Misärsindex (ekonomi)
Misärsindexet är en ekonomisk indikator , skapad av ekonomen Arthur Okun . Indexet hjälper till att avgöra hur den genomsnittliga medborgaren klarar sig ekonomiskt och beräknas genom att lägga till den säsongrensade arbetslösheten till den årliga inflationstakten . Det antas att både en högre arbetslöshet och en försämrad inflation skapar ekonomiska och sociala kostnader för ett land.
Misery index av USA:s presidentadministration
President | Tidsperiod | Genomsnitt | Låg | Hög | Start | Slutet | Förändra |
---|---|---|---|---|---|---|---|
Harry Truman | 1948–1952 | 7,88 | 3.45 – december 1952 | 13.63 – januari 1948 | 13,63 | 3,45 | -10.18 |
Dwight D. Eisenhower | 1953–1960 | 9,26 | 2,97 – juli 1953 | 10.98 – april 1958 | 3,28 | 9,96 | +5,68 |
John F. Kennedy | 1961–1963 | 7.14 | 6.40 – juli 1962 | 8.38 – juli 1961 | 8.31 | 6,82 | -1,49 |
Lyndon B. Johnson | 1963–1968 | 6,77 | 5.70 – nov 1965 | 8.19 – juli 1968 | 7.02 | 8.12 | +1,10 |
Richard Nixon | 1969–1974 | 10,57 | 7.80 – januari 1969 | 17.01 – juli 1974 | 7,80 | 17.01 | +9,21 |
Gerald Ford | 1974–1976 | 16.00 | 12.66 – december 1976 | 19.90 – januari 1975 | 16.36 | 12,66 | -3,70 |
Jimmy Carter | 1977–1980 | 16.26 | 12.60 – april 1978 | 21.98 – juni 1980 | 12,72 | 19,72 | +7.00 |
Ronald Reagan | 1981–1988 | 12.19 | 7.70 – december 1986 | 19.33 – januari 1981 | 19.33 | 9,72 | -9,61 |
George HW Bush | 1989–1992 | 10,68 | 9.64 – september 1989 | 14.47 – november 1990 | 10.07 | 10.30 | +0,23 |
Bill Clinton | 1993–2000 | 7,80 | 5.74 – april 1998 | 10.56 – januari 1993 | 10,56 | 7,29 | -3,27 |
George W. Bush | 2001–2008 | 8.11 | 5.71 – oktober 2006 | 11.47 – augusti 2008 | 7,93 | 7,39 | -0,54 |
Barack Obama | 2009–2016 | 8,83 |
|
5.06 – september 201512.87 – september 2011 | 7,83 | 6,77 | -1.06 |
Donald Trump | 2017–2020 | 6,91 |
|
5.21 – september 201915.03 – april 2020 | 7.30 | 8.06 | +0,76 |
Joe Biden | 2021–2021 | 9,77 |
|
7.70 – januari 202111.29 – juni 2021 | 7,70 | 10.19 | +2,49 |
Variationer
Harvardekonomen Robert Barro skapade vad han kallade "Barro Misery Index" (BMI), 1999. BMI tar summan av inflationen och arbetslösheten och lägger till räntan plus (minus) underskottet (överskottet) mellan den faktiska och trendmässiga BNP-tillväxten.
I slutet av 2000-talet byggde Johns Hopkins ekonom Steve Hanke på Barros misärsindex och började tillämpa det på länder utanför USA. Hans modifierade misärsindex är summan av räntor, inflation och arbetslöshet, minus den procentuella förändringen i BNP-tillväxt per capita från år till år.
Hanke har nyligen konstruerat en World Table of Misery Index Scores genom att uteslutande förlita sig på data som rapporterats av Economist Intelligence Unit. Den här tabellen innehåller en lista över 89 länder, rankade från sämst till bäst, med data per 31 december 2013 (se tabellen nedan).
