Testování rakouské teorie hospodářského cyklu

Masarykova univerzita Přírodovědecká fakulta

Testování rakouské teorie hospodářského cyklu Bakalářská práce

Moses Škoda

Vedoucí práce: Ing. Daniel Němec, Ph.D. Studijní program: Aplikovaná matematika Studijní obor: Matematika-ekonomie Brno, jaro 2011

Poděkování Na tomto místě chci poděkovat vedoucímu práce, Ing. Danielu Němcovi, Ph.D., za cenné rady, připomínky a čas, který mi věnoval. Dále bych chtěl poděkovat Radovanu Oprendekovi za pomoc s formální úpravou práce.

Prohlášení Prohlašuji, že jsem svou bakalářskou práci napsal(a) samostatně a výhradně s použitím citovaných pramenů.

V Brně dne 3. června 2011

Moses Škoda

Shrnutí Název práce: Testování rakouské teorie hospodářského cyklu Autor: Moses Škoda Ústav matematiky a statistiky Přírodovědecké fakulty, MU Vedoucí práce: Ing. Daniel Němec, Ph.D. Abstrakt: Rakouská teorie hospodářského cyklu vysvětluje cyklické kolísání výkonu ekonomiky pomocí změn v peněžní nabídce. V první části práce je popsána tato teorie a formulována testovatelná hypotéza, že zaměstnanost v delších, kapitálově náročných výrobních procesech je citlivější na změny úrokové míry než zaměstnanost v kratších, kapitálově méně náročných procesech. V druhé části práce je pak tato hypotéza testována. Jsou použita měsíční data z USA v období 1958:07–2011:03. Je specifikován lineární regresní model, ve kterém odchylka zaměstnanosti v jednotlivých sektorech od dlouhodobého trendu závisí na úrokovém spreadu. Výsledky jsou konzistentní s testovanou hypotézou a rakouská teorie hospodářského cyklu tak není vyvrácena. Kľíčová slova: rakouská teorie hospodářského cyklu, kapitálová struktura, ekonometrie, lineární regresní model

Summary Title: Testing the Austrian business cycle theory Author: Moses Škoda Department of Mathematics and Statistics, Faculty of Science, MU Supervisor: Ing. Daniel Němec, Ph.D. Abstract: Austrian business cycle theory explains cyclical fluctuation of the output of an economy with changes in money supply. In the first part of this thesis the theory is described and a hypothesis is formulated that employment in longer, more capital-intensive production processes is more sensitive to changes in interest rate than employment in shorter, less capital-intensive processes. In the second part of the thesis this hypothesis is tested. Monthly data from USA from the period 1958:07–2011:03 are used. A linear regression model is specified in which the deviation of employment in each sector from the long-run trend is dependent on the interest spread. The results are consistent with the tested hypothesis and thus the Austrian business cycle theory is not falsified. Keywords: Austrian business cycle theory, capital structure, econometrics, linear regression model.

Obsah Teorie . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Mezičasová struktura výroby . . . . . . . . . 1.2 Změna mezičasových preferencí . . . . . . . . 1.3 Hospodářský cyklus a kapitál . . . . . . . . . 1.4 Hospodářský cyklus a pracovní síla . . . . . . 2 Data . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Zaměstnanost . . . . . . . . . . . . . . . . . . 2.2 Úroková míra . . . . . . . . . . . . . . . . . . 2.3 Zpoždění . . . . . . . . . . . . . . . . . . . . . 2.4 Zvolená ekonomika a časové období . . . . . . 2.5 Shrnutí . . . . . . . . . . . . . . . . . . . . . 3 Model . . . . . . . . . . . . . . . . . . . . . . . . 4 Výsledky . . . . . . . . . . . . . . . . . . . . . . . 4.1 Zpracování a interpretace výsledků regresního 4.2 Diskuze . . . . . . . . . . . . . . . . . . . . . 5 Závěr . . . . . . . . . . . . . . . . . . . . . . . . . A Grafický výstup Hodrick-Prescottova filtru . B Popisné statistiky použitých proměnných . . C Výsledky regrese . . . . . . . . . . . . . . . . . . 1

