Ekonomisti vole zakone. Stvarnost voli izuzetke. Okunov zakon sedi nezgodno između: dovoljno je slavan da zasluži veliko početno slovo, dovoljno je skroman da dolazi sa prećutnim sleganjem ramenima. On povezuje tržište rada sa poslovnim ciklusom tako što, u suštini, kaže da kada proizvodnja razočara, nezaposlenost obično raste; kada proizvodnja ubrza, nezaposlenost obično pada. Originalno pravilo „od oka“ koje je Artur Okun formulisao šezdesetih godina prevodilo je bolnu statistiku tržišta rada u trošak nacionalnog dohotka, sugerišući da je porast nezaposlenosti od jednog procentnog poena povezan sa proizvodnjom koji je otprilike dva procentna poena ispod potencijala (Okun, 1962). Privlačnost je očigledna: nudi brz kurs konverzije između ljudi bez posla i proizvodnje koja nije proizvedena.
Ovo je uvodna objava u kratkoj seriji o tom odnosu. Prvo dolazi intuicija (ova objava). Zatim metodologija: kako ekonomisti zapravo pokušavaju da ocene ove odnose, a da sami sebe ne obmanu. A onda dolazi empirijski poligon: proverićemo Okunov zakon koristeći podatke iz zemalja bivše Jugoslavije i videti gde se zakon ponaša kao zakon, gde se ponaša kao glasina, a gde se ponaša kao obećanje političara.
Okunov zakon se s razlogom pominje u svakom većem udžbeniku makroekonomije (Mankiw, 2021; Blanchard & Johnson, 2012; Dornbusch, Fisher & Startz, 2010; Abel, Bernanke & Croushore, 2013). Dovoljno je jednostavan da se predaje i dovoljno je koristan da se koristi. Ali nije zakon prirode. Ocenjeni odnos varira između zemalja i kroz vreme, a mogu ga uzdrmati promene produktivnosti, promene u participaciji radne snage, promene broja sati rada, kao i institucionalna osnova tržišta rada. Prachowny (1993) se suprotstavlja originalnoj formulaciji iz perspektive proizvodne funkcije, pokazujući da je veza BDP–nezaposlenost posredovana mnogo više od pukog brojanja glava. Gordon (2010) ističe kako oporavci vođeni produktivnošću mogu proizvesti „oporavke bez radnih mesta“, u kojima BDP raste bez proporcionalnog poboljšanja zaposlenosti. Drugim rečima: čak i kada ekonomija raste, tržište rada može odbiti da aplaudira na taj pozitivni znak.
Okunov zakon je najbolje čitati kao disciplinovan način razmišljanja o neurednoj stvarnosti. A neuredna stvarnost je upravo razlog zbog kog vredi da ga proučavamo.
1. Okunov zakon kao pravilo „od oka“, i zašto odbija da se ponaša
U svojoj srži, Okunov zakon odražava jednostavnu ideju. Kada zemlja proizvodi manje nego što bi mogla, deo radnih resursa ostaje neiskorišćen. Kada se proizvodnja ubrza, firmama treba više radnika (ili više radnih sati), pa nezaposlenost obično pada. Odnos deluje intuitivno jer prevodi visok nivo makro ishoda, BDP, u svakodnevni ishod, posao. Takođe funkcioniše i u obrnutom narativnom smeru: kada nezaposlenost raste, to signalizira da ekonomija ne koristi kapacitete i da je rast proizvodnje verovatno slab.
Problem je što ni jedna ni druga strana odnosa nisu tako jednostavne kako izgledaju. Proizvodnja može da raste zato što više ljudi radi, zato što svaki radnik proizvodi više, zato što raste broj sati po radniku, ili zato što kapitalno produbljivanje i tehnologija odrade najveći deo posla. Nezaposlenost može da pada zato što se radna mesta stvarno otvaraju, zato što ljudi izlaze iz radne snage, zato što se sati skraćuju umesto da se radnici otpuštaju, ili zato što migracije i neformalni sektor amortizuju šokove. Stabilan odnos između BDP-a i stope nezaposlenosti zahtevao bi stabilan odnos između proizvodnje i radnog inputa, i stabilan odnos između radnog inputa i merene nezaposlenosti. Ekonomije nisu toliko kooperativne.
