Coronakrisen kan sænke beskæftigelsen i mange år

(1)

Konjunkturer kan have varige effekter

Coronakrisen kan sænke beskæftigelsen i mange år

Store konjunkturomslag har i de sidste 50 år sat langvarige spor på arbejdsmarkedet. I 1970’erne, 80’erne og 90’erne havde konjunkturerne langvarig effekt på ledigheden, mens finanskrisen i 00’erne sænkede erhvervsdeltagelsen. Det viser vi ved hjælp af en ny metode til at beregne ledighedens langsigtede niveau. Beregningerne viser vigtigheden af, at politikerne fører en aktivt understøttende finanspolitik, indtil væksten igen har fået godt fat.

af senioranalytiker Jon Nielsen

og stud.polit. Freja Englund 28. december 2020

Analysens hovedkonklusioner

• De største konjunkturomslag i 1970’erne, 80’erne og 90’erne ændrede det grundniveau, som ledigheden svinger omkring – også kaldet den strukturelle ledighed. Det viser vi her ved hjælp af en nyudviklet statistisk metode til at beregne den strukturelle ledighed.

• For finanskrisen er det ikke entydigt, om den ændrede den strukturelle ledighed. Til gen- gæld havde finanskrisen vedvarende negative effekter på erhvervsdeltagelsen for de 30- 54-årige og for de unge.

• De historiske erfaringer viser, hvor vigtigt det er, at coronakrisen ikke trækker ud. Det er vigtigere, end at undgå en eventuel overophedning på den anden side af krisen. Politi- kerne bør ikke stramme finanspolitikken, før vi er ude af krisen, og de bør understøtte eksporten.

Kontakt

Senioranalytiker Jon Nielsen Mobil 40 54 18 80 jn@ae.dk

Kommunikationschef Jesper Kirkbak Mobil 50 73 71 34 jk@ae.dk

(2)

Coronakrisen har sendt arbejdsmarkedet ned i et dybt hul

Coronakrisen sendte på ufatteligt kort tid ledigheden i vejret. Det fremgår af Figur 1. På bare to måneder steg bruttoledigheden til noget nær det niveau, den havde i de værste måneder under finanskrisen, efter at den siden 2013 langsomt var kravlet tilbage mod niveauet fra før finanskrisen. Samtidig har vi allerede set en lille stigning i langtidsledigheden.

Heldigvis har der været gang i jobåbningerne over sommeren, og det giver håb om en hurtig genopret- ning. Fremgangen kan dog gå i stå, hvis eksportvirksomhederne mister ordrer i endnu større stil, eller hvis større dele af økonomien skal lukkes over vinteren.

Figur 1. Fuldtidsledige, januar 2007 til oktober 2020

Anm.: Nettoledige er personer på ledighedsydelser ekskl. aktiverede. Bruttoledige er inkl. aktiverede. Tallene er sæsonkorrigerede.

Kilde: AE på baggrund af Danmarks Statistik og Jobindsats.

Stigningen i ledigheden må for alt i verden ikke få lov at bide sig fast. I de seneste 50 år har arbejdsmarkedet fået langvarige mén af større kriser, mens større opsving omvendt har forbedret arbejdsmarkedets sundhedstilstand i mange år efter. Fra 1970 til 2000 viste de langvarige effekter sig i ledigheden, mens det under finanskrisen i højere grad har vist sig i erhvervsdeltagelsen. Det viser vi i de næste to afsnit.

De historiske erfaringer gør, at det er helt afgørende, at coronakrisen ikke trækker ud. Det er vigtigere, end at undgå en eventuel overophedning på den anden side af krisen. Politikerne kan hjælpe økonomien tilbage på sporet med aktiv finanspolitik, dvs. f.eks. offentlige investeringer eller offentligt forbrug, som kan sætte gang i efterspørgslen igen. Det er alfa og omega – ikke bare for at forhindre flere i at miste jobbet på kort sigt, men også for at undgå langvarige skader på økonomien. Specifikt er det vigtigt, at politikerne bliver ved med at lempe finanspolitikken, til væksten igen har fået godt fat. Og at de under- støtter eksporten og holder hånden under de ledige, der mister jobbet.

