RaboResearch - Economisch Onderzoek

De zin en onzin van de ‘output gap’

Special

Delen:

Voor beleidsdoeleinden wordt veel gebruik gemaakt van de ‘output gap’. Meest prominent daarbij zijn het gebruik bij monetair beleid en de doelstelling voor het begrotingsbeleid in de eurozone, waarbij de begrotingsdoelstelling wordt berekend met behulp van de output gap. De output gap meet het verschil tussen het daadwerkelijke BBP-volume en het potentiële BBP-volume. Het potentiële BBP is hierbij het productieniveau van goederen en diensten in een economie op een constant inflatieniveau, gegeven de structuur van een economie. Daarmee is de output gap een indicator van de hoeveelheid onbenutte potentie en de conjunctuurfase van de economie. Hoewel conceptueel een zeer nuttig instrument, is de output gap in de praktijk moeilijk te meten. Vooral tijdens de laatste crisis zaten de grote beleidsinstellingen er fors naast. Daardoor is er veel discussie ontstaan over alternatieve methoden om de output gap te schatten. Vooralsnog lijkt voorzichtigheid bij gebruik ervan geboden. In deze Special geven we hiervan een overzicht.

In hoofdstuk 1 bespreken we waarom de output gap een nuttig instrument is bij zowel monetair als begrotingsbeleid. Het tweede hoofdstuk behandelt de verschillende methoden om een output gap te schatten. Hierbij moet eerst het potentiële BBP worden geschat door middel van een statistische methode of de productiefunctiemethode, waarna de output gap kan worden berekend. In het derde hoofdstuk gaan we in op de verschillende methoden die de grote beleidsinstellingen gebruiken bij het berekenen van het potentiële BBP en waarom dit leidt tot verschillende inschattingen van de grootte van de output gap. Daarna gaan we dieper in op de output gap-schattingen voor Spanje gedurende de crisisjaren. Een analyse van de bijstellingen in de schatting van de onderliggende productiefactoren toont aan dat het erg lastig is om gedurende crisisjaren tot een robuuste schatting te komen. Ook laten de Europese cijfers zien dat de schattingen van het potentiële BBP gevoelig zijn voor conjunctuurinvloeden. Omdat de huidige methodologie tijdens de crisis niet heeft geleid tot robuuste output gap-cijfers, kijken we in hoofdstuk vijf naar alternatieve methoden om de output gap te meten. Vervolgens, in hoofdstuk zes, analyseren we wat de impact is van de onzekerheid in de output gap-meting. Het gebruik ervan dwingt beleidsmakers om na te denken over de middellange termijn, maar de onzekerheid in de output gap-meting maakt dat er geen mechanisch gebruik van kan worden gemaakt. Ten slotte volgen de conclusies van deze Special.

Het nut van de output gap voor economisch beleid

De output gap is een indicator van de conjunctuurstand van de economie. Een zeer positieve output gap betekent dat de productie boven het potentieel ligt en dat er daarmee inflationaire druk ontstaat. Een negatieve output gap duidt er op dat de vraag lager ligt dan wat de economie zou kunnen produceren. Deze overcapaciteit leidt tot prijsdalingen of ten minste tot lagere prijsstijgingen en een hogere werkloosheid dan het structurele niveau.

In de economische theorie zijn deze verbanden vastgelegd in de wet van Okun en de Phillipscurve. De wet van Okun zegt dat de output gap gelijk is aan een constante maal het verschil tussen de huidige en de structurele werkloosheid. In figuur 1 is deze relatie geschat voor de eurozone. Daarnaast is het verband tussen de inflatie en de werkloosheidsratio in de economie vastgelegd in de Phillipscurve, die aangeeft dat een hogere werkloosheid samengaat met een lagere inflatie en andersom. Een combinatie van de wet van Okun en de Phillipscurve zegt dus dat een negatieve output gap samengaat met werkloosheid boven het structurele niveau en dus met een lage inflatie (zie figuur 2).

Figuur 1: Wet van Okun voor de eurozone
Figuur 1: Wet van Okun voor de eurozoneBron: Macrobond
Figuur 2: Phillipscurve voor de eurozone
Figuur 2: Phillipscurve voor de eurozoneBron: Macrobond

Ook in beleidskringen heeft de output gap steeds meer invloed gekregen. Bij monetair beleid is de output gap een van de variabelen die worden gebruikt om de inflationaire druk te meten. De bekendste monetaire beleidsregel is de Taylor-regel. Deze regel zegt dat de beleidsrente gelijk moet zijn aan 0,5 maal het verschil tussen de inflatie en het gewenste niveau plus 0,5 maal de output gap. Figuur 3 laat zien dat de Taylor-regel tot midden jaren nul een vrij goede benadering gaf van de beleidsrente. Uiteraard worden dergelijke beleidsregels niet mechanisch gebruikt bij het zetten van monetair beleid, maar zijn ze slechts een hulpmiddel. Daarnaast gebruiken steeds meer centrale banken de output gap als middel om aan financiële markten ‘forward guidance’ te geven. Onder andere de Bank of England heeft de output gap expliciet opgenomen in haar inflatierapporten[1].

Ook bij het begrotingsbeleid wordt er steeds meer gebruik gemaakt van het potentiële BBP en de output gap. Door te rekenen met een potentieel in plaats van het normale BBP-niveau is het in theorie mogelijk om begrotingsbeleid minder conjunctuurgevoelig te maken. De Europese Commissie gebruikt daarom het concept om het cyclisch geschoonde begrotingstekort en het schuldsaldo te berekenen. Daarmee heeft het direct invloed op de begrotingsruimte van de overheden van de eurozonelidstaten. In de optimale wereld zou de conjunctuurstand geen invloed moeten hebben op het cyclisch geschoonde begrotingssaldo, vanwege de automatische stabilisatoren. Ook het IMF gebruikt in zijn analyses BBP-groeivoorspellingen voor de middellange en lange termijn (gebaseerd op potentiële-groeivoorspellingen). Deze worden gebruikt voor onder meer de schuldhoudbaarheidsanalyses en de berekening van een eventuele over- of onderwaardering van wisselkoersen.

Hoewel het concept nuttig is voor beleidsmakers om na te denken over het verband tussen de conjuncturele stand van de reële economie en de inflatie, zijn er ook de nodige bezwaren. Zo is het een statistisch fenomeen dat niet waarneembaar en moeilijk meetbaar is. Vooral de schatting van de huidige output gap (laat staan de raming voor de toekomstige jaren) bevat veel onzekerheden. Hoe lastig het is om een output gap te schatten, laat een vergelijking zien van de schattingen over 2013 van drie grote beleidsinstellingen (figuur 4). Terwijl het gaat om een meting van de output gap over het afgelopen jaar, zijn de verschillen groot. Deze zijn echter te verklaren door de uiteenlopende aannames en meetmethoden die de instellingen gebruiken.

Figuur 3: Taylor-regel voor de eurozone en Duitsland
Figuur 3: Taylor-regel voor de eurozone en DuitslandBron: Macrobond
Figuur 4: Output gap schatting voor 2013
Figuur 4: Output gap schatting voor 2013Bron: Macrobond

Het schatten van een output gap

De output gap is het verschil tussen het daadwerkelijke BBP-volume en het potentiële BBP-volume en is meestal uitgedrukt als percentage van het potentiële BBP. Voor het meten van het potentiële BBP-volume zijn twee methodetypen beschikbaar. Bij de eerste methode wordt gebruik gemaakt van statistische filters, waarbij dus geen rekening wordt gehouden met economische verbanden. De tweede methode is gebaseerd op een productiefunctie, waarbij van de onderliggende productiefactoren een inschatting wordt gemaakt.

