오쿤의 법칙이란? GDP 성장과 실업률의 관계

경제가 더 많이 생산하면 기업이 더 많은 노동력을 필요로 할 수 있고, 산출이 줄면 근로시간이나 인원을 줄일 수 있습니다. 경제학자 아서 오쿤은 미국 자료에서 이 연결을 살펴보고 1962년에 서로 연관된 두 가지 경험적 관계를 제시했습니다. 하나는 실질 산출의 변화와 실업률의 변화를 비교하고, 다른 하나는 산출갭과 실업률갭을 비교합니다. 이 관계들을 묶어 오쿤의 법칙이라고 부릅니다. {source:frbStLouisOutputUnemployment2013}

‘법칙’이라는 말은 실제보다 단단한 규칙처럼 들릴 수 있습니다. 오쿤의 법칙은 대체로 산출이 평소보다 강하면 실업률이 낮아지고, 산출이 약하면 실업률이 올라가는 경향을 통계적으로 요약합니다. 그렇다고 GDP가 일정 비율로 늘 때마다 반드시 정해진 수의 일자리가 생기거나, 매 분기 실업률이 GDP와 반대 방향으로 움직인다는 뜻은 아닙니다.

초기 추정은 특정 시기의 미국 자료에 기반했습니다. 이후 연구들은 산출 지표, 노동시장 지표, 관측 기간, 통계 방법을 달리 선택해 왔습니다. 따라서 이 관계는 경기변동을 생각하는 출발점이지, 다른 나라나 현재 전망에 그대로 옮겨 쓸 수 있는 보편적 상수는 아닙니다.

성장률·변화 형태는 일정 기간의 실질 GDP 성장률과 같은 기간 실업률의 변화를 연결합니다. 단순화한 회귀식은 다음처럼 쓸 수 있습니다.

실업률 변화 = 절편 − β × 실질 GDP 성장률 + 잔차

여기서 β는 해당 모형과 표본에서 GDP 성장률이 1퍼센트포인트 달라질 때 실업률이 평균 몇 퍼센트포인트 변하는지를 나타냅니다. 절편도 중요합니다. 실업률이 평균적으로 변하지 않는 GDP 성장률은 자동으로 0%가 아닙니다. 일부 설명은 이를 추세 또는 손익분기 성장률보다 얼마나 더 성장했는지로 다시 표시합니다. 분기 성장률, 연율 환산 성장률, 전년 동기 대비 성장률도 서로 다른 입력입니다.

갭 형태는 관측된 수준을 추정 기준과 비교합니다.

실업률갭 = −β × 산출갭

산출갭은 실제 실질 GDP와 추정 잠재 GDP의 차이를 잠재 GDP로 나눈 백분율로 표현하는 경우가 많습니다. 실업률갭은 실제 실업률에서 기준 실업률 또는 비가속 인플레이션 실업률(NAIRU)의 추정치를 뺀 값입니다. 이 부호 규약에서는 산출갭이 양수일 때 실업률갭과 음의 관계가 나타납니다. 계수의 단위는 산출갭 1퍼센트포인트당 실업률 몇 퍼센트포인트입니다.

두 식의 계수는 서로 바꿔 쓸 수 없습니다. 성장률 변화 회귀에서 구한 계수를 갭 방정식에 넣으면 변수와 단위, 때로는 시간 간격까지 달라집니다. 같은 형태를 쓴 연구끼리도 GDP 성장률, 잠재 산출 또는 실업률 정의가 다를 수 있습니다. 연준의 잠재 산출 논의는 생산성과 노동공급 변화가 두 갭의 관계를 복잡하게 만들 수 있다고 설명합니다. {source:frbMishkinPotentialOutput2007}

계산 방법만 보이기 위해 산출갭을 +2.0%, 가상의 갭 형태 계수를 산출갭 1퍼센트포인트당 실업률 0.5퍼센트포인트라고 가정해 보겠습니다. 그러면 계산은 다음과 같습니다.

실업률갭 = −0.5 × 2.0 = −1.0퍼센트포인트

기준 실업률을 예시상 5.0%로 두면, 이 단순화한 예시에서 계산되는 실업률은 5.0% − 1.0퍼센트포인트 = 4.0%입니다. 숫자는 곱셈을 이해하기 위한 가정일 뿐입니다. 현재 미국의 추정치도 아니고, 보편적인 오쿤 계수도 아니며, 전망도 아닙니다.