Konjunkturerne i 1970-2000 ændrede den strukturelle ledighed

Op igennem 1970’erne, 80’erne og 90’erne havde de største konjunkturomsving stor betydning for ledighedens strukturelle niveau, som er det underliggende ligevægtsniveau, ledigheden svinger omkring.

Det viser vi i dette afsnit.

0 20 40 60 80 100 120 140 160 180

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

1.000 personer 1.000 personer

Bruttoledige Nettoledige Langtidsledige (brutto)

(3)

I Figur 2A har vi vist ledighedens udvikling tilbage til 1970. Som det ses, steg ledigheden voldsomt efter de to oliekriser i 1974 og 1979, og den forblev på et højt niveau i hele det næste årti. Efter 1994 oplevede Danmark et opsving, som betød, at ledigheden i resten af 1990’erne faldt med hele 7 procentpoint.

Udover ledigheden har vi vist en beregning af ledighedens strukturelle niveau tilbage til 1970. Det strukturelle niveau er ikke et tal, man kan slå op i Statistisk Årbog, men et tal man må beregne med udgangspunkt i økonomisk teori. Derfor skal man være varsom med at tolke på små eller kortvarige udsving. Vi har som noget nyt lagt den økonomiske teori for strukturledighed til grund for beregningen – det er nyt, for man plejer at basere beregningen på den økonomiske teori for konjunkturledighed. Metoden er for- klaret i Bilag 1, og i Bilag 2 har vi diskuteret metodens forhold til den fagøkonomiske litteratur.

Ifølge vores beregning blev den stigende ledighed i 70’erne og faldende ledighed i 90’erne efterfulgt af en tilsvarende udvikling i ledighedens strukturelle niveau. Den strukturelle ledighed ser til gengæld ikke ud til at være steget nævneværdigt under finanskrisen.

Figur 2A. Ledigheden og den strukturelle ledig- hed 1970-2019

Figur 2B. Den strukturelle ledighed beregnet med den nye og den traditionelle metode

Kilde: AE pba. Danmarks Statistik samt Jobnet, Arbejdsformidlingen, EU-Kommissio- nen og De Økonomiske Råd.

I Figur 2B har vi holdt vores nye beregning af den strukturelle ledighed op imod vismændenes beregning med den traditionelle metode. De to beregninger giver overordnet set samme forløb for den strukturelle ledighed. Problemet med den traditionelle metode er, at den ikke giver nogen information om, hvorfor den strukturelle ledighed udvikler sig, som den gør. Det ændrer vi på med den nye beregningsmetode, for den viser nemlig, hvad der har drevet udviklingen i ledighedens strukturelle niveau.

Den nye metode tager udgangspunkt i den økonomiske sammenhæng mellem ledigheden og antallet af ledige stillinger. Den sammenhæng er vist i Figur 3, hvor hver prik markerer et år, og hvor ledigheden er vist ud af den vandrette akse, og antallet af ledige stillinger er vist ud af den lodrette akse.

I højkonjunkturer er der få arbejdsløse og mange ledige stillinger, mens der i lavkonjunkturer er mange arbejdsløse og få ledige stillinger. I opgangstider bevæger økonomien sig derfor skråt opad mod venstre, og i nedgangstider bevæger den sig skråt nedad mod højre. Det så vi f.eks. i årene før, under og efter finanskrisen, som vi har farvet røde i figuren. I 2005-2007 tordnede økonomien op imod diagrammets øverste venstre hjørne, mens den under finanskrisen i 2008-2012 bragede nedad mod højre igen. I 2013- 2019 gik det fremad i et mere moderat tempo.

0 2 4 6 8 10 12 14

1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 Procent Procent

Ledigheden (netto) Strukturelt niveau for ledigheden

0 2 4 6 8 10 12

1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 Procent Procent

Ny metode Traditionel metode

(4)

Arbejdsmarkedets tilstand har ændret sig flere gange i de sidste 50 år. I første halvdel af 70’erne var ledigheden helt i bund og antallet af ledige stillinger helt i top. De år er farvet gule i figuren. Med oliekriserne gik økonomien på få år til den modsatte situation – det er de grå år i figuren. Situationen forbedrede sig kun lidt i løbet af 1980’erne, og derfra gik vi til en situation i start-90’erne, hvor der på én gang var et højt antal ledige stillinger og et højt antal ledige – de år er her farvet lyserøde. Med opsvinget i 90’erne kom der styr på ledigheden, og hver af de ledige fik flere ledige stillinger at søge (de lyseblå år).

