in je bila 1994 komaj 2,7%. Tudi v letu 1995 je bila inflacija stabilna in nizka ter je bila 2,5%. K temu, da je inflacija v tem letu ostala stabilna, je pripomoglo predvsem padanje cen energije in upočasnitev naraščanja cen hrane (Economic report of the President 1996, 51-52). V letu 1996 se je inflacija nekoliko zvišala in je presegla 3%, vendar je že naslednje leto padla pod 2%. Nižja inflacija je bila predvsem posledica znižanja cen energije in upočasnjene rasti cen hrane (Annual Report 1997, 16). Trend zniževanja inflacije se je nadaljeval tudi v letu 1998, ko je bila inflacija zelo nizka in je bila komaj 1,6%. Stopnja inflacije je bila v tem letu najnižja po letu 1986 in druga najnižja po letu 1964. Velik del znižanja inflacije je možno pripisati velikemu zdrsu cen surove nafte. K temu, da so cene energije močno padle, je na eni strani prispevalo majhno povpraševanje po nafti v Aziji in na drugi strani velika ponudba nafte po celem svetu. K nižji inflaciji pa so prispevali tudi

5 Gre za letni indeks cen življenjskih potrebščin v določenem mesecu tekočega leta v primerjavi z istim mesecem preteklega leta. 6 Gre za indeks cen življenjskih potrebščin, in sicer za povprečje tekočega leta v primerjavi s povprečjem preteklega leta.

19

drugi dejavniki. Zaradi hitre rasti produktivnosti, naraščajoče plače niso ustvarile velikega pritiska na cene. Pomemben prispevek k nižji inflaciji so imele tudi nižje cene uvoza proizvodov vseh drugih sektorjev in ne samo sektorja nafte. Nižje cene so bile predvsem posledica preseženih zmožnosti v Aziji in depreciacije tujih valut. Zaradi nižjih cen uvoza, tudi domači proizvajalci niso zvišali cene svojih proizvodov za toliko, kot bi jih drugače (Economic report of the President 1999, 54-55). Leta 1999 se je inflacija nekoliko zvišala in je bila 2,7%, negativni trend pa se je nadaljeval tudi v letu 2000, ko je bila 3,4%. Velik del so k visoki inflaciji prispevale višje cene energije (nafte, olja za ogrevanje, bencina, zemeljskega plina, elektrike). Podjetja so se zaradi višjih cen energije tako soočila z višjimi stroški v proizvodnji, transportu in v ogrevanju, kar se je nato odrazilo v višjih cenah njihovih proizvodov. To je veljalo predvsem za podjetja z velikimi energijskimi vložki. Višje cene energije so vplivale tudi na višje cene v storitvah. Prav tako so se zvišale cene kmetijskih proizvodov in cene hrane (Annual Report 2000, 18-20). V letu 2000 so pričele nekoliko rasti tudi uvozne cene proizvodov vseh drugih sektorjev (pri drugih sektorjih imamo v mislih vse sektorje brez sektorja nafta). Za razliko od preteklih let, ko so te cene padale, se je v letu 2000 pričel trend naraščanja uvoznih cen drugih proizvodov, vendar je bila stopnja naraščanja teh cen skromna (Economic report of the President 2001, 68-69). V letu 2001 se je inflacija znižala in je padla pod 2%. K temu so prispevale predvsem nižje cene energije. Te so se sicer v prvih mesecih 2001 povečevale, vendar so v drugi polovici leta močno upadle (Annual Report 2001, 27-28). V letu 2002 se je inflacija nekoliko zvišala, vendar se je le-ta leta 2003 zopet znižala in je bila 1,9%. K znižanju inflacije je nekoliko prispevala hitra rast produktivnosti, zaradi česar so se znižali stroški na enoto dela. Kljub močnemu povečanju v ekonomski aktivnost v drugi polovici leta 2003, ki je zmanjšala brezposelnost in povečala izrabo kapacitet, je pomemben presežek na trgu dela in trgu dobrin še naprej držal inflacijo na nizki ravni (Annual Report 2003, 22) Po nizki inflaciji leta 2003, se je le-ta leta 2004 zvišala in je bila 3,3%. Vzrokov za takšno povišanje je več, v največji meri pa so k povišanju prispevale višje cene energije in primarnih surovin, kar je imelo posreden vpliv na zvišanje stroškov v podjetjih, nadalje je to vplivalo na višje cene proizvodov in storitev teh podjetij. Nekoliko so porasle tudi cene hrane. Povišale so se cene drugih industrijskih proizvodov vključno z lesom in kovinami. Zaradi padca vrednosti dolarja so se povečale tudi uvozne cene. Po dveh letih zniževanja, so se zaradi zmanjšanja rasti produktivnosti, dvignili stroški na enoto dela. Vse to je prispevalo k višji inflaciji (Annual Report 2004, 21-23). Inflacija je bila leta 2005 3,4%, medtem ko je leta 2006 bila nekoliko nižja, in sicer 2,5%. Padec v indeksu cen življenjskih potrebščin je moč v veliki meri pripisati znižanju porasta cen energije. Te so namreč leta 2005 porasle za 17,1%, leta 2006 pa so porasle za samo 2,9% (Economic report of the president 2007, 35). 2.2.2 Gibanje brezposelnosti v obdobju 1995 – 2006

Po letu 1992, ko je bila stopnja brezposelnosti 7,5%, se je le-ta pričela zniževati. Gospodarstvo je po obdobju 1990 – 1991, ko je zapadlo v manjšo recesijo, pričelo okrevati. Oživitev gospodarstva je ustvarilo veliko število novih delovnih mest,

20

brezposelnost se je zmanjšala. Med januarjem 1993 in decembrom 1996 je gospodarska rast ustvarila 11 milijonov novih delovnih mest. Konec leta 1996 je bila stopnja brezposelnosti 5,4%, kar je pomenilo drugo najnižjo stopnjo brezposelnosti po letu 1973 (leta 1989 je bila stopnja brezposelnosti 5,3%). Ne samo, da se je znižala celotna stopnja brezposelnosti, znižala se je tudi brezposelnost tistih, ki so prej težje našli delo, na primer brezposelnost temnopoltih delavcev (Economic report of the President 1997, 139-140). Stopnja brezposelnosti pa se je v letu 1997 znižala še za pol odstotne točke in je bila 4,9%. Ustvarjenih je bilo več kot 3 milijone novih delovnih mest. Predvsem se je število delovnih mest povečalo v proizvodnem, gradbenem, trgovinskem, transportnem, finančnem in storitvenem sektorju. Nekatere študije so pokazale, da so imela nekatera podjetja celo probleme pri zapolnjevanju delovnih mest (Annual Report 1997, 14-15). Zniževanje stopnje brezposelnosti se je nadaljevalo tudi v letih 1998, 1999 in 2000. Leta 2000 je bila stopnja brezposelnosti celo najnižja po letu 1969, saj je bila samo 4%. V vseh teh letih se je povečevala zaposlenost v nekmetijskem sektorju. Zaposlenost je porasla tako v gradbenem, trgovinskem, finančnem, transportnem in privatnem storitvenem sektorju. Zaradi odpuščanj pa se je nekoliko zmanjšala zaposlenost v proizvodnem sektorju (Annual Report 2000, 16-17). Slabšanje gospodarske aktivnosti se je pokazalo tudi na trgu dela. V letu 2001 se je stopnja brezposelnosti povečala, in sicer na 4,7%. Padanje zaposlenosti je bilo največje v proizvodnem sektorju. Prav tako se je zaposlenost zmanjšala tudi v tistih industrijah, ki so direktno povezane s proizvodnim sektorjem. Dodaten šok pa so ZDA doživele po 11. septembru 2001 (teroristični napad na ZDA), kar se je pokazalo tudi na trgu dela. Odpuščanje se ni povečalo samo v proizvodnem sektorju in v sektorjih, ki jih je teroristični napad neposredno prizadel (letalski promet, hoteli, restavracije), ampak tudi v drugih sektorjih kot so gradbeništvo in trgovina na drobno (Annual Report 2001, 25-26). Stopnja brezposelnosti se je, tudi zaradi počasne gospodarske aktivnosti, povečevala vse do leta 2004, ko je le-ta ponovno pričela upadati. Izboljšanje se je pokazalo v vseh večjih industrijskih sektorjih. Zaposlenost je pričela naraščati hitreje, in sicer predvsem v strokovnih, znanstvenih in tehničnih dejavnostih ter v zdravstvenih storitvah. Prav tako se je zaposlenost povečala v gradbeništvu in v trgovini na drobni. Stopnja brezposelnosti se je tako znižala iz 6% v letu 2003 na 5,5% v letu 2004 (Annual Report 2004, 20). Ugodne razmere na trgu dela so se nadaljevale tudi v letu 2005 in 2006, stopnja brezposelnosti se je zniževala. Leta 2006 je bila 4,6%. Nova delovna mesta so se ustvarjala v vseh večjih sektorjih. Zlasti se je število novih delovnih mest povečalo v storitvenem sektorju, predvsem v zdravstvenih storitvah, v strokovnih, znanstvenih in tehničnih dejavnostih, v finančnih storitvah in v izobraževalnih dejavnostih (Annual Report 2006, 22-23). 2.2.3 Gibanje realnih plač v obdobju 1995 – 2006

Tudi v tem poglavju (tako kot smo v poglavju 2.1) se bomo pri opisovanju gibanj realnih plač osredotočili na gibanje realnih urnih nadomestil, in sicer v poslovnem sektorju (real

21

hourly compensation, business sector), saj bomo podatke za poslovni sektor uporabili pri analizi. Med recesijo 1990 – 91 in tudi v letu 1992 so realna urna nadomestila zmerno rasla, medtem ko so leta 1993 in 1994 padla. Leta 1995 in 1996 pa so pričela realna urna nadomestila zopet zmerno rasti (Real compensation, 1979 to 2003: Analysis from several data sources 2005, 17). Leta 1997 so nominalna urna nadomestila v skoraj vseh industrijah rasla s hitrejšim tempom kot inflacija, zaradi tega so nadomestila tudi realno pričela strmo naraščati. Realni zaslužki so pričeli rasti v mnogih poklicih (USA Federal Reserve, Annual report 1997, 16). Urna nadomestila so močno porasla tudi leta 1998. Ker je bila inflacija tega leta zelo nizka, se je močna rast nominalnih urnih nadomestil odrazila tudi v močni rasti realnih urnih nadomestil. Ta so leta 1998 v primerjavi s preteklim letom zrasla za 4,7%. Zlasti so zrasla nadomestila v storitvenem sektorju (Economic report of the President 1999, 54). Leta 1999 in 2000 se je rast realnih urnih nadomestil nadaljevala, vendar v bolj umirjenem tempu kot leta 1998 (Real compensation, 1979 to 2003: analysis from several data sources 2005, 17). Leta 2000 so nominalna urna nadomestila zabeležila solidno rast, porasla je tudi produktivnost, vendar pa so realna urna nadomestila zaradi višje inflacije porasla nekoliko manj kot leta 1998 (Economic report of the President 2001, 70). Rast realnih urnih nadomestil se je leta 2001 nekoliko upočasnila, ko je bila samo 1,3%. Vendar pa se je že leta 2002 rast nekoliko izboljšala (1,9%), kar je bilo tudi posledica hitre rasti produktivnosti in nizke inflacije v tem letu (Economic report of the President 2003, 49-51). Podobna rast realnih urnih nadomestil se je nadaljevala tudi v letu 2003. Nominalna urna nadomestila so leta 2004 rasla nekoliko počasneje kot leta 2003 (Annual Report 2004, 21). Prav tako so tudi realna urna nadomestila rasla počasneje kot leta 2003, k temu pa je prispevala tudi nekoliko višja inflacija. Ta se je nadaljevala tudi v letu 2005 in 2006, ko je presegla 3%. Realna urna nadomestila so v letih 2004 – 2006 rasla počasneje kot v preteklih letih. 2.2.4 Gibanje produktivnosti dela v obdobju 1995 – 20067

V obdobju 1995 – 2006 je produktivnost dela, izražena kot BDP (output) na uro dela (output per hour worked) rasla v povprečju 2,7% na leto, kar je nad povprečjem, ki je bilo v obdobju 1947 – 1995, ko je le-to bilo 2,1%. Izboljšanje rasti produktivnosti se je zgodilo kljub kar nekaj šokom v gospodarstvu v tem času (manjša recesija 2001, dve vojni, teroristični napad, močno povišanje cen nafte). V zadnjih dveh, treh letih pa se je rast produktivnosti nekoliko upočasnila. Po več kot 20 letih počasne rasti, se je rast produktivnost močno povečala v drugi polovici devetdesetih let. Ponovno se je močno povečala tudi po letu 2001, vendar se je v zadnijh

7 Povzeto po Labor Productivity: Developments since 1995, 2007. Dosegljivo na: http://www.cbo.gov/ftpdocs/79xx/doc7910/03-26-Labor.pdf

22

treh letih nekoliko upočasnila. V obdobju 1995 – 2006 je produktivnost v povprečju rasla po 2,7% letno, v obdobju 1974 – 1995 pa samo 1,4% letno. Če pogledamo nekoliko podrobneje, je produktivnost od zadnjega četrtletja 1995 do zadnjega četrtletja 1997 rasla v povprečju 2,5% letno, medtem ko je od zadnjega četrtletja 1995 do zadnjega četrtletja 1998 ta rast v povprečju bila 2,6% letno. Od leta 1996 do leta 1999 je rast produktivnosti bila v povprečju 2,5% letno. Sedanji podatki kažejo, da je bila pospešena rast produktivnosti trdna tudi v letu 2001, ko je gospodarstvo zapadlo v manjšo recesijo. Rast produktivnosti je bila tudi v letih 2002 in 2003 visoka, medtem ko se je po letu 2003 pričela upočasnjevati. Produktivnost je torej kljub recesiji leta 2001, terorističnem napadu 11. septembra 2001, vojnama v Iraku in Afganistanu, številnim nepravilnostim pri vodenju podjetij in kljub porastu cen nafte, ostala močna tudi po letu 2000. Vsak od teh dogodkov bi namreč lahko vplival na upočasnitev rasti outputa in produktivnosti. Leta 2004 se je rast produktivnosti pričela upočasnjevati. Produktivnost je leta 2005 in 2006 v povprečju rasla po 1,5% letno. V zadnjem desetletju so se spremenili tudi viri oziroma vzroki rasti produktivnosti. Analitiki delijo rast produktivnosti na dve komponenti, in sicer na poglabljanje kapitala (capital deepening) in celotno produktivnost dejavnikov (total factor productivity). Poglabljanje kapitala je proces pri katerem se sčasoma povečuje količina kapitala na delavca. Celotna produktivnost dejavnikov se izračuna tako, da od rasti outputa odštejemo rast prispevkov dela in kapitala (rast outputa - rast tehtane vsote vseh inputov) (Samuelson 2002, 525 in 534). Kapital na delavca ne raste samo zaradi tega, ker investiranje poveča število tovarn, izboljša opremo in pogoje za delo ter izboljša programsko opremo, ampak ker investiranje izboljša tudi kvaliteto kapitalnih dobrin. Analitiki so rast v celotni produktivnosti dejavnikov pripisali dejavnikom kot so ekonomije obsega8, merske napake, izobrazba, spretnosti in znanje delovne sile, regulaciji trga dela, upravljalnim in managerskim sposobnostim ter inovacijam. Congressional Budget Office (CBO) je ocenil, da je bilo poglabljanje kapitala primarni vzrok rasti produktivnosti v drugi polovici devetdesetih, nekaj pa je k tej rasti prispevala tudi rast celotne produktivnosti dejavnikov. Medtem ko je po letu 2000 bil primarni vzrok za visoko rast produktivnosti hitra rast celotne produktivnosti dejavnikov. Čeprav je težko reči, da je samo en dejavnik vzrok za visoko rast produktivnosti, ki se je začela po letu 1995, pa so ekonomisti splošnega mnenja, da je primarni vzrok investiranje v informacijsko tehnologijo. Mnogi analitiki so mnenja, da je razvoj v informacijski tehnologiji, vplival na rast produktivnosti tako preko poglabljanja kapitala kot preko celotne produktivnosti dejavnikov. Vendar je poglabljanje kapitala po letu 1995 prispevalo večji delež k rasti. Povečano investiranje v informacijsko tehnologijo je pomagalo povečati rast produktivnosti s povečanjem količine kapitala na delavca (capital deepening). Hitre 8 Ekonomija obsega (economies of scale) pomeni povečanje produktivnosti ali zmanjšanje povprečnih stroškov proizvodnje, ki izhaja iz povečanja vseh dejavnikov proizvodnje v istem razmerju (Samuelson 2002, 741).

23

tehnološke spremembe v informacijski tehnologiji (ki vključuje računalnike, software in telekomunikacije) pa lahko pospešijo tudi rast celotne produktivnosti dejavnikov v teh industrijah. Raziskava je pokazala, da je tako proizvodnja kot uporaba dobrin informacijske tehnologije v ZDA znatno prispevala k visoki rasti produktivnosti v drugi polovici devetdesetih. Primarni vzrok za visoko rast produktivnosti po letu 2001 je hitra rast celotne produktivnosti dejavnikov. V tem obdobju poglabljanje kapitala ni imelo nobenega prispevka k rasti produktivnosti. Nekateri analitiki so mnenja, da so k povečanju produktivnosti po letu 1995, prispevale predvsem industrije, ki so intenzivno uporabljale informacijsko tehnologijo. K rasti produktivnosti po letu 2001 naj bi največ prispevale industrije, ki so informacijsko tehnologijo uporabljale manj intenzivneje. Spet drugi so mnenja, da so se rezultati investiranja v informacijsko tehnologijo pokazali šele čez nekaj časa oziroma z zamudo, in da je prav to investiranje tudi pomembno vplivalo na rast produktivnosti po letu 2001. Nekateri analitiki pravijo, da je možno, da rast produktivnosti po letu 2001 ni bila posledica zakasnelih rezultatov velikega investiranja v informacijsko tehnologijo v drugi polovici devetdesetih let. Razlogi za visoko rast produktivnosti po letu 2001 bi lahko bili bolj splošni, makroekonomski, kot na primer povečana konkurenca. Kot vidimo, se mnenja ekonomistov o vzrokih visoke rasti produktivnosti razlikujejo. O tem torej ni enotnega mnenja.

24

3 TEORETIČNA POVEZAVA INFLACIJE IN BREZPOSELNOSTI

V tem poglavju bomo govorili o teoretični povezavi med inflacijo in brezposelnostjo. O tej relaciji govori tudi Phillipsova krivulja, zato bomo tudi v našem primeru povezavo med tema dvema spremenljivkama teoretično ponazorili s Phillipsovo krivuljo. Če je inflacija visoka, ko je gospodarstvo uspešno in če je brezposelnost visoka, ko je gospodarstvo v recesiji, ali to pomeni, da obstaja »trade off« med inflacijo in brezposelnostjo? Ekonomska politika se lahko odloči med nižjo stopnjo brezposelnosti in visoko stopnjo inflacije in obratno. Takšen trade off je opazil novozelandski ekonomist A. W. Phillips (Sloman 2006, 414). V članku, ki ga je A. W. Phillips objavil leta 1958 je ugotovil, da je za Veliko Britanijo v obdobju 1861 – 1957 obstajalo inverzno razmerje med stopnjo rasti plač in stopnjo brezposelnosti. Plače se običajno povečajo, ko je brezposelnost nizka in obratno. Kasnejše razprave se običajno nanašajo na podobno inverzno razmerje med stopnjo inflacije in stopnjo brezposelnosti. Takšno razmerje med stopnjo inflacije (ali stopnjo rasti plač) in stopnjo brezposelnosti so poimenovali Phillipsova krivulja (Gwartney 2000, 766). Dve leti kasneje sta Paul Samuelson in Robert Solow ponovila Phillipsovo analizo za Združene države Amerike za obdobje 1900 – 1960. Za merilo stopnje inflacije sta uporabila CPI (indeks cen življenjskih potrebščin). Prav tako kot je Phillips ugotovil za Veliko Britanijo, sta Samuelson in Solow za Združene države Amerike ugotovila negativno razmerje med inflacijo in brezposelnostjo. To razmerje je hitro postalo središče makroekonomske politike. Ekonomska politika se je lahko odločala za nižjo stopnjo brezposelnosti na račun višje stopnje inflacije in obratno (Blanchard 2006, 165). V sedemdesetih letih se je to razmerje podrlo. V Združenih državah Amerike in drugih industrijskih državah so imeli visoko inflacijo kot tudi visoko brezposelnost, kar je bilo v nasprotju z Phillipsovo krivuljo (ibid.,165). Med ekonomisti so v preteklih letih potekale debate o razmerju med inflacijo in brezposelnostjo. Ena stvar pa je jasna, in sicer da je razmerje na kratek rok drugačno kot razmerje na dolgi rok (Sloman 2006,415). 3.1 Uvod v Phillipsovo krivuljo

A. W. Phillips je na podlagi zgodovinskih podatkov ugotovil negativno korelacijo med odstotno spremembo plač in ravnjo brezposelnosti. Njegova raziskava je bila statistična. Ekonomsko razlago Phillipsove krivulje je kasneje pridelal R. G. Lipsey. Njegova teoretična utemeljitev je kombinacija dveh razmerij:

• Pozitivne linearne povezave med stopnjo povečanja denarnih mas in preseženega povpraševanja po delu.

• Inverzne nelinearne povezave med preseženim povpraševanjem po delu in brezposelnostjo (Senjur 2001, 380).