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . modelu . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

7 7 8 10 11 13 13 15 15 16 17 19 20 20 23 25 27 35 36

5

Úvod Rakouská teorie hospodářského cyklu (Austrian business cycle theory, dále jen ABCT) vznikla v první polovině 20. století zásluhou ekonomů rakouského původu Misese (1953) a Hayeka (1967). Poté byla rozvinuta dalšími představiteli tzv. rakouské ekonomické školy, jako jsou Rothbard (2000) a Garrison (2001). Podle této teorie je příčinou vzniku hospodářských cyklů zvyšování peněžní nabídky bankovním sektorem; tím dojde ke snížení úrokové míry, které vede podnikatele k mylným odhadům časových preferencí spotřebitelů a mylným investicím do nových výrobních procesů. To je vzestupná fáze cyklu. Když dojde k opětovnému zvýšení úrokové míry, mylné investice se ukážou být jako nerentabilní, jsou zlikvidovány a nastane recese. Vědeckých prací na téma testování rakouské teorie hospodářského cyklu je velice málo. Důvodem je zejména metodologie rakouské školy, která staví na logické dedukci z axiomů lidského jednání. Empirické testování odsuzuje jako bezvýznamné a zavádějící, protože o platnosti ekonomické teorie můžeme rozhodnout apriorně; člověk sám je totiž předmětem zkoumání ekonomie a ví, jakým způsobem jedná a reaguje na ekonomické podněty (Rothbard 1997:68). Mezi několik málo autorů, kteří využívají ekonometrických metod k testování ABCT patří Clark (1999), Keeler (2001a, 2001b), Mulligan (2002, 2006), Sechrest (2003), Young (2005), či Bismans a Mougeot (2009). Většina z nich dochází k závěru, že empirická data jsou konzistentní s hypotézami ABCT. Já se v této práci pokusím otestovat konkrétně hypotézu, že hospodářský cyklus se silněji projevuje v delších a kapitálově náročnějších výrobních procesech, zatímco kratší a kapitálově lehké procesy jsou méně citlivé na změny úrokové míry a proto jsou stabilnější. K testování této hypotézy použiju data ze Spojených států z let 1958–2011; konkrétně budu vysvětlovat změny v počtu zaměstanců v jednotlivých sektorech ekonomiky pomocí změn v úrokové míře. Budu se snažit zjistit, které sektory jsou nejvolatilnější v závislosti na úrokové míře a porovnám to s předpoklady ABCT. Další obsah práce bude členěn takto: v kapitole 1 charakterizuji mezičasovou strukturu výroby a popíšu rakouskou teorii hospodářského cyklu. V kapitole 2 vysvětlím, jaká data jsem použil k testování, jaké byly jejich zdroje a jakým způsobem jsem je zpracovával. V třetí kapitole stručně popíšu metodu regrese a konečně ve čtvrté kapitole zhodnotím výsledky regrese a zamyslím se nad problémy s empirickým testováním konceptů rakouské školy. 6