Empirijski, Okunov zakon ostaje iznenađujuće postojan, do određene tačke. Ball, Leigh & Loungani (2017), posmatrajući u periodu od više decenija i više zemalja, nalaze da odnos Okunovog tipa ostaje snažan, ali ne i konstantan: koeficijent se menja u zavisnosti od karakteristika zemlje i kroz vreme. Knotek (2007) pokazuje robusnost kroz različite specifikacije, ali i osetljivost na poslovne cikluse, šokove produktivnosti i institucije. Sögner & Stiassny (2002) nalaze nestabilnost i strukturne prelome, posebno u recesijama i periodima institucionalnih promena. Upravo ta kombinacija, često koristan, često nestabilan, objašnjava zašto se Okunov zakon stalno citira, ponovo ocenjuje i osporava.
Još jedna komplikacija je uzročnost. Standardna udžbenička priča ide od proizvodnje ka nezaposlenosti. Proizvodnja raste; tražnja za radom raste; nezaposlenost pada. Ali moguć je i obrnut kanal. Visoka nezaposlenost smanjuje dohotke, slabi agregatnu tražnju, snižava prodaju i može prigušiti rast. Odnos, dakle, nije samo priča „BDP stvara poslove“; može biti povratna sprega u kojoj slabost tržišta rada postaje deo problema rasta, a ne samo njegov simptom.
2. Dva načina da ispričate istu priču: Promene i jazovi
Okunov zakon se obično piše u dve porodice modela. Zvuče tehnički. Njihova intuicija nije.
Prvi je model razlika (enf. difference model), koji se fokusira na promene. Umesto da pita da li je nivo proizvodnje „visok“ ili „nizak“, pita da li rast proizvodnje ubrzava ili usporava, i da li nezaposlenost raste ili pada. Intuicija je kratkoročna i ciklična: kada rast ubrza, nezaposlenost obično pada; kada rast uspori, nezaposlenost obično raste. To je verzija ekonomiste ekvivalentno gledanju na brzinomer, a ne na brojač pređenog puta.
Jednostavna verzija za jednu zemlju može se zapisati kao:
Ovde su promene nezaposlenosti povezane sa rastom BDP-a (često preko logaritma BDP-a). Koeficijent nagiba, (
), je „Okunov koeficijent“ u ovom okruženju: govori koliko se nezaposlenost obično promeni kada se promeni rast proizvodnje. U praksi je znak tipično negativan u ovoj formulaciji: brži rast je povezan s padom nezaposlenosti, a sporiji rast s rastom nezaposlenosti.
Drugi je model jaza (eng. gap model), koji se fokusira na neiskorišćenost kapaciteta, prazni hod. Umesto promena, posmatra odstupanja od „normalnog“. Proizvodnja se poredi sa potencijalnom proizvodnjom, a nezaposlenost sa prirodnom stopom (često povezano sa konceptom NAIRU – eng. Non-Accelerating Inflation Rate of Unemployment – Predstavlja stopu nezaposlenosti pri kojoj inflacija ostaje stabilna, bez ubrzanja rasta). Jaz proizvodnje je razlika između stvarnog i potencijalnog BDP-a; jaz nezaposlenosti je razlika između stvarne nezaposlenosti i njene „ravnotežne“ stope. Kada je proizvodnja iznad potencijalne proizvodnje, nezaposlenost je obično ispod prirodne stope; kada je proizvodnja ispod potencijalne proizvodnje, nezaposlenost je obično iznad prirodne stope. Formalne verzije postoje i prate istu logiku kao gore, ali izraženu kroz jazove umesto promena.
Razlika je važna zato što ovo nisu samo dva načina da se napiše ista misao; oni nose različite naglaske. Model razlika je priča „šta se upravo desilo?“. Model jaza je priča „gde smo u odnosu na održivi kapacitet?“. Prvi se često koristi za kratkoročne dinamike. Drugi se dopada kreatorima politike koji brinu o pregrevanju, neiskorišćenost kapaciteta i srednjoročnoj poziciji ekonomije.
