ওকুনের সূত্র কী? জিডিপি ও বেকারত্বের সম্পর্কের ব্যাখ্যা

ওকুনের সূত্র একটি সাধারণ পর্যবেক্ষণকে সংক্ষেপে প্রকাশ করে: বাস্তব উৎপাদন স্বাভাবিক প্রবণতার চেয়ে দ্রুত বাড়লে অনেক সময় বেকারত্ব কমে, আর উৎপাদন কমলে বা ধীরে বাড়লে বেকারত্ব বাড়তে পারে। তবে এটি শর্তসাপেক্ষ গড় সম্পর্ক; প্রতি এক শতাংশ প্রবৃদ্ধিতে বেকারত্ব নির্দিষ্ট পরিমাণ কমবেই—এমন নিশ্চয়তা নয়। তাই “সূত্র” শব্দটি থাকলেও এটিকে পদার্থবিজ্ঞানের ধ্রুব নিয়ম বা সর্বজনীন রূপান্তর হার ভাবা ঠিক নয়।

নামটি এসেছে অর্থনীতিবিদ আর্থার ওকুনের ১৯৬২ সালের যুক্তরাষ্ট্রভিত্তিক কাজ থেকে। তিনি সম্ভাব্য উৎপাদন ও বেকারত্বের মধ্যে সম্পর্ক ধরে হিসাব করতে চেয়েছিলেন, অর্থনীতি তার টেকসই সক্ষমতার নিচে থাকলে কত উৎপাদন অপূর্ণ থেকে যায়। সম্ভাব্য উৎপাদন হলো স্বাভাবিক ও টেকসই পরিস্থিতিতে অর্থনীতি যতটা উৎপাদন করতে সক্ষম—এটির সরাসরি পর্যবেক্ষণ নেই, অনুমান করতে হয়। ফেডারেল রিজার্ভের মিশকিনের বক্তৃতায় সম্ভাব্য উৎপাদন এবং আউটপুট গ্যাপের অনুমানের ধারণাগত ও পরিমাপগত অনিশ্চয়তা ব্যাখ্যা করা হয়েছে। {source:frbMishkinPotentialOutput2007}

বর্তমানে ওকুনের ধারণা বিভিন্ন সমীকরণে ব্যবহৃত হয়। কোনো সমীকরণে বাস্তব জিডিপি প্রবৃদ্ধি ও বেকারত্বের পরিবর্তন তুলনা করা হয়; অন্যটিতে প্রকৃত উৎপাদন ও অনুমিত সম্ভাব্য উৎপাদনের ব্যবধানকে প্রকৃত ও রেফারেন্স বেকারত্বের ব্যবধানের সঙ্গে মেলানো হয়। সেন্ট লুইস ফেডের পর্যালোচনায় উৎপাদন ও বেকারত্বের ঐতিহাসিক সম্পর্ক এবং সময়কাল ও পরিমাপ বদলালে অনুমান কীভাবে বদলায় তা তুলে ধরা হয়েছে। {source:frbStLouisOutputUnemployment2013}

প্রবৃদ্ধি-পরিবর্তন রূপে একটি নির্দিষ্ট সময়ে বাস্তব জিডিপি প্রবৃদ্ধিকে একই সময়ে বেকারত্বের হারের পরিবর্তনের সঙ্গে তুলনা করা হয়। ধারণাটি সরলভাবে লেখা যায়: বেকারত্বের পরিবর্তন ≈ −β × (বাস্তব জিডিপি প্রবৃদ্ধি − প্রবৃদ্ধির প্রবণতা)। প্রবৃদ্ধি প্রবণতার চেয়ে বেশি হলে ঋণাত্মক চিহ্নটি, অন্য সব অপরিবর্তিত থাকলে, বেকারত্ব কমার দিক নির্দেশ করে। গবেষকের সমীকরণে ধ্রুবক, আগের সময়ের প্রভাব বা অন্য চলকও থাকতে পারে; এটাই একমাত্র স্বীকৃত সমীকরণ নয়।