1 Teorie 1.1 Mezičasová struktura výroby Abychom mohli popsat mechanismy hospodářského cyklu podle rakouské teorie, musíme nejdříve charakterizovat rakouský pohled na mezičasovou strukturu výroby. Změny v této struktuře jsou základním prvkem ABCT. Výroba každého spotřebního statku je rozdělena do fází. Do každé fáze vstupuje meziprodukt, který je výstupem předchozí fáze, jsou na něj aplikovány dodatečné výrobní faktory a následně z této fáze meziprodukt vystupuje v jiné podobě a vstupuje do následující fáze. Každá fáze trvá určité časové období a tedy i celý výrobní proces trvá nějaké časové období, které je součtem trvání jednotlivých fází. Konečnou fází je vždy prodej statku spotřebiteli. Hodnota meziproduktů se s každou další fází zvyšuje. Jednak proto, že byly aplikovány dodatečné výrobní faktory, čímž se podoba meziproduktu přiblížila konečnému statku, jednak proto, že se uplynutím časového úseku, vymezeného pro danou fázi, statek přiblížil v čase konečné spotřebě; díky existenci časových preferencí spotřebitelů má statek tím vyšší hodnotu, čím dříve může být zkonzumován. Toto zvyšování hodnoty v čase je přímo úměrné velikosti úrokové míry v ekonomice, neboť ta přímo vyjadřuje časové preference spotřebitelů. Můžeme tedy říci, že čím vyšší je úroková míra, tím vyšší jsou rozdíly v hodnotě meziproduktů v jednotlivých fázích a vice versa. Časovou strukturu kapitálu ilustruje tzv. Hayekův trojúhelník (Garrison 2001:47), viz obr. 1.1. Horizontální osa představuje čas a zároveň jednotlivé fáze výroby; vertikální osa hodnotu meziproduktů v dané fázi výroby. Sklon přepony odpovídá rozdílům v hodnotě meziproduktu v jednotlivých fázích a tedy je úměrný úrokové míře. Hayekův trojúhelník může reprezentovat fáze výroby jednoho určitého statku, jak po sobě následují v čase, nebo strukturu celé ekonomiky zachycenou v určitém časovém okamžiku. My jej budeme pro ilustraci hospodářského cyklu používat v tom druhém pojetí. Nyní si musíme definovat důležitou vlastnost kapitálu, kterou je jeho specifičnost. Specifický kapitálový statek lze využít pouze pro určitou fázi výroby. Například ropná plošina je specifická pro těžbu ropy, zatímco platební terminál je specifický pro maloobchodní prodej. Nespecifický kapitál lze využít v různých fázích; jedná se například o skladiště, ve kterém mohou být skladovány meziprodukty v různých stádiích výroby, nebo počítač, který využívá každá firma. Specifičnost není absolutní vlastnost, každému kapitálovému statku tedy můžeme připisovat určitou míru specifičnosti. Ta 7

1. Teorie

Obr. 1.1: Hayekův trojúhelník. Zdroj: vlastní.

zároveň vypovídá o jeho likviditě, protože čím je statek specifičtější, tím méně je likvidní. Pracovní síla je specifická do té míry, do jaké je specifický lidský kapitál, který se k ní váže. Obecně se dá říct, že pracovní síla je relativně velmi nespecifická; jednak díky možnosti rekvalifikace pro méně kvalifikovanou pracovní sílu, jednak díky tomu, že velká část pracovní síly je stejného charakteru v různých firmách (například manažeři, obchodníci, účetní).

1.2 Změna mezičasových preferencí Abychom pochopili mechanismy, které fungují v hospodářském cyklu, ukážeme si nejdřív, jak mezičasová struktura výroby reaguje na změnu mezičasových preferencí spotřebitelů v podmínkách stabilní nabídky peněz. Předpokládejme, že se sníží časové preference spotřebitelů. Ti začnou spotřebovávat méně současných statků a začnou více spořit (tedy poptávat více statků budoucích). Zvýšení úspor vede ke snížení úrokové míry a zvýšení objemu investic. Hodnota meziproduktů v každé fázi závisí mimojiné na poptávce po konečném statku, který z daného výrobního procesu vzejde. Poptávka po statcích v blízké budoucnosti klesá a naopak roste poptávka po statcích ve vzdálené budoucnosti. To má za následek, že klesá hodnota meziproduktů v pozdějších fázích výroby, které budou dokončeny v blízké budoucnosti, a naproti tomu roste hodnota meziproduktů v raných fázích 8