De politiska ekonomerna Jonathan Nitzan och Shimshon Bichler fann ett negativt samband mellan ett liknande "stagflationsindex" och företagssammanslagningar (dvs fusioner och förvärv ) i USA sedan 1930-talet. I deras teori är stagflation en form av politiskt ekonomiskt sabotage som används av företag för att uppnå differentiell ackumulation , i detta fall som ett alternativ till sammanslagning när fusions- och förvärvsmöjligheter har tagit slut.
Hankes misärindex 2020
Rangordnad från sämst till bäst | ||
---|---|---|
Rang | Land |
Misery Index |
1 | Venezuela | 3827,6 |
2 | Zimbabwe | 547,0 |
3 | Sudan | 193,9 |
4 | Libanon | 177,1 |
5 | Surinam | 145,3 |
6 | Libyen | 105,7 |
7 | Argentina | 95,0 |
8 | Iran | 92,1 |
9 | Angola | 60,6 |
10 | Madagaskar | 60,4 |
11 | Brasilien | 53,4 |
12 | Sydafrika | 49,3 |
13 | Haiti | 48,9 |
14 | Kirgizistan | 47,1 |
15 | Nigeria | 45,6 |
16 | Eswatini | 42,7 |
17 | Lesotho | 42,4 |
18 | Peru | 42.2 |
19 | Zambia | 41,6 |
20 | södra Sudan | 41.2 |
21 | Kalkon | 41.2 |
22 | Namibia | 40,7 |
23 | Gabon | 40,5 |
24 | Kongo | 40,3 |
25 | Botswana | 39,7 |
26 | Irak | 39,5 |
27 | São Tomé och Príncipe | 39,3 |
28 | Liberia | 39,1 |
29 | Jamaica | 38,6 |
30 | Malawi | 37,9 |
31 | Jordanien | 37,9 |
32 | Guinea | 36,8 |
33 | Uruguay | 36,7 |
34 | Armenien | 36,7 |
35 | Montenegro | 36.2 |
36 | Tunisien | 36.1 |
37 | Etiopien | 36.1 |
38 | Honduras | 35,8 |
39 | Indien | 35,8 |
40 | Panama | 35,7 |
41 | Colombia | 35,4 |
42 | mongoliet | 35,4 |
43 | Georgien | 34,8 |
44 | Uzbekistan | 34.1 |
45 | Dominikanska republiken | 34,0 |
46 | Ukraina | 33,5 |
47 | Saudiarabien | 33.1 |
48 | Algeriet | 32,7 |
49 | Pakistan | 32,5 |
50 | Costa Rica | 32.4 |
51 | Paraguay | 32,0 |
52 | Trinidad och Tobago | 31,5 |
53 | Grekland | 31.3 |
54 | Mauritius | 30.4 |
55 | Gambia | 30.2 |
56 | Cap Verde | 29,9 |
57 | Bolivia | 29,9 |
58 | Kazakstan | 29,5 |
59 | Guatemala | 29.3 |
60 | Burundi | 28.7 |
61 | Filippinerna | 28.3 |
62 | Azerbajdzjan | 28.2 |
63 | Spanien | 28.2 |
64 | Nordmakedonien | 28.1 |
65 | Belize | 27.8 |
66 | Demokratiska republiken Kongo | 27.4 |
67 | Ekvatorialguinea | 27.1 |
68 | Komorerna | 26.2 |
69 | Myanmar | 26.2 |
70 | El Salvador | 26,0 |
71 | Moçambique | 25.8 |
72 | Nicaragua | 25.7 |
73 | Mexiko | 25.6 |
74 | Sri Lanka | 24.3 |
75 | Chile | 23.9 |
76 | Albanien | 23.8 |
77 | Bosnien och Hercegovina | 23.8 |
78 | Island | 23.5 |
79 | Ecuador | 23.3 |
80 | Fiji | 23.2 |
81 | Mauretanien | 23.2 |
82 | Marocko | 22.8 |
83 | Nya Zeeland | 22.2 |
84 | Belarus | 22,0 |
85 | Italien | 22,0 |
86 | oman | 21.6 |
87 | Storbritannien | 22.5 |
88 | Egypten | 20.9 |
89 | Indonesien | 20.9 |
90 | Kenya | 20.8 |
91 | Vanuatu | 20.4 |
92. | Kuwait | 20.3 |
93 | Papua Nya Guinea | 20.1 |
94 | Ryssland | 19.9 |
