生产力的齿轮
VoxEU 生产力和创新

回顾欧洲生产力动态:utilisation-adjusted全要素生产率增长的新措施

生产率增长是提高生活标准的关键,但它已经出了名的难以衡量。本专栏提出改进标准的全要素生产率增长的措施,尤其是欧洲和美国。具体地说,它允许积极的利润和使用产能利用率调查为基础利用代理。它发现,生产率增长的因素是少比以前测量和波动与商业周期。与先前的措施更明显的差异对欧洲和美国则涉及较少。

生产率增长的主要来源是提高生活标准。因此,生产力的发展被经济学家们密切关注。例如,大多数发达经济体的生产率增长放缓自2000年代中期以来引发了许多争论和关注(西切尔2017年伯恩,Boppart和李2021)。德赢vwin官网手机登录最近,专家讨论新工作如何安排Covid-19大流行后,对在家工作发挥更大的作用,将影响生产力(汉森et al . 2023年)。

有一个明智的讨论这些问题,我们需要可靠的生产率增长措施。现代生产力的措施建立在几个先驱的工作。罗伯特•索洛(1957)定义的全要素生产率(TFP)的增长的产出增长的一部分,不能解释为输入的增长。他表明,在完全竞争下,TFP增长可以计算是产出增长之间的差异和输入的加权平均增长率(权重由支出的比例每个输入总销售额)。这些“索洛剩余”仍然是最常见的测量效率。Dale Jorgenson的推动下,研究者在许多国家已经建立了数据测量的TFP增长的行业和总体层面(乔根森et al ., 1987年因卡拉et al . 2022年)。1

然而,索洛残差忽略短期动力学的一个重要来源:利用率的变化因素。例如,在衰退时期,工人通常每小时执行更少的任务工作。今年秋天在劳动力输入不是记录在标准数据集,他们索洛残差不合逻辑地降低经济衰退期间。银行总裁的一系列有影响力的论文,巴苏和费尔纳德(2001年)和巴苏et al .(2006)表明,在某些假定下,变化在人均小时一对一与利用率的变化因素。因此,每个工人的小时的变化可以用于代理利用率和构建一个系列utilisation-adjusted TFP增长,应该接近捕捉真正的技术进步。

在最近的一篇论文(科明et al . 2023年),我们建立在这些见解提出进一步改进措施的TFP增长,尤其关注欧洲。

我们指出,虽然TFP测量的标准措施导致了许多重要的见解,他们还依赖于强大的假设可能并不总是持有。首先,索洛的完全竞争的假设与最近的经验证据表明积极的利润冲突(例如Barkai 2020)。这意味着不同的输入应该由他们分享加权总成本在总销售额而不是他们的份额。第二,尽管人均小时是一个合适的代理未被注意的利用率在美国,在欧洲不太明确的情况。

我们确定了两个潜在的问题,如图1所示。面板显示小时每个工人在法国在1998年和2007年之间。在的开始时期,左翼政府介绍了35小时工作周》,2002年1月1日开始全面强制。然而,在同年晚些时候,一个新右翼政府削弱了改革通过一些措施(如降低加班成本)。因此,在法国人均小时这些年的变化可能反映了相对成本的变化时间而不是利用率的变化,和使用时间作为利用代理会不合适。

图1小时每个工人在选定的欧洲国家

图1小时工人在选定的欧洲国家

面板B情节小时每个工人在西班牙,显示下降在2002 - 2007年的繁荣和增加2008 - 2012年的金融危机。因此,以人均小时为利用代理,西班牙人会认为因素利用率下降的繁荣和增加在此次危机中,这似乎令人难以置信,是与所有其他测量输入。在我们的论文中,我们认为,西班牙小时每个工人的行为可以解释至少部分由组成临时和永久合同的工作人员之间的影响。

考虑到这些局限性的人均小时代理在欧洲的情况下,我们建议而不是依靠产能利用率调查。在我们的论文中,我们认为,公司的产能利用率的变化速率可以被理解为加权平均变量输入的变化。因此,简单地说,而标准Basu-Fernald-Kimball (BFK)方法使用一个劳动力利用保证金(人均小时)作为代表未被注意的利用率,我们用一个汇总统计变量输入。2

使用我们的方法,我们估计利润和utilisation-adjusted年度TFP增长的行业总体水平,欧洲五大经济体(1995年至2018年)和美国(1988年和2020年之间)。准确地说,我们估计行业级年度TFP增长通过运行修改索洛剩余的一个工具变量回归(与销售成本而不是股票加权输入)在产能利用率的变化。剩余的回归是我们行业级TFP增长的措施。