Figur 3. Ledigheden og antal ledige stillinger

Anm.: Tidsserien for antallet ledige stillinger er beskrevet i Bilag 3, og er særligt usikker før 2004. Tallene bygger på Jobnets tal for ledige stillinger i 2004-2018 og Arbejdsformidlingens tal for ledige stillinger i 1970-1998. I 1999-2003 har vi anvendt en proxyvariabel, som bl.a. EU-Kommissionen tidligere har brugt. Ledigheden og antallet af ledige stillinger er begge opgjort i procent af arbejdsstyrken.

Kilde: AE på baggrund af Danmarks Statistik samt Jobnet, Arbejdsformidlingen og EU-Kommissionen.

Strukturerne på arbejdsmarkedet bestemmer arbejdsmarkedets grundniveauer, dvs. hvor mange ar- bejdsløse og ledige stillinger der er i en konjunkturneutral situation. Der er to underliggende sammen- hænge på spil i Figur 3 ovenfor, som ifølge den økonomiske teori bestemmer ledighedens stabile lige- vægtsniveau. Dem har vi vist i Figur 4A og 4B. Det er dels den strukturelle efterspørgsel efter arbejdskraft og dels Beveridgekurven, som beskriver, hvornår lige mange personer mister jobbet og finder et nyt. Arbejdsmarkedet er i en stabil ligevægt, når de to kurver skærer hinanden. Den strukturelle ledighed er ledighedens niveau i den stabile ligevægt.

Strukturerne på arbejdsmarkedet kan ændre sig på to måder, som får den strukturelle ledighed til at stige.

For det første vil den strukturelle ledighed stige, hvis arbejdsgiverne af strukturelle årsager efterspørger mindre arbejdskraft. Den situation har vi vist i Figur 4A, hvor den strukturelle efterspørgsel efter arbejdskraft falder. Den situation er kendetegnet ved, at der er højere ledighed og færre ledige stillinger.

For det andet vil den strukturelle ledighed stige, hvis de arbejdsløse får sværere ved at finde en arbejds- giver, der efterspørger netop deres kompetencer. Det er situationen i Figur 4B, hvor Beveridgekurven rykker mod højre. Her er der både højere ledighed og flere ledige stillinger, fordi hver af de ledige og hver af virksomhederne skal bruge længere tid på at finde et passende jobmatch.

1970

1972 1973

1975 1980

198219841983 1985 1988

1990

1991

1992 1993 1994 1996 1995

2005 1998 2007

2008

2013 2019

0,0%

0,5%

1,0%

1,5%

2,0%

0% 2% 4% 6% 8% 10% 12% 14%

Ledige stillinger

Ledighed (netto) 1970-1974

1974-1984 1984-1993 1993-2005 2005-2019

(5)

Figur 4A. Teoretisk ligevægt – fald i arbejdsgi- vernes efterspørgsel efter arbejdskraft

Figur 4B. Teoretisk ligevægt – dårligere match mellem de ledige og arbejdsgiverne

Anm.: u* og u** er den strukturelle ledighed før og efter faldet i efterspørgslen.

Kilde: AE pba. Pissarides (2000): Equilibrium Unemployment Theory.

Anm.: u* og u** er den strukturelle ledighed før og efter forringelsen af matchet.

Kilde: AE pba. Pissarides (2000): Equilibrium Unemployment Theory.

I ”normale” konjunkturcyklusser bevæger økonomien sig rundt om en stabil ligevægt, men store eller langvarige konjunkturudsving kan ændre først den strukturelle efterspørgsel efter arbejdskraft, og derefter matchet på arbejdsmarkedet. Når man skal tolke på årsagerne til strukturelle forandringer, er det derfor vigtigt, om strukturerne har ændret sig på den ene eller den anden måde. Med vores nye beregning af den strukturelle ledighed kan vi undersøge, hvad der har drevet de strukturelle forandringer gen- nem tiden, for her har vi estimeret de to underliggende sammenhænge og beregnet den strukturelle ledighed ved at finde skæringspunktet.