Statistische methoden

De statistische methoden schatten het potentiële BBP-volume aan de hand van het daadwerkelijk gerealiseerde BBP-volume. Hierbij filteren deze methoden een trendmatige component en een conjunctuurcomponent. Het meest gebruikte filter hiervoor is het Hodrick-Prescott-filter[2], dat de trendmatige component afleidt door de ‘gladheid’ van de trendmatige serie af te wegen tegen de afwijking van de oorspronkelijke dataserie. Een voordeel van het gebruik van een dergelijk filter is dat de data kan spreken zonder dat er een subjectief oordeel hoeft te worden gevormd. Daarentegen valt er ook geen economische betekenis toe te kennen aan de uitkomsten. Een ander nadeel is het zogenaamde eindpuntprobleem (vooral bij het HP-filter). Bij statistische filters is de trendmatige component dan gelijk aan de oorspronkelijke serie, wat voor het schatten van de output gap betekent dat deze gesloten is aan het einde van de tijdreeks. Bij langer durende crises zullen statistische filters er al snel op wijzen dat de potentiële groei ook veel lager komt te liggen. En daarmee dus suggereren dat de output gap veel eerder gesloten is dan later het geval blijkt te zijn. Een veelgebruikte oplossing hiervoor is om een (eigen) voorspelling van de BBP-groei mee te nemen, waardoor het eindpuntprobleem minder acuut wordt. Deze oplossing introduceert echter wel de nodige subjectiviteit. Een ander probleem is dat de uitkomsten van een statistisch filter erg afhankelijk zijn van de gekozen steekproef en de gekozen waarden voor de ‘smoothing’ parameters. Hierdoor zijn deze relatief objectieve methoden uiteindelijk ook niet zonder eigen interpretatie. Een laatste probleem is dat gerealiseerde BBP-data door statistische bureaus nog vele jaren nadien worden gereviseerd. De hiervan afgeleide trendgroei is dan uiteraard ook erg gevoelig voor bijstellingen. Al met al zijn de schattingen van de trendgroei en daarmee de schattingen van de output gap over het huidige jaar en de toekomst zeer onzeker. Een mogelijke verbetering is het gebruik van multivariate filters, die economische data meenemen (zoals inflatie en werkloosheid) op basis van economische wetten. De uitkomsten van deze filters zijn echter niet veel betrouwbaarder dan die van de univariate filters (Orphanides en Van Norden, 2002). Het meest gebruikte multivariate filter is het Kalman-filter. Hierbij wordt op basis van een systeem van vergelijkingen een tijdreeks opgedeeld in een trendmatig en een cyclisch gedreven gedeelte. Een nadeel is dat de uitkomsten sterk afhankelijk zijn van de specificatie van het model (zie appendix 1 voor details).

Structurele methoden – de productiefunctie

De tweede set methoden zijn de structurele methoden, waarbij op basis van een economische structuur een inschatting wordt gemaakt van de potentiële groei. Hieronder vallen onder andere de dynamisch-stochastische algemene evenwichtsmodellen (DSGE) en de productiefunctiemethode, waarvan de laatste de meest gebruikte methode is voor het schatten en voorspellen van de potentiële groei. Meestal is deze methode gebaseerd op een Cobb-Douglas-functie, waarbij kapitaal, arbeid en de totale factorproductiviteit (TFP) samen de potentiële groei bepalen (zie appendix 2 voor een wiskundige modelbeschrijving). Vaak wordt er voor de schatting van de productiefactoren weer gebruik gemaakt van onderliggende economische verbanden. Het grote voordeel van deze methoden is dan ook dat de huidige potentiële BBP-groei niet afhankelijk is van de huidige gerealiseerde BBP-groei. Daarentegen betreft het een op historische reeksen geschat verband dat in de historie optelt tot het BBP via de aanbodzijde van de economie. Daarnaast is de uitkomst ook economisch te interpreteren. Zo is relatief eenvoudig uit te rekenen welke factoren voor groei zorgen. Daarmee zijn dan ook scenario’s te maken van hoe bijvoorbeeld een andere inschatting van productiviteitsgroei of arbeidsparticipatie leidt tot een andere potentiële groei. Een groot nadeel van de productiefunctiemethode is dat er veel, soms onrealistische, aannames moeten worden gedaan om het potentiële BBP te kunnen schatten. Zonder deze aannames is het echter niet mogelijk om de aanbodzijde van de economie in een model te vatten en ook begrijpelijk te houden. Daarnaast kost het tijd om veranderingen in de structuur van de economie waar te nemen en te kwantificeren. Daarmee wordt een modelspecificatie te laat aangepast en reageert de output gap-schatting met een vertraging op de nieuwe werkelijkheid (Gerlach, 2011). Ten slotte wordt de onderliggende input van het model meestal geschoond voor conjunctuur met statistische methoden. Hierdoor zijn ook de schattingen voor de output gap geproduceerd via de productiefunctiemethode niet geheel vrij van het eindpuntprobleem.

Beleidsinstellingen geven verschillende schattingen

Zoals eerder gezien geven instellingen verschillende inschattingen voor de output gap. Niet alleen voor de toekomst die afhankelijk is van voorspellingen, maar ook voor het recente verleden. De verschillen zitten in de methoden die de instellingen gebruiken. Het IMF gebruikt zowel de productiefunctiemethode als statistische methoden. Afhankelijk van de beschikbare data worden voor verschillende landen verschillende methoden toegepast. Enerzijds levert dit het probleem op dat de schattingen voor de verschillende landen minder goed vergelijkbaar zijn, anderzijds zullen geavanceerde methoden vooral op opkomende economieën moeilijk toepasbaar zijn. Een recent uitgevoerde evaluatie (Resende, 2014) heeft aangetoond dat de economen bij het IMF nog relatief weinig gebruik maken van een productiefunctiemethode, maar nog vaak vertrouwen op een HP-filter. Ook kwam uit dit onderzoek dat de groeivoorspellingen voor de middellange termijn voor de eurozone persistent te hoog waren, terwijl de groei voor China werd onderschat (Resende, 2014). Een te hoge groeivoorspelling kan daardoor leiden tot een te positieve kijk op de houdbaarheid van de overheidsfinanciën, aangezien het IMF voor deze analyse de groeivoorspellingen voor de middellange termijn gebruikt.

De OESO en de Europese Commissie (EC) verschillen hierin van het IMF aangezien zij alleen de productiefunctiemethode gebruiken. De reden hiervoor is dat het voor deze beleidsinstellingen belangrijk is dat zij de potentiële groeischattingen economisch kunnen verklaren. Daarmee zijn deze schattingen voor beleidsdoeleinden de meest bruikbare. Daarnaast is het voor beide instellingen van belang dat de modellen voor verschillende landen identiek zijn, waardoor de resultaten vergelijkbaar zijn. Een probleem bij het gebruiken van een generiek model is dat dit wellicht niet de beste modellering voor elk afzonderlijk land is. Zowel de OESO als de EC gebruikt dezelfde Cobb-Douglas-functie als basis onder het model. Desondanks zijn de verschillen tussen de output gaps van de beide instellingen soms groot, wat duidelijk maakt dat de schattingen erg afhankelijk zijn van de modelspecificatie, hoe de productiefactoren worden gemeten en welke aannames hierbij zijn gedaan.