I pošto naglašavaju različite objekte, promene rasta naspram ocenjenih jazova, nasledno imaju različite prednosti i nedostatke.
3. Šta koeficijent ustvari govori
Okunov koeficijent se ponekad tretira kao univerzalna konstanta, kao da tržište rada ima „kurs razmene“: toliko radnih mesta po procentnom poenu rasta. Studija iznova upozorava da je to iskušenje koje je potrebno izbegavati.
U modelu razlika, koeficijent je kratkoročna mapa od rasta do promene nezaposlenosti. Veća apsolutna vrednost znači da nezaposlenost snažno reaguje na ubrzanja i usporavanja rasta. Manja apsolutna vrednost znači da rast može da se pomera bez velikog vidljivog pomeranja nezaposlenosti, bar u kratkom roku. To menja tumačenje ekspanzije. U okruženju visoke osetljivosti, razočaranje u rastu brzo se vidi u statistikama tržišta rada. U okruženju niske osetljivosti, rast može biti slab dok se nezaposlenost jedva pomera, jer se prilagođavanje odvija kroz sate rada, participaciju, neformalnost, migracije ili produktivnost, a ne kroz merenu stopu nezaposlenosti.
U modelu jaza, koeficijent povezuje cikličnu neiskorišćenost kapaciteta proizvodnje sa cikličnom nezaposlenošću. Zato je bliži tvrdnji o tome koliko se iskorišćenost radnih resursa kreće zajedno sa iskorišćenošću proizvodnih kapaciteta. Ali tu postoji kvaka: govoriti o „jazovima“ znači govoriti o stvarima koje ne posmatramo direktno. Potencijalna proizvodnja nije ispisana na marginama nacionalnih računa. Prirodna stopa nezaposlenosti nije odštampana na birou rada. To su procenjeni konstrukti, korisni, ali nesigurni.
Ta nesigurnost nije tehnička fusnota. Ona oblikuje kako koeficijent „izgleda“. Ako se potencijalna proizvodnja oceni tako da deo cikličnih kretanja „upije“ u trend, mereni jaz proizvodnje se smanjuje, a odnos sa jazom nezaposlenosti može delovati slabije. Ako se prirodna stopa oceni kao promenljiva kroz vreme, deo kretanja stvarne nezaposlenosti se preklasifikuje kao strukturno umesto cikličnog, što opet menja merene jazove i impliciranu osetljivost.
Zato radovi koji posmatraju ovaj model u više zemalja često nalaze da se koeficijent menja s institucijama i strukturom ekonomije. Lee (2000) nalazi Okunov zakon u OECD zemljama, ali ističe varijacije povezane sa strukturnim karakteristikama i beleži da verzija jaza može bolje pomoći u identifikovanju dugoročnih trendova. Cazes, Verick & Al Hussami (2013) koriste Okunov zakon da protumače divergentne reakcije nezaposlenosti oko krize 2008, naglašavajući fleksibilnost tržišta rada, institucionalne osnove i razmere stimulusa kao faktore koji menjaju odnos. Koeficijent, dakle, nije samo broj; on je sažetak načina na koji ekonomija prilagođava šokove.
4. Snage, slabosti i opasnost lažne preciznosti
Modelrazlika ima šarm toga da se ne pretvara da zna previše. Jednostavan je: poveži promene nezaposlenosti sa promenama proizvodnje. Ta jednostavnost ga čini relativno lakim za ocenu i tumačenje. Takođe pomaže da se uklone dugoročni trendovi koji mogu zamagliti kratkoročno zajedničko kretanje, uključujući spore promene produktivnosti ili demografije. Fokusiranjem na prve razlike, pokušava da izoluje cikličnu vezu koju je Okun imao na umu.
Njegova slabost je baš ono što jednostavnost izostavlja. U stvarnosti, nezaposlenost i proizvodnje zavise i od drugih promenljivih, monetarne politike, inflacione dinamike, promene tražnje i ponude, institucionalnih reformi, koje mogu proizvesti pristrasnost zbog izostavljenih promenljivih ako se ignorišu. Model je takođe osetljiv na kratkoročne fluktuacije i volatilnost. U mirnim periodima može izgledati uredno. U turbulentnim može izgledati kao odnos nacrtan drhtavom rukom: recesija ili strukturni prelom mogu učiniti da koeficijent deluje nestabilno, jer se mehanizam prilagođavanja menja u realnom vremenu.