1. Teorie výroby, které jsou teprve na počátku celého výrobního procesu a proto budou dokončeny až ve vzdálené budoucnosti (obr. 1.2). Dřívější fáze výroby jsou tedy nyní ziskovější, zatímco pozdější jsou méně ziskové. To představuje podnět pro podnikatele, aby přesouvali investice z pozdějších fází do dřívějších. Tento přesun trvá do chvíle, než se opět vyrovnají zisky v jednotlivých fázích (díky zákonu o klesajících mezních výnosech). Snižuje se tak v ekonomice podíl kratších, méně kapitálově náročných výrobních procesů, které v sobě zahrnují pouze několik posledních fází, a roste podíl delších, kapitálově náročnějších procesů, které obsahují i dřívější fáze. Zároveň je umožněn vznik nových fází výroby ještě před nejranějšími dosavadními fázemi. Tyto fáze dosud neexistovaly, protože nebyly dostatečně rentabilní; spotřebitelé byli relativně netrpěliví a nebyli ochotni vázat kapitál na tak dlouhou dobu, jakou by vyžadovala existence takto dlouhých výrobních procesů. Nyní jsou spotřebitelé trpělivější, což vyjadřuje nižší úroková míra, a proto jsou tyto fáze ziskové. To umožňuje vznik nových, delších výrobních procesů, které tyto fáze obsahují.

Obr. 1.2: Snížení časových preferencí. Zdroj: vlastní.

Výrobní proces samozřejmě nevzniká najednou. Pokud nový výrobní proces trvá deset let a právě byl zahájen, pak budovy, zařízení a pracovní místa potřebná uprostřed tohoto procesu začnou vznikat až někdy za pět let, právě včas, aby převzaly meziprodukty z předchozí fáze a pokračovaly v procesu. Nebylo by rentabilní, aby tyto prostředky vznikly okamžitě a dalších pět let byly nevyužity. To znamená, že pokud jeden podnikatel investuje do vzniku nejranější fáze nového procesu, nevíme ještě, jestli v budoucnu bude existovat dostatek kapitálu, aby mohly vzniknout následující fáze a aby mohl být proces dokončen. 9

1. Teorie Ke koordinaci aktivit podnikatelů v různě vzdálené budoucnosti právě slouží úroková míra. Ta signalizuje, zda bude v budoucnu dostatek úspor k dokončení celého procesu, a zároveň ovlivňuje relativní ceny mezi výrobními faktory tak, aby došlo k optimální alokaci zdrojů v čase. Tato její signalizační a koordinační funkce je ovšem narušena, pokud je úroková míra ovládána monetární autoritou.

1.3 Hospodářský cyklus a kapitál Rakouská škola vidí příčinu vzniku hospodářských cyklů v monetární expanzi. Výchozím bodem v ABCT je situace obecné rovnováhy. Tržní úroková míra odpovídá přirozené úrokové míře, tedy míře, při které dochází k rovnováze na trhu kapitálu (objem úspor je roven objemu investic). Nyní si představme, že centrální banka tržní úrokovou míru sníží, například aby zabránila deflaci a udržela stabilní cenovou hladinu. Začne se zvyšovat peněžní nabídka. Jak budou tržní subjekty reagovat? Spotřebitelé a podnikatelé nyní dostávají z trhu kapitálu úplně opačné signály. Spotřebitelé v reakci na nižší úrokovou míru sníží své úspory, neboť úspory nyní přinášejí nižší finanční výnos; zvýší naopak svou současnou spotřebu. Podnikatelé ale budou reagovat stejně jako v předchozím případě; zvýšením investiční aktivity, jejím soustředěním do dřívějších fází výroby a prodlužováním výrobní struktury. Dochází tedy k nárůstu jak spotřeby, tak investic (obr. 1.3).

Obr. 1.3: Efekt direktivního snížení úrokové míry. Zdroj: vlastní.