25

Ob vsaki plači, ki je nižja od ravnotežne We, obstaja preseženo povpraševanje po delu. Plače bodo v razmerah preseženega povpraševanje rasle, stopnja rasti pa bo tem višja, čim večje je preseženo povpraševanje po delu. To tezo je empirično težko preveriti, ker preseženega povpraševanja po delu ni mogoče neposredno izmeriti in je zato potrebno najti nadomestno mero za preseženo povpraševanje. Lipsey je s tem v zvezi postavil tezo, da obstaja povezava med preseženim povpraševanjem po delu in brezposelnostjo, ki pa je merljiva kategorija. Postavil je torej tezo, da je med preseženim povpraševanjem in brezposelnostjo inverzno nelinearno razmerje (ibid., 381). Slika 10: Razmerje med preseženim povpraševanjem po delu in brezposelnostjo

Simboli: u = stopnja brezposelnosti Vir : Senjur (2001, 381) Slika 10 kaže, kako se preseženo povpraševanje odraža v brezposelnosti. Brezposelnost je zaradi obstoja naravne brezposelnosti pozitivna celo tedaj, ko sta ponudba in povpraševanje po delu izenačena. Z naraščajočim preseženim povpraševanjem se brezposelnost asimptotično približuje nič, vendar vedno počasneje (ibid., 381). 3.2 Kratkoročna Phillipsova krivulja

Phillipsova krivulja se pojavlja v dveh različicah. 3.2.1 Izvirna različica Phillipsove krivulje

Phillips je, potem ko je študiral več kot stoletje dolge časovne vrste brezposelnosti in denarnih plač v Angliji, odkril inverzno povezavo med brezposelnostjo in spremembami denarnih plač. Ugotovil je, da se plače običajno povečajo, ko je brezposelnost nizka in obratno. Razlog je v tem, da delavci manj silovito pritiskajo za povečanje plač, ko je na voljo manj alternativnih delovnih mest, podjetja pa se poleg tega zahtevam po višjih plačah upirajo močneje, ko so dobički nizki (Samuelson 2001, 694). Izvirna različica Phillipsove krivulje torej kaže na razmerje med stopnjo rasti plač in stopnjo brezposelnosti.

26

Med stopnjo brezposelnosti in stopnjo rasti plač je nasprotno-smerna povezanost. Ob višji stopnji brezposelnosti je možna nižja stopnja rasti plač, ker je pritisk presežene ponudbe dela na nižje plače. Ob nižji stopnji brezposelnosti je možna višja stopnja rasti plač, ker je večji pritisk na trgu delovne sile. Povečanje brezposelnosti bo pritiskalo na upočasnitev rasti plač in obratno. Krivulja kaže, da stopnja naraščanja plač upada s stopnjo brezposelnosti (Senjur 2001, 381). Slika 11: Phillipsova krivulja kot razmerje med stopnjo rasti plač in stopnjo brezposelnosti

Simboli: u = stopnja brezposelnosti rW = stopnja rasti plač Vir: Senjur (2001, 382) Novejše razprave o Phillipsovi krivulji pa se običajno nanašajo na razmerje med stopnjo inflacije in stopnjo brezposelnosti. 3.2.2 Kratkoročna Phillipsova krivulja

Phillipsova krivulja je uporabna za analiziranje kratkoročnih gibanj brezposelnosti in inflacije. Slika 12 prikazuje najpreprostejšo verzijo Phillipsove krivulje. Na vodoravni osi je stopnja brezposelnosti. Na levi strani na navpični skali je letna stopnja inflacije, na desni strani na navpični skali pa je letna stopnja rasti plač. Če se brezposelnost zmanjša, začne rasti stopnja rasti cen in plač (Samuelson 2001, 694). Kot je razvidno iz slike 12, je skala za spremembe plač na desni strani višja kot skala za inflacijo, in sicer za privzet 1 odstotek rasti povprečne produktivnosti dela. Ta krivulja temelji na aritmetiki plač in cen. Povezavo med cenami, plačami in produktivnostjo pa lahko ponazorimo takole: »Predpostavimo, da se produktivnost dela (output na delavca) povečuje po en odstotek. Nadalje predpostavimo, da podjetja določajo cene na osnovi povprečnih stroškov dela, tako da se cene vedno spreminjajo ravno toliko kot povprečni stroški dela na enoto outputa. Če torej plače rastejo po 4%, produktivnost pa po 1%, potem bodo povprečni stroški dela rasli po 3%. Od tod pa izhaja, da bodo cene rasle po 3%. Z uporabo tega inflacijskega računa lažje razumemo povezavo med rastjo plač in cen na sliki 8« (ibid. 694-695).

27

stopnja inflacije = stopnja rasti plač – stopnja rasti produktivnosti

Slika 12: Kratkoročna Phillipsova krivulja

Simboli: ∆P/P = stopnja inflacije (letna) v % ∆W/W = stopnja rasti plač (letno) v % Unemployment rate = stopnja brezposelnosti Vir: Samuelson (2001, 695) Phillipsova krivulja se je pogosto uporabljala tudi za ponazoritev posledic sprememb agregatnega povpraševanja. Ko se je agregatno povpraševanje povečalo, se je povišala inflacija, brezposelnost pa se je zmanjšala (Sloman 2006, 414). Pri Phillipsovi krivulji je torej pomembno, da ponuja določen izbor ekonomski politiki, ki se lahko odloča med višjo stopnjo inflacije in manjšo stopnjo brezposelnosti in obratno. Ekonomska politika bi tako s spodbujanjem povpraševanja povzročila in tudi pristala na višjo inflacijo, vendar bi zato uspela zmanjšati stopnjo brezposelnosti. Premike po krivulji povzročajo spremembe monetarnega agregatnega povpraševanja. Če torej stopnja rasti agregatnega povpraševanja presega stopnjo rasti agregatne ponudbe, se premikamo po krivulji levo in navzgor (Ovin 2003, 52-53). Nagib krivulje je odvisen od razmerja med agregatnim povpraševanjem po dobrinah in storitvah ter agregatno ponudbo. Večje kot bo preseženo povpraševanje, hitreje bodo rasle cene in bolj strma bo krivulja. Večje povpraševanje v cenah se kaže tudi v večjem povpraševanju po delu. Če imamo zaradi tega preseženo povpraševanje na posameznih trgih dela, to vpliva na porast plač in posledično zmanjša brezposelnost (ibid., 53). Phillipsova krivulja lahko ima tudi neenakomeren nagib, ki se pojavi predvsem v razmerah, ko so plače navzdol nefleksibilne. Če se zmanjša agregatno povpraševanje, to povzroči padanje cen. Če so plače navzdol nefleksibilne, to povzroči precejšen porast brezposelnosti, medtem ko je padec cen majhen. Phillipsova krivulja je lahko zato desno od sečišča z abscisno osjo položnejša (ibid., 53).

28

Slika 13: Kratkoročna Phillipsova krivulja

Simboli: p = stopnja inflacije u = stopnja brezposelnosti Vir: Ovin (2003, 53) Premiki kratkoročne Phillipsove krivulje Na spremembe položaja kratkoročne Phillipsove krivulje vpliva več dejavnikov. Dejavniki, ki krivuljo premaknejo v desno in navzgor, so lahko naslednji:

• Dolgoročni dejavniki na strani stroškov; kot npr. krepitev moči sindikatov, ki konstantno zahtevajo povečanje realnih plač, ali pa krepitev moči podjetij, ki izrabijo svojo tržno moč za dvigovanje cen z namenom doseganja višjih dobičkov.

• Kratkoročni dejavniki na strani stroškov; kot npr. ponudbeni šok zaradi močnega povečanja cen surovin.

• Inflacijska pričakovanja; če zaposleni pričakujejo, da bo stopnja inflacije v prihodnosti porasla, bodo zahtevali porast nominalnih plač, da bi ohranili svojo kupno moč nespremenjeno.

• Hitrost sprememb v strukturi sektorskega povpraševanja v gospodarstvu; hitre spremembe v strukturi povpraševanja ob hkratni nizki mobilnosti delovne sile vodijo do neskladja med povpraševanjem in ponudbo znotraj posameznih sektorjev. Pri tem običajno velja, da v primeru preseženega povpraševanja cene in plače porastejo za več kot pa padejo v primeru presežene ponudbe.

• Spremembe ravnotežne stopnje brezposelnosti (ibid., 53-54). 3.3 Pričakovanja in dolgoročna Phillipsova krivulja

Phillipsova krivulja je nekaj časa dajala razlago gibanja plač in cen v povezavi s stopnjo brezposelnosti. Konec 60-ih let prejšnjega stoletja pa so imeli v mnogih državah sočasen pojav naraščajoče brezposelnosti in rastoče inflacije (Senjur 2001, 383). Pokazalo se je, da korelacija med obema negativnima ciljema obstaja le določen čas in da se na daljše obdobje uveljavijo gibanja, pri katerih manjšemu območju stopnje brezposelnosti ustrezajo različne stopnje inflacije. Dolgoročna Phillipsova krivulja je sestavljena iz več kratkoročnih krivulj (Ovin 2003, 54).

29

Na osnovi teoretičnega dela Edmunda Phelpsa in Miltona Friedmana ter testov mnogih ekonometrikov loči prilagojena teorija med dolgoročno in kratkoročno Phillipsovo krivuljo. Padajoča Phillipsova krivulja po tej teoriji velja le kratkoročno. Dolgoročno pa obstaja minimalna stopnja brezposelnosti, ki je skladna z nespremenljivo stopnjo inflacije (Samuelson 2001, 696). Phillipsove krivulje so toliko časa kratkoročne, dokler prejemniki višjih plač verjamejo, da so realne plače višje od tistih, za katere prej niso bili pripravljeni sprejeti dela. To imenujemo denarna iluzija (Ovin 2003, 54) Slika 14: Naravna stopnja brezposelnosti in Phillipsova krivulja

Simboli: p = inflacija pe = inflacijaska pričakovanja w = stopnja rasti plač u* = naravna stopnja brezposelnosti u = stopnja brezposelnosti Vir: Ovin (2003, 55) Razlaga slike 14 Povečanje nominalnih plač, ki je posledica ekspanzivnega ukrepa ekonomske politike, povzroči, da se določen del brezposelnih odzove tako, da sprejme delo (česar pri prejšnji ravni plač niso želeli). Na izhodiščni krivulji I smo se premaknili iz točke A v točko B. ekonomska politika je izbrala možnost, da na račun porasta inflacije (zaradi večjega povpraševanja, ki ga je dosegla z ekspanzivno monetarno politiko) zmanjša stopnjo brezposelnosti. S porastom inflacije iz p0 na p1 in porastom nominalnih plač se zmanjša stopnja brezposelnosti iz u* na u1. Takšno prilagajanje traja toliko časa, dokler na novo zaposleni ne opazijo, da so poleg plač porasle tudi cene. Ko ugotovijo, da so realne plače takšne kot takrat, ko za njih niso bili pripravljeni sprejeti dela, se vrnejo med brezposelne. Končalo se je obdobje denarne iluzije. Premaknemo se iz točke B v C. Sedaj imamo dejansko isto stopnjo brezposelnosti kot prej, a pri višji stopnji inflacije. Točka C leži na Phillipsovi krivulji, ki je bolj oddaljena od izhodišča koordinatnega sistema, kot je bila

30

prejšnja. Razlika med obema krivuljama je, da so zaposleni na podlagi izkušenj prilagodili svoja inflacijska pričakovanja. Pri Phillipsovi krivulja I so bila inflacijska pričakovanja enaka nič (pe = 0), pri krivulji II pa so gospodinjstva in posamezniki upoštevali dogajanja v gospodarstvu in so spremenili svoja inflacijska pričakovanja, ki so sedaj višja ( pe = p1). Na Phillipsovi krivulji II ima ekonomska politika še zmeraj izbor med dvema ciljema, vendar pa je ta izbor na tej krivulji slabši kot na krivulji I. V točki C smo ponovno pri stopnji brezposelnosti u*, vendar pa je stopnja inflacije višja kot v točki A. Ponovno ukrepanje ekspanzivne ekonomske politike nas sicer najprej popelje v smeri, ki si jo je ekonomska politika začrtala, vendar se po preteku denarne iluzije znajdemo na prejšnji stopnji brezposelnosti, zaradi katere je ekonomska politika pravzaprav želela ukrepati (Ovin 2003, 55-56). Opisan potek imenujemo akceleracijska hipoteza transformacije Phillipsove krivulje. Točko stopnje brezposelnosti, v katero smo se nenehno vračali (u*), pa imenujemo Phelps-Friedmanova točka, torej točka naravne stopnje brezposelnosti. Naravna stopnja brezposelnosti je tista raven brezposelnosti, kjer je trg dela v ravnotežju in je agregatna ponudba enaka agregatnemu povpraševanju. Če bi želeli z monetarno politiko doseči, da bi bila stopnja brezposelnosti nižja od naravne stopnje brezposelnosti, je to možno le ob pogoju, da ekonomska politika pristane na vedno višjo inflacijsko stopnjo (ibid., 56). Če na sliki 14 povežemo točke A, C, E in G dobimo dolgoročno Phillipsovo krivuljo. Dolgoročna Phillipsova krivulja je navpična, in sicer se dviga navpično pri naravni stopnji brezposelnosti u*. V opisanem prilagajanju so inflacijska pričakovanja pri ljudeh odvisna od inflacijskih stopenj v preteklosti. To imenujemo adaptivna pričakovanja. Če so v preteklem letu podcenili inflacijsko stopnjo in je bila dejanska stopnja višja, bodo svoja inflacijska pričakovanja za naslednje obdobje ustrezno prilagodili navzgor. V najosnovnejši varianti so inflacijska pričakovanja v tekočem letu enaka dejanski inflaciji v preteklem letu (Ovin 2003, 57). Pri racionalnih pričakovanjih gospodinjstva oblikujejo svoja inflacijska pričakovanja na osnovi informacij o gospodarskem stanju nekega gospodarstva ter na osnovi informacij o tem, kakšno ekonomsko politiko vodi vlada. Na podlagi teh informacij oblikujejo svoja pričakovanja. Torej že v naprej predvidijo inflacijo in jo takoj prilagodijo. Zaradi tega ekspanzivni ukrepi ekonomske politike v primeru racionalnih pričakovanj povzročajo takojšnjo nominalno prilagoditev cen in plač povečanemu povpraševanju. Prilagajanje bi tako potekal neposredno iz točke A v točko C in nato v točko E in G (ibid., 57-58). Gujarati je za sodobnejšo obliko Phillipsove krivulje uporabil s pričakovanji razširjeno Phillipsovo krivuljo (expectations-augmented phillips curve)(Gujarati 2003, 186):

tn

tett uUUN +−=− )(2βππ (1)

tπ = dejanska stopnja inflacije v obdobju t etπ = pričakovana stopnja inflacije za obdobje t, ki se je oblikovala v obdobju t-1

31

tUN = dejanska stopnja brezposelnosti v obdobju t nU = naravna stopnja brezposelnosti

tu = slučajna spremenljivka Ker se pričakovana stopnja inflacije ne da direktno meriti, se lahko predpostavlja, da je stopnja inflacije, ki je bila pričakovana za trenutno obdobje, enaka stopnji inflacije v preteklem obdobju 1−= t

et ππ . Če to upoštevamo, dobimo naslednji model (ibid., 187):

tttt uUN ++=− − 211 ββππ , (2)

kjer je nU21 ββ −= (2

1

ββ−

=nU ). Enačba nam kaže, da je razlika med inflacijsko stopnjo

v dveh zaporednih obdobjih linearno odvisna od tekoče stopnje brezposelnosti. V skladu z ekonomsko teorijo pričakujemo, da bo 2β negativen in 1β pozitiven (ibid., 187). Ta oblika Phillipsove krivulje je poznana pod imenom modificirana Phillipsova krivulja ali s pričakovanji razširjena Phillipsova krivulja ali akceleracijska Phillipsova krivulja. Recipročna oblika tega modela pa je (ibid., 187):

tttt uUN ++=− −−

1211 ββππ (3)

V tem primeru pa pričakujemo, da bo 1β negativen in 2β pozitiven.

32

4 TEORETIČNA POVEZAVA REALNIH PLAČ IN PRODUKTIVNOSTI DELA

V tem poglavju bo govora o teoretični povezavi med realnimi plačami in produktivnostjo dela. Nadalje bomo opisali tudi kaj se je dogajalo z rastjo realnih plač in z rastjo produktivnosti dela v ZDA v obdobju, ki ga bomo kasneje analizirali. 4.1 Produktivnost dela

Produktivnost dela se nanaša na količino outputa, ki ga delavec proizvede v eni delovni uri. Produktivnost dela je možno meriti tudi kot BDP v enem letu deljeno z celotnim številom plačanih ur v tem letu, torej je definiran kot realni BDP na uro dela (real GDP per hour of work) (Baumol 2000, 292). Produktivnost dela obsega torej blago in storitve proizvedene na eno uro dela. V ZDA se za merjenje produktivnosti dela najpogosteje uporablja produktivnost dela, izražena kot BDP (output) na uro dela v nekmetijskem poslovnem sektorju (output per hour for the nonfarm business sector), ki izključuje javni sektor, neprofitne institucije, gospodinjstva in kmetijstvo. Za merjenje produktivnosti dela je ta mera najboljša zaradi tega, ker je output nepodjetniških sektorjev težko izmeriti. Za mednarodne primerjave produktivnosti se običajno uporablja celoten output na delovno uro (Economic report of the President 2007, 47). Kaj poveča produktivnost dela? Raziskave na to vprašanje običajno razdelijo spremembe v produktivnosti dela na tri vire, in sicer poglabljanje kapitala (capital deepening), povečanje oziroma izboljšanje spretnosti, izkušenj in znanja (increases in skill) ter izboljšanje učinkovitosti in zmogljivosti (efficiency gains) (ibid., 47).

• Poglabljanje kapitala je proces, pri katerem se sčasoma povečuje količina kapitala na delavca. Primeri poglabljanja kapitala vključujejo povečanje železnic in avtocest v transportu ter računalnikov in komunikacijskih sistemov v bančništvu. V vsaki od teh panog je družba veliko vlagala v kapitalne dobrine, kar je povečevalo količino kapitala na delavca. Zaradi tega se je zelo povečal output na delavca v transportu in bančništvu (Samuelson 2002, 525-526). Do poglabljanja kapitala torej pride, ko podjetja investirajo v več in v boljše stroje, opremo in zgradbe. Vse to nato pripomore k temu, da delavci več proizvedejo. Primeri poglabljanja kapitala vključujejo nakupovanje visoko razvitih strojnih orodij za delavce v proizvodnem sektorju ali hitrejši računalniški sistem za potovalnega agenta (Economic report of the President 2007, 47).

• Povečanje oziroma izboljšanje spretnosti, izkušenj in znanja (increases in skill). Delavec, ki ima pri svojem delu na voljo boljše stroje in opremo, proizvede več blaga. Podobno je tudi pri izkušnjah in znanju delavcev. Delavci, ki imajo pri svojem delu več znanja, izkušenj in spretnosti, bodo torej proizvedli več outputa v krajšem času. Kot primer navedimo delavca, ki hodi na tečaj računalništva. Delavec, ki hodi na ta tečaj, si pridobi boljše znanje o delu z računalnikom. Računalnik zaradi tega ni nič hitrejši, vendar pa lahko delavec sedaj z boljšim

33

znanjem poveča svoj output na uro oziroma naredi več v krajšem času in tako prispeva k večji svoji produktivnosti. Delavci izboljšajo svoje znanje in spretnosti z dodatnim izobraževanjem, usposabljanjem, z več delovnimi izkušnjami, z usposabljanjem na delovnem mestu… (ibid., 48).

• Izboljšanje učinkovitosti in zmogljivosti (efficiency gains) pomeni večjo količino outputa ob enaki količini inputa. Podjetja to dosežejo, ko izumijo boljše in nove poti organiziranja in izrabe obstoječih kapacitet (dela in kapitala). Izboljšanje učinkovitosti in zmogljivosti vključuje tako procesno inovacijo kot tudi produktno inovacijo. Procesna inovacija poveča produktivnost z znižanjem kapitala oziroma dela, ki ga potrebujejo za proizvodnjo ene enote outputa. Z procesno inovacijo za proizvodnjo ene enote outputa potrebujejo manj kapitala oziroma dela kot prej. Produktna inovacija pa poveča produktivnost z povečanjem vrednosti, koristi outputa. Kot primer vzemimo Henrya Forda. Ko je Henry Ford pričel z masovno proizvodnjo Modela T, je sam Model T bila neka nova inovacija (produktna inovacija). Tekoči trak, ki so ga pri tej masovni proizvodnji uvedli, pa je bila procesna inovacija. S to kombinacijo si je podjetje znižalo stroške proizvodnje in postalo bolj konkurenčno (ibid., 48).

Rast produktivnosti vpliva na izboljšanje življenjskega standarda tako delavcev kot tudi lastnikov ostalih faktorjev v proizvodnji. Na dolgi rok k gospodarski blaginji države največ prispeva ravno rast produktivnosti. Danes delavci uživajo daljše življenje, boljše zdravje, večjo izobrazbo in bolj luksuzne dobrine, kot so jih stoletje nazaj. Dejstvo, da danes delavci v eni uri proizvedejo veliko več kot so proizvedli njihovi predniki, povečuje povprečne prihodke vseh. Na kratek rok tehnološke spremembe, ki vodijo v zmanjšano uporabo dela kot produkcijskega faktorja, včasih znižajo zaposlenost in potisnejo plače navzdol. Če pa pogledamo v preteklost, to na dolgi rok ni znižalo zaposlenosti. Od industrijske revolucije naprej je to povečalo prihodke delavcev in realne plače (Baumol 2000, 356). Na dolgi rok majhne spremembe v rasti produktivnosti lahko povzročijo velike razlike v družbeni blaginji. Ravno rast produktivnosti največ prispeva k zniževanju revščine, povečanju lagodnosti in k zmožnosti države, da financira izobraževanje, javno zdravstvo, okoljske izboljšave (ibid., 292). Rast produktivnosti je tesno povezana z gospodarsko rastjo in pomaga ohraniti, da so inflacijski pritiski zmerni. Rast produktivnosti je za države eno izmed najpomembnejših ekonomskih načel in ena izmed najpomembnejših značilnosti mednarodne konkurence (Remarks by Edward P. Lazear, 19. marec 2007, 5) 4.2 Povezava med realnimi plačami in produktivnostjo dela

Razmerje med plačami in produktivnostjo je eno ključnih vprašanj ekonomske politike. Pomembno je z vsaj štirih različnih vidikov, in sicer stroškovne konkurenčnosti, cenovne stabilnosti, zaposlenosti in investiranja ter delitvenih razmerij. Z vidika ekonomske teorije se zdi, da splošna usmeritev o skladni rasti plač in produktivnosti zadovoljivo odgovarja na vse omenjene vidike:

1) Zagotavlja ohranjanje stroškovne konkurenčnosti, saj se stroški dela na enoto proizvoda naj ne bi povečali.

