Wie haben sich die jüngsten Veränderungen der Nachfrage nach Arbeitskräften auf die Arbeitslosenquote ausgewirkt? – Financial institution Underground

Tomas Key

Während der Erholung von der Covid-Pandemie stieg die Nachfrage nach Arbeitskräften im Vereinigten Königreich auf ein beispielloses Niveau. Die Zahl der Stellen, die Unternehmen besetzen wollten, stieg Mitte 2022 auf 1,3 Millionen und lag damit 60 % über dem Niveau der letzten drei Monate des Jahres 2019. Die Zahl der offenen Stellen ist im vergangenen Jahr deutlich zurückgegangen, bleibt aber unverändert ein hohes Niveau. In diesem Beitrag wird erläutert, wie sich diese Änderungen der Nachfrage nach Arbeitskräften auf die Arbeitslosenquote ausgewirkt haben. Insbesondere wird dargelegt, wie ein Gleichgewichtsmodell des Arbeitsmarktes erklären kann, warum sich das Verhältnis zwischen offenen Stellen und Arbeitslosigkeit in den letzten Jahren scheinbar verändert hat.

Die Beveridge-Kurve

Bevor wir uns dem Modell zuwenden, werfen wir zunächst einen Blick auf die Daten. In Abbildung 1 habe ich die Leerstands- und Arbeitslosenquoten dargestellt, die in den letzten etwa 20 Jahren beobachtet wurden. Dies zeigt den von mir erwähnten auffälligen Anstieg der Leerstandsquote in jüngster Zeit. Es zeigt auch, dass vor der Pandemie ein einigermaßen stabiler negativer Zusammenhang zwischen den Leerstands- und Arbeitslosenquoten bestand. Wenn Unternehmen mehr Stellen besetzen möchten, ist es für Arbeitslose einfacher, einen Job zu finden, und daher gibt es tendenziell weniger davon. Diese Beziehung ist als Beveridge-Kurve bekannt.

Abbildung 1: Leerstands- und Arbeitslosenquoten

Anmerkungen: Die Daten stammen von den drei Monaten bis Juni 2001 bis zu den drei Monaten bis April 2023: Die neuesten Beobachtungen sind rot hervorgehoben. Die Leerstands- und Arbeitslosenquoten beziehen sich auf den Anteil der Erwerbsbevölkerung. Ich verwende Arbeitslosen- und Arbeitskräftedaten für Personen im Alter von 16 bis 64 Jahren, um sie mit den Eingaben für die Modellierung in Einklang zu bringen.

Quelle: ONS.

Basierend auf diesem Zusammenhang vor der Pandemie hätte ein Gelegenheitsbeobachter vernünftigerweise erwarten können, dass die sehr hohe Leerstandsquote im Jahr 2022 mit einer viel niedrigeren Arbeitslosenquote einhergegangen wäre, als dies der Fall conflict. Im Folgenden werde ich skizzieren, wie ein ziemlich standardisiertes Arbeitsmarktmodell zur Erklärung beitragen kann: (i) warum der Anstieg der Leerstandsquote nach der Pandemie nicht zu einer niedrigeren Arbeitslosenquote geführt hat; (ii) warum der erhebliche Rückgang der Leerstandsquote im vergangenen Jahr nur mit einem relativ bescheidenen Anstieg der Arbeitslosenquote einherging; und (iii) die Auswirkungen, die ein weiterer Rückgang der Leerstandsquote wahrscheinlich auf die Arbeitslosenquote haben wird.

Ein Modell des Arbeitsmarktes

Der Rahmen, der zur Interpretation der Arbeitsmarktentwicklungen verwendet werden kann, basiert auf den Übergängen – oder Strömen – zwischen Beschäftigung, Arbeitslosigkeit und „Inaktivität“ – ein Sammelbegriff für alle, die derzeit nicht arbeiten oder aktiv nach Arbeit suchen. Viele Menschen im Vereinigten Königreich erleben diese Übergänge vierteljährlich. Beispielsweise sind in jedem Quartal des Jahres 2022 etwa eine Viertelmillion Menschen von der Beschäftigung in die Arbeitslosigkeit übergegangen. Veränderungen in der Geschwindigkeit, mit der Menschen diese Übergänge vollziehen, führen zu Bewegungen bei den Beschäftigungs-, Arbeitslosen- und Nichterwerbsquoten.

Das Herzstück des Modells ist eine aggregierte Matching-Funktion. Dabei handelt es sich um ein Gerät, das nützlich ist, um zusammenzufassen, wie die Zeit, die benötigt wird, um einen Job – oder einen passenden Job – zu finden, durch die Anzahl der offenen Stellen im Verhältnis zur Anzahl der Arbeitssuchenden sowie durch den Grad der „Matching-Effizienz“ – die Produktivität – bestimmt wird der Matching-Funktion. Dabei wird der Tatsache Rechnung getragen, dass es für Arbeitssuchende viel Zeit und Mühe kostet, eine passende Stelle zu finden, und dass dies sowohl von der Anzahl der verfügbaren Stellen als auch davon abhängt, wie viele andere Personen um die Besetzung dieser Stelle konkurrieren.