Model jaza obećava ambicioznije: eksplicitno fokusiranje na neiskorišćenost kapaciteta. Ako vas zanima da li se ekonomija pregreva ili zaostaje u odnosu na održivi kapacitet, jezik jazova je upravo ono što želite. Može biti pogodniji za dugoročniju analizu jer vezuje dinamiku nezaposlenosti za proizvodnju u odnosu na potencijal, a ne za sirove promene rasta. Ovaj okvir se prirodno uklapa u diskusije ekonomske politike o jazu proizvodnje i nezaposlenosti, terminima koji zvuče sasvim udobno u govorima centralnih banaka.
Ali cena te udobnosti je rizik koji se javlja pri oceni tog modela. Model jaza zahteva da se ocene potencijalna proizvodnja i prirodna stopa nezaposlenosti, a te ocene su nužno neizvesne. Postoji više načina da se to uradi. Potencijalna proizvodnja se može oceniti pristupom proizvodne funkcije koji kombinuje rad, kapital i produktivnost (OECD, 2001; Denis et al., 2006). Može se statistički „izvući“ HP filterom (Hodrick & Prescott, 1997), uz srodne doprinose i kritike o cikličnom filtriranju (Baxter & King, 1999). Može se dekomponovati na trajne i prolazne komponente Beveridge–Nelson metodama (Beveridge & Nelson, 1981; Morley, Nelson & Zivot, 2003). Može se modelirati kroz neopažene komponente i filtriranje u tradiciji Harvey (1989), uključujući Kalmanove i Bajesove metode kao kod Planas, Rossi & Fiorentini (2008). Svaki pristup ima svoju logiku, i svaki može dati drugačije „jazove“.
Isto važi i za tržište rada. Prirodna stopa se može izvoditi iz dinamike inflacije i nezaposlenosti u duhu procena Filipsove krive (Staiger, Stock & Watson, 1997; Ball & Mankiw, 2002). Može biti utemeljena u strukturnim pretraživanje-i-uparivanje okvirima (Mortensen & Pissarides, 1994; Pissarides, 2000). Može se izvući kao neopažena komponenta pomoću filtera (Harvey, 1989; Laubach, 2001; Apel & Jansson, 1999). Ili povezati s indikatorima tržišta rada i institucijama (Elmeskov, 1993; Nickell, Nunziata & Ochel, 2005). Opet: više sočiva, više procena, više impliciranih jazova.
Za ovu seriju je bitno da će kasniji empirijski rad uglavnom koristiti HP filter, upravo zato što je široko korišćen i relativno jednostavan. Za ovu uvodnu objavu poenta je manja: modeli bazirani na jazovima su privlačni, ali „prošvercuju“ procene kroz izbor mere. Opasnost je lažna preciznost: izveštavanje urednog koeficijenta bez priznanja neizvesnosti u objektima na koje se oslanja.
5. Zašto je „verifikacija“ teža nego što zvuči
Da je Okunov zakon fizički zakon, važio bi bez obzira na to da li se ekonomistima dopada. Ali ovo je empirijska pravilnost izgrađena iz ekonomskog ponašanja, institucionalne strukture i merenja. To čini „verifikaciju“ manje kao proveru gravitacije, a više kao ocenu navike: prisutne većinom, odsutne u određenim raspoloženjima, promenjene životnim događajima.
Jedan izazov je nestabilnost kroz vreme. Strukturne reforme mogu promeniti brzinu kojom firme prilagođavaju zaposlenost. Šokovi produktivnosti mogu promeniti preslikavanje proizvodnje u tražnju za radom. Recesije mogu proizvesti nelinearnosti u zapošljavanju i otpuštanju. Sögner & Stiassny (2002) ističu nestabilnost i prelome, posebno oko recesija i institucionalnih promena. Knotek (2007) naglašava osetljivost na poslovne cikluse i šokove. Čak i Ball, Leigh & Loungani (2017), koji nalaze snažan odnos kroz decenije, tretiraju koeficijent kao promenljiv, a ne fiksan.