34

2) Ker se stroški dela na enoto proizvoda ne povečujejo, rast plač ne ustvarja stroškovnih pritiskov na dvig cen oziroma inflacijo.

3) Če se ob enakem proizvodu poveča rast zaposlenosti, se zmanjša rast produktivnosti in zato načelo skladne rasti plač s produktivnostjo pomeni, da se plače ustrezno prilagajajo odločitvam o zaposlovanju; naložbe se financirajo iz zadržanih preteklih in pričakovanih prihodnjih donosov na kapital.

4) Skladna rast plač s produktivnostjo dela zagotavlja ohranjanje obstoječega deleža plač v dodani vrednosti in s tem obstoječih delitvenih razmerij.

Vendar pa je pri uporabi tega splošnega načela za vodenje plačne politike potrebno upoštevati še številne druge dejavnike in omejitve (Ekonomski izzivi 2007, 88). Kot sem že omenila v podpoglavju 3.1 je produktivnost pomembna zaradi njene povezave z rastjo življenjskega standarda. Slika 15: Realne plače odslikavajo rast produktivnosti

Vir: Samuelson 2002, 535 Slika 15 kaže učinek zastoja produktivnosti v ZDA na realne plače. Dolgoročno se realne plače običajno gibljejo skupaj s trendi pri produktivnosti dela. Po zastoju produktivnosti od leta 1973 je viden tudi zastoj pri realnih plačah. Nekaj elementarnih računov pokaže, da pri konstantnem deležu dela v narodnem dohodku to pomeni, da bo realna plača rasla po stopnji rasti produktivnosti dela. To lahko vidimo, če napišemo delež dela kot W x L = konstanta x P x Q, kjer je W denarna (nominalna) plača, L ure dela, P indeks cen in Q output. Če obe strani delimo z L in P, dobimo (W/P) = konstanta x (Q/L). Torej dokler je delež dela v narodnem outputu konstanten (in če zanemarimo komplikacije pri merjenju indeksov), bodo realna nadomestila rasla po enaki stopnji kot produktivnost dela. Zastoj produktivnosti v ZDA po letu 1973 in do leta 1996 je zato zelo odgovoren za zastoj življenjskega standarda v tem obdobju. Tisti, ki so vstopili v delovno silo po drugi svetovni vojni, so doživeli zdravo rast realnih plač, med tem ko je povprečni delavec po letu 1973 imel zelo počasno rast življenjskega standarda (Samuelson 2002, 535). Produktivnost in plače so torej tesno povezane. Ko so delavci bolj produktivni, povpraševanje po njihovih storitvah naraste, zato bodo lahko zahtevali višje plače. Visoka produktivnost je torej vir višjih plač. Ko je produktivnost dela visoka, bodo tudi realne plače delavcev visoke. Ko produktivnost raste, takrat naj bi rastle tudi realne plače. Izboljšave v opremi in tehnologiji povečajo produktivnost delavca, ta pa nato vpliva na višje realne plače (Gwartney 2000, 683-684).

35

Močna rast produktivnosti pomaga tudi pri ohranjanju nizke inflacije. To se zgodi tako, da močna rast produktivnosti poveča realne plače, vendar brez povečanja stroškov na enoto dela. Če bi se zaradi povečanja realnih plač povečali stroški na enoto dela, bi to pomenilo višje stroške proizvodnje, to pa bi potisnilo cene navzgor. Tako pa močna rast produktivnosti poveča realne plače, ne da bi se zaradi tega povečali stroški na enoto dela in se zato ne ustvarjajo inflacijski pritiski (Economic report of the president 2003, 49). V analizi bomo za realne plače uporabljali podatke za realna urna nadomestila, zato bomo v nadaljevanju uporabljali ta izraz. Razmerje med realnimi urnimi nadomestili in produktivnostjo dela bi torej naj bili pozitivno, zato pričakujemo, da bosta ti dve spremenljivki pozitivno povezani. Zato zapišimo naslednja modela:

ttt uXY ++= 21 ββ ter (4)

ttt uXY ++= logloglog 21 ββ (5)

tY = realna urna nadomestila (indeks realnih urnih nadomestil)

tX = produktivnost dela (indeks produktivnosti dela)

tu = slučajna spremenljivka (Gujarati 2003, 460-461). V nadaljevanju si poglejmo, kako sta se produktivnost dela in realna urna nadomestila v ZDA gibala skupaj. Kot je razvidno iz slike 16, so produktivnost dela in realna urna nadomestila tesno povezana. V obdobju 1948 – 1959 sta tako produktivnost kot realna urna nadomestila v povprečju rasla nekaj več kot 3% letno. V obdobju 1960 – 1973 se je ta rast nekoliko upočasnila, vendar sta tako produktivnost kot realna urna nadomestila v povprečju letno rasla po približno isti stopnji (2,7% oz 2,6%). Po letu 1973 pa je povprečna letna rast tako produktivnosti kot realnih urnih nadomestil močno padla. V obdobju 1973 – 1997 je bila povprečna letna rast produktivnosti samo 1,2%, medtem ko je bila povprečna letna rast realnih urnih nadomestil samo 0,4%. Ko je padla rast produktivnosti, je padla tudi rast realnih urnih nadomestil (Gwartney 2000, 686). Torej ko se je zmanjšala rast produktivnosti, se je zmanjšala tudi rast realnih urnih nadomestil.

36

Slika 16: Produktivnost dela in realna urna nadomestila v ZDA, 1948 - 1997

Opombe: Rise in real compensation (private business sector) = rast realnih urnih nadomestil (privatni poslovni sektor) v % Rise in output per hour (private business sector) = rast produktivnosti dela (privatni poslovni sektor) v % Vir: Gwartney 2000, 686 Vrzel med produktivnostjo in realnimi urnimi nadomestili v ZDA Poglejmo si rast produktivnosti in realnih urnih nadomestil še malo bolj podrobno. Ekonomska korist od rasti produktivnosti doseže delavce direktno preko rasti njihovih nadomestil. Iz slike 17 je razvidno, da sta na dolgi rok v ZDA produktivnost dela in realna urna nadomestila rasla po približno isti stopnji. Opaziti je mogoče, da res obstaja tesna povezava oziroma korelacija med rastjo produktivnosti in rastjo realnih urnih nadomestil in da je ta povezava pozitivna. Iz slike je tudi razvidno, da se v nekaterih obdobjih ti dve spremenljivki oddaljita druga od druge, vendar vedno nato dohitita druga drugo. To se je zgodilo malo po recesiji 1990 – 91. Po koncu recesije 1990 – 91 so realna urna nadomestila pričela zaostajati za produktivnostjo, kar se je nadaljevalo tudi sredi devetdesetih let. Šele proti koncu devetdesetih let so realna urna nadomestila dohitela produktivnost in jo nato tudi prehitela. Podobno se je zgodilo tudi po manjši recesiji leta 2001. Vrzel med rastjo produktivnosti in rastjo realnih urnih nadomestil se je pokazala tudi po koncu preteklih recesij (poglejmo let 1972, 1978 in 1983), le da je v tem primeru rast produktivnosti zaostajala za rastjo realnih urnih nadomestil (Prepared remarks of Edward P. Lazear, 12. september 2006, 9-10).

37

Slika 17: Rast produktivnosti in realnih urnih nadomestil v nekmetijskem poslovnem sektorju (indeks 1992 = 100)

Opombe: Productivity (nonfarm business sector) = produktivnost dela (nekmetijski poslovni sektor) Real hourly compensation (nonfarm business sector) = realna urna nadomestila (nekmetijski poslovni sektor) Vir: Executive office of the president, Remarks by Edward P Lazear, 19. marec 2007, 14, dosegljivo na: http://www.whitehouse.gov/cea/lazear20070319.pdf Iz slike 17 pa je tudi razvidno, da se je po letu 1973 produktivnost upočasnila. Po letu 1995 pa sta tako produktivnost kot tudi realna urna nadomestila pričela bolj strmo naraščati. O tem sem že govorila v poglavju 2. Ugotovili smo, da so na dolgi rok produktivnost in realna urna nadomestila v ZDA rasla po približno isti stopnji in da je ta povezava pozitivna. Na kratek rok pa lahko med njima pride do vrzeli. Produktivnost torej včasih raste hitreje kot realna urna nadomestila, včasih pa je ravno obratno. Poglejmo si še, zakaj so realna urna nadomestila nagnjena k zaostajanju za rastjo produktivnosti? Ko je rast produktivnosti visoka, pride do ekonomske rasti brez bistvene rasti zaposlenosti. Z drugimi besedami to pomeni, ko je torej produktivnost visoka, so podjetja kot odgovor na povečano povpraševanje, sposobna povečati output, ne da bi zaposlili nove delavce. Izboljšanje učinkovitosti torej omogoči, da delavec proizvede več ob enaki količini časa. Ko pa se gospodarstvo še nadalje razvija, podjetja ponovno pričnejo zaposlovati nove delavce, povečano povpraševanje po delavcih nato pripomore k povišanju plač in nadomestil. Povečano povpraševanje po delavcih vodi v obdobje, ko rast

38

nadomestil preseže rast produktivnosti in tako ti dve spremenljivki nato nekaj časa konvergirata (se približujeta) (Economic report of the President 2007, 51-52). Ko produktivnost raste hitreje kot nadomestila, bodo podjetniški dobički rasli, in sicer zato, ker koristi blaga in storitev rastejo hitreje kot stroški na delavca. Dobički bodo torej rasli v obdobju, ko imamo visoko rast produktivnosti. Ko pa se povečujejo urna nadomestila, povečanje stroškov dela zniža dobičke na normalno raven. V tem procesu dobički veliko bolj variirajo, kot urna nadomestila (ibid., 52). V 3. in 4. poglavju smo teoretično opisali povezavo med brezposelnostjo in inflacijo ter med produktivnostjo in realnimi plačami, v nadaljevanju pa sledi ekonometrična analiza teoretičnih modelov.

39

5 EKONOMETRIČNA ANALIZA POVEZAVE MED INFLACIJO IN BREZPOSELNOSTJO TER MED PRODUKTIVNOSTJO DELA IN REALNIMI PLAČAMI

V tem delu diplomske naloge bomo izvedli ekonometrično analizo povezave med inflacijo in brezposelnostjo ter ekonometrično analizo povezave med produktivnostjo dela in realnimi plačami za primer ZDA v obdobju 1961 – 2006. Najprej si poglejmo katere modele bomo uporabili in katere spremenljivke potrebujemo. 5.1 Specifikacija modelov in razlaga spremenljivk

Za povezavo med inflacijo in brezposelnostjo bomo uporabili naslednja dva modela (glej enačbi (2) in (3)):

ttt uURAZL ++= 21 ββ (6)

tRAZL predstavlja diferenco stopnje inflacije glede na predhodno obdobje ( 1−−= ttt INFINFRAZL ). Ta model je linearna oblika Phillipsove krivulje. V skladu z ekonomsko teorijo pričakujemo, da bo 2β negativen in 1β pozitiven. Recipročna oblika Phillipsove krivulje pa je naslednja:

ttt uURAZL ++= 121 ββ , (7) kjer je 11 −= tt UU in 1−−= ttt INFINFRAZL . V tem primeru pričakujemo, da bo 1β negativen in 2β pozitiven. Za povezavo med produktivnostjo dela in realnimi plačami bomo uporabili naslednja dva modela (glej enačbi (4) in (5)):

ttt uPRODRWAGE ++= 21 ββ (8)

ttt uPRODRWAGE ++= logloglog 21 ββ (9) Pri modelu (8) gre za linearno obliko, medtem ko gre pri modelu (9) za dvojno logaritemski model. V obeh primerih pa pričakujemo pozitivno povezavo, zato bi naj bil

2β pozitiven.

40

Razlaga spremenljivk:

1−−= ttt INFINFRAZL

tINF - inflacijska stopnja, merjena z indeksom cen življenjskih potrebščin, v % glede na povprečje preteklega leta (percent year-to-year change in CPI), v obdobju t

tU - stopnja anketne brezposelnosti v obdobju t (%)

ttt U

UU 11 1 == − - recipročna vrednost stopnje brezposelnosti

tRWAGE - indeks realnih urnih nadomestil v poslovnem sektorju (1992 = 100) (index of real compensation per hour, business sector, 1992 = 100) v obdobju t.

tPROD - indeks produktivnosti dela, izražen kot BDP (output) na uro dela v poslovnem sektorju (1992 = 100) (index of output per hour, business sector, 1992 = 100) v obdobju t.

tu - slučajna spremenljivka 5.2 Baza podatkov

V diplomski nalogi bomo naredili ekonometrično analizo predstavljenih modelov za primer ZDA. Naše opazovano obdobje obsega čas od 1961 do 2006. Gre za letne podatke, analiza pa bo zajemala 46 opazovanih enot. Na podlagi predstavljene teorije in modelov bomo za analizo potrebovali naslednje podatke:

• stopnjo inflacije • stopnjo brezposelnosti • produktivnost dela • realne plače.

Kot stopnjo inflacije bomo v analizi uporabili inflacijsko stopnjo, merjeno z indeksom cen življenjskih potrebščin, v % glede na povprečje preteklega leta (percent year-to-year change in CPI for all urban consumers). Indeks cen življenjskih potrebščin je najbolj razširjena mera inflacije znana kot CPI (CPI = consumer price index). CPI meri strošek standardne košarice dobrin, ki jih kupi povprečni mestni potrošnik (Samuelson 2002, 377). Tržna košarica vključuje cene hrane, obleke, stanovanj, goriva, transporta, medicinske nege, šolnin in drugih dobrin ter storitev, ki jih kupujemo za dnevno življenje. Cenovni indeks izračunamo tako, da tehtamo vsako ceno v skladu z ekonomskim pomenom dane dobrine. Pri CPI vsaki ceni pripišemo stalno utež, ki je sorazmerna z relativno pomembnostjo te dobrine v izdatkih potrošnikov. Utež za vsako dobrino je sorazmerna s celotnimi izdatki potrošnikov za to dobrino, kot je določeno na osnovi ankete o porabi gospodinjstev oziroma potrošnikov v določenem obdobju (Samuelson 2002, 407). Za merjenje brezposelnosti bomo uporabili stopnjo anketne brezposelnosti merjene v %.

41

Za realne plače bomo pri analizi uporabili realna urna nadomestila v poslovnem sektorju (real compensation per hour, business sector). In sicer bomo uporabili indeks realnih urnih nadomestil v poslovnem sektorju (1992 = 100). Urna nadomestila (compensation per hour) vključujejo mezde in plače zaposlenih vključno z delodajalčevim prispevkom za socialno zavarovanje in zdravstveno zavarovanje. Vključujejo tudi oceno mezd, plač in dodatno plačilo (nagrado) za samozaposlene. Realna urna nadomestila so urna nadomestila deljena s indeksom cen življenjskih potrebščin (Economic report of the President, 2008, tabela B-49). Za produktivnost dela bomo pri analizi uporabili produktivnost dela, izražena kot BDP (output) na uro dela v poslovnem sektorju (output per hour, business sector), in sicer bomo uporabili indeks produktivnosti dela v poslovnem sektorju (1992 = 100). Dejansko je produktivnost dela povprečni realni output (BDP) na uro dela (Labor Productivity: Developments since 1995; 2007, 1). Poslovni sektor vključuje celotno gospodarstvo razen javnega sektorja, nepremičninskega sektorja, neprofitnih institucij in privatnih gospodinjstev (ibid., 1). Vse te podatke smo v prav takšni obliki, kot jih bomo potrebovali pri analizi oziroma kot smo jih navedli pri razlagi spremenljivk in v bazi podatkov, pridobili na spletni strani Economic report of the president (http://www.gpoaccess.gov/eop/). Za analizo smo morali preračunati samo tRAZL in 1−

tU .

42

5.3 Ocenjevanje modelov

V tem poglavju bomo modele ocenili z računalniškim programom Soritec Sampler. Prikazani bodo izpisi omenjenega računalniškega programa, na katerih so razvidne vrednosti osnovnih parametrov regresije, ki jih program izračuna. ´tRAZL in ´tRWAGE predstavljata ocenjene vrednosti odvisne spremenljivke. 5.3.1 Inflacija in brezposelnost

Linearni model povezave med inflacijo in brezposelnostjo (stopnje rasti)

tt UbbRAZL 21´ += (10) Soritec 1: Ocena linearnega modela povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> regress razl u REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.76697 0.898432 4.19282 0.000 U -0.635518 0.148582 -4.27723 0.000 Equation Summary No. of Observations = 46 R2= 0.2937 (adj)= 0.2776 Sum of Sq. Resid. = 90.9042 Std. Error of Reg.= 1.43736 Log(likelihood) = -80.9380 Durbin-Watson = 1.47460 Schwarz Criterion = -84.7666 F ( 1, 44) = 18.2947 Akaike Criterion = -82.9380 Significance = 0.000100 Vir: Lasten izračun Končna oblika ocenjenega regresijskega modela je torej:

tt URAZL *635518,076697,3´ −= Konstantni člen je pozitiven, kar je v skladu z ekonomsko teorijo, ocena konstante pa je tudi statistično značilno različna od nič (p = 0,000). Konstanta nam v tem primeru pove, kakšna bo diferenca stopnje inflacije ob predpostavki, da je stopnja brezposelnosti enaka nič. Če je torej stopnja brezposelnosti enaka nič, potem bo diferenca stopnje inflacije 3,76697 odstotne točke. Obstajajo še torej drugi razlogi, ki potiskajo inflacijo navzgor. Parcialni regresijski koeficient b2 predstavlja vpliv stopnje brezposelnosti U na diferenco stopnje inflacije RAZL. Predznak regresijskega koeficienta pri U je negativen in je v

43

skladu z ekonomko teorijo. Če se stopnja brezposelnosti zmanjša za 1 odstotno točko, bi se RAZL (diferenca stopnje inflacije) v povprečju povečala za 0,635518 odstotne točke. Regresijski koeficient pri U je prav tako statistično značilno različen od nič (p = 0,000). Poglejmo si še t-statistike. Najprej postavimo ničelno in alternativno hipotezo, ter iz tabele (Ekonometrija, obrazci in postopki 2002, 21) očitamo tc pri 01,02 =α .

0: 10 =βH 0: 20 =βH 0: 11 ≠βH 0: 21 ≠βH

01,02 =α 01,02 =α 19282,4)( 1 =bt 27723,4)( 2 −=bt

704,2)246( =−ct 704,2)246( =−ct

ctt > ctt > Na podlagi vzorčnih podatkov, lahko v obeh primerih domnevi H0 pri stopnji značilnosti

005,0=α zavrnemo. To pomeni, da sta oba ocenjena regresijska koeficienta statistično različna od nič. Poglejmo si še F-statistiko.

0: 210 == ββH 0: 11 ≠βH in 02 ≠β

01,0=α 31,7)44,1( =cF 2947,18=F cFF > Na podlagi vzorčnih podatkov, lahko v obeh primerih pri stopnji značilnosti 01,0=α domnevi H0 zavrnemo in sprejmemo sklep, da sta oba regresijska koeficienta statistično značilno različna od nič. Model je dokaj primeren za ocenjevanje. Vrednost determinacijskega koeficienta R2= 0,2937 (popravljenega pa 0,2776), kar pomeni, da je 29,37% variance RAZL (diference stopnje inflacije) pojasnjeno z linearno odvisnostjo od stopnje brezposelnosti. Standardna napaka regresije pa znaša 1,43736. Recipročni model povezave med inflacijo in brezposelnostjo (stopnje rasti)

tt UbbRAZL 1´ 21 += (11) Soritec 2: Ocena recipročnega modela povezave med inflacijo in brezposelnostjo 7> use 1961 2006 8> regress razl u1 REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST -3.05740 0.964890 -3.16865 0.003 U1 17.1459 5.20528 3.29395 0.002

44

Equation Summary No. of Observations = 46 R2= 0.1978 (adj)= 0.1796 Sum of Sq. Resid. = 103.242 Std. Error of Reg.= 1.53180 Log(likelihood) = -83.8652 Durbin-Watson = 1.45529 Schwarz Criterion = -87.6939 F ( 1, 44) = 10.8501 Akaike Criterion = -85.8652 Significance = 0.001956 Vir: Lasten izračun Končna oblika ocenjenega recipročnega regresijskega modela je:

tt URAZL 1*1459,1705740,3´ +−= Konstantni člen je negativen, kar je v skladu z ekonomsko teorijo. Recipročni model nam pove naslednje: Tudi, če se bo stopnja brezposelnosti U povečala neskončno, se bo sprememba v stopnji inflacije znižala za največ 3,06 odstotne točke. Obstajajo še torej drugi razlogi, ki vplivajo na inflacijo. Teorija govori, da je med stopnjo brezposelnosti in inflacijo negativen odnos, torej če se stopnja brezposelnosti poveča, se inflacija zniža. Takšna povezava pa zahteva, da je U1 (recipročna vrednost stopnje brezposelnosti) pozitivno predznačena, saj vsebuje recipročne vrednosti stopnje brezposelnosti. V našem primeru je predznak U1 pozitiven, kar je v skladu z ekonomsko teorijo. Poglejmo si še t-statistike.