Die Zahl der Arbeitssuchenden, die ich bei der Schätzung der Matching-Funktion verwende, umfasst arbeitslose Arbeitnehmer sowie einige erwerbstätige und inaktive Personen. Im Fall von inaktiven Personen magazine das seltsam erscheinen, da ich oben erwähnt habe, dass es sich dabei um Personen handelt, die angeben, nicht aktiv auf der Suche nach Arbeit zu sein. Viele von ihnen treten jedoch innerhalb von drei Monaten in eine Beschäftigung ein, vielleicht weil sich ihre Umstände ändern oder weil sie das Glück haben, einen Job zu finden, ohne danach suchen zu müssen. Die Berücksichtigung dieser „passiven“ Arbeitssuchenden unter den Nichterwerbstätigen sowie eine Schätzung der Zahl der arbeitssuchenden Erwerbstätigen haben sich in neueren Untersuchungen als wichtig erwiesen.

Nachdem ich die Parameter der Matching-Funktion geschätzt habe, kann ich damit beschreiben, wie sich die Höhe der Leerstandsquote auf die Geschwindigkeit auswirkt, mit der Menschen in eine Beschäftigung übergehen. In Kombination mit den Werten für die anderen Flussraten – beispielsweise den Raten, mit denen Personen aufgrund von Beschäftigung und Nichterwerbstätigkeit in die Arbeitslosigkeit eintreten – ergibt sich ein Rahmen, der verwendet werden kann, um die Auswirkungen von Änderungen der Leerstandsquote auf den Regular-State zu verfolgen. oder Gleichgewicht, Arbeitslosenquote. Dies ist die Charge, die erreicht wird, wenn sich das System vollständig an die Änderungen der Durchflussraten angepasst hat.

Abbildung 2: Simulierte Beziehungen zwischen den Leerstands- und Arbeitslosenquoten

Quelle: Berechnungen des Autors.

Zwei Beispiele hierfür sind in Abbildung 2 dargestellt. Das Modell erzeugt die in den Daten ersichtliche unfavourable Beziehung zwischen den Leerstands- und Arbeitslosenquoten. Dies liegt an der Auswirkung der Leerstandsquote auf die Geschwindigkeit, mit der arbeitslose Arbeitnehmer einen Arbeitsplatz finden – ihre „Arbeitsvermittlungsquote“. Bei konstanten anderen Übergangsquoten erhöht eine höhere Leerstandsquote die Findenquote arbeitsloser Arbeitnehmer und verringert so die Arbeitslosigkeit. Diese Abbildung zeigt auch, dass in diesem Rahmen Änderungen der anderen Durchflussraten oder der Anpassungseffizienz zu einer Verschiebung der Place der simulierten Beveridge-Kurve führen. Sie werden die Höhe der Arbeitslosenquote verändern, die sich aus jeder Höhe der Leerstandsquote ergibt.

Ein weiteres wichtiges Merkmal der vom Modell erzeugten simulierten Beziehung zwischen den Leerstands- und Arbeitslosenquoten besteht darin, dass sie nichtlinear oder konvex ist. Dies spiegelt die Tatsache wider, dass es für Unternehmen immer schwieriger wird, diese zu besetzen, wenn die Zahl der offenen Stellen im Verhältnis zur Zahl der Arbeitslosen steigt. Das haben viele Unternehmen in Großbritannien in den letzten Jahren kennengelernt.

Erläuterung der jüngsten Arbeitsmarktdynamik

Jetzt ist es an der Zeit, die simulierte Beziehung zwischen den vom Modell erzeugten Leerstands- und Arbeitslosenquoten und den Daten zusammenzuführen. Das habe ich in Abbildung 3 getan. Die simulierte Beveridge-Kurve in diesem Diagramm wird durch das von mir beschriebene Framework erstellt, wenn es mit Durchflussschätzungen aus dem vergangenen Jahr kalibriert wird – es ist kein Versuch, eine Kurve unter Verwendung aller auf dem Diagramm gezeigten Daten anzupassen Diagramm. Die Tatsache, dass die simulierte Beveridge-Kurve nicht durch alle Daten passt, macht deutlich, dass die im Laufe der Zeit beobachteten Veränderungen der Arbeitslosenquote nicht nur auf die Auswirkungen von Veränderungen der Leerstandsquote zurückzuführen sind. Sie sind auch auf Veränderungen bei anderen Strömen zurückzuführen, beispielsweise auf die Geschwindigkeit, mit der Menschen von der Beschäftigung in die Arbeitslosigkeit wechseln, und auf die Matching-Effizienz – Faktoren, die dazu beitragen, die Place der Kurve zu verschieben, die durch den von mir beschriebenen Rahmen erzeugt wird.

