Od „da li je ova serija uopšte stabilna?” do „ko vodi koga?”

1. Od slika ka dokazima: Zašto je „radni tok / pipeline” bitan

Posle grafikona, studija radi nešto osvežavajuće ne romantično: insistira na radnom toku. To nije akademsko sitničarenje; to je način da se mali godišnji skup podataka spreči da govori krupne, samouverene neistine.

Sa godišnjim podacima za Sloveniju (1990–2024), iskušenje je da pokrenete prostu regresiju i proglasite Okuna „potvrđenim” ili „srušenim”. Studija tvrdi da je baš tako lako završiti sa samopouzdanom besmislicom. Mali uzorci smanjuju statističku moć; strukturne promene pomeraju odnose; a nestacionarne serije mogu proizvesti korelacije koje izgledaju sadržajno, iako zapravo samo ‘klize zajedno’ zbog zajedničkog trenda. Zato je metod sekvencijalan: prvo utvrditi da li su serije dobro ponašajuće (stacionarnost), zatim da li postoji dugoročna veza (kointegracija), potom oceniti dinamiku modelima koji odgovaraju podacima (ARDL/NARDL), i tek onda testirati smer prediktivne prvenstvenosti (uzročnost).

Ta sekvenca je ekonomski sadržaj metodologije. Ako preskočite korake, i dalje ćete dobiti koeficijente, ali nećete znati da li mere ponašanje ili samo ogledaju istoriju.

2. Prvo: Ne saplićite se o stacionarnost, šta impliciraju rezultati testova jediničnog korena

Odeljak o testovima jediničnog korena počinje jednostavnom tvrdnjom: pre nego što modelirate „odnose”, morate znati kakve objekte povezujete. Serija koja trendovski luta suštinski je drugačija od serije koja osciluje oko stabilne sredine. Studija koristi dva komplementarna testa, ERS DF-GLS (gde je nulta hipoteza jedinični koren) i KPSS (gde je nulta hipoteza stacionarnost), baš zato što vas teraju da isto pitanje posmatrate iz suprotnih smerova.

Glavni rezultat je intuitivan i važan. U nivoima, LGDP i stopa nezaposlenosti izgledaju nestacionarno pod DF-GLS, uz izvesne naznake trend-stacionarnosti pod KPSS, što studija tretira kao plausibilno za tranzicionu ekonomiju sa trajnim trend rastom i promenljivim ravnotežama na tržištu rada. Implikacije su i metodološke i ekonomske: za nivoe, ili diferencirajte serije ili pažljivo tretirajte trend u dugoročnom modelu; inače rizikujete da pomešate dugoročni rast sa promenljivom osnovicom nezaposlenosti.

U prvim razlikama, slika je jednostavnija. DLGDP i DUR su stacionarni pod KPSS, a DUR je stacionaran i pod DF-GLS, što podržava upotrebu diferenciranih serija za modelovanje kratkoročnih dinamika. To podržava pristup analizi na osnovu Okunovog modela prvih razlika ako želite čistu priču o cikličnoj osetljivosti, kako se nezaposlenost menja kada se rast menja, bez tvrdnje o stabilnoj dugoročnoj ravnoteži.

Zatim studija pravi ključni zaokret ka modelu jaza. Pošto su jaz proizvodnje i jaz nezaposlenosti konstruisani kao ciklična odstupanja od trenda putem HP filtera, ponašaju se kako su „dizajnirani” da se ponašaju: stacionarni su pod oba testa, DF-GLS i KPSS. To nije samo tehnički detalj. To znači da se serije jaza mogu tretirati kao inherentno ciklični objekti, više „političke” mere neiskorišćenog kapaciteta, bez potrebe da ponovo „uklanjate trend”.

Ekonomski, to pravi urednu hijerarhiju: model jaza prirodno se uklapa u stabilizacioni govor (iznad/ispod potencijala, neiskorišćeni kapacitet/zategnutost), dok se model prvih razlika prirodno uklapa u godišnje fluktuacije (iznenađenja rasta i promene nezaposlenosti). Dokazi na osnovu testova jediničnog korena podržavaju oba, ali i upozoravaju da je mešanje nivoa bez ubedljive dugoročne osnove recept za lažnu izvesnost.