0: 10 =βH 0: 20 =βH 0: 11 ≠βH 0: 21 ≠βH

01,02 =α 01,02 =α 16865,3)( 1 −=bt 29395,3)( 2 =bt 704,2)246( =−ct 704,2)246( =−ct

ctt > ctt > Na podlagi vzorčnih podatkov, lahko v obeh primerih domnevi H0 pri stopnji značilnosti

005,0=α zavrnemo. To pomeni, da sta oba ocenjena regresijska koeficienta statistično različna od nič. Poglejmo si še F-statistiko.

0: 210 == ββH 0: 11 ≠βH in 02 ≠β

01,0=α 31,7)44,1( =cF 8501,10=F cFF > Na podlagi vzorčnih podatkov, lahko v obeh primerih pri stopnji značilnosti 01,0=α domnevi H0 zavrnemo in sprejmemo sklep, da sta oba regresijska koeficienta statistično značilno različna od nič. Model je dokaj primeren za ocenjevanje. Vrednost determinacijskega koeficienta R2 = 0,1978 (popravljenega pa 0,1796) kar pomeni, da je 19,78% variance RAZL (diference stopnje inflacije) pojasnjeno z linearno odvisnostjo od

45

U1. Vidimo, da je vrednost determinacijskega koeficienta nizka. Standardna napaka regresije pa znaša 1,53180. Primerjava obeh modelov Pri obeh modelih so predznaki regresijskih koeficientov v skladu z ekonomsko teorijo. Če se torej stopnja brezposelnosti v ZDA poveča, se bo diferenca stopnje inflacije vsaj delno znižala. T-statistike so višje pri linearnem modelu, kar pomeni, da v tem modelu lažje zavrnemo ničelno hipotezo. Pri obeh modelih so pri stopnji značilnosti 005,0=α regresijski koeficienti statistično različni od nič. F-statistika je prav tako višja pri linearnem modelu, kot pri recipročnem. Vendar v obeh primerih F-statistika ni pretirano visoka, kar lahko pomeni, čeprav je cFF > , da sta oba modela zgolj dokaj primerna za ocenjevanje odvisnosti med brezposelnostjo in diferenco stopnje inflacije za primer ZDA. Determinacijski koeficient je višji v linearnem modelu. V linearnem modelu je 29,37% variance odvisne spremenljivke pojasnjeno s pojasnjevalno spremenljivko, medtem, ko je v recipročnem modelu ta odstotek nižji za 10 odstotnih točk. V linearnem modelu torej približno 70% variance odvisne spremenljivke pojasnjujejo drugi dejavniki, ki niso vključeni v regresijo. Ta odstotek je pri recipročnem modelu še višji. Pri obeh modelih je torej determinacijski koeficient nizek. Iz tega lahko sklepamo, da modela kot takšna ne razložita zadovoljivo vpliv brezposelnosti na diferenco stopnje inflacije v ZDA. Na inflacijo v ZDA torej pomembneje vplivajo drugi dejavniki, ki jih v model nismo vključili. Iz ocene vidimo, da je povezava med stopnjo brezposelnosti in diferenco stopnje inflacije v ZDA res negativna, kot predvideva teorija. Vidimo, da povezava med stopnjo brezposelnosti in inflacijo v ZDA sicer obstaja, vendar pa ta povezava ni tako visoka, kot to predvideva teorija. Iz ocen je razvidno, da na inflacijo pomembneje vplivajo drugi dejavniki in ne toliko stopnja brezposelnosti. Če se torej stopnja brezposelnosti zmanjša, bo to le delno vplivalo na zvišanje inflacije. K zvišanju inflacije prispevajo predvsem drugi dejavniki, ki jih v modelih nismo zajeli. 5.3.2 Realne plače in produktivnost dela

Linearni model povezave med realnimi plačami in produktivnostjo dela (indeksi s stalno osnovo)

tt PRODbbRWAGE 21´ += (12) Soritec 3: Ocena linearnega modela povezave med realnimi plačami in produktivnostjo dela 5> use 1961 2006 6> regress rwage prod REGRESS : dependent variable is RWAGE Using 1961-2006 Variable Coefficient Std Err T-stat Signf

46

^CONST 35.3439 1.37670 25.6729 0.000 PROD 0.644501 0.151481E-01 42.5467 0.000 Equation Summary No. of Observations = 46 R2= 0.9763 (adj)= 0.9757 Sum of Sq. Resid. = 242.678 Std. Error of Reg.= 2.34849 Log(likelihood) = -103.522 Durbin-Watson = 0.18072 Schwarz Criterion = -107.351 F ( 1, 44) = 1810.22 Akaike Criterion = -105.522 Significance = 0.000000 Vir: Lasten izračun Končna oblika ocenjenega linearnega regresijskega modela je:

tt PRODRWAGE *644501,03439,35´ += Konstantni člen je pozitiven, kar je v skladu z ekonomsko teorijo in ima vrednost 35,3439. Pove nam, da pri plačah obstaja nekakšen avtonomni del, ki je neodvisen od produktivnosti dela. Parcialni regresijski koeficient b2 predstavlja vpliv produktivnosti na realne plače. Vidimo, da je povezava med realnimi plačami in produktivnostjo pozitivna, kar je v skladu s teorijo. Če se produktivnost dela poveča za eno odstotno točko, se bodo realne plače v povprečju povečale za 0,644501 odstotne točke. Regresijska koeficienta sta statistično značilno različna od nič. T-statistike so zelo visoke. Prav tako pa je zelo visoka f-statistika, zato lahko rečemo, da ocenjevani regresijski model kot celota statistično značilno pojasnjuje varianco realnih plač. Ugotovimo tudi, da je model primeren za ocenjevanje, saj je f-statistika zelo visoka. Vrednost determinacijskega koeficienta je zelo visoka, in sicer je R2 = 0,9763 (vrednost popravljenega R2 = 0,9757). To pomeni, da je 97,63% variance RWAGE (indeksa realnih plač) pojasnjeno z linearno odvisnostjo od produktivnosti. Model bi glede na dane pokazatelje lahko ocenili kot dober. Dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela (indeksi s stalno osnovo)

tt PRODbbRWAGE log´log 21 += (13) Soritec 4: Ocena dvojno logaritemskega modela povezave med realnimi plačami in produktivnostjo dela 7> on autolog 8> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE) Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.71281 0.557445E-01 30.7261 0.000 LN(PROD) 0.629259 0.125246E-01 50.2417 0.000

47

Equation Summary No. of Observations = 46 R2= 0.9829 (adj)= 0.9825 Sum of Sq. Resid. = 0.215801E-01 Std. Error of Reg.= 0.221463E-01 Log(likelihood) = 111.015 Durbin-Watson = 0.21959 Schwarz Criterion = 107.187 F ( 1, 44) = 2524.23 Akaike Criterion = 109.015 Significance = 0.000000 Vir: Lasten izračun Končna oblika ocenjenega dvojno logaritemskega regresijskega modela je:

)log(*629259,071281,1´log tt PRODRWAGE += Konstantni člen b1 je pozitiven, kar je v skladu z ekonomsko teorijo in ima vrednost 1,71281. Regresijski koeficienti v tem regresijskem modelu predstavljajo elastičnosti. Kar pomeni, da bi sprememba produktivnosti za en odstotek v povprečju povečala realne plače v ZDA za 0,629259 odstotka. Povezava med spremenljivkama je tudi v tem primeru pozitivna in je v skladu z ekonomsko teorijo. Regresijska koeficienta sta statistično značilno različna od nič. T-statistike so zelo visoke. Prav tako pa je zelo visoka f-statistika, zato lahko rečemo, da ocenjevani regresijski model kot celota statistično značilno pojasnjuje varianco realnih plač. Ugotovimo tudi, da je model primeren za ocenjevanje, saj je f-statistika zelo visoka. Vrednost determinacijskega koeficienta je zelo visoka, in sicer je R2 = 0,9829 (vrednost popravljenega R2 = 0,9825). To pomeni, da je 98,29% variance logaritmov RWAGE (indeksa realnih plač) pojasnjeno z linearno odvisnostjo od logaritmov produktivnosti. Model bi glede na dane pokazatelje lahko ocenili kot dober. Primerjava obeh modelov Predznaki regresijskih koeficientov so pri obeh modelih v skladu z ekonomsko teorijo. Če se torej produktivnost poveča, se bodo povečale tudi realne plače. T-statistike in f-statistika so v obeh modelih zelo visoke, regresijski koeficienti so statistično značilno različni od nič. Je pa res, da so t-statistike in f-statistika nekoliko višje pri dvojno logaritemskem modelu. Determinacijski koeficient je v obeh modelih zelo visok. Modela kot takšna torej zadovoljivo razlagata vpliv produktivnosti dela na realne plače. Da pa lahko primerjamo determinacijska koeficienta teh dveh modelov med seboj, moramo imeti enako definirano odvisno spremenljivko. Zato bomo primerjavo med tema koeficientoma prikazali v podpoglavju 5.4. Vidimo, da torej produktivnost dela vpliva na realne plače v ZDA in da je ta povezava močna in je v skladu z ekonomsko teorijo. Produktivnost dela je torej pomemben oziroma signifikanten dejavnik, ki vpliva na realne plače v ZDA. 5.4 Mere primernosti

Modele lahko primerjamo med seboj na podlagi determinacijskih koeficientov. Večja kot je vrednost determinacijskega koeficienta, boljša je razlagalna moč regresijskega modela. Ker determinacijski koeficient predstavlja pojasnjeno vrednost variance (odstopanja med

48

ocenjeno in dejansko vrednostjo), je najboljši tisti model, ki ima čim več variance sestavljene iz pojasnjenega dela (Kovačič 2007, 29). 5.4.1 Inflacija in brezposelnost

V teh dveh modelih je odvisna spremenljivka enako definirana, zato determinacijske koeficiente enostavno primerjamo med seboj. Linearni model: R2 = 0,2937 Recipročni model: R2 = 0,1978 Iz rezultatov vidimo, da ima med izbranima modeloma boljšo pojasnjevalno moč linearni model. Boljši determinacijski koeficient ima torej linearni model. 5.4.2 Realne plače in produktivnost dela

Determinacijskih koeficientov različnih funkcij ne moremo primerjati, kadar so odvisne spremenljivke v teh različno definirane. To se zgodi tudi v našem primeru. Da bo mogoče primerjati modela, je potrebno najprej vrednosti dvojno logaritemskega modela pretvoriti iz logaritemske oblike. Pri tem upoštevamo pravilo, da je determinacijski koeficient enak korelacijskemu koeficientu med dejanskimi in z regresijskim modelom ocenjenimi vrednosti odvisne spremenljivke. V našem primeru bomo primerljivost dosegli tako, da bomo antilogaritmirali ocene logaritmov odvisne spremenljivke, dobljene na osnovi dvojno logaritemske funkcije in izračunali korelacijski koeficient med njimi in dejanskimi vrednostmi odvisne spremenljivke (Jagrič 2005, 39). Soritec 5: Antilogaritmiranje dvojno logaritemskega determinacijskega koeficienta 9> recover y0 yfit 10> ay0=exp(y0) 11> cor r1 ay0 rwage 12> print r1 Constant R1 = 0.992184 13> r12=r1**2 14> print r12 R12 1961 0.984429 Vir: Lasten izračun R2 = 0,984429 Dobili smo sledeče rezultate: Linearni model: R2 = 0,9763 Dvojno logaritemski model: R2 = 0,984429

49

Iz rezultatov vidimo, da ima med izbranima modeloma boljšo pojasnjevalno moč dvojno logaritemski model. Višji determinacijski koeficient ima torej dvojno logaritemski model. 5.5 Primerjava modelov na podlagi testa Box-Cox

Pri sklopu modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo, smo ugotovili, da ima višji determinacijski koeficient dvojno logaritemski model. Z vidika statistične teorije pa je ta vrednost le naključna. Zato moramo ugotoviti, ali je razlika med ocenjenimi koeficienti sploh statistično značilna. Pri tem izračunu uporabimo Box-Coxov test, ki se uporablja izključno za primerjavo linearne in dvojno logaritemske funkcije. Ta test bomo torej izvedli samo pri sklopu modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo, saj imamo samo v tem sklopu linearni in dvojno logaritemski model. Najprej pa postavimo ničelno hipotezo. H0 : modela sta enakovredna H1 : modela nista enakovredna Test bomo izvedli z naslednjim izračunom:

⎟⎟⎠

⎞⎜⎜⎝

⎛=

LL

GL

NVKyNVKnl

2

ln2

, pri čemer je nn

iiG yy

1

1⎟⎟⎠

⎞⎜⎜⎝

⎛= ∏

=

oziroma ∑=

iyn

G eyln1

(14)

(Pfajfar 2000, 122-123), Iz ocene teh dveh modelov odčitamo nepojasnjeno vsoto kvadratov (NVK) za oba modela in izvedemo test. NVKL = 242,678 (linearni model) NVKLL = 0,215801e-01 (dvojno logaritemski model) Soritec 6: Box-Coxov test 9> nvkl=242.678 10> nvkll=0.215801e-01 11> mean as log(rwage) 12> set gs=exp(as) 13> print gs Constant GS = 90.8044 14> l=(46/2)*log((nvkl/gs**2)/nvkll) 15> print l L 1961 7.13700 Vir: Lasten izračun

50

Pravilo odločanja pa je naslednje:

21χ<l Ničelne domneve ne zavrnemo

21χ>l Ničelno domnevo zavrnemo, in če velja da je LLGL NVKyNVK <2 , potem je

primernejši linearni model. Če pa velja, da je LLGL NVKyNVK >2 , potem je primernejši dvojno logaritemski model (Pfajfar 2000, 122-123).

01,0=α 63490,621 =χ

13700,7=l 21χ>l

Pri stopnji značilnosti 01,0=α ničelno hipotezo zavrnemo in sprejmemo sklep, da modela nista enakovredna.

029431786,08044,90678,242 2 = 0215801,0029431786,0 >

Ker to velja, vidimo da je primernejši dvojno logaritemski model. V podpoglavju 5.4 in 5.5 smo prikazali primerjavo med modeli v posameznem sklopu. Na podlagi teh primerjav, bi se lahko odločili, kateri model je boljši. Seveda obstajajo še drugačni načini primerjave. Na osnovi tega bi se lahko odločili za najprimernejši model in ga testirali še naprej. Vendar med modeli ne bomo izbrali boljše, ampak bomo v nadaljevanju opravljali analizo z vsemi modeli, ki smo jih definirali pri specifikaciji modelov. V nadaljevanju sledi testiranje v uvodu omenjenih predpostavk Metode Najmanjših Kvadratov. Seveda bomo testirali samo tiste, ki jih je potrebno testirati (heteroskedastičnost in avtokorelacija). 5.6 Heteroskedastičnost

Pomembna predpostavka linearne regresije je, da je varianca slučajne spremenljivke ui konstantna in ni odvisna od pojasnjevalnih spremenljivk. To predpostavko imenujemo homoskedastičnost in jo zapišemo kot:

2222 )())(()var( σσ ===−= uiiii uEuEuEu O heteroskedastičnosti govorimo, ko varianca slučajne spremenljivke ui ni konstantna in se njene vrednosti spreminjajo s spreminjanjem vrednosti pojasnjevalnih spremenljivk (Pfajfar 2000, 163).

51

Prisotnost heteroskedastičnosti v vseh naših modelih za primer ZDA bomo preverjali z Breusch – Paganovim testom. Najprej pa si poglejmo grafično analizo za posamezni model. 5.6.1 Grafična analiza posameznih modelov za primer ZDA

Izrisali bomo grafe, ki prikazujejo odvisnost med standardno napako regresije in posameznimi spremenljivkami regresijskih modelov. Slika 18: Heteroskedastičnost linearnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo

Vir: Soritec, lasten izračun Slika 19: Heteroskedastičnost recipročnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo

Vir: Soritec, lasten izračun

52

Slika 20: Heteroskedastičnost linearnega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela

Vir: Soritec, lasten izračun Slika 21: Heteroskedastičnost dvojno logaritemskega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela

Vir: Soritec, lasten izračun V nadaljevanju pa bomo prisotnost heteroskedastičnosti v vseh modelih preverili z Breusch – Paganovim testom, ki ga bomo izvedli v več korakih9.

9 Povzeto po Pfajfar 2000, 181

53

5.6.2 Inflacija in brezposelnost

Linearni model povezave med inflacijo in brezposelnostjo Breusch – Paganov test predpostavlja odvisnost variance slučajne spremenljivke od vrednosti pojasnjevalnih spremenljivk.

mimii xx ααασ +++= ...2212

1. korak: Ocenimo osnovni regresijski model, izračunamo ostanke ei ter izračunamo

ocenjeno varianco slučajne spremenljivke nei∑=

22σ)

Soritec 7: Izpis osnovne regresije linearnega modela povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> regress razl u REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.76697 0.898432 4.19282 0.000 U -0.635518 0.148582 -4.27723 0.000 Equation Summary No. of Observations = 46 R2= 0.2937 (adj)= 0.2776 Sum of Sq. Resid. = 90.9042 Std. Error of Reg.= 1.43736 Log(likelihood) = -80.9380 Durbin-Watson = 1.47460 Schwarz Criterion = -84.7666 F ( 1, 44) = 18.2947 Akaike Criterion = -82.9380 Significance = 0.000100 Vir: Lasten izračun Soritec 8: Izračun napak ei in izračun ocenjene variance 2σ 7> recover e resid 8> e2=e**2 9> mean pve e2 10> print pve Constant PVE = 1.97618 Vir: Lasten izračun

2. korak: oblikujemo novo spremenljivko 2

2

σ)i

ie

p = in ocenimo pomožni model

Soritec 9: Oblikovanje nove spremenljivke p in ocena pomožnega modela 11> p=e2/pve 12> regress p u

54

REGRESS : dependent variable is P Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 0.146195 1.21822 0.120007 0.905 U 0.145302 0.201468 0.721216 0.475 Equation Summary No. of Observations = 46 R2= 0.0117 (adj)= -0.0108 Sum of Sq. Resid. = 167.133 Std. Error of Reg.= 1.94897 Log(likelihood) = -94.9446 Durbin-Watson = 1.57392 Schwarz Criterion = -98.7733 F ( 1, 44) = 0.520152 Akaike Criterion = -96.9446 Significance = 0.474592 Vir: Lasten izračun 3. korak: Izračunamo pojasnjeno vsoto kvadratov (PVK) in definiramo theto )(θ ter izračunamo njeno vrednost. Soritec 10: Izračun pojasnjene vsote kvadratov PVK in izračun THETE 13> recover nvk2 ssr 14> print nvk2 Constant NVK2 = 167.133 15> recover r2 rsq 16> set pvk=nvk2/(1-r2)-nvk2 17> print pvk Constant PVK = 1.97579 18> set theta=pvk/2 19> print theta Constant THETA = 0.987895 Vir: Lasten izračun Postavimo ustrezno ničelno in alternativno hipotezo.

0:0:

21

20

≠=

αα

HH

63490,62)1( =cχ 01,0=α

987895,0=θ 2cχθ <

55

Izračunana vrednost testne statistike 987895,0=θ je manjša od kritične vrednosti 63490,62

)1( =cχ porazdelitve pri (1) stopinjah prostosti. Ničelne hipoteze ne moremo zavrniti pri stopnji značilnosti 01,0=α , zato sprejmemo sklep, da v modelu ni prisotna heteroskedastičnost v obliki, ki jo predpostavlja Breusch – Paganov test. Recipročni model povezave med inflacijo in brezposelnostjo Breusch – Paganov test bomo izvedli po enakem postopku, kot pri prejšnjem modelu, le da bomo posamezne korake združili. Soritec 11: Izvedba Breusch – Paganovega testa za recipročni model povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> regress razl u1 REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST -3.05740 0.964890 -3.16865 0.003 U1 17.1459 5.20528 3.29395 0.002 Equation Summary No. of Observations = 46 R2= 0.1978 (adj)= 0.1796 Sum of Sq. Resid. = 103.242 Std. Error of Reg.= 1.53180 Log(likelihood) = -83.8652 Durbin-Watson = 1.45529 Schwarz Criterion = -87.6939 F ( 1, 44) = 10.8501 Akaike Criterion = -85.8652 Significance = 0.001956 7> recover e resid 8> e2=e**2 9> mean pve e2 10> print pve Constant PVE = 2.24440 11> p=e2/pve 12> regress p u1 REGRESS : dependent variable is P Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 2.68867 1.17559 2.28707 0.027 U1 -9.37015 6.34196 -1.47749 0.147

56

Equation Summary No. of Observations = 46 R2= 0.0473 (adj)= 0.0256 Sum of Sq. Resid. = 153.256 Std. Error of Reg.= 1.86630 Log(likelihood) = -92.9509 Durbin-Watson = 1.54051 Schwarz Criterion = -96.7795 F ( 1, 44) = 2.18296 Akaike Criterion = -94.9509 Significance = 0.146668 13> recover nvk2 ssr 14> print nvk2 Constant NVK2 = 153.256 15> recover r2 rsq 16> set pvk=nvk2/(1-r2)-nvk2 17> print pvk Constant PVK = 7.60343 18> set theta=pvk/2 19> print theta Constant THETA = 3.80172 Vir: Lasten izračun Postavimo ustrezno ničelno in alternativno hipotezo.