我们的结果与标准方法获得的截然不同。图2块总TFP系列美国和一个聚合的四个最大的欧元区国家,和图3块TFP系列个别欧洲国家。

图2累积的TFP增长在美国和欧元区

图2中累积的TFP增长在美国和欧元区

在所有5个欧洲国家,我们的TFP措施比索洛或Basu-Fernald-Kimball措施波动较小,和不要移动商业周期。TFP系列之间的差异是最明显的在大衰退,欧洲主权债务危机。这些年来,索洛和Basu-Fernald-Kimball方法建议一个戏剧性的减少后跟一个快速复苏,当我们逐渐发现TFP只是略有下降,。

图3累积的TFP增长在欧洲国家

图3累积TFP增长在欧洲国家

为什么我们的TFP系列不同于标准的吗?首先,考虑到积极的利润导致体重较低资本输入组合。在国家的资本增长超过其他投入(如英国和美国),这将导致长期的TFP增长的向上修正。在国家资本增长低于其他投入(如德国),它导致了向下修正。输入权重的变化也有周期性的影响。随着资本降幅小于其他投入在2008 - 2009年危机期间,我们认为更大比例的下降TFP少输入和输出。在西班牙和意大利这种效果是最强的,利润高,危机是最严重的。

第二,产能利用率调查似乎更成功地捕捉未被注意的利用率的变化在欧洲,导致减少挥发性和周期性TFP系列。回到图1中突出显示的两种情况,在法国,我们系列比Basu-Fernald-Kimball显著平滑系列(小时变化的工人在2000年代初,由劳动力市场改革,创建一些虚假的波动)。在西班牙,调查表明一个更大的利用调整(因此一个较小的TFP在深2008 - 2012年危机期间下降)比小时工人。欧元区作为一个整体,我们的基线系列是一半不稳定的作为替代系列与人均小时获得代理。相反,在美国,使用人均小时或产能利用率调查作为利用未被注意的因素使得代理本质上没有区别,既系列强烈相关。

最后,我们使用我们的见解从年度数据建立季度系列四个欧洲国家。大多数欧洲国家不提供的季度数据对资本服务。因此,除了英国,没有任何欧洲国家目前提供的季度数据对TFP增长(utilisation-adjusted与否)。我们的论文充满这个重要的测量差距。我们构建一个季度系列资本,依靠投资欧盟统计局的数据,并使用它来生成utilisation-adjusted估计季度TFP增长,如图4所示。这些系列提供了一个重要的应用宏观经济研究欧洲新的输入数据。

图4季度的TFP增长在欧洲

图4季度TFP增长在欧洲

我们计划不断更新我们的年度和季度系列,和进一步扩展他们的国家。数据上传到我们的网站。3此外,我们的方法很容易实现对其他研究人员对这些主题感兴趣。因此,我们希望它能产生进一步的洞察世界生产力的发展。

引用

Barkai S(2020),“劳动力和资本的股票下降”。《金融75 (5):2421 - 2463。

银行总裁巴苏,S和J费尔纳德(2001),“为什么生产力顺周期?我们为什么要关心呢?”,在C R Hulten, E和M R院长J哈珀(eds)。新发展生产力的分析,芝加哥大学出版社,页225 - 302。

巴苏,年代,银行总裁J费尔纳德和M金博(2006),“技术改进紧缩吗?”美国经济评论96 (5):1418 - 1448。

李Boppart T和H (2021),“生产率放缓:减少我们的无知的测量”,16478年经济政策讨论论文。

施密茨科明D J Quintana T和Trigari (2023),“回顾欧洲生产力动态:Utilization-Adjusted TFP增长的新措施”,15402年经济政策讨论论文。

兰伯特汉森,S, P, N, S·戴维斯,R萨顿和B Taska (2023),“远程工作在工作,公司,和空间”,17964年经济政策讨论论文。

因卡拉,R, B银行总裁范柜和J费尔纳德(2022),“Dale Jorgenson:投资、会计、增长和经济计量“Vox EU.org, 6月24日。

Jorgenson, D, F M的吞咽和B Fraumeni (1987),生产力和美国经济增长,哈佛大学出版社。

西切尔,D和D伯恩(2017),“生产率放缓比你想象的更令人费解”,VoxEU.org, 8月22日。

索洛,R(1957),“技术变化和总生产函数”,经济学和统计学的评审39 (3):312 - 320。

脚注

  1. 见,例如,美国劳工统计局(Bureau of Labor Statistics)的数据库(https://www.bls.gov/productivity/tables/home.htm)为欧洲国家或欧盟KLEMS数据库(https://euklems-intanprod-llee.luiss.it/)。
  2. 当所有变量输入co-move,代理原则上是等价的。然后,有一个经验依赖人均小时,他们可以说是更精确地测量和更广泛应用。然而,更大的谨慎是必要的,当人均小时不同于所有其他变量输入,因为它经常发生在欧洲。在这些情况下,我们认为产能利用率调查是一个可取的代理:他们直接包括未被注意的因素,还包括其他变量的输入,不受特定的冲击影响小时工人。
  3. 例如,https://tomgschmitz.wordpress.com或https://sites.google.com/view/javier-quintana。

2087年读

Baidu
map