Drugi izazov je asimetrija. Dokument primećuje obrasce u kojima nezaposlenost brzo raste u recesijama, ali sporo pada u oporavcima; „izravnanje“ odnosa na putu naviše i „lepljivost“ na putu naniže. U modelu razlika, to se može pojaviti kao manja apsolutna vrednost koeficijenta u ekspanzijama ili kao nestabilnost parametara kroz različite prozore. Jednostavno: loše vesti na tržištu rada putuju brzo; dobre vesti ponekad stižu sa zakašnjenjem.
Treći izazov je šta nezaposlenost meri, i šta propušta. Nezaposlenost nije isto što i neiskorišćenost kapaciteta. Ljudi mogu biti bez posla, ali ne i brojani kao nezaposleni ako su obeshrabreni ili neaktivni. Prilagođavanje može ići preko sati rada po radniku, umesto preko broja zaposlenih. Neformalni rad može amortizovati šokove. Invalidnost i neaktivnost mogu rasti. Emigracija može smanjiti merenu nezaposlenost bez domaćeg otvaranja radnih mesta. Sve ove margine slabe vezu između promena BDP-a i stope nezaposlenosti, ne zato što ekonomija ne reaguje, nego zato što reaguje drugde.
Četvrti izazov, koji ovde držimo kratko, jeste da modeli jaza zavise od ocenjenih neopažljivih veličina. Potencijalna proizvodnja i prirodna stopa se ne posmatraju, a različite metode ocene impliciraju različite jazove. HP filter, na primer, široko se koristi, ali je osetljiv na dužinu uzorka i izbor parametara i kritikuje se zbog problema na krajevima uzorka. Druge metode naglašavaju druge dekompozicije i neizvesnosti. U modelima jaza, dakle, nestabilnost može odražavati stvarne promene ciklične osetljivosti, ali i promene u ocenjenom potencijalnoj proizvodnju i prirodnoj stopi. Promena trenda produktivnosti može promeniti potencijalnu proizvodnju; promena efikasnosti „sparivanja“ može promeniti ravnotežnu nezaposlenost. Obe stvari mogu mehanički promeniti jazove čak i kada posmatrani BDP i nezaposlenost izgledaju slično.
Na kraju, tu je ponovo pitanje uzročnosti. Ako rast utiče na nezaposlenost, a nezaposlenost utiče na rast, onda priča u jednom smeru može promašiti povratne efekte. Visoka nezaposlenost može smanjiti dohodak i tražnju, prigušujući buduću proizvodnju; dugotrajna nezaposlenost može erodirati veštine i smanjiti mogućnost zapošljavanja, menjajući stranu ponude i putanju potencijalne proizvodnje. Odnos, dakle, nije samo istovremena korelacija; on može biti deo dinamičkog, međuzavisnog sistema.
Sve to objašnjava zašto „verifikacija“ Okunovog zakona nije samo ocena jednog nagiba. To je pitanje: u ovoj zemlji, u ovom periodu, sa ovom strukturom tržišta rada i ovim izborima merenja, šta rast proizvodnje implicira za nezaposlenost, i šta nezaposlenost implicira za proizvodnju?
6. Kada se odnos „pokvari“, i zašto je to bitno baš sada
Studija nudi pragmatičan način da se razmišlja o „slamanju“ Okunovog zakona: slamanja se dešavaju jer rast BDP-a (ili jaz proizvodnje) nije dovoljan statistički rezime tražnje za radom, a nezaposlenost nije dovoljan rezime neiskorišćenih kapaciteta na tržištu rada. Iz te premise slede tri šira razmatranja, i ona igraju različite uloge zavisno od toga da li radite sa promenama ili sa jazovima.