Vores beregninger viser, at når ledigheden steg efter oliekriserne og faldt efter opsvinget i 90’erne, skyldtes det først et skift i den strukturelle efterspørgsel efter arbejdskraft og dernæst et skift i matchet mellem de ledige og arbejdsgiverne. Det fremgår af Tabel 1, hvor vi har beregnet, hvor stor en del af den strukturelle ledigheds udvikling over fem år, der skyldes ændringer i henholdsvis den strukturelle efter- spørgsel og matchet på arbejdsmarkedet.

Resultaterne i Tabel 1 er en stærk indikation på, at det var konjunkturerne, der drev den strukturelle ledighed i vejret i slut-70’erne og drev den nedad igen i 90’erne. Tabellen indikerer nemlig, at oliekriserne slog efterspørgslen til tælling i så mange år, at mange ledige fik svært ved at fastholde de kompetencer, arbejdsgiverne efterspurgte. Det betød, at efterspørgslen efter arbejdskraft først faldt strukturelt, og derefter blev det strukturelt sværere for arbejdsgiverne at finde ledige med de rette kompetencer. I 90’erne var det de omvendte forhold, der sænkede ledigheden. Med til historien om 1990’erne hører, at virksomhedernes efterspørgsel efter arbejdskraft blev hjulpet på vej op af en aktiv finanspolitik, mens ledigheden blev hjulpet på vej ned med orlovs- og tilbagetrækningsordninger.

Tabel 1. Årsager til ændringer i den strukturelle ledighed

'73-'78 '78-'83 '83-'88 '88-'93 '93-'98 '98-'03 '03-'08 '08-'13 '13-'17

Ændring i str. efterspørgsel 2,2 3,5 -1,6 -2,1 -0,8 0,0 -1,4 0,1 -0,7

Ændring i match 0,0 -1,6 6,7 3,1 -2,4 -1,3 -1,1 0,0 0,6

Ændring i str. ledighed i alt 2,1 0,9 3,4 0,3 -3,0 -1,3 -2,3 0,1 -0,2 Anm: De to øverste rækker summer ikke til den samlede ændring i strukturledigheden, fordi der også er et krydsprodukt.

Kilde: AE på baggrund af Danmarks Statistik samt Jobnet, Arbejdsformidlingen, EU-Kommissionen og De Økonomiske Råd.

Hvis konjunkturerne sætter sig i den strukturelle ledighed, kan vi også forvente en sammenhæng mellem udsvingene i den strukturelle ledighed i Danmark og i udlandet – i hvert fald i det omfang, konjunkturerne

Beveridge-kurve Arbejdsløshed (u) u*

Strukturel efterspørgsel efter arbejdskraft

Arbejdsløshed (u) u*

Strukturel efterspørgsel efter arbejdskraft Ny strukturel efterspørgsel

efter arbejdskraft

u**

Beveridge-kurve

u**

Ny Beveridge-kurve

Ledige stillinger

(6)

i forskellige lande løber parallelt. Og når vi sammenligner den strukturelle ledigheds udsving i Danmark med andre lande, så er der faktisk også en sammenhæng. Det fremgår af Figur 5, hvor vi har vist den strukturelle ledigheds udsving omkring sit gennemsnit i Danmark og en lang række europæiske lande.

Ledighedstallene i Figur 5 stammer fra den såkaldte AKU-survey som Danmarks Statistik foretager til brug for internationale sammenligninger, og den strukturelle ledighed er her beregnet på en mere simpel måde end ovenfor.

Som man kan se, følges den danske strukturledighed op og ned med strukturledigheden i andre euro- pæiske lande. Det indikerer, at den strukturelle ledigheds udvikling skyldes internationale stød og fælles tendenser, hvilket bekræfter billedet fra analysen ovenfor. Bemærk, at den strukturelle ledighed også steg under finanskrisen, når vi tager udgangspunkt i de surveybaserede ledighedstal. Det skyldes bl.a., at studerende der mistede jobbet under finanskrisen samt ledige, der faldt ud af ydelsessystemet, tæller med i AKU-statistikken, men ikke i nettoledigheden. Når vi inkluderer de grupper, ser det altså ud til, at den strukturelle ledighed steg under finanskrisen.