গ্যাপ রূপে প্রকৃত উৎপাদনকে অনুমিত সম্ভাব্য উৎপাদনের সঙ্গে এবং প্রকৃত বেকারত্বকে অনুমিত রেফারেন্স হারের সঙ্গে তুলনা করা হয়। একটি সরল আনুমানিক রূপ হলো: বেকারত্বের গ্যাপ ≈ −β × আউটপুট গ্যাপ। প্রকৃত উৎপাদন সম্ভাব্য উৎপাদনের বেশি হলে আউটপুট গ্যাপ ধনাত্মক; সরল মডেলে বেকারত্ব রেফারেন্স হারের নিচে থাকতে পারে, তাই বেকারত্বের গ্যাপ ঋণাত্মক হয়। উৎপাদনের অপূর্ণতা ও অতিরিক্ত বেকারত্বের সম্পর্ক পরিমাপ করার চেষ্টা ছিল ওকুনের প্রাথমিক কাজের অংশ।

এক রূপের β অন্য রূপে সরাসরি বসানো যাবে না। প্রথমটি নির্দিষ্ট সময়ের জিডিপি প্রবৃদ্ধি এবং বেকারত্বের পরিবর্তনের সম্পর্ক; দ্বিতীয়টি সম্ভাব্য উৎপাদনের তুলনায় উৎপাদনের স্তর এবং রেফারেন্স হারের তুলনায় বেকারত্বের স্তরের সম্পর্ক। চলকের একক, সময়সীমা ও অনিশ্চয়তা আলাদা। প্রবণতা কীভাবে নির্ধারিত হয়েছে বা বিলম্বিত প্রভাব কীভাবে ধরা হয়েছে, তাও ফল বদলাতে পারে।

শুধু হিসাব বোঝাতে ধরা যাক, অনুমিত আউটপুট গ্যাপ +২%, আর একটি কাল্পনিক মডেলে β হলো আউটপুট গ্যাপের প্রতি ১ শতাংশ-পয়েন্টে বেকারত্বের গ্যাপের ০.৫ শতাংশ-পয়েন্ট। সরল সমীকরণে: বেকারত্বের গ্যাপ ≈ −০.৫ × ২ = −১ শতাংশ-পয়েন্ট। ঋণাত্মক চিহ্নের অর্থ, এই উদাহরণে প্রকৃত বেকারত্ব মডেলে ধরা রেফারেন্স বেকারত্বের চেয়ে কম।

ধরা যাক, একই কাল্পনিক হিসাবের রেফারেন্স বেকারত্ব ৫%। তাহলে মডেলের উদাহরণে বেকারত্ব হবে ৫% − ১ শতাংশ-পয়েন্ট = ৪%। এই ফল কেবল বানানো ইনপুট দিয়ে হিসাবের দৃষ্টান্ত; এটি বাস্তবে দেখা ফল, পূর্বাভাস বা ওকুনের সূত্রের অভিজ্ঞতাভিত্তিক গড় নয়। রেফারেন্স হারটিও অনুমান, নতুন তথ্য বা পদ্ধতি এলে তা বদলাতে পারে।

শতাংশ কোনো স্তর বা অনুপাতের পরিবর্তন বোঝায়; শতাংশ-পয়েন্ট দুটি শতকরা হারের সরাসরি ব্যবধান। ৫% থেকে ৪% হওয়া ১ শতাংশ-পয়েন্ট কমা, কিন্তু প্রাথমিক ৫% স্তর থেকে আপেক্ষিকভাবে ২০% কমা। তাই “আউটপুট গ্যাপের প্রতি ১ শতাংশ-পয়েন্টে বেকারত্বের ০.৫ শতাংশ-পয়েন্ট” কথাটিকে বেকার মানুষের সংখ্যার ০.৫% পরিবর্তন হিসেবে পড়া যাবে না।

অর্থনৈতিক উৎপাদনের পেছনে সাধারণত তিনটি বিষয় থাকে: কতজন কাজ করছেন, প্রত্যেকে গড়ে কত ঘণ্টা কাজ করছেন এবং প্রতি ঘণ্টায় কত উৎপাদন হচ্ছে। ফলে প্রতিষ্ঠান নতুন লোক নেওয়ার আগেই বর্তমান কর্মীদের বেশি ঘণ্টা কাজ করিয়ে বা প্রতি ঘণ্টার উৎপাদনশীলতা বাড়িয়ে জিডিপি বাড়াতে পারে। আবার চাহিদা কমলে সঙ্গে সঙ্গে ছাঁটাই না করে কর্মঘণ্টা বা মুনাফা কমানো হতে পারে। কাজ কম থাকলেও কর্মীদের ধরে রাখাকে কখনো “লেবার হোর্ডিং” বলা হয়।