Figuur 5: Output gap-schattingen voor 2014
Figuur 5: Output gap-schattingen voor 2014Bron: Macrobond (EC AMECO database (mei 2014), IMF WEO database (april 2014), OECD Economic Outlook database (mei 2014))
Figuur 6: Output gap-schattingen voor 2015
Figuur 6: Output gap-schattingen voor 2015Bron: Macrobond (EC AMECO database (mei 2014), IMF WEO database (april 2014), OECD Economic Outlook database (mei 2014))

De methodologie van de Europese Commissie

De EC gebruikt sinds 2002 de productiefunctiemethode voor het schatten van de potentiële groei. Bij de laatste aanpassing in 2010 (zie D’Auria et al., 2010) is de schatting van de TFP-factor aangepast. Daarvoor gebruikte de EC nog een HP-filter om de trendmatige TFP-groei te schatten, wat leidde tot relatief veel en grote aanpassingen. Nu gebruikt de commissie een bivariaat Kalman-filter (zie appendix 1 voor een overzicht van statistische filters), dat minder gevoelig is voor het eindpuntprobleem en dat informatie vanuit de capaciteitsbenutting gebruikt bij de schatting van de trend TFP. Als gevolg hiervan is de trend TFP-groei stabieler: de productiviteit neemt minder af gedurende de crisis, maar ook het herstel verloopt langzamer. Ook de schattingen voor de potentiële groei zijn daarmee stabieler geworden. Wel heeft dit tot gevolg dat de output gap in absolute zin grotere waarden aanneemt.

Voor de bijdrage vanuit arbeid gebruikt de EC nog wel een HP-filter voor het verwijderen van de cyclische componenten uit de onderliggende input. In 2014 heeft de commissie de methode om de structurele werkloosheid (NAWRU[3]) te berekenen aangepast (Europese Commissie, 2014). Waar de commissie daarvoor gebruik maakte van een Phillipscurve met terugkijkende verwachtingen, gebruikt zij nu de curve met vooruitkijkende verwachtingen. Deze verandering heeft ertoe geleid dat de NAWRU minder cyclisch wordt bepaald. In landen met een hoge werkloosheid zoals Griekenland, Portugal en Spanje is daardoor de conjuncturele component groter geworden en wordt daardoor ook een grotere, negatieve output gap geschat.

De bijdrage vanuit kapitaal volgt uit de hoeveelheid investeringen als percentage van het BBP. Van deze tijdreeks wordt geen trend bepaald. Wel wordt voor de toekomst aangenomen dat de investeringsratio op de middellange termijn weer teruggaat naar het gemiddelde over de historie. Hierbij wordt nu nog geen onderscheid gemaakt tussen bedrijfsinvesteringen en vastgoedinvesteringen, terwijl de laatste categorie niet per sé tot hogere potentiële groei leidt. Voor de economische crisis dachten we hier natuurlijk nog anders over.

De methodologie van de OESO

Kenmerkend voor de nieuwe methodologie van de OESO (zie Johansson et al., 2013) is dat de verschillende landen zijn verbonden door de wereldwijde technologische vooruitgang. Landen met een lage productiviteit convergeren naar landen die productiever zijn, en zullen dus een hogere TFP-groei laten zien. De snelheid en het verloop van de convergentie is afhankelijk van de structurele condities die de kwaliteit van het menselijke en fysieke kapitaal bepalen, zoals de instituties in de individuele landen. Voor 2013 ging de OESO er nog van uit dat de TFP na een crisis automatisch terugkeert naar het groeipad van de periode voor de crisis. In een enkel land heeft de nieuwe methodologie tot een relatief grote aanpassing geleid (waaronder Spanje). Een hoog schuldniveau van overheden heeft geen directe invloed op de potentiële BBP-groei, behalve via rentes die investeringen duurder maken. Ook wordt de aanname gedaan dat de pensioenleeftijd meegroeit met een stijgende levensverwachting. Daarnaast wordt de trend in het onderwijs doorgetrokken naar de toekomst. Voorts wordt aangenomen dat strenge reguleringen op productmarkten of handel in landen worden verminderd, wat een hogere TFP-groei veronderstelt. Een groot voordeel van het OESO-model is dat het een mogelijkheid biedt om scenario’s te berekenen met bijvoorbeeld hogere onderwijsinvesteringen en structurele hervormingen op de arbeidsmarkt. In een optimistisch scenario zouden de extra hervormingen en investeringen volgens de OESO kunnen leiden tot hogere groei op middellange termijn, maar ook op de zeer lange termijn (2030-2060) leveren deze 0,4%-punt extra BBP-groei per jaar op voor de eurozone (Johansson et al., 2013).

Waarom de schattingen tijdens de crisis er zo veel naast zitten

Zoals te zien in de grafieken in appendix 3 zijn de onzekerheden rondom de output gap-schattingen fors toegenomen gedurende de crisisjaren. Zo zijn de output gap-schattingen met relatief grote cijfers gereviseerd. Niet alleen voor de crisisjaren zelf, maar ook voor de jaren die daaraan vooraf gingen. Een klein gedeelte is te verklaren door de veranderingen in de methodologie. Een ander gedeelte moet echter worden toegeschreven aan het gegeven dat een crisis het veel lastiger maakt om een goede schatting van het potentiële BBP te geven.

Een voorbeeld van een sterk veranderende inschatting van het potentiële BBP gedurende de crisis is die voor Spanje.[4] Een analyse van de schattingen rondom twee omslagpunten (2009 en 2012) geven een indicatie van waar de grootste schattingsfouten zaten (zie figuur 7 en 8). De grootste onzekerheid lijkt te zitten in de bijdragen vanuit arbeid en kapitaal, waarbij de TFP-bijdrage robuuster oogt. Het is echter wel opvallend dat de TFP-bijdrage steeds verder stijgt, terwijl de schattingen van de potentiële BBP-groei dalen. Daarmee verklaart de TFP-groei een steeds groter gedeelte van de potentiële groei.

Opvallend is dat de potentiële groeischatting voor 2009 fors is gedaald als gevolg van het zeer negatieve gerealiseerde BBP-groeicijfer. Als we verder vooruitkijken, lijkt destijds de verwachting te zijn geweest dat de crisis zich zou beperken tot een korte periode, gezien de nog hoge potentiële groeischatting voor 2012. Toen de crisis langer aan bleef houden, is deze echter steeds negatiever geschat. Vanwege de nieuwe methode om de NAWRU te berekenen is het cijfer in 2014 ten slotte naar boven toe bijgesteld. Deze observaties doen vermoeden dat de potentiële groeischattingen gevoelig zijn voor de stand van de conjunctuur. En dat daarmee de output gap in absolute zin wordt onderschat, wanneer er van uit wordt gegaan dat de potentiële groei minder gevoelig hoort te zijn voor de conjunctuur. De volgende paragrafen analyseren waarom de schattingen voor de verschillende productiefactoren zijn bijgesteld tijdens de recente crisis.