3. Prelomi i nelinearnosti: Kada istorija prepisuje pravila

Studija ne staje na testovima „prve generacije” jer slovenačka istorija ne liči na stacionaran proces. Odeljak o testovima jediničnog korena eksplicitno motiviše testiranje strukturnih preloma kao način da se razlikuje prava nestacionarnost od promena trenda izazvanih prepoznatljivim epizodama (tranzicijska dinamika, krize, reforme). U malom godišnjem uzorku, jedan veliki prelom može učiniti da stacionarna veza izgleda kao slučajno lutanje, ili da stabilna sredina izgleda kao da serije ‘klize zajedno’ zbog zajedničkog trenda.

Zato studija dodaje testove jediničnog korena sa prelomom (Zivot–Andrews; Clemente–Montañés–Reyes; Lee–Strazicich), a koristi i postupke sa više lomova (Bai–Perron i pristup Ditzen–Karavias–Westerlund). Konceptualna korist je jasna: ako se trend ili konstanta pomeri, vaš model to mora priznati; inače „Okunov koeficijent” postaje prosek nekompatibilnih režima.

Narativna interpretacija studije, više nego pojedinačna statistika, jeste da su slovenački makro-radni odnosi bili izloženi epizodama dovoljno velikim da promene svojstva vremenskih serija i nagibe. Umesto da ih tretira kao „šum”, radni tok ih tretira kao deo procesa generisanja podataka. To je važno kasnije, jer objašnjava zašto modeli sa strukturnim veštačkim promenljivama (2009 i 2020) mogu funkcionisati vrlo različito od modela bez njih.

4. Dugoročno pitanje: Kointegracija i šta bi to značilo za politiku

Kada znate kakve serije imate, sledeće pitanje je da li proizvodnja i nezaposlenost dele dugoročnu ravnotežnu vezu. Kointegracija je način da se pita: da li se ove serije kroz decenije kreću zajedno na način koji ima ekonomski smisao, čak i ako kratkoročno lutaju?

Studija koristi više pristupa kointegraciji jer svaki ima različite osetljivosti, posebno u malim uzorcima i uz lomove.

Engle–Granger: Slabo u nivoima, jače u jazovima, krhko u razlikama

Engle–Granger test daje ograničenu podršku kointegraciji u nivoima (LGDP i UR): kroz varijante sa/bez trenda i sa/bez dodatnih docnji testovi ne odbacuju „nema kointegracije”, što studija čita kao konzistentno sa lomovima ili nestabilnošću parametara.

Za parove prvih razlika (DLGDP i DUR), studija navodi da neke specifikacije daju snažne dokaze kointegracije (čak veoma snažne u pojedinim varijantama), ali da se taj dokaz značajno slabi kada se uključi dodatne docnje, pa zaključak postaje osetljiv na izbor docnji. Ta osetljivost je ponavljajuća tema: u kratkim godišnjim uzorcima „robustnost” nije luksuz, to je poenta.

Engle–Granger test postaje konzistentniji u modelu jaza. Studija nalazi jače i stabilnije dokaze kointegracije između jaza proizvodnje i jaza nezaposlenosti nego u nivoima, i razumno podržavajuće čak i kada se smer obrne (mada uglavnom slabije). Ekonomska interpretacija je privlačna: mere neiskorišćenosti kapaciteta mogu deliti stabilan ravnotežni odnos čak i kada su nivoi izobličeni dugoročnim tranzicionim trendovima.

Gregory–Hansen: Kointegracija jača kada dopustite lomove

Gregory–Hansen test je uveden kao napredni test koji uzima u obzir realnost: dopušta da se sama kointegraciona veza promeni sa strukturnim lomom. U nivoima, studija uglavnom nalazi odsustvo kointegracije, uz tek povremeni značajan ishod koji ne predstavlja opšti obrazac.

Ali u prvim razlikama i u modelu jaza, rezultati Gregory–Hansenovog testa su opisani kao snažni i robusni, sa datumima lomova koji se grupišu oko ekonomski smislenih perioda (studija ukazuje na sredinu 2000-ih za prve razlike i sredinu do kasnih 1990-ih za jazove). Poruka nije samo „Slovenija ima lomove”; poruka je da se dugoročni odnos vidi jasnije kada prestanete da ga silite da bude konstantan kroz režime.

Metodološka interpretacija studije je eksplicitna: za Sloveniju, testiranje kointegracije prilagođeno postojanju lomova u serijama nije opcioni ukras; to je preduslov za kredibilne dugoročne tvrdnje u tranzicionom skupu podataka.

Johansen: Sistemski dokazi, bolji uz uključenje veštačkih promenljivih za krize

Johansen pristup se koristi kao sistemska metoda, a studija obraća pažnju na ono što može da je „uspe ili obori”: izbor docnji, determinističke komponente i dijagnostike reziduala. Zatim naglašava da uključivanje strukturnih veštačkih promenljivih za 2009. i 2020. poboljšava prilagođavanje modela i pomaže izolovanju egzogenih šokova koji bi inače izobličili dugoročno zaključivanje.

