介紹

奧肯法則(Okun’s Law)係指實際經濟增長率與失業率變動之間，存在反向關係。即經濟增長率越高，失業率就越低。

這是從數據總結出的經驗規律，同時在不同國家和不同時期的數據中常有不同的形式。奧肯法則通常用於政策制定的參考，同時也在菲利浦曲線的導出起到重要作用。

美國數據說明

從Federal Reserve Economic Data取得美國經濟成長率，「Real Gross Domestic Product, Percent Change from Preceding Period, Annual, Not Seasonally Adjusted」的數據集，代號為「A191RL1A225NBEA」。

失業率為「Unemployment Rate: Aged 15-64: All Persons for the United States, Percent, Annual, Not Seasonally Adjusted」的數據集，代號為「LRUN64TTUSA156N」。

數據頻率：年
期間：1960年到2022年
變量 $X$ = 失業率變化
變量 $Y$ = 實質GDP變化率

為計算失業率變化率，數據從1961年到2022年，計62筆。

美國奧肯法則

直線模式

使用 MathGPT for numerical modelling 軟體內的功能1，設定最少數據量 = 62，R2下降 = 0，代表一次性估計出數字的直線迴歸結果。

$Y = 2.950111 - 1.403628 \ X$

判定係數為 $R_{2} = 0.599572$ ，並且 $MSE = 1.891737$ 。估計結果顯示在圖形中的橘線。

非直線模式

使用 MathGPT for numerical modelling 軟體內的功能2，設定最少數據量 = 62，R2下降 = 0，代表一次性估計出數字的非直線迴歸結果。

$Y = 29.927432 - 26.9274109180 \ e^{0.05 \ X}$

判定係數為 $R_{2} = 0.601348$ ，並且 $MSE = 1.883348$ 。估計結果顯示在圖形中的藍線。

比較兩模式的差異

從兩模式可以看到失業率變化趨於極端，兩模式的差異就變大。換句話說，當我們用簡單的直線方式看待失業率變化和實質GDP變化率時，只要失業率變化超過2或低於-1，就會高估實質GDP變化率。也就是過於看好經濟情勢。

對政策制定者而言，數字能夠告知的資訊愈清晰且正確，就能減少對經濟造成的動盪。我們不能只是認為失業率變化和實質GDP變化存在反向變動關係，而更需要知道反向變動關係中，變動程度，以及發生經濟衝擊時，失業率走向極端情況下，實質GDP變化更需要非常小心。