Prvo, trenja na tržištu rada i efekti kompozicije su važni. Zapošljavanje nije trenutno; podudaranje radnika i poslova je nesavršeno; veštine mogu postati neusklađene sa slobodnim radnim mestima. Oporavak može biti ograničen neusklađenošću, trzavicama oko regrutovanja i spornim obnavljanjem radnih veza. Strukturni modeli u tradiciji Mortensen–Pissarides naglašavaju kako stvaranje i gašenje poslova, kao i trenje sparivanja, zavise od institucija i tehnologije, i kako ravnotežna nezaposlenost može da se pomera sa politikom i strukturnim promenama (Mortensen & Pissarides, 1994; Pissarides, 2000). Kada se efikasnost sparivanja promeni, isto poboljšanje proizvodnje može proizvesti sasvim različite ishode na tržištu rada.
Drugo, prilagođavanje može ići preko margina koje nisu nezaposlenost. Promene participacije mogu sakriti neiskorišćenost kapaciteta. Obeshrabreni radnici mogu izaći iz radne snage. Sati rada po zaposlenom mogu rasti umesto broja zaposlenih. Neformalni rad može zameniti formalni. Migracije mogu promeniti ponudu rada. Svi ovi kanali mogu oslabiti vidljivu vezu između proizvodnje i nezaposlenosti. Ekonomija se prilagođava; stopa nezaposlenosti to ne beleži u potpunosti. Zato odnos može izgledati „pokvaren“ čak i kada firme reaguju na smislen način.
Treće, tehnološke promene i njihova difuzija mogu preoblikovati preslikavanje proizvodnje u tražnju za radom i uvesti vremenska kašnjenja. Gordon (2010) ukazuje na oporavke bez radnih mesta povezane sa inovacijama produktivnosti. Šire posmatrano, perspektiva bazirana na zadacima jasno pokazuje kako automatizacija može istisnuti rad iz pojedinih zadataka, dok podiže produktivnost (Autor, 2013). Acemoglu i Restrepo (2020) daju dokaze o negativnim lokalnim efektima industrijskih robota na zaposlenost u SAD, ilustrujući kanal istiskivanja koji može oslabiti vezu između proizvodnje i nezaposlenosti. U jeziku modela razlika, rast proizvodnje vođen automatizacijom može ići uz manji pad nezaposlenosti: koeficijent se „spljošti“. U jeziku modela jaza, automatizacija može podići potencijalnu proizvodnju povećanjem trenda produktivnosti, sužavajući mereni jaz proizvodnje čak i kada stvarna proizvodnja raste, što može učiniti vezu dva jaza slabijom.
Studija naglašava i da ti tehnološki kanali nisu samo destrukcija. Usvajanje može transformisati sadržaj poslova, pomerajući tražnju ka novim ulogama, održavanju, podacima, nadzoru zadataka, umesto da samo smanjuje broj zaposlenih. A difuzija može biti spora. To je važno jer se stvaraju vremenska nepoklapanja: dobici produktivnosti mogu stići pre prilagođavanja tržišta rada, ili preraspodela rada može kasniti za promenama proizvodnje. Rezultat je da Okunov odnos može izgledati nestabilno baš u periodima kada se ekonomija najviše menja.
Ovi mehanizmi nisu akademske egzotike. To su konkretni razlozi zašto koeficijent ocenjen u jednoj deceniji može promašiti sledeću. Oni takođe objašnjavaju zašto se rasprave o tome da li „rast radi“ često pretvaraju u rasprave o tome kakav je rast, koliko efikasno tržište rada uparuje radnike i poslove i da li statistika nezaposlenosti hvata pravu neiskorišćenost kapaciteta.
7. Šta sledi u ovoj seriji
Okunov zakon traje jer je i koristan i manjkav: koristan dovoljno da vodi intuiciju, manjkav dovoljno da kazni samozadovoljstvo. Model razlika nudi jednostavan kratkoročni odnos između promena rasta i promena nezaposlenosti. Model jaza nudi prijatan okvir za ekonomsku politiku oko neiskorišćenosti kapaciteta i održivosti. Oba mogu biti informativna. Oba mogu zavarati ako ih tretirate mehanički.