단위를 구분해야 계산이 분명해집니다. 산출갭 +2%는 실제 산출이 잠재 산출 추정치보다 2% 높다는 의미입니다. 실업률갭 −1퍼센트포인트는 실제 실업률이 추정 기준 실업률보다 1퍼센트포인트 낮다는 의미입니다. 실업률이 이전 값에 비해 상대적으로 1% 감소했다는 뜻이 아닙니다.

세인트루이스 연은의 2013년 연구는 1948년부터 2013년 1분기까지의 미국 분기별 실질 GDP 성장률과 실업률 변화를 이용해, GDP 성장률이 1퍼센트포인트 높을 때 실업률이 0.28퍼센트포인트 낮아지는 관계를 추정했습니다. 이는 그 표본과 식에만 연결된 값입니다. 위의 가상 예시에서 쓴 갭 계수와 다르고, 다른 시기의 모수로 쓸 수 없습니다. {source:frbStLouisOutputUnemployment2013}

산출을 생각할 때는 일하는 사람 수, 근로시간, 시간당 생산량을 함께 떠올리면 유용합니다. 다만 이는 직관을 돕는 회계적 근사이지, 경제 전체의 생산을 모두 설명하는 완전한 공식은 아닙니다. 이 요소들은 서로 다른 속도로 조정됩니다. 주문이 줄면 기업은 먼저 초과근무를 없애거나 교대시간을 줄이고, 빈 일자리를 채우지 않을 수 있습니다. 생산이 잠시 감소해도 숙련된 직원을 유지하는 ‘노동력 비축’을 선택할 수도 있습니다. 약한 수요가 이어지면 그 뒤에 해고가 생길 수 있습니다. 회복 초기에 기업이 신규 채용보다 기존 직원의 근로시간과 생산량을 먼저 늘리는 경우도 있습니다.

생산성도 두 지표의 관계를 바꿉니다. 직원 한 명이 시간당 더 많이 생산하면 고용이 늘지 않아도 총산출이 커질 수 있습니다. 반대로 채용이 시작되어도 새 직원이 충분한 숙련을 갖추기까지 시간이 필요해 산출이 곧바로 늘지 않을 수 있습니다. 산업 구성도 중요합니다. 자본집약적 산업에서 나온 산출 증가 1달러가 노동집약적인 서비스업의 산출 증가 1달러와 같은 수의 일자리를 의미하지는 않습니다.

실업률은 노동력에 포함되는 사람의 범위에도 영향을 받습니다. 미국의 Current Population Survey(CPS)에서 노동력은 취업자와 실업자로 분류되는 사람으로 구성되고, 실업률은 노동력 중 실업자의 비율입니다. 적극적으로 구직하던 사람이 구직을 중단해 노동력 밖으로 이동하면 새 일자리가 생기지 않아도 측정된 실업률은 바뀔 수 있습니다. BLS는 실업과 노동시장 참여율, 고용 대 인구 비율을 별도 개념으로 정의합니다. {source:blsCpsConcepts} {source:blsGovernmentMeasuresUnemployment}

한 분기 자료에는 서로 다른 시점에 내려진 의사결정이 섞여 있습니다. 경기 둔화가 통계에 잡히기 전에 기업이 채용을 줄였을 수도 있고, 둔화가 이어지는지 확인한 뒤에야 인원을 줄일 수도 있습니다. 근로자는 실업 상태를 거치지 않고 다른 직장으로 옮기기도 하고, 해고된 뒤 일자리를 찾는 데 시간이 걸리기도 합니다. 그래서 같은 분기의 상관관계가 여러 분기를 걸친 관계와 다를 수 있습니다.

자료의 기간을 맞추는 일도 중요합니다. 미국 실질 GDP는 분기 단위로 발표되지만 현행인구조사(CPS)의 고용 상태는 매월 조사 기준 주간을 두고 집계합니다. 연구자가 분기 GDP 성장률과 분기말 한 달의 실업률 변화만 짝지으면, 같은 분기 평균 실업률을 쓰는 연구와 다른 결과가 나올 수 있습니다. 분기 성장률을 연율로 바꾼 값과 전년 동기 대비 성장률도 크기와 해석이 다릅니다. 계수를 비교할 때는 두 변수가 같은 기간을 가리키는지, 계절조정 여부가 맞는지, 분기 실업률을 어떤 방식으로 계산했는지 확인해야 합니다. BLS는 CPS 실업 통계가 월간 조사에서 나온다고 설명하며 기준 주간과 분류 방식을 별도로 정의합니다. {source:blsCpsConcepts} {source:blsGovernmentMeasuresUnemployment}