Abbildung 3: Simulierte Beveridge-Kurve sowie Leerstands- und Arbeitslosenquoten

Anmerkungen: Die Daten stammen von den drei Monaten bis Juni 2001 bis zu den drei Monaten bis April 2023: Die neuesten Beobachtungen sind rot hervorgehoben. Die Leerstands- und Arbeitslosenquoten beziehen sich auf den Anteil der Erwerbsbevölkerung. Die simulierte Beveridge-Kurve wird anhand von Daten vom ersten Quartal 2022 bis zum ersten Quartal 2023 erstellt. Die Daten zu Arbeitsmarktbeständen und -strömen beziehen sich auf Personen im Alter von 16 bis 64 Jahren.

Quellen: Berechnungen des Autors und ONS.

Wie kann dies additionally helfen, die jüngsten Entwicklungen zu erklären? Nun, im letzten Jahr oder so hat sich die Leerstandsquote verändert haben conflict der Hauptfaktor für Veränderungen in der Arbeitslosenquote. Das bedeutet, dass sich die Daten entlang der simulierten Beveridge-Kurve nach unten verschoben haben. Da die Leerstandsquote im Verhältnis zur Arbeitslosenquote derzeit sehr hoch ist, ist der Kurvenabschnitt, entlang dem sich die Daten bewegt haben, relativ steil. Aus diesem Grund ging der deutliche Rückgang der Leerstandsquote im vergangenen Jahr nur mit einem eher moderaten Anstieg der Arbeitslosenquote einher.

Der Grund dafür, dass die sehr hohe Leerstandsquote im Jahr 2022 nicht zu einer niedrigeren Arbeitslosenquote führte, spiegelt zwei Faktoren wider. Erstens die Steilheit der Kurve, die ich gerade erwähnt habe. Zweitens die Tatsache, dass sich die simulierte Beveridge-Kurve gegenüber ihrer Place vor der Pandemie „verschoben“ hat. Der Grund für diese Verschiebung liegt darin, dass es sowohl zu einem Anstieg der Ströme von der Nichterwerbstätigkeit in die Arbeitslosigkeit gekommen ist, die zu einem Anstieg der Arbeitslosigkeit auf jeder Ebene der offenen Stellen führen, als auch zu einer Verringerung der Matching-Effizienz.

Die Auswirkungen eines weiteren Rückgangs der Leerstandsquote werden davon abhängen, ob sich die Daten weiterhin auf einer stabilen Beveridge-Kurve bewegen oder ob die Kurve ihre Place erneut verschiebt. Die aktuelle Lage der Kurve deutet darauf hin, dass sich die Arbeitslosenquote auf einem höheren Niveau als unmittelbar vor der Pandemie einpendeln könnte, sobald die Nachfrage nach Arbeitskräften wieder auf ein normaleres Niveau zurückgekehrt ist.

Abschluss

Obwohl einige aktuelle Entwicklungen der Leerstands- und Arbeitslosenquoten im Vereinigten Königreich auf den ersten Blick seltsam erscheinen, können sie durch ein Standardmodell des Arbeitsmarktes intestine erklärt werden. Dieser Rahmen bietet auch einige Hinweise zur künftigen Entwicklung des Arbeitsmarktes – zu den Auswirkungen eines weiteren Rückgangs der Leerstandsquote auf die Arbeitslosenquote. Diese Auswirkungen werden davon abhängen, ob sich die Daten weiterhin entlang einer stabilen Beveridge-Kurve bewegen oder ob Änderungen der Matching-Effizienz oder anderer Merkmale des Arbeitsmarktes zu einer Abweichung von diesem Pfad führen.

Tomas Key arbeitet in der Strukturökonomie-Abteilung der Financial institution.

Wenn Sie mit uns Kontakt aufnehmen möchten, senden Sie uns bitte eine E-Mail an bankunderground@bankofengland.co.uk oder hinterlassen Sie unten einen Kommentar.

Kommentare werden erst angezeigt, wenn sie von einem Moderator genehmigt wurden, und werden nur veröffentlicht, wenn ein vollständiger Identify angegeben wird. Financial institution Underground ist ein Weblog für Mitarbeiter der Financial institution of England, um Ansichten zu dieser Herausforderung auszutauschen – oder Unterstützung – vorherrschende politische Orthodoxien. Die hier geäußerten Ansichten sind die der Autoren und nicht unbedingt die der Financial institution of England oder ihrer politischen Ausschüsse.