Sledeći je metodološka objava, gde ćemo se odmaknuti od pripovedanja i ući u zanat: kako odgovorno oceniti ove odnose, kako razmišljati o neizvesnosti i kako tumačiti koeficijente, a da ih ne pomešate sa konstantama prirode. Nakon toga prelazimo na pravi test: empirijsku verifikaciju Okunovog zakona na podacima zemalja bivše Jugoslavije, gde ekonomske tranzicije, institucionalna pomeranja i strukturne promene nude bogat teren da se vidi da li se Okunov „zakon“ ponaša kao zakon, ili kao pravilo „od oka“ koje povremeno zaboravi sopstvena pravila.
Ako je poenta ekonomije da svede svet na nekoliko odnosa, Okunov zakon je podsetnik da svet ipak ima pravo glasa.
8. Reference
Abel, A. B., Bernanke, B. S., & Croushore, D. (2013). Macroeconomics (8th ed.). Pearson.
Acemoglu, D., & Restrepo, P. (2018). The race between man and machine: Implications of technology for growth, factor shares, and employment. American Economic Review, 108(6), 1488–1542. DOI: https://doi.org/10.1257/aer.20160696
Acemoglu, D., & Restrepo, P. (2020). Robots and jobs: Evidence from US labor markets. Journal of Political Economy, 128(6), 2188–2244. DOI: https://doi.org/10.1086/705716
Apel, M., & Jansson, P. (1999). A theory-consistent system approach for estimating potential output and the NAIRU. Economics Letters, 64(2), 271–275. DOI: https://doi.org/10.1016/S0165-1765(99)00111-1
Autor, D. H. (2013). The “task approach” to labor markets: An overview. Journal for Labour Market Research, 46(3), 185–199. DOI: https://doi.org/10.1007/s12651-013-0128-z
Ball, L. M., & Mankiw, N. G. (2002). The NAIRU in theory and practice. Journal of Economic Perspectives, 16(4), 115–136. DOI: https://doi.org/10.1257/089533002320951000
Ball, L. M., Leigh, D., & Loungani, P. (2017). Okun’s Law: Fit at fifty? Journal of Money, Credit and Banking, 49(1), 1413–1441.
Barnichon, R., & Figura, A. (2015). Labor market heterogeneity and the aggregate matching function. American Economic Journal: Macroeconomics, 7(4), 222–249. DOI: https://doi.org/10.1257/mac.20140116
Baxter, M., & King, R. G. (1999). Measuring business cycles: Approximate band-pass filters for economic time series. Review of Economics and Statistics, 81(4), 575–593. DOI: https://doi.org/10.1162/003465399558454
Beveridge, S., & Nelson, C. R. (1981). A new approach to decomposition of economic time series into permanent and transitory components. Journal of Monetary Economics, 7(2), 151–174. https://doi.org/10.1016/0304-3932(81)90040-4
Blanchard, O., & Johnson, D. R. (2012). Macroeconomics (6th ed.). Pearson.
Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. https://doi.org/10.1257/mac.20180386
Cazes, S., Verick, S., & Al Hussami, F. (2013). Why did unemployment respond so differently to the global financial crisis across countries? Insights from Okun’s Law. IZA Journal of Labor Policy, 2(10). DOI: https://doi.org/10.1186/2193-9004-2-10
Denis, C., Grenouilleau, D., Mc Morrow, K., & Röger, W. (2006). Calculating potential growth rates and output gaps: A revised production function approach. European Economy Economic Papers, 247. https://ec.europa.eu/economy_finance/publications/pages/publication746_en.pdf
Diamond, P. (2013). Cyclical unemployment, structural unemployment. IMF Economic Review, 61(3), 410–455. DOI: https://doi.org/10.1057/imfer.2013.13
Dornbusch, R., Fischer, S., & Startz, R. (2010). Macroeconomics (11th ed.). McGraw-Hill.