95 | Nepal | 19.9 |
96 | Rumänien | 18.5 |
97 | Serbien | 18.4 |
98 | Frankrike | 18.4 |
99 | Kroatien | 18.3 |
100 | Hong Kong | 18.2 |
101 | Kanada | 18.1 |
102 | Malta | 18,0 |
103 | Portugal | 18,0 |
104 | Uganda | 17.6 |
105 | Mali | 17.5 |
106 | Estland | 17.1 |
107 | Lettland | 17.1 |
108 | Slovenien | 17,0 |
109 | Förenta staterna | 16.7 |
110 | Moldavien | 16.4 |
111 | Cypern | 16.3 |
112 | Slovakien | 16.2 |
113 | Bulgarien | 16,0 |
114 | Laos | 16,0 |
115 | Australien | 15.9 |
116 | Burkina Faso | 15.9 |
117 | Kuba | 15.8 |
118 | Tjeckien | 15.7 |
119 | Kamerun | 15.5 |
120 | Belgien | 15.4 |
121 | Ungern | 14.8 |
122 | Singapore | 14.6 |
123 | Österrike | 14.5 |
124 | Litauen | 14.5 |
125 | Malaysia | 14.5 |
126 | Guinea-Bissau | 14.4 |
127 | Israel | 14.4 |
128 | Luxemburg | 14.3 |
129 | Bangladesh | 14,0 |
130 | Polen | 13.9 |
131 | Vietnam | 13.4 |
132 | Bahrain | 13.2 |
133 | Centralafrikanska republiken | 13.2 |
134 | Nederländerna | 13,0 |
135 | Irland | 12.9 |
136 | Finland | 12.8 |
137 | Norge | 12.8 |
138 | Sverige | 12.7 |
139 | Thailand | 12.6 |
140 | Danmark | 11.8 |
141 | Förenade arabemiraten | 11.8 |
142 | Tanzania | 11.6 |
143 | Tchad | 11.6 |
144 | Tonga | 11.4 |
145 | Tyskland | 10.9 |
146 | Elfenbenskusten | 10.8 |
147 | Rwanda | 10.6 |
148 | Niger | 10.5 |
149 | Togo | 9.5 |
150 | Schweiz | 8.6 |
151 | Sydkorea | 8.3 |
152 | Kina | 8.3 |
153 | Japan | 8.1 |
154 | Qatar | 5.3 |
155 | Taiwan | 3.8 |
156 | Guyana | −3.3 |
Kritik
En uppsats från 2001 som tittade på storskaliga undersökningar i Europa och USA drog slutsatsen att arbetslöshet påverkar olycka mer än inflationen. Detta antyder att det grundläggande misärsindexet undervikter den olycka som kan tillskrivas arbetslösheten: "uppskattningarna tyder på att människor skulle byta ut en ökning med 1 procentenhet av sysselsättningsgraden mot en ökning av inflationen med 1,7 procentenheter."
Misär och brott
Vissa ekonomer [ vem? ] hävdar att komponenterna i Misery Index driver brottsfrekvensen till en viss grad. Med hjälp av data från 1960 till 2005 har de funnit att Misery Index och brottsligheten korrelerar starkt och att Misery Index verkar leda brottsligheten med ett år eller så. Faktum är att korrelationen är så stark att de två kan sägas vara kointegrerade , och starkare än korrelationen med antingen arbetslösheten eller inflationen ensam. [ citat behövs ]
Datakällor
Uppgifterna för misärsindexet är hämtade från arbetslöshetsdata publicerade av det amerikanska arbetsdepartementet ( U3 ) och inflationstakten ( CPI-U ) från Bureau of Labor Statistics . De exakta metoderna som används för att mäta arbetslöshet och inflation har förändrats över tiden, även om tidigare data vanligtvis normaliseras så att tidigare och framtida mätvärden är jämförbara.