0:0:

21

20

≠=

αα

HH

63490,62

)1( =cχ 01,0=α

80172,3=θ 2cχθ <

Izračunana vrednost testne statistike 80172,3=θ je manjša od kritične vrednosti

63490,62)1( =cχ porazdelitve pri (1) stopinjah prostosti. Ničelne hipoteze ne moremo

zavrniti pri stopnji značilnosti 01,0=α , zato sprejmemo sklep, da v modelu ni prisotna heteroskedastičnost v obliki, ki jo predpostavlja Breusch – Paganov test. 5.6.3 Realne plače in produktivnost dela

Linearni model povezave med realnimi plačami in produktivnostjo dela Breusch – Paganov test bomo izvedli po enakem postopku, kot pri prvem modelu, le da bomo posamezne korake združili.

57

Soritec 12: Izvedba Breusch – Paganovega testa za linearni model povezave med realnimi plačami in produktivnostjo dela 5> use 1961 2006 6> regress rwage prod REGRESS : dependent variable is RWAGE Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 35.3439 1.37670 25.6729 0.000 PROD 0.644501 0.151481E-01 42.5467 0.000 Equation Summary No. of Observations = 46 R2= 0.9763 (adj)= 0.9757 Sum of Sq. Resid. = 242.678 Std. Error of Reg.= 2.34849 Log(likelihood) = -103.522 Durbin-Watson = 0.18072 Schwarz Criterion = -107.351 F ( 1, 44) = 1810.22 Akaike Criterion = -105.522 Significance = 0.000000 7> recover e resid 8> e2=e**2 9> mean pve e2 10> print pve Constant PVE = 5.27562 11> p=e2/pve 12> regress p prod REGRESS : dependent variable is P Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 2.65491 0.581113 4.56866 0.000 PROD -0.188141E-01 0.639411E-02 -2.94241 0.005 Equation Summary No. of Observations = 46 R2= 0.1644 (adj)= 0.1454 Sum of Sq. Resid. = 43.2389 Std. Error of Reg.= 0.991314 Log(likelihood) = -63.8475 Durbin-Watson = 0.52603 Schwarz Criterion = -67.6761 F ( 1, 44) = 8.65780 Akaike Criterion = -65.8475 Significance = 0.005180 13> recover nvk2 ssr 14> print nvk2 Constant NVK2 = 43.2389

58

15> recover r2 rsq 16> set pvk=nvk2/(1-r2)-nvk2 17> print pvk Constant PVK = 8.50805 18> set theta=pvk/2 19> print theta Constant THETA = 4.25402 Vir: Lasten izračun Postavimo ustrezno ničelno in alternativno hipotezo.

0:0:

21

20

≠=

αα

HH

63490,62

)1( =cχ 01,0=α

25402,4=θ 2cχθ <

Izračunana vrednost testne statistike 25402,4=θ je manjša od kritične vrednosti

63490,62)1( =cχ porazdelitve pri (1) stopinjah prostosti. Ničelne hipoteze ne moremo

zavrniti pri stopnji značilnosti 01,0=α , zato sprejmemo sklep, da v modelu ni prisotna heteroskedastičnost v obliki, ki jo predpostavlja Breusch – Paganov test. Dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela Breusch – Paganov test bomo izvedli po enakem postopku, kot pri prvem modelu, le da bomo posamezne korake združili. Soritec 13: Izvedba Breusch – Paganovega testa za dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela 5> use 1961 2006 6> on autolog 7> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE) Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.71281 0.557445E-01 30.7261 0.000 LN(PROD) 0.629259 0.125246E-01 50.2417 0.000 Equation Summary

59

No. of Observations = 46 R2= 0.9829 (adj)= 0.9825 Sum of Sq. Resid. = 0.215801E-01 Std. Error of Reg.= 0.221463E-01 Log(likelihood) = 111.015 Durbin-Watson = 0.21959 Schwarz Criterion = 107.187 F ( 1, 44) = 2524.23 Akaike Criterion = 109.015 Significance = 0.000000 8> recover e resid 9> e2=e**2 10> mean pve e2 11> print pve Constant PVE = 0.469132E-03 12> p=e2/pve 13> regress p log(prod) REGRESS : dependent variable is P Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 8.21372 2.31381 3.54987 0.001 LN(PROD) -1.62356 0.519863 -3.12305 0.003 Equation Summary No. of Observations = 46 R2= 0.1814 (adj)= 0.1628 Sum of Sq. Resid. = 37.1794 Std. Error of Reg.= 0.919231 Log(likelihood) = -60.3748 Durbin-Watson = 0.86331 Schwarz Criterion = -64.2034 F ( 1, 44) = 9.75343 Akaike Criterion = -62.3748 Significance = 0.003162 14> recover nvk2 ssr 15> print nvk2 Constant NVK2 = 37.1794 16> recover r2 rsq 17> set pvk=nvk2/(1-r2)-nvk2 18> print pvk Constant PVK = 8.24150 19> set theta=pvk/2 20> print theta Constant THETA = 4.12075 Vir: Lasten izračun

60

Postavimo ustrezno ničelno in alternativno hipotezo.

0:0:

21

20

≠=

αα

HH

63490,62

)1( =cχ 01,0=α

12075,4=θ 2cχθ <

Izračunana vrednost testne statistike 12075,4=θ je manjša od kritične vrednosti

63490,62)1( =cχ porazdelitve pri (1) stopinjah prostosti. Ničelne hipoteze ne moremo

zavrniti pri stopnji značilnosti 01,0=α , zato sprejmemo sklep, da v modelu ni prisotna heteroskedastičnost v obliki, ki jo predpostavlja Breusch – Paganov test. 5.7 Avtokorelacija

Avtokorelacija je določena kot korelacija med členi serije ali vrste opazovanj urejenih po času (časovne vrste) ali prostoru (presečni podatki). Avtokorelacijo definiramo kot povezanost med posameznimi opazovanji razvrščenimi v času ali prostoru. Ločimo pravo in nepravo avtokorelacijo. Neprava je posledica napačne specifikacije regresijskega modela (Pfajfar 2000, 188-189). Predpostavka, da avtokorelacija v modelu ni prisotna, se lahko zapiše kot:

0),(),( == jiji uuEuuCov ; ji ≠ Avtokorelacija je najpogosteje prisotna v modelih, ki jih preverjamo na podlagi časovnih vrst. Avtokorelacija je lahko pozitivna ali negativna (ibid., 190) V okviru avtokorelacije za dane primere bomo izvedli grafično analizo in Durbin – Watsonov test. Glede na to, da zaradi narave naših podatkov pričakujemo določeno stopnjo avtokorelacije v naših modelih, bomo tudi prikazali metodo odpravljanja avtokorelacije. 5.7.1 Grafična analiza posameznih modelov za primer ZDA

Najprej bomo možnost avtokorelacije preverili v razsevnem diagramu, kjer so prikazane napake et v odvisnosti od napak et-1 v predhodnem obdobju.

61

Slika 22: Avtokorelacija – razsevni grafikon linearnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo

Vir: Soritec, lasten izračun Točke so razpršene po zelo širokem intervalu, vendar pa je opazna koncentracija le-teh v drugem in četrtem intervalu. Glede na to lahko sklepamo, da je v modelu prisotna pozitivna avtokorelacija 1. reda. Slika 23: Avtokorelacija – razsevni grafikon recipročnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo

Vir: Soritec, lasten izračun Razpršenost točk je podobna kot na sliki 22, zato lahko sklepamo, da je tudi tukaj prisotna pozitivna avtokorelacija 1. reda.

62

Slika 24: Avtokorelacija – razsevni grafikon linearnega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo

Vir: Soritec, lasten izračun Kot je razvidno iz slike, je večina točk v 2. in v 4. kvadrantu, zato lahko sklepamo, da je prisotna pozitivna avtokorelacija. Slika 25: Avtokorelacija – razsevni grafikon dvojno logaritemskega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo

Vir: Soritec, lasten izračun Tudi tukaj vidimo, da je večina točk v 2. in v 4. kvadrantu, zato prav tako sklepamo , da je prisotna pozitivna avtokorelacija.

63

V nadaljevanju pa bomo prisotnost avtokorelacije v vseh modelih za primer ZDA preverili z Durbin – Watsonovim testom. Preden smo izvedli Durbin – Watsonov test smo preverili še, če je pri vseh modelih slučajna spremenljivka ut normalno porazdeljena. To je namreč ena izmed predpostavk, ki mora biti izpolnjena, da lahko izvedemo Durbin – Watsonov test. Vse ostale predpostavke so izpolnjene. Predpostavko o normalni porazdelitvi ut smo preverjali z Jarque – Bera testom. Izračun tega testa je prikazan za vse modele v prilogi. Na osnovi tega testa smo ugotovili, da je pri treh modelih predpostavka o normalni porazdelitvi ut izpolnjena, tako da za ugotavljanje avtokorelacije lahko uporabimo Durbin – Watsonov test. Pri linearnem modelu povezave med inflacijo in brezposelnostjo pa ta predpostavka ni izpolnjena. Vendar bomo tudi pri tem modelu avtokorelacijo preverjali z Durbin – Watsonovim testom. To, da predpostavka o normalni porazdelitvi ut ni izpolnjena, bomo zanemarili. Omenimo še, ker predpostavka o normalni porazdelitvi ut ni izpolnjena, Durbin – Watsonov test pri tem modelu ni tako zanesljiv. 5.7.2 Inflacija in brezposelnost

Za vsak model bomo najprej izvedli osnovno regresijo in iz te ocene odčitali vrednost d (DW) statistike. Če je v modelu prisotna avtokorelacija, jo bomo odpravili. Linearni model povezave med inflacijo in brezposelnostjo Soritec 14: Izpis osnovne regresije in prikaz vrednosti Durbin – Watsonovega testa v izpisu regresije za linearni model povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> on residual 7> regress razl u REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.76697 0.898432 4.19282 0.000 U -0.635518 0.148582 -4.27723 0.000 Equation Summary No. of Observations = 46 R2= 0.2937 (adj)= 0.2776 Sum of Sq. Resid. = 90.9042 Std. Error of Reg.= 1.43736 Log(likelihood) = -80.9380 Durbin-Watson = 1.47460 Schwarz Criterion = -84.7666 F ( 1, 44) = 18.2947 Akaike Criterion = -82.9380 Significance = 0.000100 Residual Analysis

64

Sum of Residuals = 0.666134E-15 Sum of Sq. Residuals = 90.9042 Mean Absolute Error = 0.999281 Root Mean Sq. Error = 1.40577 Residual Kurtosis = 4.47297 Residual Skewness = 1.20698 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 9.12 0.075166 4 0.058064 8th Order 18.99 -0.234644 8 0.014938 12th Order 22.26 -0.184685 12 0.034698 16th Order 22.85 0.098274 16 0.117785 20th Order 24.72 -0.010087 20 0.212294 24th Order 26.60 -0.090118 24 0.323456 Durbin-Watson ( 0 gaps) = 1.474603 Durbin-Watson(4) = 1.827139 Durbin-Watson(12) = 2.192284 Residual Distribution 23% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 0.00 Between -1 and -2 Std Devs 8.70 Between 0 and -1 Std Devs 54.35 Between 0 and 1 Std Devs 21.74 Between 1 and 2 Std Devs 8.70 Between 2 and 3 Std Devs 4.35 Greater than +3 Std Devs 2.17 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 15 KS ( 45) 0.1779 Expected runs 22.4348 Signif. at approx. 0.095 Difference -7.4348 Variance 9.7337 Chi-square quintile test: Std. Dev. 3.1199 X**2 (4) 8.5652 U statistic -2.2228 Significance 0.0729 Significance 0.0262 (approx) Number of Durbin-Watson statistics: residuals DW 1.4746 Negative 29 DW(4) 1.8271 Positive 17 DW(12) 2.1923 Vir: Lasten izračun Iz osnovne regresije torej lahko odčitamo izračun Durbin – Watsanovega testa. To smo na izpisu označili z rdečo barvo. d = DW = 1,474603

65

Ničelna domneva in alternativna domneva: 0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

n = 46 k´= 1

05,0=α dL = 1,475 dU = 1,566 Testna statisitka d se nahaja na intervalu: 0 < d = 1,474603 < dL = 1,475 0 < d < dL Zavrnemo ničelno domnevo, da ni pozitivne avtokorelacije 1. reda. V modelu je torej prisotna pozitivna avtokorelacija 1. reda. V nadaljevanju sledi postopek za odpravo avtokorelacije, ki temelji na transformaciji osnovnega modela in spremenljivk10. Odpravljanje avtokorelacije poteka s pomočjo izračuna vrednosti transformacijskega koeficienta ρ . Nato model s pomočjo tega koeficienta transformiramo.

****)()()1(

21

11211

ttt

tttttt

uURAZLuuUURAZLRAZL

++=−+−+−=− −−−

ββρρβρβρ

(15)

Mi bomo transformirane spremenljivke izrazili takole:

)1(*)1(*

−−=−−=

uuturazlrazltrazl

ρρ

(16)

Soritec 15: Pomožna regresija za izračun koeficienta ρ 10> recover e resid 11> use 1962 2006 12> e1=e(-1) 13> regress(origin) e e1 REGRESS : dependent variable is E Using 1962-2006 Variable Coefficient Std Err T-stat Signf E1 0.259578 0.146494 1.77194 0.083 Equation Summary No. of Observations = 45 R2= 0.0666 (adj)= 0.0454

10 Odpravljanje avtokorelacije povzeto po Pfajfar (2000, 205)

66

Sum of Sq. Resid. = 84.8087 Std. Error of Reg.= 1.38833 Log(likelihood) = -78.1113 Durbin-Watson = 1.77271 Schwarz Criterion = -80.0146 F ( 1, 44) = 3.13977 Akaike Criterion = -79.1113 Significance = 0.083330 Vir: lasten izračun Iz pomožne regresije za izračun koeficienta ρ vidimo, da je njegova vrednost

259578,0=ρ . S tem koeficientom sedaj transformiramo spremenljivke. Soritec 16: Transformiranje spremenljivk in rezultat pomožne regresije 14> trazl=razl-0.259578*razl(-1) 15> tu=u-0.259578*u(-1) 16> regress trazl tu REGRESS : dependent variable is TRAZL Using 1962-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.24795 0.806295 4.02824 0.001 TU -0.741916 0.180080 -4.11991 0.000 Equation Summary No. of Observations = 45 R2= 0.2830 (adj)= 0.2663 Sum of Sq. Resid. = 84.1257 Std. Error of Reg.= 1.39872 Log(likelihood) = -77.9293 Durbin-Watson = 1.73098 Schwarz Criterion = -81.7360 F ( 1, 43) = 16.9737 Akaike Criterion = -79.9293 Significance = 0.000169 Residual Analysis Sum of Residuals = 0.144329E-13 Sum of Sq. Residuals = 84.1257 Mean Absolute Error = 0.991585 Root Mean Sq. Error = 1.36728 Residual Kurtosis = 3.69133 Residual Skewness = 0.959007 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 5.88 0.063343 4 0.208078 8th Order 13.59 -0.197222 8 0.093221 12th Order 17.28 -0.202322 12 0.139307 16th Order 17.98 0.119071 16 0.325202 20th Order 19.54 -0.022957 20 0.486962 24th Order 20.95 -0.080467 24 0.641669 Durbin-Watson ( 0 gaps) = 1.730977 Durbin-Watson(4) = 1.831972 Durbin-Watson(12) = 2.146005 Residual Distribution

67

24% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 0.00 Between -1 and -2 Std Devs 8.89 Between 0 and -1 Std Devs 53.33 Between 0 and 1 Std Devs 22.22 Between 1 and 2 Std Devs 11.11 Between 2 and 3 Std Devs 4.44 Greater than +3 Std Devs 0.00 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 21 KS ( 44) 0.1926 Expected runs 22.1556 Signif. at approx. 0.061 Difference -1.1556 Variance 9.6910 Chi-square quintile test: Std. Dev. 3.1130 X**2 (4) 12.4444 U statistic -0.2106 Significance 0.0143 Significance 0.8332 (approx) Number of Durbin-Watson statistics: residuals DW 1.7310 Negative 28 DW(4) 1.8320 Positive 17 DW(12) 2.1460 Vir: Lasten izračun Dobili smo naslednji transformiran model:

tt TUTRAZL *741916,024795,3´ −= Sedaj moramo preveriti domneve in ugotoviti, ali smo odpravili avtokorelacijo.

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

d = DW = 1,730977 n = 45 k´= 1

05,0=α dL = 1,475 4 – dL = 2,525 dU = 1,566 4 – dU = 2,434 Testna statisitka d se nahaja na intervalu: dU = 1,566 < d = DW = 1,730977 < 4 – dU = 2,434 dU < d < 4-dU

68

Glede na odločitvena pravila ne zavrnemo ničelne domneve, da avtokorelacije 1. reda ni. Naše transformiranje je bilo torej uspešno. S transformacijo modela smo uspeli povečati Durbin – Watsonovo d statistiko do te mere, da avtokorelacija 1. reda ni več prisotna. Recipročni model povezave med inflacijo in brezposelnostjo Durbin – Watsonov test bomo izvedli po enakem postopku, kot pri prvem modelu, le da bomo pisali samo rezultate. Izpis osnovne regresije recipročnega modela, ki prikazuje povezavo med brezposelnostjo in inflacijo, je v prikazu Soritec 2. Iz njega lahko razberemo podatke, potrebne za pripravo DW testa. d = DW = 1,45529 Ničelna domneva in alternativna domneva:

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

n = 46 k´= 1

05,0=α dL = 1,475 dU = 1,566 Testna statisitka d se nahaja na intervalu: 0 < d = 1,45529 < dL = 1,475 0 < d < dL Zavrnemo ničelno domnevo, da ni pozitivne avtokorelacije 1. reda. V modelu je torej prisotna pozitivna avtokorelacija 1. reda. V nadaljevanju sledi postopek za odpravo avtokorelacije, ki temelji na transformaciji osnovnega modela in spremenljivk. Izpeljemo nove spremenljivke, ki predstavljajo transformirane spremenljivke osnovnega modela. S pomočjo pomožne regresije med ostanki osnovne regresije in njihovim odklonom za t-1 najprej izračunamo koeficient ρ . S pomočjo le-tega pa nato transformiramo regresijski model in izvedemo regresijo. Soritec 17: Odpravljanje avtokorelacije pri recipročnem modelu 8> recover e resid 9> use 1962 2006 10> e1=e(-1) 11> regress(origin) e e1 REGRESS : dependent variable is E

69

Using 1962-2006 Variable Coefficient Std Err T-stat Signf E1 0.270474 0.145683 1.85660 0.070 Equation Summary No. of Observations = 45 R2= 0.0726 (adj)= 0.0516 Sum of Sq. Resid. = 95.7041 Std. Error of Reg.= 1.47482 Log(likelihood) = -80.8307 Durbin-Watson = 1.73798 Schwarz Criterion = -82.7340 F ( 1, 44) = 3.44696 Akaike Criterion = -81.8307 Significance = 0.070071 12> trazl=razl-0.270474*razl(-1) 13> tu1=u1-0.270474*u1(-1) 14> regress trazl tu1 REGRESS : dependent variable is TRAZL Using 1962-2006 Variable Coefficient Std Err T-stat Signf ^CONST -2.65477 0.880676 -3.01447 0.004 TU1 20.3454 6.43801 3.16021 0.003

Equation Summary No. of Observations = 45 R2= 0.1885 (adj)= 0.1696 Sum of Sq. Resid. = 95.1575 Std. Error of Reg.= 1.48760 Log(likelihood) = -80.7018 Durbin-Watson = 1.70913 Schwarz Criterion = -84.5085 F ( 1, 43) = 9.98690 Akaike Criterion = -82.7018 Significance = 0.002886 Vir: Lasten izračun Dobili smo naslednji transformiran model:

tt TUTRAZL *3454,2065477,2´ +−= Sedaj moramo preveriti domneve in ugotoviti, ali smo odpravili avtokorelacijo.

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

d = DW = 1,70913 n = 45

70

k´= 1 05,0=α

dL = 1,475 4 – dL = 2,525 dU = 1,566 4 – dU = 2,434 Testna statistika d se nahaja na intervalu: dU = 1,566 < d = DW = 1,70913 < 4 – dU = 2,434 dU < d < 4-dU Ničelne domneve, da ni avtokorelacije, pri stopnji značilnosti 05,0=α ne zavrnemo. Naše transformiranje je bilo torej uspešno. S transformacijo modela smo uspeli povečati Durbin – Watsonovo d statistiko do te mere, da avtokorelacija 1. reda ni več prisotna. 5.7.3 Realne plače in produktivnost dela

Linearni model povezave med realnimi plačami in produktivnostjo dela Durbin – Watsonov test bomo izvedli po enakem postopku, kot pri prvem modelu, le da bomo pisali samo rezultate. Izpis osnovne regresije linearnega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela, je v prikazu Soritec 3. Iz njega lahko razberemo podatke, potrebne za pripravo DW testa. d = DW = 0,18072 Vidimo, da je d statistika zelo nizka in je tudi že iz grafa bilo razvidno, da je v modelu prisotna pozitivna avtokorelacija. Ničelna domneva in alternativna domneva:

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

n = 46 k´= 1

05,0=α dL = 1,475 dU = 1,566 Testna statisitka d se nahaja na intervalu: 0 < d = 0,18072 < dL = 1,475 0 < d < dL Zavrnemo ničelno domnevo, da ni pozitivne avtokorelacije 1. reda. V modelu je torej prisotna pozitivna avtokorelacija 1. reda. V nadaljevanju sledi postopek za odpravo avtokorelacije, ki temelji na transformaciji osnovnega modela in spremenljivk.