Tento trend je dlouhodobě neudržitelný. V ekonomice se vytvářejí nové, delší výrobní procesy, ale neexistují úspory, ze kterých by mohly být finan10

1. Teorie covány. K zahájení těchto procesů je tak proinvestován kapitál, který bude v budoucnu nezbytný k jeho dokončení. Mezičasová koordinace trhu, která zajišťuje, aby na sebe jednotlivé procesy navazovaly v čase, je narušena. Jelikož je investováno větší množství kapitálu, než kolik vzniká díky novým úsporám, zásoba volného investovatelného kapitálu se zužuje. Přirozená úroková míra se díky tomu zvyšuje, ale tržní úroková míra je stále stejná. Rozšiřování tohoto rozpětí znamená stále rychlejší monetární expanzi; nové peníze pak zakrývají nedostatek kapitálu. Pokud by centrální banka nezasáhla, došlo by k totálnímu kolapsu ekonomiky v momentě, kdy by všechen dostupný kapitál byl nevratně investován v procesech, které nemohou být dokončeny. Centrální banka ovšem zpravidla reaguje. Vidí, že dochází ke zvyšování cen spotřebních statků. Jedná se o kvantitativní efekt zvyšování peněžní nabídky, popsaný rovnicí směny; navíc spotřebitelé zvýšili svou poptávku po současných statcích v reakci na nižší úrokovou míru. Kromě toho také existuje tlak na odliv kapitálu z pozdějších fází do dřívějších, což znamená nižší nabídku spotřebních statků v současnosti. Centrální banka tedy musí reagovat na tuto inflaci opětovným zvýšením tržní úrokové míry, aby splnila svůj inflační cíl. Zvýšení úrokové míry umožní odhalit nesoulad v časové struktuře výroby dříve, než dojde k proinvestování veškerého dostupného kapitálu. Dlouhé výrobní procesy ztratí svou rentabilitu a jsou opuštěny. Kapitál, který byl vázan v těchto procesech ve specifické formě, musí být odepsán, čímž dojde ke snížení kapitalizace ekonomiky. Jelikož bylo proinvestováno velké množství volného kapitálu, jeho zásoba je ještě nižší než před začátkem cyklu a tedy se musí oproti výchozí situaci zkrátit i struktura výroby. V tuto chvíli reaguje centrální banka na vznik recese opětovným snížením úrokové míry; cyklus se opakuje.

1.4 Hospodářský cyklus a pracovní síla Z důvodů, které budou vysvětleny v další kapitole, nás budou zajímat zejména projevy hospodářského cyklu v podobě fluktuací pracovní síly. Proto si nyní tyto projevy charakterizujeme. Pracovní síla je komplementem kapitálu; proto investiční aktivita, která charakterizuje vzestupnou fázi hospodářského cyklu, znamená vyšší poptávku po práci. Jak kapitál směřuje do dřívějších fází výroby, pracovní síla se pohybuje stejně. Dochází nejen k intenzivnějšímu využití kapitálu, ale také k intenzivnějšímu využití práce. Nové peníze znamenají zvýšení poptávky podnikatelů jak po kapitálu, tak po práci. V konečném důsledku dochází ke snižování zaměstnanosti a zvýšení nominálních mezd. 11

1. Teorie Jakmile se ekonomika octne za vrcholem hospodářského cyklu a nastane recese, celý proces se obrátí. Dochází k likvidaci kapitálu, který byl proinvestován v dřívějších fázích výroby, a spolu s ním mizí pracovní místa. Příliš specifický kapitál nemůže být převeden do jiných výrobních procesů a musí být odepsán. Jak je odepisován kapitál, klesá poptávka i po komplementárním faktoru práce. To znamená nižší reálné mzdy a vyšší nezaměstnanost. Jedním z důsledků těchto procesů je, že zaměstnanost v pozdějších fázích výroby by měla být relativně stabilní, protože kratší, méně kapitálově náročné výrobní procesy nejsou tak citlivé na úrokovou míru; naproti tomu zaměstnanost v dřívějších fázích by měla relativně výrazně cyklicky fluktuovat, protože dlouhé výrobní procesy vznikají ve vzestupné fázi hospodářského cyklu a následně zanikají v období recese. Toto tvrzení budeme v této práci testovat.

12

2 Data Jak jsme výše naznačili, bude nás zajímat, jakým způsobem se mění struktura pracovní síly v návaznosti na změny úrokové míry a budeme testovat, zda jsou tyto změny v souladu se závěry rakouské teorie hospodářského cyklu. V této kapitole si popíšeme, jaká data k tomu použijeme a jakým způsobem jsme je zpracovali1 .