Ekonomska implikacija je suptilna: sugeriše da se dugoročna veza proizvodnja–nezaposlenost u Sloveniji najbolje razume ne kao jedna glatka ravnoteža, već kao ravnotežna putanja koja je više puta „trzana” velikim šokovima. Sistem metoda koja ume da uključi kontrole za te trzaje prirodno daje jasniju priču od metode koja stabilnost podrazumeva.

5. Ocena Okuna za Sloveniju: ARDL rezultati i šta koeficijenti znače

Kada se sakupi dokaz da je kointegracija verodostojnija, posebno u terminima jaza i posebno kada se poštuju lomovi, studija prelazi na ARDL modele kao praktičan okvir procene pogodan za male uzorke i mešovite redove integracije.

Ocenjuju se četiri godišnja ARDL modela sa veštačkim promenljivama za 2009. i 2020. i koristi SIC kriterijum za izbor docnji. Studija zatim fokusira pažnju na dva linearna ARDL modela i jedan NARDL (nelinearni ARDL) kao proveru robusnosti.

ARDL u duhu prvih razlika sa UR kao zavisnom: Konvencionalna Okunova priča, oprezno zarađena

U prvom modelu (UR kao zavisna; BDP i docnje; plus veštačke promenljive), studija opisuje odnos kao negativan i statistički značajan u kratkom i dugom roku, konzistentno sa Okunom. Navodi se vrednost koeficijenta korekcije greške oko −0,223, što implicira postepeno prilagođavanje ka ravnoteži (otprilike petina odstupanja se „ispravi” godišnje). Granični test podržava kointegraciju, a dijagnostike (serijska korelacija, heteroskedastičnost, normalnost, RESET) podržavaju adekvatnost modela, uz visoku objašnjavajuću moć modela.

Ekonomski, to kaže: kada se proizvodnja poboljša, nezaposlenost teži da se prilagodi nadole, i u ovoj specifikaciji postoji dugoročno sidro. Studija takođe primećuje da veštačke promenljive uvedene za krizne periode ovde nisu značajne, što tumači kao moguće da se efekti tih epizoda već kanališu kroz dinamiku BDP-a ili da mali uzorak otežava čisto detektovanje njihovih efekata.

Jaz ARDL sa jazom nezaposlenosti kao zavisnom: Najjasnija „politička” verzija

Drugi model je onaj koji studija tretira kao najubedljiviji: jaz nezaposlenosti u zavisnosti od jaza proizvodnje. Ovde se dugoročni koeficijent navodi kao negativan i veći po apsolutnoj vrednosti (oko −0,227), a koeficijent korekcije greške je vrlo snažan (oko −0,796), što sugeriše brzo prilagođavanje, većina odstupanja se ispravi u roku od jedne godine. Granični testovi snažno podržavaju kointegraciju; dijagnostike opet podržavaju adekvatnost modela; a model je uokviren kao posebno pogodan za simulacije ekonomskih politika jer preslikavaju cikličnu neiskorišćenost kapaciteta proizvodnje u cikličnu neiskorišćenost na tržištu rada.

Ekonomsko čitanje je upravo ona Okunova priča koju kreatori politike žele, ali sa važnim preokretom: to nije „rast smanjuje nezaposlenost” uopšteno. To je „zatvaranje jaza proizvodnje koji zatvara jaz nezaposlenosti”, i to relativno brzo u ocenjenoj dinamici.

NARDL: Asimetrija je dopuštena, ali podaci odbijaju da je dramatizuju

NARDL se uvodi da testira realističnu hipotezu: tržišta rada mogu reagovati drugačije na ekspanzije nego na kontrakcije. Za Sloveniju, međutim, studija nalazi gotovo identične dugoročne koeficijente za pozitivne i negativne komponente jaza proizvodnje i ne nalazi smislen dokaz dugoročne asimetrije. Kointegracija je opisana kao statistički neubedljiva u ovom nelinearnom okviru (tik ispod ključnog praga), a objašnjavajuća moć je manja nego u linearnom ARDL modelu jaza.

Studija to tumači pragmatično: NARDL je korisna provera robusnosti, ali u ovom skupu podataka linearni ARDL model jaza izgleda dovoljan. Pominje i problem neravnoteže uzorka (malo negativnih stopa rasta u jednom kontekstu), što može učiniti nelinearnu dekompoziciju nestabilnom u malim uzorcima.