71

Izpeljemo nove spremenljivke, ki predstavljajo transformirane spremenljivke osnovnega modela. S pomočjo pomožne regresije med ostanki osnovne regresije in njihovim odklonom za t-1 najprej izračunamo koeficient ρ . S pomočjo le-tega pa nato transformiramo regresijski model in izvedemo regresijo. Soritec 18: Odpravljanje avtokorelacije pri linearnem modelu povezave med realnimi plačami in produktivnostjo dela 8> recover e resid 9> use 1962 2006 10> e1=e(-1) 11> regress(origin) e e1 REGRESS : dependent variable is E Using 1962-2006 Variable Coefficient Std Err T-stat Signf E1 0.873603 0.623434E-01 14.0128 0.000 Equation Summary No. of Observations = 45 R2= 0.8169 (adj)= 0.8128 Sum of Sq. Resid. = 40.1088 Std. Error of Reg.= 0.954758 Log(likelihood) = -61.2632 Durbin-Watson = 1.49169 Schwarz Criterion = -63.1665 F ( 1, 44) = 196.358 Akaike Criterion = -62.2632 Significance = 0.000000 12> trwage=rwage-0.873603*rwage(-1) 13> tprod=prod-0.873603*prod(-1) 14> regress trwage tprod REGRESS : dependent variable is TRWAGE Using 1962-2006 Variable Coefficient Std Err T-stat Signf ^CONST 5.57464 0.531363 10.4912 0.000 TPROD 0.562663 0.398299E-01 14.1266 0.000 Equation Summary No. of Observations = 45 R2= 0.8227 (adj)= 0.8186 Sum of Sq. Resid. = 36.4100 Std. Error of Reg.= 0.920187 Log(likelihood) = -59.0863 Durbin-Watson = 1.60461 Schwarz Criterion = -62.8930 F ( 1, 43) = 199.562 Akaike Criterion = -61.0863 Significance = 0.000000 Vir: Lasten izračun

72

Dobili smo naslednji transformiran model:

tt TPRODTRWAGE *562663,057464,5´ += Sedaj moramo preveriti domneve in ugotoviti, ali smo odpravili avtokorelacijo.

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

d = DW = 1,60461 n = 45 k´= 1

05,0=α dL = 1,475 4 – dL = 2,525 dU = 1,566 4 – dU = 2,434 Testna statistika d se nahaja na intervalu: dU = 1,566 < d = DW = 1,60461 < 4 – dU = 2,434 dU < d < 4-dU Ničelne domneve, da ni avtokorelacije, pri stopnji značilnosti 05,0=α ne zavrnemo. Naše transformiranje je bilo torej uspešno. S transformacijo modela smo uspeli povečati Durbin – Watsonovo d statistiko do te mere, da avtokorelacija 1. reda ni več prisotna. Dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela Durbin – Watsonov test bomo izvedli po enakem postopku, kot pri prvem modelu, le da bomo pisali samo rezultate. Izpis osnovne regresije dvojno logaritemskega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela, je v prikazu Soritec 4. Iz njega lahko razberemo podatke, potrebne za pripravo DW testa. d = DW = 0,21959 Vidimo, da je d statistika zelo nizka in je tudi že iz grafa bilo razvidno, da je v modelu prisotna pozitivna avtokorelacija. Ničelna domneva in alternativna domneva:

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

n = 46 k´= 1

73

05,0=α dL = 1,475 dU = 1,566 Testna statisitka d se nahaja na intervalu: 0 < d = 0,21959 < dL = 1,475 0 < d < dL Zavrnemo ničelno domnevo, da ni pozitivne avtokorelacije 1. reda. V modelu je torej prisotna pozitivna avtokorelacija 1. reda. V nadaljevanju sledi postopek za odpravo avtokorelacije, ki temelji na transformaciji osnovnega modela in spremenljivk. Izpeljemo nove spremenljivke, ki predstavljajo transformirane spremenljivke osnovnega modela. S pomočjo pomožne regresije med ostanki osnovne regresije in njihovim odklonom za t-1 najprej izračunamo koeficient ρ . S pomočjo le-tega pa nato transformiramo regresijski model in izvedemo regresijo. Soritec 19: Odpravljanje avtokorelacije pri dvojno logaritemskem modelu 9> recover e resid 10> use 1962 2006 11> e1=e(-1) 12> regress(origin) e e1 REGRESS : dependent variable is E Using 1962-2006 Variable Coefficient Std Err T-stat Signf E1 0.861878 0.679031E-01 12.6927 0.000 Equation Summary No. of Observations = 45 R2= 0.7855 (adj)= 0.7806 Sum of Sq. Resid. = 0.433139E-02 Std. Error of Reg.= 0.992173E-02 Log(likelihood) = 144.240 Durbin-Watson = 1.61586 Schwarz Criterion = 142.336 F ( 1, 44) = 161.106 Akaike Criterion = 143.240 Significance = 0.000000 13> trwage=rwage-0.861878*rwage(-1) 14> tprod=prod-0.861878*prod(-1) 15> regress log(trwage) log(tprod) REGRESS : dependent variable is LN(TRWAGE) Using 1962-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.13899 0.987170E-01 11.5380 0.000 LN(TPROD) 0.569414 0.377999E-01 15.0639 0.000

74

Equation Summary No. of Observations = 45 R2= 0.8407 (adj)= 0.8370 Sum of Sq. Resid. = 0.181273 Std. Error of Reg.= 0.649281E-01 Log(likelihood) = 60.2220 Durbin-Watson = 1.64599 Schwarz Criterion = 56.4154 F ( 1, 43) = 226.920 Akaike Criterion = 58.2220 Significance = 0.000000 Vir: Lasten izračun Dobili smo naslednji transformiran model:

tt TPRODTRWAGE log*569414,013899,1´log += Sedaj moramo preveriti domneve in ugotoviti, ali smo odpravili avtokorelacijo.

0:0 =ρH ni avtokorelacije 0:1 ≠ρH je avtokorelacija

d = DW = 1,64599 n = 45 k´= 1

05,0=α dL = 1,475 4 – dL = 2,525 dU = 1,566 4 – dU = 2,434 Testna statistika d se nahaja na intervalu: dU = 1,566 < d = DW = 1,64599 < 4 – dU = 2,434 dU < d < 4-dU Ničelne domneve, da ni avtokorelacije, pri stopnji značilnosti 05,0=α ne zavrnemo. Naše transformiranje je bilo torej uspešno. S transformacijo modela smo uspeli povečati Durbin – Watsonovo d statistiko do te mere, da avtokorelacija 1. reda ni več prisotna. V vseh modelih za primer ZDA je bila torej prisotna pozitivna avtokorelacija 1. reda, ki pa smo jo s transformiranjem modelov tudi uspešno odpravili pri vseh modelih. 5.8 Chowov test

S pomočjo Chowovega testa bomo skušali ugotoviti, ali so v naših serijah strukturne spremembe skozi čas. V osnovi gre za to, da testiramo, koliko bi se razlikovale regresije, če bi celotno opazovano obdobje razdelili v več krajših obdobij in izvedli regresijo modelov na le-teh (Gujarati 2003, 273).

75

Naš vzorec bomo razdelili na dva podobdobja, tako bomo imeli prvo podobdobje od 1961 do 1981 ter drugo podobdobje od 1982 do 2006. Ta obdobja smo izbrali zato, da smo v prvem obdobju zajeli dve večji recesiji v ZDA. S tem testom bomo hkrati dobili tudi odgovor na vprašanje, ali je prišlo do kakšnih strukturnih sprememb diference inflacije in realnih plač v ZDA. Test bomo izvedli tako, da bomo najprej ocenili model za celotno obdobje, nato pa bomo ocenili še modela za posamezna podobdobja. Iz vsake regresije bomo izpisali nepojasnjeno vstoto kvadratov (NVK). Za testiranje domnev bomo nato uporabili F-statistiko v obliki (Pfajfar 2000, 101):

knnNVKNVK

kNVKNVKNVK

F

221

21

21

−++

−−

= (17)

5.8.1 Inflacija in brezposelnost

Chowov test bomo opravili samo za linearni model, ki prikazuje povezavo med inflacijo in brezposelnostjo. Za ta model smo se odločili, ker ima večji determinacijski koeficient kot recipročni model. Linearni model povezave med inflacijo in brezposelnostjo Najprej ocenimo osnovni regresijski model za celotno obdobje, nato pa za vsako podobdobje posebej. Iz vseh izpišemo NVK. Soritec 20: Izpis osnovne regresije in NVK pri linearnem modelu povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> regress razl u REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.76697 0.898432 4.19282 0.000 U -0.635518 0.148582 -4.27723 0.000 Equation Summary No. of Observations = 46 R2= 0.2937 (adj)= 0.2776 Sum of Sq. Resid. = 90.9042 Std. Error of Reg.= 1.43736 Log(likelihood) = -80.9380 Durbin-Watson = 1.47460 Schwarz Criterion = -84.7666 F ( 1, 44) = 18.2947

76

Akaike Criterion = -82.9380 Significance = 0.000100 7> recover nvk ssr 8> print nvk Constant NVK = 90.9042 Vir: Lasten izračun Za celotno obdobje smo dobili naslednji regresijski model:

tt URAZL *635518,076697,3´ −= 9042,90=NVK n = 46

Soritec 21: Izpis regresije in NVK za prvo podobdobje 9> use 1961 1981 10> regress razl u REGRESS : dependent variable is RAZL Using 1961-1981 Variable Coefficient Std Err T-stat Signf ^CONST 3.96903 1.72112 2.30608 0.033 U -0.627621 0.294853 -2.12859 0.047 Equation Summary No. of Observations = 21 R2= 0.1926 (adj)= 0.1501 Sum of Sq. Resid. = 66.1770 Std. Error of Reg.= 1.86628 Log(likelihood) = -41.8497 Durbin-Watson = 1.44256 Schwarz Criterion = -44.8942 F ( 1, 19) = 4.53089 Akaike Criterion = -43.8497 Significance = 0.046593 11> recover nvk1 ssr 12> print nvk1 Constant NVK1 = 66.1770 Vir: Lasten izračun Za prvo podobdobje smo dobili naslednji regresijski model:

11 *627621,096903,3´ tt URAZL −= 1770,661 =NVK n = 21

Soritec 22: Izpis regresije in NVK za drugo podobdobje 13> use 1982 2006 14> regress razl u

77

REGRESS : dependent variable is RAZL Using 1982-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.36901 0.850110 3.96303 0.001 U -0.604003 0.136734 -4.41736 0.000 Equation Summary No. of Observations = 25 R2= 0.4590 (adj)= 0.4355 Sum of Sq. Resid. = 22.3186 Std. Error of Reg.= 0.985075 Log(likelihood) = -34.0553 Durbin-Watson = 1.75340 Schwarz Criterion = -37.2741 F ( 1, 23) = 19.5131 Akaike Criterion = -36.0553 Significance = 0.000199 15> recover nvk2 ssr 16> print nvk2 Constant NVK2 = 22.3186 Vir: Lasten izračun Za drugo podobdobje smo dobili naslednji regresijski model:

22 *604003,036901,3´ tt URAZL −= 3186,222 =NVK n = 25

Soritec 23: Izračun F-statistike 17> set n1=21 18> set n2=25 19> use 1961 2006 20> f=((nvk-nvk1-nvk2)/2)/((nvk1+nvk2)/(n1+n2-4)) 21> print f F 1961 0.571559 Vir: Lasten izračun Postavimo ničelno in alternativno hipotezo: H0 : Regresiji sta statistično značilno enaki H1 : Regresiji nista statistično značilno enaki F = 0,571559 18,5)42,2()2(,( 21

==−+ cknnkc FF 01,0=α

cFF <

78

Ničelne hipoteze pri stopnji značilnosti 01,0=α ne moremo zavrniti, zato sprejmemo sklep, da diferenca stopnje inflacije v ZDA v izbranem obdobju ni bila podvržena strukturnim spremembam. Diferenca stopnje inflacije na osnovi naše funkcije se med obdobjema ne razlikuje. Test ni pokazal statistične značilne razlike med modeloma. Kljub temu si pobližje poglejmo oba modela: Za prvo podobdobje (1961 – 1981) smo dobili naslednji regresijski model:

11 *627621,096903,3´ tt URAZL −= R2 = 0,1926 Za drugo podobdobje (1982 – 2006) smo dobili naslednji regresijski model:

22 *604003,036901,3´ tt URAZL −= R2 = 0,4590 Če pogledamo regresijske koeficiente, vidimo, da se modela med sabo ne razlikujeta. Konstanta je pri obeh podobdobjih pozitivna in ima približno enako vrednost. Predznaka pri stopnji brezposelnosti sta pri obeh podobdobjih negativna in sta v skladu z ekonomsko teorijo. Prav tako vidimo, da imata regresijska koeficienta pri pojasnjevalni spremenljivki U približno enako vrednost (-0,627621 in -0,604003). Determinacijski koeficient je dosti višji v drugem podobdobju. Stopnja brezposelnosti je v drugem podobdobju imela pomembnejši vpliv na diferenco stopnje inflacije, kot pa v prvem podobdobju. Povezava med spremenljivka je v drugem podobdobju močnejša, vendar je to lahko posledica naključno izbranega vzorca in ne dejanskih vrednosti. Chowov test nam je pokazal, da razmerje med diferenco stopnje inflacije in stopnjo brezposelnosti v izbranem obdobju ni bilo podvrženo strukturnim spremembam, razmerje se torej med podobdobjema ni razlikovalo. 5.8.2 Realne plače in produktivnost dela

Chowov test bomo opravili samo za dvojno logaritemski model, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela. Za ta model smo se odločili, ker ima večji determinacijski koeficient kot linearni model. Dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela Soritec 24: Izpis osnovne regresije in NVK pri dvojno logaritemskem modelu 6> use 1961 2006 7> on autolog 8> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE)

79

Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.71281 0.557445E-01 30.7261 0.000 LN(PROD) 0.629259 0.125246E-01 50.2417 0.000 Equation Summary No. of Observations = 46 R2= 0.9829 (adj)= 0.9825 Sum of Sq. Resid. = 0.215801E-01 Std. Error of Reg.= 0.221463E-01 Log(likelihood) = 111.015 Durbin-Watson = 0.21959 Schwarz Criterion = 107.187 F ( 1, 44) = 2524.23 Akaike Criterion = 109.015 Significance = 0.000000 9> recover nvk ssr 10> print nvk Constant NVK = 0.215801E-01 Vir: Lasten izračun Za celotno podobdobje smo dobili naslednji regresijski model:

tt PRODRWAGE log*629259,071281,1´log += 0215801,0=NVK n = 46

Soritec 25: Izpis regresije in NVK za prvo podobdobje 11> use 1961 1981 12> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE) Using 1961-1981 Variable Coefficient Std Err T-stat Signf ^CONST 1.03480 0.674961E-01 15.3313 0.000 LN(PROD) 0.791573 0.160230E-01 49.4024 0.000 Equation Summary No. of Observations = 21 R2= 0.9923 (adj)= 0.9919 Sum of Sq. Resid. = 0.208821E-02 Std. Error of Reg.= 0.104836E-01 Log(likelihood) = 66.9700 Durbin-Watson = 0.62861 Schwarz Criterion = 63.9254 F ( 1, 19) = 2440.60 Akaike Criterion = 64.9700 Significance = 0.000000 13> recover nvk1 ssr 14> print nvk1

80

Constant NVK1 = 0.208821E-02 Vir: Lasten izračun Za prvo podobdobje smo dobili naslednji regresijski model:

11 log*791573,003480,1´log tt PRODRWAGE += 00208821,01 =NVK n = 21

Soritec 26: Izpis regresije in NVK za drugo podobdobje 15> use 1982 2006 16> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE) Using 1982-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.87408 0.996558E-01 18.8055 0.000 LN(PROD) 0.593528 0.214704E-01 27.6441 0.000 Equation Summary No. of Observations = 25 R2= 0.9708 (adj)= 0.9695 Sum of Sq. Resid. = 0.634757E-02 Std. Error of Reg.= 0.166127E-01 Log(likelihood) = 68.0085 Durbin-Watson = 0.48362 Schwarz Criterion = 64.7896 F ( 1, 23) = 764.194 Akaike Criterion = 66.0085 Significance = 0.000000 17> recover nvk2 ssr 18> print nvk2 Constant NVK2 = 0.634757E-02 Vir: Lasten izračun Za drugo podobdobje smo dobili naslednji regresijski model:

22 log*593528,087408,1´log tt PRODRWAGE += 00634757,02 =NVK n = 25

Soritec 27: Iračun F-statistike 19> set n1=21 20> set n2=25 21> use 1961 2006 22> f=((nvk-nvk1-nvk2)/2)/((nvk1+nvk2)/(n1+n2-4)) 23> print f F

81

1961 32.7214 Vir: Lasten izračun Postavimo ničelno in alternativno hipotezo: H0 : Regresiji sta statistično značilno enaki H1 : Regresiji nista statistično značilno enaki F = 32,7214 18,5)42,2()2(,( 21

==−+ cknnkc FF 01,0=α

cFF > Ničelno hipotezo lahko pri stopnji značilnosti 01,0=α zavrnemo in sprejmemo sklep, da so bila realna urna nadomestila v ZDA v izbranem obdobju podvržena strukturnim spremembam. Realna urna nadomestila se na osnovi naše funkcije med obdobjema razlikujejo. Pobližje si oglejmo še modela za obe podobdobji: Za prvo podobdobje (1961 – 1981) smo dobili naslednji regresijski model:

11 log*791573,003480,1´log tt PRODRWAGE += R2 = 0,9923 Za drugo podobdobje (1982 – 2006) smo dobili naslednji regresijski model:

22 log*593528,087408,1´log tt PRODRWAGE += R2 = 0,9708 Vidimo, da se modela med sabo nekoliko razlikujeta. Konstanta je nekoliko višja v drugem podobdobju. V prvem podobdobju pa je vrednost regresijskega koeficienta pri pojasnjevalni spremenljivki PROD višja kot v drugem podobdobju. Determinacijski koeficient je prav tako višji v prvem podobdobju kot v drugem. V prvem podobdobju je torej opazna višja odvisnost realnih urnih nadomestil od produktivnosti dela. Chowov test nam je pokazal, da je bilo razmerje med realnimi urnimi nadomestili in produktivnostjo dela v izbranem obdobju podvrženo strukturnim spremembam, razmerje se je torej med podobdobjema razlikovalo. To je razvidno tudi iz gibanj produktivnosti in realnih urnih nadomestil v ZDA. Videli smo, da so v obdobju 1950 – 1973 realna urna nadomestila in produktivnost dela rasli po približno isti stopnji. Po letu 1973 pa se je produktivnost upočasnila. Takrat je tudi prišlo do prve večje vrzeli med njima. Po tem letu so bile vrzeli med produktivnostjo dela in realnimi urnimi nadomestili večje in daljše. Bilo jih je tudi več. Ko se je produktivnost upočasnila se je rast realnih urnih nadomestil še bolj upočasnila kot rast produktivnosti. To se je pokazalo predvsem po letu 1987. Do vrzeli med produktivnostjo dela in realnimi urnimi nadomestili je ponavadi prišlo med ali po recesijah. Vrzeli med realnimi urnimi nadomestili in produktivnostjo so vidne na sliki 17. Iz nje je tudi razvidno, da je nekje po letu 1980 teh vrzeli več, prav tako so te vrzeli daljše. Videli smo, da se je zaostajanje

82

realnih urnih nadomestil za produktivnostjo videlo zlasti sredi devetdesetih let pa tudi nekje po letu 2001. To je razvidno tudi iz naših modelov za posamezna podobdobja. V prvem podobdobju ima namreč produktivnost večjo vplivnost na realna urna nadomestila kot v drugem obdobju. V obeh podobdobjih pa je razvidno, da med produktivnostjo dela in realnimi urnimi nadomestili obstaja pozitivna povezava, kot to pravi teorija.

83

6 SKLEP

Inflacija in brezposelnost se pojavljata kot osnovna gospodarska problema v vseh razvitih državah. Eden izmed najpomembnejših ciljev vlad je prav njuno odpravljanje. Države si prizadevajo, da bi imele čim nižjo stopnjo inflacije ter čim nižjo stopnjo brezposelnosti. Seveda se je v preteklosti in se še tudi danes poraja vprašanja, ali obstaja povezava med inflacijo in brezposelnostjo. Ekonomisti so na tem področju izvedli mnogo raziskav. Eden izmed prvih, ki je ugotavljal to razmerje, je bil A. W. Phillips. Ugotovil je, da obstaja inverzno razmerje med stopnjo rasti plač in stopnjo brezposelnosti. Kasnejše razprave so se običajno nanašale na podobno inverzno razmerje med stopnjo inflacije in stopnjo brezposelnosti. Takšno razmerje so poimenovali Phillipsova krivulja. Ta je nastala kot empirična ugotovitev o obratnem gibanju stopnje inflacije in stopnje brezposelnosti. Ekonomska politika se je tako lahko odločala med nižjo stopnjo brezposelnosti in visoko stopnjo inflacije in obratno. Vendar se je sčasoma izkazalo, da takšna poveznost ni stabilna na dolgi rok. Eno izmed ključnih vprašanj ekonomske politike je tudi razmerje med plačami in produktivnostjo dela. Pomembno naj bi bilo predvsem z vidika stroškovne konkurenčnosti, cenovne stabilnosti, zaposelnosti in investiranja ter delitvenih razmerij (Ekonomski izzivi 2007, 88). Produktivnost dela in plače naj bi bile tesno povezane. Ko produktivnost dela raste, takrat naj bi rasle tudi realne plače. Razmerje med realnimi plačami in produktivnostjo dela bi torej naj bilo pozitivno. Visoka rast produktivnosti pa pomaga tudi pri ohranjanju inflacije na nizki ravni. Zaslužki oziroma plače so seveda pomembne za življenje vsakega delavca, zato si seveda želijo čim višjih plač. Višje kot so plače, večje bo zadovoljstvo delavcev. Vendar vemo, če plače rastejo prehitro in rastejo hitreje kot produktivnost dela, ustvarjajo pritisk na inflacijo. Zato je razmerje med realnimi plačami in produktivnostjo dela tudi eno izmed ključnih vprašanj ekonomske politike. Namen diplomskega dela je bil dvojen:

• Predstaviti teoretično povezavo med inflacijo in brezposelnostjo ter teoretično povezavo med realnimi plačami in produktivnostjo dela.