Figuur 7: Potentiële groeischattingen voor het jaar 2009 voor Spanje
Figuur 7: Potentiële groeischattingen voor het jaar 2009 voor SpanjeBron: Europese Commissie
Figuur 8: Potentiële groeischattingen voor het jaar 2012 voor Spanje
Figuur 8: Potentiële groeischattingen voor het jaar 2012 voor SpanjeBron: Europese Commissie

Arbeid

De bijdrage van arbeid aan de potentiële groei is afhankelijk van vier factoren: de groei van de potentiële beroepsbevolking, de trendmatige arbeidsparticipatiegraad, de structurele werkloosheid (NAWRU) en het aantal gewerkte uren per werknemer. Hierbij is de inschatting van de eerste factor vrij constant. Voor de tweede factor geldt dat niet. Waar gedurende de eerste jaren van de crisis nog werd gedacht dat de participatiegraad vrij constant zou stijgen (figuur 9), is deze gedurende de jaren steeds meer naar beneden toe bijgesteld. De gerealiseerde participatiegraad is echter gestagneerd en heeft daarmee dus geen positieve impuls aan de potentiële BBP-groei kunnen geven. Deze stagnatie ligt in lijn met voorgaande crises, waar stevige recessies voor een langere periode een negatieve impact hebben gehad op de arbeidsparticipatiegraad (zogenaamde hysterese-effecten op de arbeidsparticipatie; Duval et al., 2011). Waar deze hysterese in eerdere crises echter kon worden verklaard door vervroegde uittreding van oudere werknemers, lijkt dit in de huidige crisis niet het geval. De hoge werkloosheid lijkt nu een deel van de beroepsbevolking te ontmoedigen om nog een baan te zoeken.

Een nog groter effect op de arbeidsbijdrage ligt in de veranderende inschatting van de structurele werkloosheidsratio die geen loonstijging tot gevolg heeft (de NAWRU; zie figuur 10). Waar dit vaak de structurele werkloosheid wordt genoemd, is dit beter uit te leggen als de werkloosheid bij een economische groei die gelijk is aan de potentiële groei. Een hogere BBP-groei zal namelijk samen gaan met een stijgende (loon-)inflatie en dus met een werkloosheidspercentage dat lager is dan de NAWRU. Voor de uitbraak van de financiële crisis (2008) werd nog uitgegaan van een dalende structurele werkloosheid in de jaren nul. In de jaren nadien is deze inschatting langzaam steeds verder omhoog bijgesteld en is de EC er ook van uit gegaan dat de structurele werkloosheid nog verder zou stijgen. In 2014 is de NAWRU sterk naar beneden toe gereviseerd, met ongeveer 6%-punt in de voorspelperiode, door de nieuwe methodologie (zie hoofdstuk 3).

Dat de NAWRU gedurende de crisis sterk is gestegen, is verklaarbaar. Een gedeelte van de arbeidskrachten die tijdens de crisis werkloos zijn geworden, zal langdurig werkloos blijven. In bepaalde sectoren, zoals de bouw, zal werkgelegenheid permanent zijn verdwenen. Om deze arbeidskrachten weer van waarde te laten worden voor de productiecapaciteit van een economie zullen zij zich moeten omscholen, wat tijd kost. Door de verhoogde NAWRU heeft dit een negatief effect op de groeibijdrage van arbeid op de potentiële groei (het zogenaamde hysterese-effect op werkloosheid).

Voor de herziening van de methodologie was er veel commentaar op de NAWRU-schattingen. Onder anderen Krugman (2013) stelde dat de lonen weer snel hadden moeten stijgen als het werkloosheidscijfer zo dicht bij de structurele werkloosheid lag. Dat dit niet gebeurde was daarmee een teken dat de NAWRU was overschat en daarmee de output gap te rooskleurig werd geschat. Dat de NAWRU zelfs met de nieuwe methodologie met 57% is gestegen in de periode 2007-2014, lijkt aan te geven dat de kritiek van Krugman nog steeds relevant is.

Figuur 9: Trendmatige arbeidsparticipatiegraad (Spanje)
Figuur 9: Trendmatige arbeidsparticipatiegraad (Spanje)Bron: Europese Commissie
Figuur 10: NAWRU (Spanje)
Figuur 10: NAWRU (Spanje)Bron: Europese Commissie


Kapitaal

Een veel lagere investeringsratio dan eerder verwacht veroorzaakt de steeds kleiner wordende bijdrage vanuit kapitaal (figuur 11). Voor de langere termijn zou de aanname van de commissie dat de investeringsratio weer teruggaat naar een middellangetermijngemiddelde wel eens te optimistisch kunnen zijn, gegeven de grote hoeveelheid bouwinvesteringen in de jaren voorafgaand de crisis. De investeringsgraad zal niet kunnen stijgen zolang bedrijven nog bezig zijn met het afbouwen van schulden. Daarnaast moeten ook eerst de problemen in de financiële sector worden opgelost, voordat in de crisislanden weer voldoende krediet kan worden verstrekt.

In de jaren nul lag de investeringsratio fors hoger dan daarvoor. Van veel vastgoedinvesteringen kun je je afvragen of dit kapitaal nog wel productief is. Om een beter beeld te geven van de echte productiecapaciteit van een land zou daarom om een gedeelte van het kapitaal moeten worden afgeschreven of moeten worden weerspiegeld in een lagere TFP-groei (zie volgende paragraaf).

Figuur 11: Investeringsratio (Spanje)
Figuur 11: Investeringsratio (Spanje)Bron: Europese Commissie
Figuur 12: TFP-groeibijdrage aan potentiële groei (Spanje)
Figuur 12: TFP-groeibijdrage aan potentiële groei (Spanje)Bron: Europese Commissie

TFP-groei

Indien de potentiële groeischattingen correct zijn, dan is de TFP-groeibijdrage te zien als het verschil tussen de potentiële groei en de bijdragen vanuit kapitaal en arbeid. Daarmee duidt een lage TFP-groeibijdrage op een overschatting van de groeibijdragen uit óf arbeid óf kapitaal. De forse revisies in de data van de jaren voorafgaand aan de financiële crisis lijken erop te duiden dat steeds meer (vastgoed-)investeringen als niet-productief werden geïdentificeerd.
In de voorspelperiode zijn de aanpassingen tussen de verschillende voorjaarsramingen groot (figuur 12), wat wijst op een grote onzekerheid in de TFP-groeivoorspellingen. Zoals in de vorige alinea beschreven, wordt de TFP-groei geschat met behulp van statistische methoden, waarbij de trendmatige groei als constant wordt gezien. Het is echter moeilijk vast te stellen of dit correct is. Zoals beschreven in Bouis et al. (2012) zijn er zowel argumenten te vinden voor het hoger uitvallen van de TFP-groei na een crisis als argumenten voor het lager uitvallen hiervan. Zo worden R&D-uitgaven tijdens een crisis vaak beperkt, maar neemt de efficiency binnen bedrijven juist toe. Ook laat de geschiedenis zien dat de TFP-groei na een financiële crisis voornamelijk het resultaat is van economisch beleid. In landen waarbij de herstructurering van de financiële sector vlot is verlopen(bijvoorbeeld Finland en Zweden), heeft de crisis niet tot een lagere productiviteitsgroei geleid. Een ander voorbeeld is Japan, waar banken niet voldoende zijn geherstructureerd, waardoor de productiviteitsgroei langdurig op een lager niveau is komen te liggen (zie Prins en Stegeman (2014) voor een uitgebreidere beschrijving van het Japan-scenario).