শিল্পখাতের গঠনও গুরুত্বপূর্ণ। শ্রমনির্ভর কোনো খাতে উৎপাদন কমলে দ্রুত ছাঁটাই হতে পারে; পুঁজি বা প্রযুক্তিনির্ভর কোনো খাতে উৎপাদন বাড়লে কর্মীসংখ্যা তুলনায় কম বাড়তে পারে। প্রতিষ্ঠান ও শিল্পভেদে কর্মঘণ্টা, উৎপাদনশীলতা, নিয়োগ ও ছাঁটাইয়ের গতি আলাদা। তাই বাস্তব উৎপাদনের একটি সংখ্যা থেকে চাকরির সংখ্যা কত বদলাবে তা এক ধাপে নির্ণয় করা যায় না।

শ্রমশক্তিতে মানুষের প্রবেশ ও প্রস্থানও বেকারত্বের হার বদলাতে পারে। কাজ খোঁজা বন্ধ করা ব্যক্তি সক্রিয়ভাবে কাজ খুঁজছেন এমন বেকার হিসেবে একইভাবে গণ্য হন না। চাকরির সুযোগ বাড়লে কেউ কেউ আবার কাজ খুঁজতে শুরু করেন; ফলে কর্মসংস্থান বাড়লেও সাময়িকভাবে শ্রমশক্তির অংশগ্রহণকারী ও পরিমাপ করা বেকারের সংখ্যা বাড়তে পারে। U-3 ও U-6 বেকারত্বের মাপের আওতা আলাদা। যুক্তরাষ্ট্রের শ্রম পরিসংখ্যান ব্যুরোর সংজ্ঞায় কারা বেকার হিসেবে গণ্য হন তা ব্যাখ্যা করা হয়েছে। {source:blsCpsConcepts}

বিক্রি, উৎপাদন ও চাকরি একই মুহূর্তে বদলায় না। চাহিদা কমলে প্রতিষ্ঠান স্থায়ী পদ বাতিলের আগে অতিরিক্ত কর্মঘণ্টা কমাতে পারে; দুর্বলতা দীর্ঘস্থায়ী হবে কি না বুঝতে পারার পর ছাঁটাইয়ের সিদ্ধান্ত আসতে পারে। পুনরুদ্ধার শুরু হলে প্রতিষ্ঠান প্রথমে বর্তমান কর্মীদের ঘণ্টা বাড়াতে বা আগে ছাঁটাই হওয়া কর্মীদের ফিরিয়ে আনতে পারে। উৎপাদন তাই নতুন নিয়োগের আগে বাড়তে পারে। এই বিলম্বের কারণে সময়কাল কীভাবে বেছে নেওয়া হয়েছে তার ওপর সম্পর্কের অনুমান নির্ভর করে।

মন্দার শুরু ও শেষ, কিংবা পুনরুদ্ধারের প্রথম ও পরের ধাপে একই সম্পর্ক দেখা নাও যেতে পারে। সান ফ্রান্সিসকো ফেডের বিশ্লেষণ ২০০৯ সালের মন্দায় ওকুনের সূত্র যে বেকারত্বের পরিবর্তন ইঙ্গিত করেছিল, বাস্তব ফল তার থেকে কীভাবে আলাদা হতে পারে তা আলোচনা করে। {source:frbsfOkunSurprise2009} পরবর্তী আরেক বিশ্লেষণ মন্দার সময় পূর্বানুমিত ধারা থেকে বেকারত্বের বিচ্যুতি পরীক্ষা করে; অস্বাভাবিক ধাক্কা, শ্রমবাজার নীতি ও সংকটের বিশেষ বৈশিষ্ট্য যে ভূমিকা রাখতে পারে, তা এতে স্পষ্ট হয়। {source:frbsfOkunDeviations2014}