Figur 5. Mellemlange udsving i den strukturelle ledighed i Danmark og andre lande

Anm.: Beregnet som den strukturelle ledigheds udsving omkring sin langsigtede trend. Begge dele er beregnet med et bandpassfilter efter en metode, som amerikanske forskere har brugt på USA, jf. Comin & Gertler (2006): ’Medium-Term Business Cycles’, AER 96/3. Ledighedsudsvingene for de andre lande er normeret til Danmarks gennemsnit og varians for at sikre sammenlignelighed. De andre lande er Sverige, Finland, Belgien, Holland, Østrig, Irland, Storbritannien, Frankrig, Italien, Luxembourg, Portugal og Spanien.

Kilde: AE på baggrund af OECD.

Selvom det er internationale konjunkturer, der påvirker ledighedens udvikling – ligesom vi har set under coronakrisen – så kan man godt påvirke politisk, hvor hårdt de internationale konjunkturer rammer ledigheden. Det kan man bl.a. gøre ved at føre en finanspolitik, som stimulerer økonomien i krisetider. De historiske erfaringer viser, at den slags tiltag ikke bare har en midlertidig effekt, men kan have en varig effekt.

Finanskrisen reducerede arbejdsstyrken

Som vi har vist, er det ikke entydigt, om den strukturelle ledighed blev påvirket af finanskrisen. Det af- hænger af, hvilken ledighedsopgørelse man ser på.

-4 -3 -2 -1 0 1 2 3 4 5

1970 1975 1980 1985 1990 1995 2000 2005 2010 2015

Procentpoint Procentpoint

Mellemlange ledighedsudsving i andre EU-lande Mellemlange ledighedsudsving i Danmark

(7)

Til gengæld faldt tilknytningen til arbejdsmarkedet for de 30-54-årige, som er arbejdsmarkedets kerne- aldersgruppe. Det fremgår af Figur 6A. Andelen af de 30-54-årige, som stod uden for arbejdsmarkedet, ser ud til have taget et spring opad i start-90’erne og i forbindelse med finanskrisen. Og det kunne godt se ud til, at vi stadig er påvirket af det spring, for andelen uden for arbejdsmarkedet var i 2019 fortsat 2,7 procentpoint over niveauet i 2007. Det svarer til 40.800 personer. Hvis de personer havde talt med i ledighedsstatistikken, ville den strukturelle ledighed være steget med yderligere 1,4 procentpoint under finanskrisen. Det dækker bl.a. over ledige, der faldt ud af ydelsessystemet – personer, der som sagt også var med til at øge den strukturelle AKU-ledighed under finanskrisen.

Mange af dem, der helt forlader arbejdsstyrken, vender aldrig tilbage, så selvom finanskrisens effekt på erhvervsdeltagelsen er mindre og mere usikker end tidligere krisers effekt på den strukturelle ledighed, er det ikke et mindre problem.

Også blandt de unge skete der i 2008 et hop opad i andelen, som stod uden for arbejdsmarkedet, jf.

Figur 6B. Det skyldes bl.a. en højere uddannelsestilbøjelighed, men det skyldes også en højere uregistre- ret ledighed blandt studerende. Ser vi på de 55-64-årige, er andelen uden for arbejdsstyrken til gengæld faldet støt i de sidste 20 år, også i årene efter finanskrisen. Denne gruppe har altså fået bedre fat i arbejdsmarkedet, jf. Figur 6B.

Figur 6A. Andel af de 30-54-årige, som står uden for arbejdsmarkedet

Figur 6B. Andel af unge og seniorer, som står uden for arbejdsmarkedet

Kilde: AE pba. Danmarks Statistik (UADAM). Kilde: AE pba. Danmarks Statistik (UADAM).