분기 GDP 성장률도 한 가지 눈금만 있는 것은 아닙니다. 계절조정 실질 GDP의 전분기 대비 변화율은 ((Y_t / Y_{t-1}) - 1) × 100으로 계산할 수 있고, 이를 연율화하면 ((Y_t / Y_{t-1})^4 - 1) × 100이 됩니다. 연율은 그 분기의 속도가 네 분기 동안 이어진다고 환산한 값입니다. 예를 들어 전분기 대비 1% 증가는 연율로 약 4.06%이지 정확히 4%가 아닙니다. 복리 계산이 들어가기 때문입니다. BEA는 분기 계절조정 성장률을 보통 연율로 발표하고 이 변환 방식을 설명합니다. BEA의 분기 성장률 연율 안내

전년 동기 대비 성장률은 ((Y_t / Y_{t-4}) - 1) × 100처럼 네 분기 전을 기준으로 하므로, 한 분기 변화율과 관측 창이 다릅니다. 실업률 쪽도 한 분기 변화인지 네 분기 변화인지 회귀식 정의를 확인해야 합니다. 성장률을 분기율에서 연율로 바꾸면 같은 산출 변화도 더 큰 숫자 눈금으로 표시되어 계수의 단위와 수치가 달라집니다. 따라서 성장률 계수는 산출 지표와 변화율 계산법, 연율 여부, 실업률 변화의 기간을 함께 읽어야 합니다.

이 구분은 역사적 계수를 다른 식에 옮길 때 특히 중요합니다. 세인트루이스 연은의 2013년 0.28 추정치는 1948년부터 2013년 1분기까지의 미국 분기 실질 GDP 성장률과 분기별 실업률 변화 사양에 붙은 값입니다. 해당 자료가 밝힌 분기 사양과 성장률의 정의를 확인한 뒤 해석해야 하며, 이를 관측 창이나 연율 표기가 다른 계수와 같은 눈금으로 취급하거나 위에서 만든 갭 형태의 β와 비교해서는 안 됩니다. {source:frbStLouisOutputUnemployment2013} 한편 샌프란시스코 연은의 2014년 분석은 16~64세 인구 1인당 실질 GDP의 네 분기 성장률과 같은 네 분기 동안의 실업률 변화를 살펴봅니다. 이처럼 관측 창이 다른 분석의 계수는 각각의 기간과 단위에 맞춰 해석해야 합니다. {source:frbsfOkunDeviations2014}

2009년 미국 사례는 경험칙이 왜 빗나갈 수 있는지 보여줍니다. 샌프란시스코 연은 연구진은 실업률이 단순한 산출 관계가 시사한 것보다 훨씬 많이 오른 시기를 분석했습니다. 연구는 이례적인 생산성 증가가 기업이 노동 투입을 크게 줄이면서도 산출을 유지할 수 있게 했다고 설명했습니다. 근로시간과 노동시장 참여율도 당시의 움직임에 포함됩니다. 이 사례는 산출과 실업률 사이에 틈이 벌어질 수 있는 한 가지 이유이지, 모든 경기침체의 전형은 아닙니다. {source:frbsfOkunSurprise2009}

다른 침체와 회복에서는 생산성, 근로시간, 산업 구성, 노동력 참여, 정책 대응, 측정 방식이 다른 조합으로 작동할 수 있습니다. 평균 관계는 이런 경로를 평활화해 보여줍니다. 넓은 흐름을 비교하는 데는 쓸 수 있어도 특정 분기나 경기 전환점을 정확히 설명하지 못할 수 있습니다.

계수 추정치는 국가와 지역, 표본 기간, 자료 주기, 노동시장 지표, 산출 지표, 방정식 선택에 따라 달라집니다. 전국 관계와 지역 관계가 다를 수 있는 이유는 산업과 노동시장이 동일하지 않기 때문입니다. 분기 회귀는 일시적 움직임에 더 민감할 수 있고, 연간 회귀는 그런 흔들림을 평균화할 수 있습니다. 세인트루이스 연은의 검토는 시기와 지역에 따라 계수가 달라지는 점을 다루며, 하나의 추정치를 보편적인 값으로 취급하지 않도록 경고합니다. {source:frbStLouisOutputUnemployment2013}

갭 형태에는 추가적인 불확실성이 있습니다. 잠재 GDP와 기준 실업률은 직접 관측할 수 없습니다. 연구자들은 모형과 가정에 따라 추정합니다. 기관이 추세 생산성이나 지속 가능한 노동시장 조건을 다시 평가하면, 과거 자체가 변하지 않아도 과거의 갭과 계수 추정치가 바뀔 수 있습니다. 연준은 자연실업률과 잠재 산출 추정치의 불확실성이 클 수 있다고 지적했습니다. {source:frbMishkinPotentialOutput2007}