Elmeskov, J. (1993). High and persistent unemployment: Assessment of the problem and its causes. OECD Economic Studies, 21, 7–70. DOI: https://doi.org/10.1787/506882344657
Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of large language models. Science, 384(6702), 1306–1310. DOI: https://doi.org/10.1126/science.adj0998
Elsby, M. W. L., Hobijn, B., & Şahin, A. (2015). On the importance of the participation margin for labor market fluctuations. Journal of Monetary Economics, 72, 64–82. DOI: https://doi.org/10.1016/j.jmoneco.2015.01.004
Felten, E. W., Raj, M., & Seamans, R. (2018). A method to link advances in artificial intelligence to occupational abilities. AEA Papers and Proceedings, 108, 54–57. DOI: https://doi.org/10.1257/pandp.20181021
Felten, E. W., Raj, M., & Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. DOI: https://doi.org/10.1002/smj.3286
Gordon, R. J. (2010). Okun’s Law and productivity innovations. American Economic Review, 100(2), 11–15. DOI: https://doi.org/10.1257/aer.100.2.11
Harvey, A. C. (1989). Forecasting, structural time series models and the Kalman filter. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9781107049994
Hodrick, R. J., & Prescott, E. C. (1997). Postwar U.S. business cycles: An empirical investigation. Journal of Money, Credit and Banking, 29(1), 1–16. DOI: https://doi.org/10.2307/2953682
Knotek II, E. S. (2007). How useful is Okun’s Law? Federal Reserve Bank of Kansas City Economic Review, Q4, 73–103. https://www.kansascityfed.org/documents/955/2007-How%20Useful%20is%20Okun’s%20Law%3F.pdf
Laubach, T. (2001). Measuring the NAIRU: Evidence from seven economies. Review of Economics and Statistics, 83(2), 218–231.
Lee, J. (2000). The robustness of Okun’s Law: Evidence from OECD countries. Journal of Macroeconomics, 22(2), 331–356. DOI: https://doi.org/10.1016/S0164-0704(00)00135-X
Mankiw, N. G. (2021). Macroeconomics (11th ed.). Worth Publishers.
Morley, J. C., Nelson, C. R., & Zivot, E. (2003). Why are Beveridge–Nelson and unobserved component decompositions of GDP so different? Review of Economics and Statistics, 85(2), 235–243. DOI: https://doi.org/10.1162/003465303765299765
Mortensen, D. T., & Pissarides, C. A. (1994). Job creation and job destruction in the theory of unemployment. Review of Economic Studies, 61(3), 397–415. DOI: https://doi.org/10.2307/2297896
Nickell, S., Nunziata, L., & Ochel, W. (2005). Unemployment in the OECD since the 1960s. What do we know? Economic Journal, 115(500), 1–27. DOI: https://doi.org/10.1111/j.1468-0297.2004.00958.x
OECD. (2001). Measuring productivity: Measurement of aggregate and industry-level productivity growth. OECD Publishing. DOI: https://www.oecd.org/content/dam/oecd/en/publications/reports/2001/07/measuring-productivity-oecd-manual_g1gh2484/9789264194519-en.pdf
Okun, A. M. (1962). Potential GNP: Its measurement and significance. American Statistical Association, Proceedings of the Business and Economic Statistics Section, 98–104.
Planas, C., Rossi, A., & Fiorentini, G. (2008). Bayesian analysis of output gap. Journal of Business & Economic Statistics, 26(1), 18–32. DOI: https://doi.org/10.1198/073500106000000576
Prachowny, M. F. J. (1993). Okun’s Law: Theoretical foundations and revised estimates. Review of Economics and Statistics, 75(2), 331–336. DOI: https://doi.org/10.2307/2109440
Şahin, A., Song, J., Topa, G., & Violante, G. L. (2014). Mismatch unemployment. American Economic Review, 104(11), 3529–3564. DOI: https://doi.org/10.1257/aer.104.11.3529
Shimer, R. (2005). The cyclical behavior of equilibrium unemployment and vacancies. American Economic Review, 95(1), 25–49. DOI: https://doi.org/10.1257/0002828053828572
Sögner, L., & Stiassny, A. (2002). An analysis on the structural stability of Okun’s Law, A cross-country study. Applied Economics, 34(14), 1775–1787. DOI: https://doi.org/10.1080/00036840210124180
Staiger, D., Stock, J. H., & Watson, M. W. (1997). The NAIRU, unemployment and monetary policy. Journal of Economic Perspectives, 11(1), 33–49. DOI: https://doi.org/10.1257/jep.11.1.33