• Analizirati povezavo med inflacijo in brezposelnostjo ter povezavo med realnimi plačami in produktivnostjo dela za primer ZDA. Analiza je potekala ob večfazni analizi ekonometričnih regresijskih modelov.

Diplomsko delo je razdeljeno na tri dele oziroma na šest poglavij. V prvem delu (v 2. poglavju) smo opisali gibanje inflacije, brezposelnosti, realnih plač in produktivnosti dela v ZDA v obdobju 1961 – 2006. To je obdobje, ki smo ga kasneje analizirali. Najprej smo v tem delu opisali, kako so se te štiri spremenljivke gibale oziroma, kaj se je v ameriškem gopodarstvu dogajalo v obdobju 1960 – 1995. Ameriško gospodarstvo je v tem obdobju doživelo kar dve večji recesiji, ki sta imeli za posledice visoko stopnjo inflacije in brezposelnosti ter močno upočasnitev produktivnosti. Okrevanje je bili dolgotrajno. V nadaljevanju prvega dela diplome smo podrobno opisali gibanje vsake posamezne spremenljivke v obdobju 1995 – 2006.

84

V drugem delu naloge (v 3. in 4. poglavju) smo predstavili teoretično povezavo med inflacijo in brezposelnostjo ter teoretično povezavo med realnimi plačami in produktivnostjo dela. V tretjem poglavju smo torej najprej predstavili teoretično povezavo med inflacijo in brezposelnostjo. Ugotovili smo, da je bila ta povezava predmet mnogih raziskav. Ekonomska teorija pravi, da med stopnjo inflacije in stopnjo brezposelnosti obstaja inverzno razmerje. To razmerje imenujemo Phillipsova krivulja. Vendar na dolgi rok to razmerje ni stabilno. V tem poglavju smo nato oblikovali dva modela, ki prikazujeta povezavo med diferenco stopnje inflacije in stopnjo brezposelnosti, in sicer linearni in recipročni model z eno pojasnjevalno spremenljivko. V četrtem poglavju pa smo predstavili teoretično povezavo med realnimi plačami in produktivnostjo dela. Ekonomska teorija pravi, da je razmerje med realnimi plačami in produktivnostjo dela pozitivno. Oblikovali smo dva modela, ki prikazujeta to povezavo, in sicer linearni in dvojno logaritemski model z eno pojasnjevalno spremenljivko. V drugem delu diplome smo torej oblikovali štiri modele, ki smo jih razdelili na dva sklopa, in sicer sklop modelov, ki prikazujeta povezavo med inflacijo in brezposelnostjo ter sklop modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela. V tretjem delu diplomskega dela smo izvedli ekonometrično analizo teh štirih modelov. Vsak posamezni model smo ocenili z Metodo Najmanjših Kvadratov, in sicer z računalniškim programom Soritec Sampler. Najprej smo ocenili prvi sklop modelov, ki prikazujeta povezavo med inflacijo in brezposelnostjo. Prvi model je linearen drugi pa recipročen. Kot odvisno spremenljivko smo v obeh modelih uporabili diferenco stopnje inflacije. Pojasnjevalna spremenljivka pri linearnem modelu je stopnja brezposelnosti, pri recipročnem modelu pa recipročna vrednost stopnje brezposelnosti. Pri obeh modelih so predznaki regresijskih koeficientov v skladu z ekonomsko teorijo. Če se stopnja brezposelnosti v ZDA poveča, se bo diferenca stopnje inflacije znižala. Vendar je vrednost determinacijskega koeficienta pri obeh modelih nizka. Modela kot takšna ne razložita zadovojivo vpliv brezposelnosti na diferenco stopnje inflacije v ZDA. Na diferenco stopnje inflacije v ZDA torej pomembneje vplivajo drugi dejavniki, ki jih v modela nismo vključili. Povezava med stopnjo brezposelnosti in diferenco stopnje inflacije v ZDA sicer obstaja in je tudi negativna, vendar pa ta povezava ni tako visoka. Naša ocenjena modela, ki prikazujeta povezavo med inflacijo in brezposelnostjo, lahko primerjamo z ugotovitvami Gujaratija. Gujarati je ocenjeval obdobje med leti 1960 – 1998. Kot je pričakoval, so rezultati njegove analize pokazali, da je razmerje med diferenco stopnje inflacije in stopnjo brezposelnosti negativno. Če primerjamo naše rezultate z njegovimi, vidimo, da smo pri regresijskih koeficietnih dobili enake predznake kot Gujarati. Tudi ostali rezultati so si podobni, le determinacijski koeficient je pri Gujaratiju za malenkost višji kot pri naših modelih. Gujarati je prav tako ugotovil, da je determinacijski koeficient višji pri linearnem modelu kot pa pri recipročnem. Takšne rezultate smo dobili tudi mi.

85

Nadalje smo ocenili drugi sklop modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela. Prvi model je linearni, drugi pa dvojno logaritemski. Kot odvisno spremenljivko smo v obeh modelih uporabili indeks realnih urnih nadomestil (1992 = 100), kot pojasnjevalno spremenljivko pa smo uporabili indeks produktivnosti dela izražen kot BDP (output) na uro dela (1992 = 100). Predznaki regresijskih koeficientov so pri obeh modelih v skladu z ekonomsko teorijo. Če se torej produktivnost poveča, se bodo povečale tudi realne plače. Determinacijski koeficient je pri obeh modelih zelo visok. Modela kot takšna torej zadovoljivo razlagata vpliv produktivnosti dela na realne plače v ZDA. Tudi modela, ki prikazujeta povezavo med produktivnostjo dela in realnimi plačami, lahko primerjamo z ugotovitvami Gujaratija. Gujarati je v tem primeru ocenjeval obdobje med leti 1959 – 1998. Kot je pričakoval, so rezultati analize pokazali, da je razmerje med produktivnostjo dela in realnimi plačami pozitivno. Mi smo tudi pri teh dveh modelih dobili enake predznake regresijskih koeficientov kot Gujarati. Tudi če primerjamo ostale rezultate, so si le-ti podobni (zelo visoke t-statistike, visoki determinacijski koeficient). V naših modelih je determinacijski koeficient celo nekoliko višji kot pri Gujaratiju. Nadalje smo modela v posameznem sklopu primerjali med seboj. To smo najprej naredili s primerjavo determinacijskih koeficientov. V prvem sklopu modelov, ki prikazujeta povezavo med inflacijo in brezposelnostjo, je boljši linearni model, ki ima višji determinacijski koeficient. V drugem sklopu modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela, pa smo morali najprej ocene vrednosti dvojno logaritemskega modela pretvoriti iz logaritemske oblike. Nato smo primerjali determinacijska koeficienta in ugotovili, da je boljši dvojno logaritemski model. Drugi sklop modelov smo nato primerjali tudi na bodlagi Box - Coxovega testa, kjer smo prav tako ugotovili, da je primernejši dvojno logaritemski model. V naslednji fazi tretjega dela smo testirali predpostavke izbrane Metode Najmanjših Kvadratov. Ker imamo v vseh modelih samo eno pojasnjevalno spremenljivko, prisotnosti multikolinearnosti nismo preverjali. Tako smo kot prvo predpostavko testirali prisotnost homoskedastičnosti. Ugotovili smo, da v nobenem od modelov ni prisotna heteroskedastičnost. Predpostavka o homoskedastičnosti je torej v vseh modelih izpolnjena. Nadalje smo nato testirali obstoj avtokorelacije. Ugotovili smo, da je v vseh modelih avtokorelacija prisotna. Iz vseh modelov smo nato avtokorelacijo odpravili. V zadnji fazi tretjega dela diplomske naloge smo izvedli še Chowov test. Ta nam poda informacijo o prisotnosti strukturnih sprememb v modelu kot celoti. Naše obdobje smo razdelili na dva podobdobja. Pri linearnem modelu, ki prikazuje povezavo med inflacijo in brezposelnostjo, nam je Chowov test dal rezultate, da diferenca stopnje inflacije v ZDA v izbranem obdobju ni bila podvržena strukturnim spremembam. Pri dvojno logaritemskem modelu, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela, smo dobili rezultate, da so bila realna urna nadomestila v ZDA v izbranem obdobju podvržena strukturnim spremembam. Nekateri rezultati opravljenih analiz niso čisto skladni z ekonomsko teorijo. To velja za sklop modelov, ki prikazujeta povezavo med inflacijo in brezposelnostjo. Predznaki

86

regresijskih koeficientov so sicer v skladu z ekonomsko teorijo. Diferenca stopnje inflacije in stopnja brezposelnosti sta v ZDA torej v inverznem razmerju. Vendar nam vrednost determinacijskega koeficienta pove, da na diferenco stopnje inflacije v ZDA pomembneje vplivajo drugi dejavniki, ki jih v modela nismo vključili. Za drugi sklop modelov, ki prikazujeta povezavo med realnimi plačami in produktivnostjo dela, pa lahko rečemo, da sta modela dobra. Predznaki regresijskih koeficientov so v skladu z ekonomsko teorijo, modela pa kot takšna zadovoljivo pojasnjujeta vpliv produktivnosti dela na realne plače v ZDA. Produktivnost dela je torej pomemben dejavnik, ki vpliva na realne plače v ZDA. Menimo, da je glavni namen diplomskega dela uspešno opravljen.

87

7 POVZETEK /ABSTRACT

POVZETEK V diplomskem delu smo z Metodo Najmanjših Kvadratov ocenjevali modele, ki prikazujejo povezavo med inflacijo in brezposelnostjo ter med produktivnostjo dela in realnimi plačami. Ekonometrično analizo smo naredili za primer ZDA v obdobju 1961 – 2006. V prvem delu smo opisali gibanje inflacije, brezposelnosti, produktivnosti dela in realnih plač v ZDA v obdobju 1961 – 2006. V drugem delu smo predstavili teoretično povezavo med inflacijo in brezposelnostjo ter teoretično povezavo med produktivnostjo dela in realnimi plačami. V tem delu smo predstavili tudi štiri modele. Dva modela prikazujeta povezavo med diferenco stopnje inflacije in stopnjo brezposelnosti, druga dva modela pa prikazujeta povezavo med produktivnostjo dela in realnimi plačami. V tretjem delu pa smo za primer ZDA predstavljene modele analizirali z ekonometričnimi metodami. Ugotovili smo, da je povezava med diferenco stopnje inflacije in stopnjo brezposelnosti v ZDA negativna. Vendar pa na diferenco stopnje inflacije pomembneje vplivajo drugi dejavniki in ne toliko brezposelnost. Ugotovili smo tudi, da je povezava med realnimi plačami in produktivnostjo dela v ZDA pozitivna in je v skladu z ekonomsko teorijo. Produktivnost dela je torej pomemben dejavnik, ki vpliva na realne plače v ZDA. KLJUČNE BESEDE Phillipsova krivulja, inflacija in brezposelnost, produktivnost dela in realne plače, ZDA, ekonometrija ABSTRACT In this thesis the method of Ordinary Least Squares has been used to estimate the models, which show the relation between the inflation and unemployment, and the relation between labour productivity and real wages. Econometric analysis has been made in the case of the USA in the period between 1961 – 2006. The first part of the thesis focuses on the fluctuation of the inflation, unemployment, labour productivity and real wages in the USA in this period. In the second part, a theoretic relation between the inflation and unemployment, and theoretic relation between the labour productivity and the real wages, has been presented. The four models have also been presented in this part. Two of them show the relation between the change in the inflation rate and the unemployment rate. The other two models show the relation between the labour productivity and real wages. In the third part of the thesis the presented models have been analysed with the econometric methods. It has been established that the relation between the change of the inflation rate and the unemployment rate in the USA is a negative one. However, other factors also impotrantly influence the inflation rate, not the unemployment rate alone. In addition to this establishment, it has also been found out that the relation between the real wages and the labour productivity in the USA is a positive one and is in correspondance with the theory of economics. The labour productivity is an important factor which has considerable influence on the real wages in the USA. KEY WORDS Phillips curve, inflation and unemployment, labour productivity and real wages, USA, econometrics

88

8 LITERATURA IN VIRI

• Baumol, William J. in Alan S. Blinder. 2000. Economics: Principles and policy. Fort Worth: The Dryden press, A Division of Harcourt College publisher.

• Blanchard, Olivier Jean. 2006. Macroeconomics. Upper Saddle River, New Jersey:

Pearson/Prentice Hall.

• BLS. Monthly review. Maj 2005. Real Compensation, 1979 to 2003: Analysis from several data sources. (online). Dostopno na: http://www.bls.gov/opub/mlr/2005/05/art1full.pdf

• Board of Governors of the Federal Reserve System, United States. Annual Report

1997. (online). Dostopno na: http://www.federalreserve.gov/boarddocs/rptcongress/annual97/ann97.pdf

• Board of Governors of the Federal Reserve System, United States. Annual Report 2000. (online). Dostopno na:

http://www.federalreserve.gov/boarddocs/rptcongress/annual00/ar00.pdf • Board of Governors of the Federal Reserve System, United States. Annual Report

2001. (online). Dostopno na: http://www.federalreserve.gov/boarddocs/rptcongress/annual01/ar01.pdf

• Board of Governors of the Federal Reserve System, United States. Annual Report

2003. (online). Dostopno na: http://www.federalreserve.gov/boarddocs/rptcongress/annual03/ar03.pdf

• Board of Governors of the Federal Reserve System, United States. Annual Report

2004. (online). Dostopno na: http://www.federalreserve.gov/boarddocs/rptcongress/annual04/ar04.pdf

• Board of Governors of the Federal Reserve System, United States. Annual Report

2006. (online). Dostopno na: http://www.federalreserve.gov/boarddocs/rptcongress/annual06/pdf/ar06.pdf

• Board of Governors of the Federal Reserve System, United States. Remarks by

Governor Ben S. Bernanke. 3. 2. 2003. Constrained discretion and monetary policy. (online). Dostopno na:

http://www.federalreserve.gov/boarddocs/speeches/2003/20030203 • GPO Access: A service of the US Government Printing Office. Economic report of

the President 1996. (online). Dostopno na: http://www.gpoaccess.gov/usbudget/fy97/pdf/erp.pdf

89

• GPO Access: A service of the US Government Printing Office. Economic report of the President 1997. (online). Dostopno na:

http://www.gpoaccess.gov/usbudget/fy98/pdf/erp.pdf

• GPO Access: A service of the US Government Printing Office. Economic report of the President 1999. (online). Dostopno na:

http://www.gpoaccess.gov/usbudget/fy00/pdf/1999_erp.pdf • GPO Access: A service of the US Government Printing Office. Economic report of

the President 2000. (online). Dostopno na: http://www.gpoaccess.gov/usbudget/fy01/pdf/2000_erp.pdf

• GPO Access: A service of the US Government Printing Office. Economic report of

the President 2001. (online). Dostopno na: http://www.gpoaccess.gov/usbudget/fy02/pdf/2001_erp.pdf

• GPO Access: A service of the US Government Printing Office. Economic report of

the President 2003. (online). Dostopno na: http://www.gpoaccess.gov/usbudget/fy04/pdf/2003_erp.pdf

• GPO Access: A service of the US Government Printing Office. Economic report of

the President 2007. (online). Dostopno na: http://www.gpoaccess.gov/eop/2007/2007_erp.pdf

• GPO Access: A service of the US Government Printing Office. Economic report of

the President 2008. Tabele B-42, B-49, B-63(online). Dostopno na: http://www.gpoaccess.gov/eop/tables08.html • Gujarati, Damodar N. 2003. Basic Econometrics. Boston: McGraw Hill.

• Gwartney, James D., Richard L. Stroup in Russell S. Sobel. 2000. Economics:

Private and public choice. Fort Worth: The Dryden Press, Harcourt College publisher

• Jagrič, Timotej. 2005. Uvod v ekonometrijo: Zapiski predavanj in vaj pri predmetu

Ekonometrija. Maribor: Ekonomsko- poslovna fakulteta.

• Kovačič, Matjaž. 2007. Primerjava uvozno – izvoznih funkcij Slovenije in Slovaške. Diplomsko delo. Maribor.

• McGrattan, Ellen R., Edward C. Prescott. 2007. Openess, Technology Capital, and

Development. Research Department. Federal Reserve Bank of Minneapolis. (online). Dosegljivo na: http://www.minneapolisfed.org/research/SR/SR396.pdf

90

• Nordhaus, William D. 20002. Productivity Growth and the New Economy. Brookings Papers on Economic Activity, vol. 2002, no. 2. (2002), strani 211-244. (online). Dostopno na:

http://www.jstor.org/cgi-bin/jstor/printpage/00072303/ap040004/04a00090/0- 150.pdf?backcontext=page&dowhat=Acrobat&config=jstor&userID=a4086c23@uni- mb.si/01c0a84865bc97118f4e9e1cc&0-150.pdf

• Ovin, Rasto in Monika Šlebinger. 2003. Makroekonomska politika. Maribor: Ekonomsko - poslovna fakulteta.

• Pfajfar, Lovrenc. 2000. Ekonometrija na prosojnicah. Ljubljana: Ekonomska

fakulteta.

• Pfajfar, Lovrenc. 2002. Ekonometrija: Obrazci in postopki. Ljubljana: Ekonomska fakulteta.

• Pfajfar, Lovrenc. 1998. Ekonometrija 1. del. Ljubljana: Ekonomska fakulteta.

• Prepared remarks of Edward P. Lazear. 12. 9. 2006. Produstivity and Wages. White

House. Executive Office of the President, Council of Economic Advisers Washington. (online). Dostopno na:

http://www.whitehouse.gov/cea/lazear20060912.pdf

• Prescott, Edward C.. 2004. Why Do Americans Work So Much More Than Europeans?. Research Department. Federal Reserve Bank of Minneapolis. (online) Dostopno na: http://www.minneapolisfed.org/research/QR/QR2811.pdf

• Prescott, Edward C. 2006. Globalizaton and the Economic Outlook. I.S.E.O

Institute for Studies on Economics and Employment. (online). Dosegljivo na: http://new.istiseo.org/eng/documenti.php

• Prescott, Edward C. 2007. Taxes, Hours and Employment. (online). Dosegljivo na:

www.skattamal.is/prosperity/Prescott.slides.ppt

• Remarks bx Edward p. Lazear. 19. 3. 2007. Promoting Stronger Economic Growth: What Public Policy can do to improve Productivity. White House. Executive Office of the President, Council of Economic Advisers Washington. (online). Dostopno na: http://www.whitehouse.gov/cea/lazear20070319.pdf

• Samuelson, Paul A. in William D. Nordhaus. Prevod Mikek Peter. 2002.

Ekonomija. Ljubljana: GV Založba, Zagreb: Mate Naklada.

• Samuelson, Paul A. in William D. Nordhaus. 2001. Economics. Boston: Mcraw-Hill / Irwin.

• Senjur, Marjan. 2001. Makroekonomija: Makroekonomija majhnega odprtega

gospodarstva. Maribor: MER Evrocenter.

91

• Sloman, John. 2006. Economics. Harlow: Pearson Education, London: Financial

Times, Prentice Hall.