Op zoek naar een andere methode om de output gap te schatten

Vanwege de problemen en de foutmarges in de output gap-schattingen gemaakt met de productiefunctiemethode, is er op dit moment veel aandacht voor alternatieve methoden. Hierbij is de eerste methode gedreven door de relatie met de handelsbalans en de tweede door kredietcycli.

De productiefunctiemethode houdt geen rekening met de handelsbalans. In open economieën waarin de hoeveelheid verhandelbare goederen en diensten groot is ten opzichte van het totaal, hoeft overmatige vraag niet per sé te leiden tot meer werkgelegenheid en (loon-)inflatie. Darvas en Simon (2013) merkten op dat de Phillipscurve stand hield voor de niet-verhandelbare goederen en diensten, maar dat voor de overige goederen extra buitenlands aanbod de overtollige vraag kan opvangen. Dit resulteert dan in een verslechterende handelsbalans en later tot een verslechterende balans op de inkomensrekening. Om beide groepen goederen en diensten mee te nemen bij de schatting van de output gap, suggereren de auteurs om zowel gebruik te maken van de Phillipscurve als van de handelsbalans op de lopende rekening. Hierbij geldt: hoe kleiner en meer open een economie is, des te belangrijker wordt de handelsbalans bij het schatten van de output gap. Waar de verdere ontwikkeling van deze methode nog veel werk vereist, zijn de eerste resultaten veelbelovend. De revisies voor de output gap-schattingen zijn minder groot. Tevens geven de real-time schattingen vaker een juiste beoordeling van de conjuncturele fase.

Borio et al. (2013) suggereren als eerste probleem dat het potentiële BBP gemeten aan de hand van de output bij een laag en stabiel inflatieniveau niet altijd gelijkloopt met een houdbaar groeipad van de economie. In de jaren voor de crisis hebben we namelijk gezien dat er zeepbellen in bijvoorbeeld vastgoed kunnen ontstaan, terwijl de inflatiedruk laag was. Daarom suggereren de auteurs om informatie over de financiële cycli (zoals kredieten) mee te nemen bij het berekenen van een ‘finance-neutral’ output gap. De auteurs tonen aan dat het meenemen van de kredietgroei bij het schatten van de output gap de schattingen robuuster maken, waardoor deze beter te gebruiken zijn voor beleidsdoeleinden.

Het idee dat de financiële sector, en dan met name kredietgroei, een grote rol speelt bij de conjunctuurcycli is niet nieuw. Onder anderen Minsky (1992) introduceerde al financieel gedreven conjunctuurcycli in zijn financiële-instabiliteitshypothese, die in de jaren na de crisis hernieuwde aandacht heeft gekregen in beleidskringen. Onder anderen de huidige president van de FED, Yellen (2009), heeft de theorie van Minsky gebruikt om de huidige crisis te verklaren. Kort samengevat (gebaseerd op Roubini, 2007) komt de financiële-instabiliteitshypothese op het onderstaande neer. In economisch en financieel stabiele tijden neemt de risicoaversie af en daarom worden er weer nieuwe schulden opgebouwd. Investeerders gebruiken geleend geld om te investeren in (speculatieve) activa, waardoor de prijzen hiervan sterk stijgen. Tegelijkertijd versoepelen de toezichthouders de kredietstandaarden, waardoor banken ook meer kredieten kunnen verstrekken. Op een gegeven moment komen er steeds meer investeerders voor wie het noodzakelijk is dat de prijzen van activa blijven stijgen, omdat ze anders zowel de rente als de aflossing niet kunnen betalen (de zogenaamde Ponzi-investeerders). Als de economie snel begint te groeien en daarmee ook de rentes beginnen te stijgen, moeten deze investeerders activa verkopen om aan de aflossing te kunnen voldoen. Dit extra aanbod is het begin van een vicieuze cirkel, waarbij de prijzen van activa en bedrijfswinsten dalen. Daardoor vallen steeds meer investeringen in de Ponzi-categorie en loopt het aantal wanbetalingen op. Uiteindelijk eindigt de wereld in een periode waarin schulden hoog zijn en de winsten waarmee de schulden moeten worden afbetaald laag. In een periode met lage inflatie kunnen deze twee categorieën moeilijk meer in evenwicht worden gebracht, waarbij de kredietnemer uiteindelijk de marges moet laten dalen en ten slotte failliet gaat. Hierdoor daalt de inflatie verder en komt de economie in een depressie terecht. 

Beleidsimplicaties van een onzekere output gap-meting

In de vorige hoofdstukken is beschreven dat er verschillende methoden zijn om de output gap te meten die alle een verschillende waarde geven. Ook is in het verleden gebleken dat de schattingen gedurende een crisis nog veel meer onzekerheid herbergen. Beleidsmakers gaan er echter veelal van uit dat de output gap een variabele is die precies kan worden gemeten. In het verleden heeft dit tot problemen geleid. Zo was een systematisch te hoge inschatting van de potentiële BBP-groei mede verantwoordelijk voor het te ruime macro-economische beleid in de jaren zeventig en tachtig van de vorige eeuw. Dit werd voornamelijk veroorzaakt door nog niet ver genoeg doorontwikkelde methoden, die bijvoorbeeld niet konden omgaan met grote schokken aan de aanbodzijde van de economie (zie Cotis et al., 2005). Ondanks de sindsdien sterk verbeterde methoden zijn systematisch te hoge of te lage schattingen niet te vermijden. Voor de eurozone heeft de, wederom, te hoge inschatting van de potentiële BBP-groei in de jaren negentig en nul geleid tot te lage bezuinigingen en een gebrek aan structurele hervormingen.

Monetair beleid

Naast systematische meetfouten zouden beleidsmakers de onzekerheid van de schatting mee moeten nemen. Diverse studies (zie onder anderen Bouis et al., 2012 en Cotis et al., 2005) hebben aangetoond dat hoe onzekerder de schatting van de output gap is, des te minder gewicht deze schatting moet hebben in de Taylor-regel bij het bepalen van het optimale monetaire beleid. Hoewel het een naïef beeld is dat centrale banken het monetaire beleid bepalen aan de hand van een enkele beleidsregel, geeft dit wel aan dat de bruikbaarheid van een output gap veel minder is bij een hogere variatie in de schattingen. Waar in veel landen de huidige, kleiner wordende, negatieve output gaps volgens de Taylor-regel zouden resulteren in een hogere optimale rente, gaan centrale banken hier vooralsnog niet in mee. Dit ligt ook in lijn met een van de resultaten van Marcellino en Musso (2010). Zij concludeerden dat de output gap-schattingen door hun grote onzekerheid niet al te bruikbaar zijn bij het voorspellen van inflatie.

Begrotingsbeleid

Door te kijken naar het structurele begrotingstekort (figuur 13) kan er worden gefocust op de inspanningen van overheden geschoond voor invloeden van conjunctuur en eenmalige uitgaven (zoals de herkapitalisatie van banken). Dit geeft een ‘eerlijker’ beeld van de overheidsfinanciën. Daarom is ook de structurele begrotingsbalans in een aantal landen opgenomen in de begrotingsregels. Een voorbeeld hiervan is de zogenaamde ‘schuldenrem’ in Duitsland, waar het maximale structurele tekort is opgenomen in de grondwet. Op Europees niveau wordt gekeken naar de structurele begrotingsbalans en -inspanning als onderdeel van de doelstellingen voor de middellange termijn in het Stabiliteits- en Groeipact (SGP) (zie Stegeman, 2014).