0 2 4 6 8 10 12 14 16 18 20

1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017 2019

Procent Procent

30-54 år

0 5 10 15 20 25 30 35 40 45

1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017 2019

Procent Procent

16-29 år 55-64 år

(8)

Bilag 1. Ny metode til at beregne den strukturelle ledighed

Konjunkturer og andre midlertidige stød får ledigheden til at svinge rundt om dens strukturelle niveau. Når ledigheden æn- drer sig, kan det derfor enten skyldes ændringer i konjunkturerne eller ændringer i det strukturelle niveau. Her har vi udviklet en ny metode til at opdele ledighedens udvikling i et konjunkturelement og et strukturelt element. Fordelen ved den nye metode er, at den tillader os at tolke på, hvad der har drevet ændringerne i den strukturelle ledighed over tid.

Når Finansministeriet, de økonomiske vismænd og Nationalbanken opdeler ledigheden i et struktur- og et konjunkturelement, gør de det ved at estimere en Phillipskurve, som i den nykeynesianske konjunkturteori er sammenhængen mellem løn- stigningstakten og den konjunkturmæssige del af ledigheden. Ved at basere estimationen på en Phillipskurve udnytter man, at lønnen stiger hurtigt i højkonjunkturer, hvor arbejdsgiverne kæmper for at tiltrække arbejdskraft, og langsomt i lavkonjunkturer, hvor de ledige kæmper om jobbene. Problemet med metoden er, at den behandler den strukturelle ledighed som en ’black box’.

Det ændrer vi på ved at basere vores estimation på den kanoniserede model for søgeledigheden, som økonomerne Christo- pher Pissarides, Dale Mortensen og Peter Diamond vandt nobelprisen for i 2010. Her er den strukturelle ledighed det niveau for ledigheden, der sikrer ligevægt mellem tre økonomiske sammenhænge, hvoraf de to første tilsammen beskriver efter- spørgslen efter arbejdskraft:

• Lønrelation: Beskriver, hvilken løn de ledige kan forhandle sig frem til. De ledige konkurrerer lønnen i vejret, når der er mangel på arbejdskraft, dvs. når der er mange ledige stillinger pr. arbejdsløs.

• Jobskabelseskurve: Beskriver hvor mange ledige stillinger pr. arbejdsløs, virksomhederne opretter ved den givne løn. De opretter så mange ledige stillinger, at den marginale gevinst af én ekstra stilling svarer til de forventede rekrutteringsom- kostninger. Arbejdsgivernes gevinst af et ekstra job er aftagende i lønnen.

• Beveridgekurve: Beskriver steady state-niveauet for ledigheden givet de lediges sandsynlighed for at finde et job. Når der er mange ledige stillinger pr. arbejdsløs, er de ledige hurtigere om at finde et job. Derfor er beskæftigelsen højere, hvorfor der umiddelbart er flere, der mister jobbet. I steady state svarer tilgangen til og afgangen fra ledighed til hinanden. Steady state-ledigheden stiger, hvis der strukturelt skal flere ledige og ledige stillinger til for forme et match. I så fald rykker Beve- ridgekurven udad i (u,v)-diagrammet.

For hvert af årene 1970-2017 estimerer vi, hvilken hældning den strukturelle jobskabelseskurve har, og hvor langt til højre/venstre den strukturelle Beveridgekurve ligger, jf. Figur B1 og B2, som viser de estimerede kurver for 1993 og 2017.

Strukturledigheden i hvert år er det niveau, ledigheden har i ligevægten, dvs. i skæringspunktet mellem den strukturelle Be- veridgekurve og jobskabelseskurve (u* i de to figurer).

Når vi skal identificere den strukturelle jobskabelseskurve, bruger vi en Phillipskurve til at opdele antallet af ledige stillinger pr. arbejdsløs i et strukturelt og et konjunkturmæssigt element. De strukturelle variable i Phillipskurven er taget fra de Phil- lipskurver, som indgår i vismændenes og Nationalbankens regressionsmodeller for strukturledigheden.

Vi estimerer modellen ved hjælp af et Kalman-filter. Det er en statistisk metode til at estimere uobservérbare økonomiske størrelser på baggrund af observérbare økonomiske sammenhænge. Det er også den metode, Finansministeriet, vismæn- dene og Nationalbanken bruger i deres beregninger. Metoden kræver, at man opstiller en statistisk model, men den har den fordel, at man ikke behøver gøre eksplicitte antagelser om, præcis hvilke faktorer, der forårsager de strukturelle ændringer.