U zbiru, procena daje rang-listu koju studija može da brani: ARDL model jaza je najbolje uklopljen i najinterpretabilniji, sa snažnim prilagođavanjem i dobrim dijagnostikama; ARDL model prvih razlika je validan i podržavajući; nelinearno proširenje je informativno, ali ne presudno.

6. Bayer–Hanck: Meta-test koji uglavnom staje uz jaz priču

Pošto se pojedinačni kointegracioni testovi mogu razilaziti, posebno u kratkim uzorcima, studija koristi Bayer–Hanck meta test kointegracije da kombinuje dokaze iz više metoda.

Obrazac odgovara onome što su raniji odeljci sugerisali: nivoi su slabi i osetljivi, dok je model jaza jači i konzistentniji, posebno pod konstantnom specifikacijom (a slabiji kada se uključe trendovi). Studija to tretira kao potvrdu: dugoročne tvrdnje su odbranjivije u terminima cikličnosti neiskorišćenog kapaciteta nego u sirovim nivoima, gde trend, lomovi i odluke o determinističkoj komponenti mogu dominirati.

Metodološki, ovaj korak je način da se kaže: „ne dopustite da se jedan test proglasi kraljem.” Ekonomski, ojačava tvrdnju da je najpouzdaniji Okunov odnos u Sloveniji onaj izražen u terminima jaza, koliko je proizvodnja udaljena od potencijala i koliko je nezaposlenost udaljena od prirodne stope.

7. Uzročnost: Ko vodi koga, i zašto veštačke promenljive menjaju odgovor

Najzad, studija postavlja pitanje koje političari vole, a ekonometričari ne vole: da li proizvodnja „uzrokuje” nezaposlenost, ili nezaposlenost može biti vodeći indikator proizvodnje? Koristi Toda–Yamamoto test upravo da smanji rizik da odluke u pre-testiranju diktiraju zaključak.

Bez strukturnih veštačkih promenljivih, studija ne nalazi značajnu Grangerovu uzročnost ni u jednom smeru kroz nivoe, prve razlike i jaz modele. Poruka: ako tretirate uzorak kao jedan homogeni režim, ne dobijate jasnu prediktivnu smernost.

Zatim dodaje veštačke promenljive za 2009. i 2020. i narativ se menja. U nivoima nalazi graničnu dvosmernu uzročnost na 10% nivou. U prvim razlikama i dalje ne nalazi značajnu uzročnost. Ali u jaz modelu sa veštačkim promenljivama dobija nešto čistiji odgovor: nalazi statistički značajnu jednosmernu vezu od jaza proizvodnje ka jazu nezaposlenosti, dok obrnuti smer ostaje nepodržan.

To je veliki interpretativni dobitak i studija ga eksplicitno izvodi: ciklična odstupanja proizvodnje izgledaju kao prediktor cikličnih odstupanja nezaposlenosti kada se veliki diskontinuiteti uzmu u obzir. Prostije: kada kontrolišete godine u kojima se svet „otkačio”, preostali ciklični odnos više liči na udžbeničku priču, neiskorišćenost kapaciteta u proizvodnji vodi neiskorišćenosti kapaciteta na tržištu rada, a ne obrnuto.

Metodološka pouka je da lomovi mogu maskirati uzročnost; ekonomska pouka je da je slovenački Okunov mehanizam najvidljiviji kao kanal „neiskorišćeni kapacitet → neiskorišćeni kapacitet”, a ne kao prosta mašina „rast → godišnja promena nezaposlenosti”.

8. Most ka Delu III: Šta ceo radni tok daje u zbiru

Radni tok iz Dela II daje koherentan zaključak, ali ne i trivijalan. Težina dokaza u izveštaju ukazuje da je Okunov zakon najkredibilniji i najrelevantniji za politiku u Sloveniji kada se formuliše u terminima jaza, podržan dokazima kointegracije ojačanim metodama koje uzimaju u obzir prelome u serijama, ARDL ocenom sa snažnim prilagođavanjem i uzročnošću koja postaje jasna tek kada se uključe strukturne veštačke promenljive.

Deo III će uraditi ono što studija implicitno priprema, ali ne iscrpljuje u narativu rezultata: integrisati nalaze u čitanje ekonomske politike, šta znače za stabilizacionu strategiju, odgovornost/reakcija tržišta rada i vrste šokova koje još uvek mogu da olabave čak i relativno disciplinovan slovenački Okunov šapat.