Het concept klinkt weliswaar logisch, maar in de praktijk is het minder eenvoudig uitvoerbaar. Naast het schatten van een potentiële groei en de output gap moet er namelijk ook worden bepaald wat de impact van de output gap op het begrotingstekort is. Daarna moet worden ingeschat of een uitgave uitzonderlijk is en daarmee uit het structurele saldo kan worden verwijderd. Figuur 14 geeft een overzicht van de schattingen voor het door de conjunctuur bepaalde deel van het begrotingstekort op basis van de voorjaarsvoorspellingen van de Europese Commissie. Een negatieve aanpassing van de schatting van de cyclische component betekent dat de conjunctuur een groter gedeelte van het begrotingstekort bepaalt, oftewel dat een kleiner gedeelte van de economische groei/krimp structureel van aard is. Oorzaak is een veranderende inschatting van de potentiële groei (zie appendix 3 voor de revisies in de potentiële BBP-groei schattingen). De grootste onzekerheid zit in de voorspelperiode. Een probleem voor het structurele begrotingsbeleid is dat er juist gebruik moet worden gemaakt van de data gedurende de voorspelperiode.

Figuur 13: Uitsplitsing begrotingstekort in een cyclisch en een cyclisch-geschoond gedeelte
Figuur 13: Uitsplitsing begrotingstekort in een cyclisch en een cyclisch-geschoond gedeelteBron: Europese commissie voorjaarsvoorspelling (mei 2014)
Figuur 14: Forse revisies in de schatting van de cyclische component van het begrotingssaldo
Figuur 14: Forse revisies in de schatting van de cyclische component van het begrotingssaldoBron: Europese Commissie voorjaarsvoorspellingen

Vanwege de grote onzekerheid in de potentiële groeicijfers betekent het hebben van een cyclisch geschoond begrotingsevenwicht niet automatisch dat de overheidsfinanciën op lange termijn ook gezond zijn (Legierse & Smid, 2012). Behalve dat structurele begrotingscycli tijdens een hoogconjunctuur te positief worden ingeschat, is het ook politiek moeilijk om grote begrotingsoverschotten te realiseren tijdens deze economisch goede tijden. Zoals we ook in de eurozone hebben gezien, moeten overheden dan tijdens een crisis alsnog hard bezuinigen om het begrotingstekort niet uit de hand te laten lopen.

Ook Tereanu et al. (2014) kwamen tot de conclusie dat de realisatie van het structurele begrotingssaldo tijdens crisisjaren negatiever was dan vooraf geraamd. Dit schreven zij toe aan het feit dat de absolute grootte van de output gap was onderschat. De aanpassing van de output gap kwam echter niet alleen doordat de gerealiseerde BBP-groei (veel) lager was dan voorspeld. Een negatieve bijstelling van het potentiële BBP voorkwam dat de verandering in de output gap nog veel heftiger was. Een 1%-punt kortetermijnbijstelling van de BBP-groei resulteerde in 0,2%-punt tot 0,3%-punt aanpassing van de potentiële groei op de lange termijn. Een zelfde resultaat is ook zichtbaar in de grafieken met potentiële groeibijstellingen voor de vijf grootste eurozonelanden in appendix 3. De potentiële groei wordt beïnvloed door de conjunctuurcyclus en is daarmee minder structureel van aard dan de naam doet vermoeden. Daarom raden Tereanu et al. (2014) dus ook aan om 30% van de kortetermijnaanpassing van de BBP-groei te zien als aanpassing van de potentiële groei. Hierdoor verandert een BBP-revisie dus ook het structurele begrotingssaldo.

In de praktijk zou dit betekenen dat het niet-cyclisch-geschoonde begrotingstekort minder hard mag stijgen als gevolg van een lagere BBP-groei dan geraamd. Bij een begrotingselasticiteit van 0,5 en een 1%-punt negatieve aanpassing van de BBP-groei kan het begrotingstekort niet met 0,5%-BBP, maar met slechts 0,35%-BBP stijgen om de cyclisch-geschoonde positie gelijk te houden. Dit betekent dus dat automatische stabilisatoren in het begrotingsbeleid het cyclisch-geschoonde saldo niet constant houden (zoals nu meestal wordt verondersteld), maar dat het cyclisch-geschoonde saldo verbetert/verslechtert met 30% van de opwaartse/neerwaartse bijstelling van het BBP.

Conclusie

De inschatting van output gaps zijn notoir onzeker, waardoor economisch beleid op basis hiervan niet altijd optimaal is. Het gebruik van de productiefunctiemethode heeft over het algemeen de voorkeur boven de puur statistische methoden. Ze zijn consistenter, hebben in principe geen eindpuntprobleem en kunnen een antwoord geven op beleidsvragen zoals de impact van structurele hervormingen op de economische groei op lange termijn. Een nadeel van de productiefunctie is dat deze geen onzekerheden geeft, maar alleen een puntschatting. Ook zijn de resultaten, net als bij die van statistische methoden, erg afhankelijk van de gemaakte aannames. Daarnaast zijn de uitkomsten, net als bij het gebruik van statistische methoden, afhankelijk van de gerealiseerde BBP-cijfers. Een negatieve bijstelling van het BBP-groeicijfer heeft ook vaak een neerwaarts effect op de potentiële groeischatting. Daarmee is het potentiële BBP-volume dus gevoelig voor de conjunctuur en minder structureel dan algemeen wordt verondersteld. Dit is het gevolg van het feit dat statistische filters (met eindpuntproblemen) worden gebruikt om de trendgroei van de onderliggende productiefactoren te bepalen.

De grootste problemen bij het schatten van de output gap vinden in de voorspelperiode plaats. Aangezien voor economisch beleid juist de real-time data en de voorspelde data van belang zijn, zal er gebruik moeten worden gemaakt van een bredere set indicatoren om een meer gefundeerd beeld te krijgen van de conjunctuurstand van de economie. Indicatoren op het gebied van onder andere de arbeidsmarkt, bezettingsgraden en kredietverlening zijn hiervoor nuttig. Ook zit er veel bruikbare informatie over de conjuncturele stand van de economie verborgen in de handelsbalans. Wanneer een land hier veelvuldig een tekort op heeft, dan is dat een teken dat er meer binnenlandse vraag is dan aanbod; de economie functioneert dan dus boven haar capaciteit.

Ondanks de problemen blijft de output gap een nuttig concept om te gebruiken. Door na te denken over wat de potentiële groei en de output gap zijn, worden economische beleidsmakers verplicht om te kijken naar de (middel-)lange termijn. Het is hierbij dan wel belangrijk om oog te blijven houden voor de beperkingen. Omdat de gerealiseerde BBP-cijfers de potentiële groeiramingen beïnvloeden, ademen ook de output gaps mee met de conjunctuurcyclus. Daarmee worden ze dus te positief geschat wanneer de realisatie van het BBP-volume lager uitvalt dan verwacht. Ook zou de vraag moeten worden gesteld of het wel wenselijk is dat de potentiële groeiverwachtingen in zo’n sterke mate meebewegen met de conjunctuur. Als dit niet geval is, dan zijn output gaps in absolute zin groter dan dat de schattingen aangeven. Ten slotte zijn daarmee de structurele begrotingssaldi minder structureel dan gedacht. Daarom lijkt een strikte sturing hierop dus ook niet wenselijk totdat de economische tijden weer stabieler en daarmee voorspelbaarder zijn. Ondertussen is er voor economen nog genoeg werk te doen om de potentiële groeischattingen stabieler en daarmee structureler van aard te maken.