Vi har dokumenteret vores estimationen i et teknisk notat, hvor vi også beskriver forskellige specifikationer af modellen.

Mens år-til-år-udviklingen i den strukturelle ledighed varierer mellem de nærmere specifikationer, er resultaterne fra de- komponeringsøvelsen i Tabel 1 ovenfor robuste over for ændringer i modellen. Vi får også de samme resultater, når vi anven- der en mere simpel beregningsgang, hvor de stabile ligevægte identificeres med HP-filtre. I alle modelspecifikationer svarer både strukturledigheden og ledighedsgabet i grove træk til vismændenes estimater.

Figur B1. Estimeret ligevægt for 1993 Figur B2. Estimeret ligevægt for 2017

Kilde: AE på baggrund af Danmarks Statistik samt Jobnet, Arbejdsformidlingen, EU-Kommissionen og De Økonomiske Råd.

1993

Ledighed (netto) Beveridgekurve, 1993

Strukturel efterspørgsel efter arbejdskraft, 1993 Ledige stillinger

u*₁₉₉₃

2017

Ledighed (netto) Beveridgekurve, 2017

Strukturel efterspørgsel efter arbejdskraft, 2017 Ledige stillinger

u*₂₀₁₇

(9)

Bilag 2. Analysens forhold til den fagøkonomiske litteratur

Så vidt vi ved, er det en ny metode, vi har brugt til at beregne den strukturelle ledighed. Men den er beslægtet med to forskellige grene af den økonomiske litteratur – dels beregninger af den strukturelle ledighed og dels undersøgelser af kon- junkturernes betydning for den strukturelle ledighed.

Beregninger af den strukturelle ledighed

Den strukturelle ledighed er det ligevægtsniveau, ledigheden vender tilbage til efter midlertidige stød. Da ligevægten bl.a.

er kendetegnet ved, at lønudviklingen er stabil, er ligevægtsniveauet det niveau, der er foreneligt med en stabil lønudvikling.

Når man beregner den strukturelle ledighed, bruger man derfor lønstigningstakten som signal om, om ledigheden er over eller under det strukturelle niveau. Dermed bliver den estimerede strukturledighed til en udglattet version af den faktiske ledighed, hvor man har fjernet den del af ledigheden, som svinger i takt med lønstigningerne. Det er også det, vi gør her, men som noget nyt har vi tilføjet nogle ekstra ligninger til estimationsmodellen, som giver et praj om, hvad der driver den strukturelle ledighed.

Inden for beregninger af ledighedens ligevægtsniveau vil vi reklamere for et enkelt studie, nemlig Zheng m.fl. (2019), som i samarbejde med AE har justeret den mest almindelige estimationsmetode (Kalman-filteret). Det almindelige Kalman-filter smider information væk om, hvornår strukturelle stød indtræffer. Den information beholder man med det filter, Zheng m.fl.

har udviklet med hjælp fra AE. Dermed kan man bedre analysere, hvad der driver den strukturelle ledighed.

Vi har kendskab til et enkelt studie, der udleder et strukturelt ledighedsniveau fra en kalibreret søgemodel, nemlig Daly m.fl. (2011). Derudover forsøger Michaillat & Saez (2019) at udlede ledighedens mest efterstræbelsesværdige niveau fra en kalibreret søgemodel.

Undersøgelser af sammenhængen mellem konjunktur og struktur

En del studier har analyseret ledighedens udvikling ”narrativt”, dvs. tolket på årsagerne til ledighedens udvikling ved de- skriptivt at sammenholde forskellige indikatorer. Det gælder f.eks. Holmlund (2003) og Pissarides (2003). De ser på bl.a.

Beveridgekurvens udvikling i Sverige og England og konkluderer, at konjunkturerne var med til at øge ledigheden strukturelt i 1970erne og ’80erne og sænke den igen i ’90erne. Herhjemme er Kongshøj Madsen (1999) et eksempel på en narrativ analyse af ledighedens udvikling. Han finder også tegn på, at oliekriserne satte sig i det underliggende ledighedsniveau.