• UMAR – Urad RS za makroekonomske anlize in razvoj. Ekonomski izzivi 2007. (online). Dostopno na:

http://www.umar.gov.si/fileadmin/user_upload/publikacije/izzivi/ei_07.pdf

• The Congress of the United States, Congressional Budget Office. Marec 2007. Labor Productivity: Developments Since 1995. (online). Dostopno na:

http://www.cbo.gov/ftpdocs/79xx/doc7910/03-26-Labor.pdf

• York, Ronald J. 2007. Economic Analysis of the United States 1945 through 2005. (online). Dostopno na:

http://www.policepay.net/pdf/usecon.pdf

92

PRILOGA Kazalo slik: Slika 1: Gibanje stopnje brezposelnosti v % v obdobju 1967 – 1995 ................................. 10 Slika 2: Stopnja inflacije v obdobju 1945 – 2003 ............................................................... 10 Slika 3: Povprečna letna rast produktivnosti dela v ZDA v %............................................ 11 Slika 4: Produktivnost dela EU6 kot procent od produktivnosti dela ZDA ........................ 13 Slika 5: Produktivnost dela v Aziji kot procent od produktivnosti dela ZDA .................... 14 Slika 6: Statistika za leto 2004 v primerjavi z ZDA, v % od vrednosti ZDA (ZDA = 100)15 Slika 7: Output, delovne ure na zaposlenega in produktivnost dela izbranih držav v primerjavi z ZDA, v % od vrednosti ZDA (ZDA = 100).................................................... 15 Slika 8: Stopnja rasti realnih urnih nadomestil v nekmetijskem poslovnem sektorju......... 17 Slika 9: Rast realnih urnih nadomestil v nekmetijskem poslovnem sektorju - povprečna letna rast v % ....................................................................................................................... 17 Slika 10: Razmerje med preseženim povpraševanjem po delu in brezposelnostjo ............. 25 Slika 11: Phillipsova krivulja kot razmerje med stopnjo rasti plač in stopnjo brezposelnosti............................................................................................................................................. 26 Slika 12: Kratkoročna Phillipsova krivulja ......................................................................... 27 Slika 13: Kratkoročna Phillipsova krivulja ......................................................................... 28 Slika 14: Naravna stopnja brezposelnosti in Phillipsova krivulja ....................................... 29 Slika 15: Realne plače odslikavajo rast produktivnosti....................................................... 34 Slika 16: Produktivnost dela in realna urna nadomestila v ZDA, 1948 - 1997................... 36 Slika 17: Rast produktivnosti in realnih urnih nadomestil v nekmetijskem poslovnem sektorju (indeks 1992 = 100) ............................................................................................... 37 Slika 18: Heteroskedastičnost linearnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo .................................................................................................................... 51 Slika 19: Heteroskedastičnost recipročnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo .................................................................................................................... 51 Slika 20: Heteroskedastičnost linearnega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela .......................................................................................... 52 Slika 21: Heteroskedastičnost dvojno logaritemskega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo dela ............................................................................ 52 Slika 22: Avtokorelacija – razsevni grafikon linearnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo.......................................................................................... 61 Slika 23: Avtokorelacija – razsevni grafikon recipročnega modela, ki prikazuje povezavo med inflacijo in brezposelnostjo.......................................................................................... 61 Slika 24: Avtokorelacija – razsevni grafikon linearnega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo............................................................................ 62 Slika 25: Avtokorelacija – razsevni grafikon dvojno logaritemskega modela, ki prikazuje povezavo med realnimi plačami in produktivnostjo ........................................................... 62

93

Kazalo izpisov programa Soritec: Soritec 1: Ocena linearnega modela povezave med inflacijo in brezposelnostjo................ 42 Soritec 2: Ocena recipročnega modela povezave med inflacijo in brezposelnostjo............ 43 Soritec 3: Ocena linearnega modela povezave med realnimi plačami in produktivnostjo dela ...................................................................................................................................... 45 Soritec 4: Ocena dvojno logaritemskega modela povezave med realnimi plačami in produktivnostjo dela ............................................................................................................ 46 Soritec 5: Antilogaritmiranje dvojno logaritemskega determinacijskega koeficienta......... 48 Soritec 6: Box-Coxov test.................................................................................................... 49 Soritec 7: Izpis osnovne regresije linearnega modela povezave med inflacijo in brezposelnostjo .................................................................................................................... 53 Soritec 8: Izračun napak ei in izračun ocenjene variance 2σ ............................................. 53 Soritec 9: Oblikovanje nove spremenljivke p in ocena pomožnega modela....................... 53 Soritec 10: Izračun pojasnjene vsote kvadratov PVK in izračun THETE........................... 54 Soritec 11: Izvedba Breusch – Paganovega testa za recipročni model povezave med inflacijo in brezposelnostjo.................................................................................................. 55 Soritec 12: Izvedba Breusch – Paganovega testa za linearni model povezave med realnimi plačami in produktivnostjo dela .......................................................................................... 57 Soritec 13: Izvedba Breusch – Paganovega testa za dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela .................................................................... 58 Soritec 14: Izpis osnovne regresije in prikaz vrednosti Durbin – Watsonovega testa v izpisu regresije za linearni model povezave med inflacijo in brezposelnostjo .............................. 63 Soritec 15: Pomožna regresija za izračun koeficienta ρ .................................................... 65 Soritec 16: Transformiranje spremenljivk in rezultat pomožne regresije ........................... 66 Soritec 17: Odpravljanje avtokorelacije pri recipročnem modelu....................................... 68 Soritec 18: Odpravljanje avtokorelacije pri linearnem modelu povezave med realnimi plačami in produktivnostjo dela .......................................................................................... 71 Soritec 19: Odpravljanje avtokorelacije pri dvojno logaritemskem modelu....................... 73 Soritec 20: Izpis osnovne regresije in NVK pri linearnem modelu povezave med inflacijo in brezposelnostjo ................................................................................................................ 75 Soritec 21: Izpis regresije in NVK za prvo podobdobje...................................................... 76 Soritec 22: Izpis regresije in NVK za drugo podobdobje.................................................... 76 Soritec 23: Izračun F-statistike............................................................................................ 77 Soritec 24: Izpis osnovne regresije in NVK pri dvojno logaritemskem modelu................. 78 Soritec 25: Izpis regresije in NVK za prvo podobdobje...................................................... 79 Soritec 26: Izpis regresije in NVK za drugo podobdobje.................................................... 80 Soritec 27: Iračun F-statistike.............................................................................................. 80 Soritec 28: Izpis osnovne regresije linearnega modela povezave med inflacijo in brezposelnostjo .................................................................................................................... 98 Soritec 29: Izpis osnovne regresije recipročnega modela povezave med inflacijo in brezposelnostjo .................................................................................................................. 100 Soritec 30: Izpis osnovne regresije linearnega modela povezave med realnimi plačami in produktivnostjo dela .......................................................................................................... 101 Soritec 31: Izpis osnovne regresije dvojno logaritemskega modela povezave med realnimi plačami in produktivnostjo dela ........................................................................................ 103

94

Tabela 1: Podatki, ki so uporabljeni v ekonometrični analizi za sklop modelov, ki prikazujeta povezavo med inflacijo in brezposelnostjo

ZDA INFLACIJA IN BREZPOSELNOST, LETNI PODATKI, STOPNJE RASTI

leto INF U U1=1/U=U-1 RAZL=INFt-INFt-1

1960 1,7 5,5 0,18182 1961 1 6,7 0,14925 -0,71962 1 5,5 0,18182 01963 1,3 5,7 0,17544 0,31964 1,3 5,2 0,19231 01965 1,6 4,5 0,22222 0,31966 2,9 3,8 0,26316 1,31967 3,1 3,8 0,26316 0,21968 4,2 3,6 0,27778 1,11969 5,5 3,5 0,28571 1,31970 5,7 4,9 0,20408 0,21971 4,4 5,9 0,16949 -1,31972 3,2 5,6 0,17857 -1,21973 6,2 4,9 0,20408 31974 11 5,6 0,17857 4,81975 9,1 8,5 0,11765 -1,91976 5,8 7,7 0,12987 -3,31977 6,5 7,1 0,14085 0,71978 7,6 6,1 0,16393 1,11979 11,3 5,8 0,17241 3,71980 13,5 7,1 0,14085 2,21981 10,3 7,6 0,13158 -3,21982 6,2 9,7 0,10309 -4,11983 3,2 9,6 0,10417 -31984 4,3 7,5 0,13333 1,11985 3,6 7,2 0,13889 -0,71986 1,9 7 0,14286 -1,71987 3,6 6,2 0,16129 1,71988 4,1 5,5 0,18182 0,51989 4,8 5,3 0,18868 0,71990 5,4 5,6 0,17857 0,61991 4,2 6,8 0,14706 -1,21992 3 7,5 0,13333 -1,21993 3 6,9 0,14493 01994 2,6 6,1 0,16393 -0,41995 2,8 5,6 0,17857 0,21996 3 5,4 0,18519 0,21997 2,3 4,9 0,20408 -0,71998 1,6 4,5 0,22222 -0,71999 2,2 4,2 0,23810 0,6

95

ZDA INFLACIJA IN BREZPOSELNOST, LETNI PODATKI, STOPNJE RASTI

leto INF U U1=1/U=U-1 RAZL=INFt-INFt-1

2000 3,4 4 0,25000 1,22001 2,8 4,7 0,21277 -0,62002 1,6 5,8 0,17241 -1,22003 2,3 6 0,16667 0,72004 2,7 5,5 0,18182 0,42005 3,4 5,1 0,19608 0,72006 3,2 4,6 0,21739 -0,22007 2,8 4,6 0,21739 -0,4

Opombe: 1−−= ttt INFINFRAZL

tINF - inflacijska stopnja, merjena z indeksom cen življenjskih potrebščin, v % glede na povprečje preteklega leta (percent year-to-year change in CPI), v obdobju t

tU - stopnja anketne brezposelnosti v obdobju t (%)

ttt U

UU 11 1 == − - recipročna vrednost stopnje brezposelnosti

Vir: - Economic report of the President 2008, Tabela B-63, za tINF (percent Year to Year change in CPI). Dostopno na: http://www.gpoaccess.gov/eop/tables08.html - Economic report of the President 2008, Tabela B-42, za tU . Dostopno na: http://www.gpoaccess.gov/eop/tables08.html - Lastni preračuni tRAZL in tU1

96

Tabela 2: Podatki, ki so uporabljeni v ekonometrični analizi za sklop modelov, ki prikazujeta povezavo realnimi plačami in produktivnostjo dela

ZDA, PRODUKTIVNOST IN REALNE PLAČE, INDEKSI 1992=100

leto PROD RWAGE

1960 48,9 61,31961 50,6 63,11962 52,9 65,21963 55 66,61964 56,8 68,31965 58,8 69,71966 61,2 72,31967 62,5 74,11968 64,7 76,91969 65 781970 66,3 79,51971 69 80,91972 71,2 83,31973 73,4 85,11974 72,3 841975 74,8 84,81976 77,1 87,11977 78,5 88,31978 79,3 89,71979 79,3 89,91980 79,2 89,61981 80,8 89,61982 80,1 90,61983 83 90,61984 85,2 90,71985 87,1 91,91986 89,7 94,91987 90,1 95,21988 91,5 96,51989 92,4 951990 94,4 96,21991 95,9 97,51992 100 1001993 100,4 99,71994 101,3 991995 101,5 98,71996 104,5 99,51997 106,5 100,51998 109,5 105,2

97

ZDA, PRODUKTIVNOST IN REALNE PLAČE, INDEKSI 1992=100

leto PROD RWAGE

1999 112,8 1082000 116,1 1122001 119,1 113,52002 123,9 115,72003 128,7 117,72004 132,4 118,92005 135 119,72006 136,4 120,4

Opombe:

tRWAGE - indeks realnih urnih nadomestil v poslovnem sektorju (1992 = 100) (index of real compensation per hour, business sector, 1992 = 100) v obdobju t.

tPROD - indeks produktivnosti dela, izražen kot BDP (output) na uro dela v poslovnem sektorju (1992 = 100) (index of output per hour, business sector, 1992 = 100) v obdobju t. Vir: - Economic report of the President 2008, Tabela B-49, za tPROD in tRWAGE . Dostopno na: http://www.gpoaccess.gov/eop/tables08.html

98

Izračun Jarque – Bera (JB) testa za vsak posamezni model (Pfajfar 2000, 154):

⎥⎦

⎤⎢⎣

⎡ −+=

24)3(

6

22 KSnJB

005,0

5966,102)2(

=

=

α

χ

Linearni model, ki prikazuje povezavo med inflacijo in brezposelnostjo Soritec 28: Izpis osnovne regresije linearnega modela povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> on residual 7> regress razl u REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 3.76697 0.898432 4.19282 0.000 U -0.635518 0.148582 -4.27723 0.000 Equation Summary No. of Observations = 46 R2= 0.2937 (adj)= 0.2776 Sum of Sq. Resid. = 90.9042 Std. Error of Reg.= 1.43736 Log(likelihood) = -80.9380 Durbin-Watson = 1.47460 Schwarz Criterion = -84.7666 F ( 1, 44) = 18.2947 Akaike Criterion = -82.9380 Significance = 0.000100 Residual Analysis Sum of Residuals = 0.666134E-15 Sum of Sq. Residuals = 90.9042 Mean Absolute Error = 0.999281 Root Mean Sq. Error = 1.40577 Residual Kurtosis = 4.47297 Residual Skewness = 1.20698 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 9.12 0.075166 4 0.058064 8th Order 18.99 -0.234644 8 0.014938 12th Order 22.26 -0.184685 12 0.034698 16th Order 22.85 0.098274 16 0.117785 20th Order 24.72 -0.010087 20 0.212294 24th Order 26.60 -0.090118 24 0.323456 Durbin-Watson ( 0 gaps) = 1.474603 Durbin-Watson(4) = 1.827139

99

Durbin-Watson(12) = 2.192284 Residual Distribution 23% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 0.00 Between -1 and -2 Std Devs 8.70 Between 0 and -1 Std Devs 54.35 Between 0 and 1 Std Devs 21.74 Between 1 and 2 Std Devs 8.70 Between 2 and 3 Std Devs 4.35 Greater than +3 Std Devs 2.17 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 15 KS ( 45) 0.1779 Expected runs 22.4348 Signif. at approx. 0.095 Difference -7.4348 Variance 9.7337 Chi-square quintile test: Std. Dev. 3.1199 X**2 (4) 8.5652 U statistic -2.2228 Significance 0.0729 Significance 0.0262 (approx) Number of Durbin-Watson statistics: residuals DW 1.4746 Negative 29 DW(4) 1.8271 Positive 17 DW(12) 2.1923 Vir: Lasten izračun H0: u je normalno porazdeljen H1: u ni normalno porazdeljen K (Residual Kurtosis) = 4,47297 S (Residual Skewness) = 1,20698

32728,1524

)347297,4(6

20698,14622

=⎥⎦

⎤⎢⎣

⎡ −+=JB

005,0

5966,102)2(

=

=

α

χ

2

)2(χ>JB Pri stopnji značilnosti 005,0=α zavrnemo ničelno hipotezo, ki pravi, da je u normalno porazdeljen in sprejmemo sklep, da u ni normalno porazdeljen.

100

Recipročni model, ki prikazuje povezavo med inflacijo in brezposelnostjo Soritec 29: Izpis osnovne regresije recipročnega modela povezave med inflacijo in brezposelnostjo 5> use 1961 2006 6> on residual 7> regress razl u1 REGRESS : dependent variable is RAZL Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST -3.05740 0.964890 -3.16865 0.003 U1 17.1459 5.20528 3.29395 0.002 Equation Summary No. of Observations = 46 R2= 0.1978 (adj)= 0.1796 Sum of Sq. Resid. = 103.242 Std. Error of Reg.= 1.53180 Log(likelihood) = -83.8652 Durbin-Watson = 1.45529 Schwarz Criterion = -87.6939 F ( 1, 44) = 10.8501 Akaike Criterion = -85.8652 Significance = 0.001956 Residual Analysis Sum of Residuals = -0.643929E-14 Sum of Sq. Residuals = 103.242 Mean Absolute Error = 1.08445 Root Mean Sq. Error = 1.49813 Residual Kurtosis = 4.30141 Residual Skewness = 0.968499 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 12.23 -0.039395 4 0.015720 8th Order 19.12 -0.254260 8 0.014237 12th Order 22.56 -0.178973 12 0.031701 16th Order 24.83 0.174655 16 0.072952 20th Order 25.74 -0.009667 20 0.174548 24th Order 26.63 -0.056352 24 0.322224 Durbin-Watson ( 0 gaps) = 1.455292 Durbin-Watson(4) = 2.058817 Durbin-Watson(12) = 2.226034 Residual Distribution 21% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 0.00 Between -1 and -2 Std Devs 8.70 Between 0 and -1 Std Devs 52.17 Between 0 and 1 Std Devs 26.09 Between 1 and 2 Std Devs 8.70

101

Between 2 and 3 Std Devs 2.17 Greater than +3 Std Devs 2.17 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 17 KS ( 45) 0.1530 Expected runs 22.9130 Not significant at 0.200 Difference -5.9130 Variance 10.1837 Chi-square quintile test: Std. Dev. 3.1912 X**2 (4) 7.6957 U statistic -1.6962 Significance 0.1034 Significance 0.0898 (approx) Number of Durbin-Watson statistics: residuals DW 1.4553 Negative 28 DW(4) 2.0588 Positive 18 DW(12) 2.2260 Vir: Lasten izračun H0: u je normalno porazdeljen H1: u ni normalno porazdeljen K (Residual Kurtosis) = 4,30141 S (Residual Skewness) = 0,968499

437456,1024

)330141,4(6

968499,04622

=⎥⎦

⎤⎢⎣

⎡ −+=JB

005,0

5966,102)2(

=

=

α

χ

2

)2(χ<JB Pri stopnji značilnosti 005,0=α ne zavrnemo ničelne hipoteze, ki pravi, da je u normalno porazdeljen. Linearni model povezave med realnimi plačami in produktivnostjo dela Soritec 30: Izpis osnovne regresije linearnega modela povezave med realnimi plačami in produktivnostjo dela 5> use 1961 2006 6> on residual 7> regress rwage prod REGRESS : dependent variable is RWAGE

102

Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 35.3439 1.37670 25.6729 0.000 PROD 0.644501 0.151481E-01 42.5467 0.000 Equation Summary No. of Observations = 46 R2= 0.9763 (adj)= 0.9757 Sum of Sq. Resid. = 242.678 Std. Error of Reg.= 2.34849 Log(likelihood) = -103.522 Durbin-Watson = 0.18072 Schwarz Criterion = -107.351 F ( 1, 44) = 1810.22 Akaike Criterion = -105.522 Significance = 0.000000 Residual Analysis Sum of Residuals = -0.445510E-11 Sum of Sq. Residuals = 242.678 Mean Absolute Error = 1.91252 Root Mean Sq. Error = 2.29687 Residual Kurtosis = 2.03255 Residual Skewness = -0.436559 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 68.01 0.324978 4 0.000000 8th Order 71.71 0.077975 8 0.000000 12th Order 73.50 -0.155457 12 0.000000 16th Order 92.67 -0.400743 16 0.000000 20th Order 115.92 -0.264642 20 0.000000 24th Order 126.52 -0.257718 24 0.000000 Durbin-Watson ( 0 gaps) = 0.180715 Durbin-Watson(4) = 0.974572 Durbin-Watson(12) = 1.680844 Residual Distribution 15% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 2.17 Between -1 and -2 Std Devs 19.57 Between 0 and -1 Std Devs 19.57 Between 0 and 1 Std Devs 45.65 Between 1 and 2 Std Devs 13.04 Between 2 and 3 Std Devs 0.00 Greater than +3 Std Devs 0.00 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 5

103

KS ( 45) 0.0844 Expected runs 23.3043 Not significant at 0.200 Difference -18.3043 Variance 10.5595 Chi-square quintile test: Std. Dev. 3.2495 X**2 (4) 4.0000 U statistic -5.4790 Significance 0.4060 Significance 0.0000 (approx) Number of Durbin-Watson statistics: residuals DW 0.1807 Negative 19 DW(4) 0.9746 Positive 27 DW(12) 1.6808 Vir: Lasten izračun H0: u je normalno porazdeljen H1: u ni normalno porazdeljen K (Residual Kurtosis) = 2,03255 S (Residual Skewness) = -0,436559

255065,324

)303255,2(6

)436559,0(4622

=⎥⎦

⎤⎢⎣

⎡ −+

−=JB

005,0

5966,102)2(

=

=

α

χ

2

)2(χ<JB Pri stopnji značilnosti 005,0=α ne zavrnemo ničelne hipoteze, ki pravi, da je u normalno porazdeljen. Dvojno logaritemski model povezave med realnimi plačami in produktivnostjo dela Soritec 31: Izpis osnovne regresije dvojno logaritemskega modela povezave med realnimi plačami in produktivnostjo dela 5> use 1961 2006 6> on autolog 7> on residual 8> regress log(rwage) log(prod) REGRESS : dependent variable is LN(RWAGE) Using 1961-2006 Variable Coefficient Std Err T-stat Signf ^CONST 1.71281 0.557445E-01 30.7261 0.000 LN(PROD) 0.629259 0.125246E-01 50.2417 0.000

104

Equation Summary No. of Observations = 46 R2= 0.9829 (adj)= 0.9825 Sum of Sq. Resid. = 0.215801E-01 Std. Error of Reg.= 0.221463E-01 Log(likelihood) = 111.015 Durbin-Watson = 0.21959 Schwarz Criterion = 107.187 F ( 1, 44) = 2524.23 Akaike Criterion = 109.015 Significance = 0.000000 Residual Analysis Sum of Residuals = -0.183853E-12 Sum of Sq. Residuals = 0.215801E-01 Mean Absolute Error = 0.185399E-01 Root Mean Sq. Error = 0.216595E-01 Residual Kurtosis = 1.90100 Residual Skewness = -0.229682 Autocorrelation Degrees of Significance Time Period Box-Pierce Q Coefficient Freedom Level 4th Order 71.04 0.341982 4 0.000000 8th Order 73.89 0.026680 8 0.000000 12th Order 76.48 -0.182673 12 0.000000 16th Order 101.38 -0.447365 16 0.000000 20th Order 126.25 -0.259242 20 0.000000 24th Order 134.94 -0.219464 24 0.000000 Durbin-Watson ( 0 gaps) = 0.219587 Durbin-Watson(4) = 1.075190 Durbin-Watson(12) = 1.766493 Residual Distribution 17% Percent of residuals Less than -3 Std Devs 0.00 Between -2 and -3 Std Devs 0.00 Between -1 and -2 Std Devs 19.57 Between 0 and -1 Std Devs 32.61 Between 0 and 1 Std Devs 28.26 Between 1 and 2 Std Devs 19.57 Between 2 and 3 Std Devs 0.00 Greater than +3 Std Devs 0.00 -3 -2 -1 0 1 2 3 Tests of randomness in residuals Normality tests: Run of signs test: Kolmogorov-Smirnov: Actual runs 7 KS ( 45) 0.0964 Expected runs 23.9565 Not significant at 0.200 Difference -16.9565 Variance 11.2010 Chi-square quintile test: Std. Dev. 3.3468 X**2 (4) 1.1739 U statistic -4.9171 Significance 0.8824 Significance 0.0000 (approx) Number of Durbin-Watson statistics:

105

residuals DW 0.2196 Negative 24 DW(4) 1.0752 Positive 22 DW(12) 1.7665 Vir: Lasten izračun H0: u je normalno porazdeljen H1: u ni normalno porazdeljen K (Residual Kurtosis) = 1,90100 S (Residual Skewness) = -0,229682

719398,224

)390100,1(6

)229682,0(4622

=⎥⎦

⎤⎢⎣

⎡ −+

−=JB

005,0

5966,102)2(

=

=

α

χ

2

)2(χ<JB Pri stopnji značilnosti 005,0=α ne zavrnemo ničelne hipoteze, ki pravi, da je u normalno porazdeljen.