Voetnoten

[1] De Bank of England publiceert elk kwartaal een inflatierapport, waarin zij uitlegt wat de beweegredenen zijn achter het monetaire beleid. Sinds de introductie van de ‘forward guidance’ geven marktparticipanten een groter gewicht aan deze rapporten.

[2] In appendix 1 wordt een overzicht geboden van meest gebruikte statistische methoden om een trendmatige groei te berekenen.

[3] NAWRU is de afkorting voor de ‘non-accelerating wage rate of unemployment’, oftewel het werkloosheidsniveau dat geen looninflatie veroorzaakt.

[4] Voor de analyse in deze sectie wordt alleen gebruik gemaakt van de schattingen van de Europese Commissie. Van de drie grote beleidsinstellingen is de Europese Commissie de enige die het potentiële BBP uitsplitst in de bijdragen vanuit de productiefactoren en daarmee inzicht verstrekt in waarom de potentiële groeicijfers –en daarmee de output gap– zo sterk zijn bijgesteld gedurende de crisisjaren.

Literatuur

Ball, L. (2014) Long-term damage from the great recession in OECD countries. NBER Working Paper, no. 20185.

Baxter M. en R.G. King (1995). Measuring business cycles: approximate band-pass filters for economic series, NBER Working Paper, no. 5022.

Borio, C. et al. (2013). Rethinking potential output: embedding information about the financial cycle. BIS Working Papers, no. 404. Basel: BIS

Bouis, R. et al. (2012). Implications of output gap uncertainty in times of crisis. OECD Economics Department Working Papers, no. 977. Parijs: OESO

Cayen J.-P. en S. van Norden (2002). La fiabilité des estimations de l'écart de production au Canada, Banque du Canada Document de travail, 2002-10. Ottawa: Bank of Canada.

Citu, F. en J. Twaddle (2003). The output gap and its role in monetary policy decision-making. Reserve Bank of New Zealand Bulletin, vol. 66, no.1. Wellington: RBNZ

Cotis. J.P. et al. (2005). Estimates of potential output: benefits and pitfalls from a policy perspective. In L. Reichlin (ed): The euro area business cycle: stylized facts and measurement issues. Parijs: OESO

Darvas, Z. (2013). Mind the gap! And the way structural budget balances are calculated. Blog op Bruegel.org, 10 juni 2014.

Darvas. Z. et al. (2013). Europe’s growth problem (and what to do about it). Bruegel Policy Brief, issue 2013/03. Brussel: Bruegel

D’Auria F. et al. (2010). The production function methodology for calculating potential growth rates and output gaps. European Economy. Economic Papers 420. Brussel: EC

Duval, R. et al. (2011). Labour force participation hysteresis in industrial countries: evidence and causes. OECD Economics Department Working Papers, no. 875. Parijs: OESO.

Europese Commissie (2014). The revised methodology for calculating output gaps. Box 1.1. in Spring Forecast 2014, pp. 27-29, Brussel: EC

Furlanetti, F. et al. (2014). Output gap in presence of financial frictions and monetary policy trade-offs, IMF Working Paper, WP/14/128. Washington: IMF.

Gerlach, P. (2011) The global output gap: measurement issues and regional disparities, BIS Quarterly Review, June 2011, pp.29-37. Basel: BIS

Hodrick, R. en E. Prescott (1997). Post-war U.S. business cycles: an empirical investigation. Journal of Money, Credit and Banking, Vol. 29 no. 1.

Jahan S. en A.S. Mahmud (2013). Back to basics. What is the output gap? Finance & Development, September 2013. Washington: IMF

Johansson, A. et al. (2013). Long-term growth scenarios. OECD Economics Department Working Papers, no. 1000, Parijs: OESO

Kalman, R.E. (1960) A new approach to linear filtering and prediction problems, Journal of Fluids Engineering, 82 (1), pp. 35-45.

Krugman, P. R. (2013). The pain in Spain is not hard to explain (wonkish). Blog op www.nytimes.com, 22 september 2013.

Legierse, T. en T. Smid (2012). Fiscal compact geen garantie voor gezonde overheidsfinanciën. Economische Statistische Berichten. Jaargang 97, 4639 & 4640.

Marcellino, M. en A. Musso (2010). Real time estimates of the euro area output gap. Reliability and forecasting performance. ECB Working Paper Series, no. 1157. Frankfurt am Main: ECB

Minsky, H.P. (1992). The financial instability hypothesis. The Jerome Levy Economics Institute Working Paper, no. 74.

Orphanides. A en S. van Norden (2002). The unreliability of output-gap estimates in real time. The Review of Economics and Statistics, vol. 84, no. 4, pp. 569-583

Prins, C. en H. Stegeman (2014). Japanscenario voor de eurozone?. Rabobank Themabericht, 25 augustus 2014. Utrecht: Rabobank

Resende, C. de (2014). An assessment of IMF medium-term forecasts of GDP growth. IEO Background Paper, BP/14/01. Washington: Independent Evaluation Office van de IMF.

Roubini, N. (2007). Are we at the peak of a Minsky credit cycle? Blog op www.economonitor.com, 30 juli 2014.

Stegeman, H. (2014) Van begrotingsconsolidatie naar banencreatie. Rabobank Themabericht, 3 juni 2014. Utrecht: Rabobank

Tereanu et al. (2014). Structural balance targeting and output gap uncertainty. IMF Working Paper, WP/14/107. Washington: IMF

Yellen, J.L. (2009). A Minsky meltdown: lessons for central bankers. Speech gegeven aan: 18th Annual Hyman P. Minsky Conference on the State of the U.S. and World Economies—“Meeting the Challenges of the Financial Crisis”. San Francisco: Federal Reserve Bank of San Francisco.

Appendix 1: Statische filters om de trendmatige groei te bepalen

Statistische methoden proberen een tijdreeks te scheiden in een trendmatig gedeelte en een resterende, cyclische tijdsreeks. Wanneer deze methode wordt toegepast op het Bruto Binnenlands Product (BBP), dan zijn de twee resulterende componenten het potentiële BBP en de output gap. Statistische methoden zijn in te delen in drie typen, namelijk de trend, de univariate en de multivariate methoden (ingedeeld op basis van Cotis et al., 2005). Hieronder zullen de drie methoden worden toegelicht.

Trend

De meest eenvoudige methode is om een lineaire trendlijn te berekenen op de log van het reële BBP (linear trend). Uitgeschreven is dit: 

Hierbij is gelijk aan het trendmatige BBP-volume. β staat dan gelijk aan de potentiële BBP-groei. Het restant,, is de cyclische component van het BBP. Door de tijdreeksen op te delen in afzonderlijke perioden in plaats van de volledige tijdreeks te gebruiken, krijg je de zogenaamde split time trend methode.