2.1 Zaměstnanost V praxi ovšem data o zaměstnanosti v jednotlivých fázích výroby neexistují, protože tyto fáze nejsou prakticky pozorovatelné a rozlišitelné. Proto použijeme data o zaměstnanosti v jednotlivých sektorech ekonomiky Spojených států. Tabulka 2.1 nabízí přehled těchto sektorů a jejich zkratky používané v modelech. Nicméně, pokud máme z měření zaměstnanosti v jednotlivých sektorech vyvozovat závěry pro jednotlivé fáze výroby, musíme určit, které sektory spadají do dřívějších fází a které do pozdějších. Tento problém lze řešit v zásadě dvěma způsoby. Mulligan (2002) provedl regresi zaměstnanosti v jednotlivých sektorech na úrokové míry státních dluhopisů o několika dobách splatnosti a teprve podle výsledných koeficientů zařadil sektory do dřívějších či pozdějších fází výroby. Problém s tímto přístupem spočívá v tom, že v tomto případě vyjde rakouská teorie hospodářského cyklu jako vždy pravdivá, protože nám můžou vyjít jakékoliv koeficienty a vždy podle nich budeme moci sektory nějak seřadit. Mulligan například na základě svých výsledků zařadil sektor těžby do pozdějších fází výroby, tedy blíže ke spotřebě, což zřejmě neodpovídá charakteru tohoto odvětví. Druhý způsob je předem arbitrárně seřadit odvětví podle jejich vzdálenosti od okamžiku spotřeby. Pak mají výsledky testování nějakou váhu, nicméně u některých sektorů může být problém se zařazením. Například sektor Stavebnictví (CON) v sobě zahrnuje jak stavby průmyslových továren v různých fázích výroby, tak například stavby rodinných domů. Zařazovat předem sektory tedy nebudeme, nicméně existují určitá omezení, se kterými budeme výsledky interpretovat. Pokud se má ABCT ukázat jako pravdivá, zcela určitě by měly sektory Maloobchod (RET), Ostatní služby (OS) či Vzdělání a zdravotnictví (EHS), které poskytují téměř výlučně spotřební statky, vykazovat nejnižší variabilitu vzhledem k úrokové míře, zatímco na1. Zdrojem veškerých dat je Federal Reserve Economic Database, dostupná online na

13

2. Data příklad odvětví Těžba (MIN) nebo Doprava a skladování (TRW) by měly fluktuovat výrazněji. Proměnná MIN CON MDR MND PBS TRW TTU EHS FIN INF WHO RET LAH OS

Odvětví ekonomiky Mining and logging Těžba Construction Stavebnictví Manufacturing of durable goods Výroba trvanlivého zboží Manufacturing of nondurable goods Výroba netrvanlivého zboží Private business services Služby soukromým společnostem Transportation and warehousing Doprava a skladování Trade, transportation and utilities Obchod, doprava a síťová odvětví Education and health services Vzdělání a zdravotnictví Financial activities Finanční aktivity Information services Informační služby Wholesale trade Velkoobchod Retail trade Maloobchod Leisure and hospitality Zábava a pohostinství Other services Ostatní služby

Tabulka 2.1: Sektory ekonomiky Jednotlivé časové řady vyjmenované v tabulce 2.1 udávají počet zaměstnanců v daném sektoru v tisících. Abychom získali odchylky od trendu, které se projevují v důsledku hospodářského cyklu, použili jsme HodrickPrescottův filtr, který rozděluje časovou řadu na součet trendové a cyklické 14

2. Data složky. Potřebovali jsme získat velmi hladký trend, aby se veškeré fluktuace související s hospodářským cyklem, který obvykle trvá několik let, uložily do cyklické složky. Proto jsme volili hodnotu parametru λ = 999 999 (nejvyšší hodnota, kterou umožňuje použitý software – gretl). Cyklické složky z výstupu Hodrick-Prescottova filtru jsme uložili a použili jako vysvětlované proměnné. Grafické znázornění výstupu filtru pro jednotlivé proměnné je v příloze A.