자료 개정도 연구 해석을 바꿀 수 있습니다. 샌프란시스코 연은은 대침체기의 실시간 GDP 자료에서 보였던 일부 괴리가 GDP 개정 뒤에는 작아 보였지만, 평균 관계에서의 일시적 이탈은 역사적으로 나타났다고 분석했습니다. 지금 개정된 통계는 당시 전망자가 실시간으로 이용할 수 있었던 정보와 다릅니다. {source:frbsfOkunDeviations2014}

오쿤의 법칙은 산출과 실업률이 평균적으로 어떻게 함께 움직였는지 요약합니다. 그 계수만으로 정책 결정자가 GDP를 특정 폭으로 바꾸었을 때 어떤 일이 생길지는 알 수 없습니다. 수요, 기술, 신용 여건, 공급 충격 같은 공통 요인이 산출과 고용 모두에 영향을 줄 수 있습니다. 고용은 생산에도 영향을 주고, 기업은 수요를 예상해 임금, 근로시간, 채용을 함께 조정합니다. 두 변수만 둔 회귀로 이 모든 경로를 분리할 수는 없습니다.

따라서 계수를 기계적인 정책 승수나 “GDP 성장이 실업률을 일정하게 바꾼다”는 주장으로 읽어서는 안 됩니다. 전망을 만들려면 구체적인 시간 범위와 최신 자료, 다른 영향에 관한 가정, 적합한 모형이 추가로 필요합니다. 과거의 미국 관계가 유용한 정보일 수는 있어도 다른 경제나 노동시장에 그대로 적용되는 것은 아닙니다.

예를 들어 GDP 증가가 소비와 주문의 회복에서 왔는지, 자동화와 작업 방식의 변화로 시간당 생산량이 높아진 데서 왔는지에 따라 기업의 채용 결정은 다를 수 있습니다. 두 경우 모두 총산출이 늘어날 수 있지만, 추가 인력을 필요로 하는 정도는 같지 않습니다. 따라서 과거 자료에서 산출과 실업률이 함께 움직였다는 사실만으로 특정 성장 정책이 일자리 몇 개를 만들 것인지 계산할 수 없습니다. 그런 인과 효과를 주장하려면 공통 충격과 기업의 대응을 구분하는 별도 연구 설계와 가정이 필요합니다. 오쿤 계수는 우선 이 구분을 시작하게 해 주는 요약 통계로 읽는 편이 안전합니다.

실업률 지표도 중요합니다. 대표 실업률 하나로 불완전 취업이나 노동시장 밖에 있는 사람까지 모두 볼 수는 없습니다. 미국의 실업 지표 정의는 U-3과 U-6 실업률 비교를 참고할 수 있습니다. 어떤 노동시장 지표를 선택하는지에 따라 추정 관계도 달라질 수 있습니다.

보고서에 오쿤 계수가 나오면 먼저 어떤 방정식을 추정했는지 확인하세요. GDP 성장률과 실업률 변화를 비교했나요, 아니면 산출갭과 실업률갭을 비교했나요? 각 변수의 단위와 관측 간격, GDP 성장률의 연율 환산 여부, 절편이나 추세성장률 기준의 포함 여부를 살펴보세요.

다음으로 지역, 표본 기간, 자료 기준시점, 노동시장 지표를 확인합니다. 미국 전국의 실업률인지, 한 지역이나 다른 국가를 대상으로 했는지, 당시 이용 가능했던 실시간 통계인지 나중에 개정된 국민계정인지 구분해야 합니다. 미국 노동통계국은 실업률과 관련 노동시장 통계가 어떻게 작성되는지 설명합니다. 이 정의를 보면 다른 자료에서 같은 이름으로 불리는 지표가 서로 다를 수 있는 이유도 알 수 있습니다. {source:blsCpsConcepts} {source:blsGovernmentMeasuresUnemployment}

마지막으로 계수가 어떤 주장을 뒷받침하는지 확인하세요. 주어진 명세에 따른 과거의 추정 관계를 요약할 수는 있습니다. 하지만 그 숫자 하나가 현재 산출갭을 증명하거나 다음 실업률 발표를 예측하지는 않습니다. 이어서 보려면 산출갭과 잠재 GDP, 명목 GDP와 실질 GDP를 참고하세요. 두 글은 오쿤 법칙의 추정치를 읽을 때 혼동하기 쉬운 입력값을 설명합니다.