Componenten van werkloosheid

1. Inleiding

Dit artikel presenteert de resultaten van een onderzoek naar componenten van werkloosheid volgens een statistische benadering. Vergelijkbaar met de seizoengecorrigeerde werkloosheid is er een tijdreeks van de conjunctuurgecorrigeerde werkloosheid samengesteld. In deze reeks is gecorrigeerd voor schommelingen in de werkloosheid die het gevolg zijn van de conjunctuur. De conjunctuurgecorrigeerde werkloosheid doorliep in de periode 1969–2018 een volledige cyclus. Afwisselend steeg (1969–1985), daalde (1986–2001) en steeg de werkloosheid (2002–2015) om daarna weer af te nemen.
Daarnaast is de werkloosheid opgesplitst in een component die een kwantitatief tekort aan banen (kwantitatieve werkloosheid) weergeeft en een component die een gebrekkige aansluiting tussen openstaande vacatures en de kwalificaties van werklozen toont (kwalitatieve werkloosheid).

1.1 Economische benadering

Decennialang hebben economen zich beziggehouden met de vraag wat de oorzaken van werkloosheid zijn. Met deze kennis zou men vervolgens effectief beleid kunnen opstellen om zo de werkloosheid te bestrijden. De verschillende oorzaken van werkloosheid worden ook wel componenten genoemd. Hiermee worden geen deelgroepen binnen de werkloze beroepsbevolking bedoeld, zoals bijvoorbeeld de jeugdwerklozen. Componenten zijn niet toe te wijzen aan een bepaalde groep mensen, maar zijn getallen die iets zeggen over de mate waarin een bepaalde oorzaak van belang is. Zo betekent een conjuncturele werkloosheid van 2 procent dat 2 procentpunt van de werkloosheid samenhangt met conjunctuurschommelingen.

Ruwweg zijn er twee hoofdstromen te ontdekken in het denken over werkloosheid. Bij beide vormt een economische theorie het uitgangspunt. De meeste dominante stroming,voortbouwend op neoklassieke theorieën, benadrukt dat een economie naar een evenwicht neigt. Daarnaast is er een neokeynesiaanse stroming die juist de nadruk erop legt dat de economie veel onevenwichtigheden kent.
In de neoklassieke stroming (OECD, 2001; Lunsing, 2011; Logeay en Tober, 2004; Guichard,2011) vinden we bijvoorbeeld de begrippen NAIRU (Non-Accelerating Inflation Rate of Unemployment) en Phillipscurve die aan elkaar gerelateerd zijn. De NAIRU wordt door verschillende instituten geschat en gepubliceerd, bijvoorbeeld door de OECD (2001). Een andere naam voor de NAIRU is evenwichtswerkloosheid. De NAIRU is dan de werkloosheid waarbij de inflatie niet verandert (accelereert). De Philipscurve geeft het verband weer tussen de looninflatie en de werkloosheid.

Volgens de neokeynesiaanse stroming (Kuipers, 1978; Van den Berg, 1982; Bierings, 1996; Muysken, 1984; Driehuis, 1979; 1986) kent de werkloosheid een cyclisch patroon dat het gevolg is van de conjunctuur. Een sterke (effectieve) vraag naar consumptiegoederen wordt afgewisseld door het inzakken van de vraag naar deze goederen en vice versa. Ook heeft men binnen deze stroming oog voor de (kwalitatieve) discrepanties (mismatches)tussen vraag en aanbod. Kenmerkend hiervoor is bijvoorbeeld dat op de arbeidsmarkt tegelijkertijd vacatures en werklozen zijn. Een onderdeel van de mismatches vormt de zogenaamde frictiewerkloosheid die ontstaat doordat het tijd kost om de reeds aanwezigevacature te vinden en te vervullen. Voor het berekenen van de componenten van werkloosheid wordt gewerkt met het schatten van de Beveridge curve, een relatie tussen het werkloosheidspercentage (U) en het vacaturepercentage (V). Dit wordt ook wel de UV-curve genoemd.

1.2 Statistische benadering

Op grond van de literatuur is er geen algemeen geaccepteerde methode beschikbaar om componenten van werkloosheid te berekenen. Reden voor het CBS om op zoek te gaan naar een nieuwe methode die recht doet aan beide stromingen. Als uitgangspunt is daarvoor de statistiek genomen. Het grote voordeel van een statistische benadering is dat er geen aannames nodig zijn over verbanden tussen economische grootheden, zoals dat het geval is bij de NAIRU en de Beveridgecurve. In deze context is het nuttig om erop te wijzen dat dat ook de Phillipscurve en de Beveridgecurve een statistische grondslag hadden voordat er sprake was van een theoretische inbedding. De sterke statistische verbanden zijn breed uitgemeten in de literatuur en zijn terug te vinden in vrijwel elk handboek over macro-economie.

In 2017–2019 werd binnen het CBS een nieuwe statistische methode voor het berekenen van componenten voor werkloosheid ontwikkeld (Lodder, 2017a; 2019a; 2019b). Deze methode gaat uit van data en komt van daaruit tot nieuwe cijfers en vervolgens tot nieuwe interpretaties over deze componenten. De nadruk ligt daarbij op logica en het gebruik van algemeen aanvaarde principes en modellen. De aanpak is vergelijkbaar met die van Van den Brakel en Krieg (2010) voor het berekenen van de seizoengecorrigeerde werkloosheid.Over deze vorm van werkloosheid wordt al door het CBS gepubliceerd.
Kenmerkend verschil met de economische benadering is dus dat bij deze de economische theorie het startpunt is, en er vervolgens wordt toegewerkt naar data, terwijl bij de statistische benadering de data het vertrekpunt vormt en er daarna pas aandacht is voor een betekenisvolle naamgeving en een economische interpretatie of duiding.

1.3 Leeswijzer

In dit artikel staan de componenten van werkloosheid volgens een nieuwe binnen het CBS ontwikkelde statistische methode centraal. Het is een kortere, vereenvoudigde versie van de eerder gepubliceerde artikelen over dit onderwerp. In paragraaf 2 worden de data en de methode besproken. Aan de orde komen onder meerde tijdreeksen die de basis vormen van het onderzoek, de wijze waarop statistische en logische decompositie plaatsvindt en de economische interpretatie van de componenten.Paragraaf 3 presenteert de uitkomsten van de verschillende componenten. Hoe hebben deze zich in de periode 1969-2018 ontwikkeld? In paragraaf 4 worden vervolgens de uitkomsten op basis van de statistische methode vergeleken met die van economische benaderingen. Het artikel sluit af met de conclusies in paragraaf 5.Voor meer details over de data en de methode in dit artikel wordt verwezen naar Lodder 2017a; 2019a; 2019b.