তথ্যের ব্যবধানও বিবেচ্য। বেকারত্বের হার মাসিক, আর জিডিপি সাধারণত ত্রৈমাসিক হিসেবে প্রকাশিত হয়; পরে এগুলোকে বার্ষিক হারে রূপান্তর করা বা ভিন্ন উইন্ডোয় তুলনা করা হতে পারে। মাপার সময়সীমা এক না হলে কয়েক মাসে হওয়া উৎপাদন পরিবর্তনকে অন্য দৈর্ঘ্যের বেকারত্ব পরিবর্তনের সঙ্গে তুলনা করা হয়। তাই বিশ্লেষণটি মাস-থেকে-মাস, ত্রৈমাসিক-থেকে-ত্রৈমাসিক নাকি বছরওয়ারি, এবং জিডিপির প্রবৃদ্ধি বার্ষিকীকৃত কি না তা দেখে নিন।

ওকুনের সহগ এক দেশ, অঞ্চল, শিল্প বা সময় থেকে অন্যটিতে ভিন্ন হতে পারে। শ্রম আইন, শিল্প কাঠামো, খণ্ডকালীন কাজের বিস্তার, কর্মঘণ্টার নমনীয়তা এবং কর্মক্ষম বয়সী মানুষের শ্রমশক্তিতে অংশগ্রহণ দেশভেদে আলাদা। গভীর মন্দায় সম্পর্কটি স্বাভাবিক সম্প্রসারণের চেয়ে ভিন্ন হতে পারে; উৎপাদনশীলতা বদলালেও একই প্রবৃদ্ধির হার ভিন্ন নিয়োগের সঙ্গে যুক্ত হতে পারে। তাই একটি মার্কিন দশকের সহগ অন্য দেশ বা যুগে যান্ত্রিকভাবে প্রয়োগ করা উচিত নয়।

তথ্য একইভাবে সংজ্ঞায়িত হলেও সম্ভাব্য উৎপাদন ও রেফারেন্স বেকারত্ব সরাসরি দেখা যায় না। বিশ্লেষকরা উৎপাদনশীলতার প্রবণতা, ঐতিহাসিক তথ্য ও মডেল ব্যবহার করে এগুলো অনুমান করেন। নতুন তথ্য এলে বা অতীতের পরিসংখ্যান সংশোধিত হলে অনুমানও পাল্টাতে পারে। সম্ভাব্য উৎপাদন নিয়ে ফেডারেল রিজার্ভের বক্তৃতায় এই অদৃশ্য চলকটি বাস্তব সময়ে অনুমান করা কতটা কঠিন তা ব্যাখ্যা করা হয়েছে। {source:frbMishkinPotentialOutput2007}

জিডিপির তথ্য সংশোধিত হয়; পরিবারের শ্রমশক্তি জরিপের অনুমানও হালনাগাদ হতে পারে। বিশ্লেষক তখন যে প্রাথমিক সংখ্যা দেখেন, কয়েক বছর পর সংশোধিত সংখ্যা তার থেকে আলাদা হতে পারে। যুক্তরাষ্ট্রের শ্রম পরিসংখ্যান ব্যুরো জনসংখ্যা জরিপের মাধ্যমে বেকারত্ব কীভাবে মাপে এবং কাজ খোঁজা ও কাজ করতে প্রস্তুত থাকার মতো শ্রেণি কীভাবে নির্ধারণ করে তা জানায়। কোনো মডেলের চলকের সঙ্গে প্রকাশিত হার মেলানোর আগে এসব সংজ্ঞা জানা জরুরি। {source:blsGovernmentMeasuresUnemployment}

ওকুনের সূত্র উৎপাদন ও বেকারত্বের মধ্যে পরিসংখ্যানগত ধরন বর্ণনা করে। এটি প্রমাণ করে না যে জিডিপি প্রবৃদ্ধিই একমাত্র কারণে বেকারত্ব কমেছে, কিংবা নির্দিষ্ট সহগ অনুযায়ী বেকারত্ব কমালেই উৎপাদন বাড়বে। চাহিদার কোনো ধাক্কা দুটিকেই প্রভাবিত করতে পারে; উৎপাদনশীলতা কর্মসংস্থান না বাড়িয়েও উৎপাদন বাড়াতে পারে; রাজস্বনীতি, মুদ্রানীতি বা মজুরি-সহায়তার মতো বিষয়ও ফল বদলাতে পারে। সময়ের সঙ্গে কারণ ও প্রতিক্রিয়ার দিক বদলাতে পারে।