Univariate filters

Univariate filters maken gebruik van bepaalde kenmerken in de datareeksen om tot een uitsplitsing te komen tussen het trendmatige gedeelte en het cyclisch gedreven gedeelte van de tijdreeks. Door de keuze van deze kenmerken komen de methoden tot verschillende uitkomsten.

Het meest bekende en meest gebruikte univariate filter is dat van Hodrick en Prescott (1997). Het HP-filter introduceert de afweging tussen hoe vlak de gefilterde tijdreeks is en de afwijking ten opzichte van het origineel. Hiervoor wordt de volgende formule geminimaliseerd:

Hierbij is Y gelijk aan het reële BBP-volume, Y* gelijk aan het potentiële BBP-volume en is λ de Lagrange-vermenigvuldiger. Vooral de keuze van de λ is cruciaal voor de uitkomsten van deze filtermethode. Een lage waarde voor λ zorgt ervoor dat het potentiële BBP-volume altijd dichtbij de oorspronkelijke datareeks blijft liggen. Een hogere waarde zorgt voor een vlakkere tijdreeks, waarbij het restant (de output gap) een grotere waarde krijgt. Een zeer hoge λ zorgt ervoor dat de uitkomsten uiteindelijk gelijk zijn aan die van de lineaire-trendmethode. Een tweede probleem bij het gebruik van het HP-filter is dat de gefilterde uitkomsten erg afhankelijk zijn van het eindpunt (het eindpuntprobleem), omdat de gefilterde reeks aan het einde van de tijdreeks gelijk moet zijn aan het origineel (dus een gesloten output gap). Een voordeel van het HP-filter is de eenvoud ervan, waardoor het eenvoudig is toe te passen.

Andere univariate filters zijn het Baxter en King (1995)-filter en het Kalman-filter. Het Baxter-King-filter is een zogenaamd band pass filter, waarbij de reeksen met een zeer hoge frequentie (de onregelmatige reeks) en die met een zeer lage frequentie (de trendmatige reeks) uit een tijdreeks worden gefilterd. Het restant is dan de conjunctuurreeks. De frequenties op basis waarvan het filter werkt, moeten handmatig worden gekozen. Ook levert het filter geen uitkomsten voor de meest recente kwartalen, waardoor de bruikbaarheid voor het beleidsdebat gering is. Met het Kalman-filter wordt gebruik gemaakt van een model van niet-waarneembare componenten dat met de Kalman (1960) filtertechniek wordt opgelost. Een model met het BBP-volume als enige variabele kan op de onderstaande manier worden beschreven (Cayen en Van Norden, 2002):

Formule 1-5

Multivariate filters

Met multivariate filters wordt bedoeld dat er naast statische methoden ook gebruik wordt gemaakt van aanvullende datareeksen. Bij het schatten van de potentiële groei en de output gap worden hiervoor vaak inflatie, werkloosheid of bezettingsgraden meegenomen. De keuze voor de instrumenten wordt gemaakt aan de hand van het doel waarvoor de output gap wordt geschat. Het meest gebruikte multivariate filter is een variant van het Kalman-filter, waarbij het systeem van vergelijkingen zoals beschreven in de paragraaf over univariate filters wordt uitgebreid met een of meer economische vergelijkingen. Het voordeel van een dergelijk multivariate filter is dat informatie uit andere datareeksen kunnen worden meegenomen bij het splitsen van een tijdreeks in een trendmatig en een cyclisch gedeelte. Uiteraard geldt dit alleen maar bij een correcte specificatie van het model. Een ander multivariaat filter is een uitbreiding van het HP-filter met een Philipscurve en de wet van Okun. Het is echter onduidelijk hoeveelheid gewicht aan de verschillende componenten moet worden gegeven, waardoor de uitkomsten sterk afhankelijk zijn van deze aanname.

Appendix 2: De productiefunctiemethode

Zoals in de hoofdtekst beschreven, gebruiken de Europese Commissie en de OESO de productiefunctiemethode voor het berekenen van de potentiële groei en de output gap. In deze appendix wordt deze methode verder toegelicht.

Zo goed als alle schattingen op basis van de productiefunctiemethode (inclusief die van de EC en de OESO) gebruiken een Cobb-Douglas productiefunctie met kapitaal en arbeid als productiefactoren. Een belangrijke (en zeer gebruikelijke) aanname die wordt gedaan, is die van constante schaalvoordelen, waardoor de productie-elasticiteit van kapitaal en arbeid bij elkaar optellen tot 1. Hierdoor kan het potentiële BBP-volume, Y, worden gedefinieerd als:

 

Hierbij is L de potentiële arbeidsvoorraad, K de potentiële kapitaalvoorraad en TFP de totale factor productiviteit, die een combinatie is van het rendement en de bezettingsgraden in zowel kapitaal als arbeid. De α is de productie-elasticiteit van arbeid, en (1- α) is de productie-elasticiteit van kapitaal. Bij de Europese Commissie is α gelijk aan 0,35 voor alle landen; bij de OESO is deze gelijk aan het aandeel van loon in het totale inkomen. De productiefactoren worden op de onderstaande manier geschat:

Hierbij is POPW de potentiële beroepsbevolking, PART is de trendmatige participatiegraad, NAWRU is de structurele werkloosheid en HOURS is de trendmatige hoeveelheid gewerkte uren per arbeidskracht. I is het investeringsvolume (investeringsgraad keer potentieel BBP-volume) en dep is de afschrijvingsgraad van het bestaande kapitaal.

Verschillen tussen de schattingen van de output gap (ook historisch) worden bepaald door de manier waarop de variabelen worden geschat en hoe de trendmatige component wordt bepaald. Meestal gebeurt dit door een statistisch filter. Veelal was dit een HP-filter en nu wordt dit steeds meer vervangen door meer geavanceerde filters, zoals het multivariate Kalman-filter. Voor details over de methodologie van de Europese Commissie, zie D’Auria et al. (2010) en voor de methodologie van de OESO, zie Johansson et al. (2013). 

Appendix 3: Potentiële groei en output gap-schattingen voor de vijf grootste economieën in de eurozone

Figuur 15: Potentiële groei Duitsland
Figuur 15: Potentiële groei DuitslandBron: Europese Commissie
Figuur 16: Output gap Duitsland
Figuur 16: Output gap DuitslandBron: Europese Commissie
Figuur 17: Potentiële groei Frankrijk
Figuur 17: Potentiële groei FrankrijkBron: Europese Commissie
Figuur 18: Output gap Frankrijk
Figuur 18: Output gap FrankrijkBron: Europese Commissie
Figuur 19: Potentiële groei Italië
Figuur 19: Potentiële groei ItaliëBron: Europese Commissie
Figuur 20: Output gap Italië
Figuur 20: Output gap ItaliëBron: Europese Commissie
Figuur 21: Potentiële groei Nederland
Figuur 21: Potentiële groei NederlandBron: Europese Commissie
Figuur 22: Output gap Nederland
Figuur 22: Output gap NederlandBron: Europese Commissie
Figuur 23: Potentiële groei Spanje
Figuur 23: Potentiële groei SpanjeBron: Europese Commissie
Figuur 24: Output gap Spanje
Figuur 24: Output gap SpanjeBron: Europese Commissie
Delen:
Auteur(s)

naar boven