Selvom vi bruger en statistisk metode til at beregne den strukturelle ledighed, så har vi ikke statistisk identificeret konjunk- turernes effekt på strukturerne. Derfor bygger selve sammenhængen mellem konjunkturer og struktur stadig på en narrativ analyse. Ved at identificere den strukturelle ledighed statistisk og dekomponere dens udvikling i størrelser, der kendes fra søgeteorien, kommer vi dog tættere på en egentlig identifikation, end man gør i den rent narrative litteratur.

Der findes også en gren af den økonomiske litteratur, som analyserer sammenhængen mellem konjunkturerne og økonomi- ens langsigtede niveauer statistisk. Det gælder f.eks. Teulings & Zubanov (2014), som på et stort landepanel viser, at fi- nanskriser har haft langsigtseffekter på BNP.

Kilde: AE på baggrund af Daly m.fl. (2011): ‘The Recent Evolution of The Natural Rate of Unemployment’, Holmlund (2003): ‘The Rise and Fall of Swedish Unemployment’, Kongshøj Madsen (1999): ‘Denmark: Flexibility, security and labour market succes’, Michaillat & Saez (2019): ‘Beve- ridgean Unemployment Gap’, Pissarides (2003): ’Unemployment in Britain: A European Success Story’, Teulings & Zubanov (2014): ‘Is Economic Recovery a Myth? Robust Estimation of Impulse Responses’, Zheng m.fl. (2019): ’Efficient Robust Parameter Identification in Generalized Kalman Smoothing Models’.

(10)

Bilag 3. Konstruktion af lang tidsserie for ledige stillinger

Tidsserien for antallet ledige stillinger bygger på Jobnets tal for ledige stillinger i 2004-2018 og Arbejdsformidlingens tal for ledige stillinger i 1970-1998. I 1999-2003 har vi anvendt en proxyvariabel for antallet af ledige stillinger, nemlig andelen af industrivirksomheder, der angiver arbejdskraft som den primære produktionsbegrænsning i Danmarks Statistiks og EU- Kommissionens månedlige virksomhedssurvey. Den indikator har før været anvendt til at konstruere Beveridge-kurver for Danmark, f.eks. i EU-Kommissionen (2014): ’Is unemployment structural or cyclical?’, Economic Papers 527.

Som det fremgår af Figur B3, flugter proxyvariablen fint med antallet af ledige stillinger fra Jobnet, men den har nogle helt andre dimensioner. Vi har derfor ændret proxyvariablens dimensioner ved at regressere den på Jobnet-stillinger for 1. kvartal 2004 til 4. kvartal 2017. Vi bruger den estimerede regressionsligning til at ændre hjælpevariablens skala og nulpunkt.

De ledige stillinger, som er anmeldt til Arbejdsformidlingen, udgør en anden og mindre stikprøve af det samlede antal ledige stillinger end Jobnets data. Derfor har vi normeret stillingerne i Arbejdsformidlingen således, at Arbejdsformidlingens ledige stillinger har samme gennemsnit i 1985-1998 som den omregnede proxyvariabel.

Samlet set er der betydelig usikkerhed i starten af perioden, og der er to store databrud. De virksomheder, der anvendte Ar- bejdsformidlingen, var ikke en tilfældig stikprøve, og der kan være sket ændringer i virksomhedernes brug af Arbejdsformid- lingen på grund af bl.a. brancheforskydninger. Endelig kan det tænkes, at flere virksomheder henvendte sig til Arbejdsfor- midlingen i tider med rekrutteringsvanskeligheder. Dermed kan konjunkturudsvingene i antallet af ledige stillinger hos Ar- bejdsformidlingen være kunstigt store.

Figur B3. Sammensat tidsserie for ledige stillinger

Kilde: AE på baggrund af Danmarks Statistik, Jobnet, Arbejdsformidlingen og EU-Kommissionen.

-8 -4 0 4 8 12 16 20 24 28 32 36

0 5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 45.000 50.000

1970 1975 1980 1985 1990 1995 2000 2005 2010 2015

Procent Ledige stillinger

Sammensat tidsserie Stillinger på jobnet

Stillinger i Arbejdsformidlingen Proxyvariabel (højre akse)