ঐতিহাসিক বিন্দুর ওপর একটি রেখা বসালেই কারণ প্রমাণ হয় না। গবেষককে চলক, সময়সীমা, বিলম্ব এবং কাঠামোগত পরিবর্তন কীভাবে ধরবেন তা বেছে নিতে হয়। সম্ভাব্য উৎপাদন বা রেফারেন্স বেকারত্বের অনুমানের ভুল হিসাবেও ফল প্রভাবিত হতে পারে; জিডিপির সংশোধিত সংস্করণ ঢাল বা সহগ বদলাতে পারে। তাই ফলকে নির্দিষ্ট তথ্য ও মডেলের সঙ্গে যুক্ত সম্পর্ক হিসেবে বর্ণনা করা ভালো, সঙ্গে অনিশ্চয়তাও উল্লেখ করা উচিত।

এই সম্পর্ক থেকে সরাসরি এমন নীতির প্রেসক্রিপশন বের হয় না যে সরকারি ব্যয় বাড়ালে বা অর্থনীতি ধীর করলে বেকারত্ব ঠিক কত বদলাবে। নীতির প্রভাব নির্ভর করে ধাক্কার কারণ, পরিবার ও প্রতিষ্ঠানের প্রতিক্রিয়া, উৎপাদনক্ষমতার ফাঁক এবং সময়সীমার ওপর। ওকুনের সূত্র উৎপাদন ও চাকরি নিয়ে প্রশ্ন সাজাতে সাহায্য করে, কিন্তু একা কোনো নীতি নির্ধারণ বা নিশ্চয়তাপূর্ণ পূর্বাভাস দেয় না।

ওকুনের সূত্রের নামে কোনো সংখ্যা দেখলে আগে পুরো সমীকরণটি খুঁজুন। এটি কি প্রবণতার চেয়ে বেশি জিডিপি প্রবৃদ্ধির সঙ্গে বেকারত্বের পরিবর্তন মেলায়, নাকি আউটপুট গ্যাপের সঙ্গে বেকারত্বের গ্যাপ? চিহ্নের দিক কী? একক কী? এরপর ভৌগোলিক এলাকা, সময়কাল, তথ্যের ঘনত্ব, ব্যবহৃত বিলম্ব এবং নমুনার আকার যাচাই করুন। এসব ছাড়া সহগের অর্থ বোঝা বা অন্য গবেষণার সঙ্গে তুলনা করা কঠিন।

তথ্যের সংস্করণ ও তারিখও জেনে নিন: সংখ্যা কি প্রাথমিক, নাকি পরে সংশোধিত? সম্ভাব্য উৎপাদন বা রেফারেন্স বেকারত্ব কীভাবে নির্ধারণ করা হয়েছে? ফলটি কি নমুনায় দেখা সম্পর্ক, নির্দিষ্ট মডেলের শর্তাধীন হিসাব, নাকি ভবিষ্যৎ পূর্বাভাস? আর গবেষণাটি বেকারত্বের হার, শ্রমশক্তির অংশগ্রহণ নাকি বিস্তৃত কোনো সূচক ব্যবহার করেছে? এক চলককে অন্যটি দিয়ে নীরবে বদলালে ব্যাখ্যাও বদলে যায়।

সম্পর্কের উৎপাদন-পক্ষ বুঝতে আউটপুট গ্যাপ ও সম্ভাব্য জিডিপির ব্যাখ্যা পড়ুন; বেকারত্ব কীভাবে মাপা হয় তা দেখতে U-3 ও U-6 হারের তুলনা দেখুন। প্রবৃদ্ধির সংখ্যাটি দামের প্রভাব বাদ দিয়ে বাস্তব উৎপাদন কি না বুঝতে নামমাত্র ও বাস্তব জিডিপির পার্থক্য পড়তে পারেন। নামমাত্র জিডিপি দাম বৃদ্ধির কারণেও বাড়ে, যেখানে ওকুনের সূত্রে সাধারণত বাস্তব জিডিপি ব্যবহৃত হয়।