2.2 Úroková míra Jako vysvětlující proměnná je použit úrokový spread, tedy rozpětí mezi krátkodobými a dlouhodobými úrokovými měrami. Konkrétně jde o úrokové míry na tříměsíční americký státní dluhopis (treasury bill) a desetiletý americký státní dluhopis. Krátkodobá úroková míra je totiž silně ovlivněna rozhodnutími centrální banky a reflektuje tak monetární politiku. Dlouhodobá úroková míra závisí na monetární politice podstatně méně a slouží tak jako proxy proměnná ke skutečné časové preferenci spotřebitelů, tedy přirozené úrokové míře (která je sama o sobě samozřejmě nepozorovatelná). Jak jsme si vysvětlili v teoretické části, velikost rozdílu mezi přirozenou a tržní úrokovou mírou přímo souvisí s prudkostí monetární expanze a rychlostí vzniku nových peněz. Pokud se spread rozšiřuje, znamená to snížení tržní úrokové míry a boom; pokud se zužuje, tržní úroková míra roste a dochází k zabrždění ekonomiky. Spread jsme také zpracovali pomocí Hodrick-Prescottova filtru, jelikož malé odchylky trvající v řádu týdnů či měsíců nemají vliv na investiční aktivitu podnikatelů; nám bude stačit zachytit cyklické klesání a stoupání úrokového spreadu související se strategickou politikou centrální banky. Zvolili jsme přiměřeně malou hodnotu parametru λ = 900 tak, aby nedošlo k nežádoucímu zploštění dlouhodobých cyklů, ale na druhou stranu aby byly vyhlazeny nepodstatné krátkodobé výkyvy. Z výstupu Hodrick-Prescottova filtru jsme uložili trendovou složku a její zpožděné hodnoty pak použili jako vysvětlující proměnnou.

2.3 Zpoždění Regresi budeme provádět na zpožděné hodnoty spreadu. Ve skutečnosti totiž monetární politika nemá okamžitou účinnost; ekonomika reaguje na pohyby úrokové míry s několikaletým zpožděním. Zpoždění jsme určili tak, že jsme provedli regresi jednotlivých proměnných v období posledních čtyř hospodářských cyklů (07:1975–03:2011, viz níže) na spread s různými zpožděními 15

2. Data v rozsahu 24–96 měsíců a vybrali takové zpoždění, které poskytovalo nejlepší výsledky (tedy daný model měl nejvyšší koeficient determinace): Yt = αt + βt SP READt−l + t

l ∈ {24, . . . , 96}

(2.1)

Pro každý sektor jsme testovali zpoždění separátně. To, že různá odvětví reagují na změny v úrokové míře s různým zpožděním je rozumný předpoklad a umožňuje nám získat ještě přesnější výsledky regrese (vyšší koeficienty determinace). Zjištěná zpoždění v měsících zachycuje tabulka 2.2 spolu s koeficientem determinace v daném modelu. Proměnná Zpoždění R2

MIN 59 4,34

CON 39 38,73

MDR 38 22,53

MND 37 13,35

PBS 45 15,77

TRW 42 28,94

TTU 41 33,93

Proměnná Zpoždění R2

EHS 45 23,33

FIN 41 29,74

INF 89 4,99

WHO 45 32,18

RET 38 34,30

LAH 40 41,76

OS 47 11,63

Tabulka 2.2: Zpoždení vysvětlující proměnné použitá v regresích jednotlivých odvětví.

2.4 Zvolená ekonomika a časové období Jako ekonomiku, kterou budeme zkoumat, jsme zvolili Spojené státy. Důvody jsou dva. Zaprvé, ekonomika USA je jedna z největších na světě a relativně uzavřená. Díky tomu můžeme předpokládat, že hospodářské recese, kterými USA prochází, nejsou importovány ze zahraničí, ale vznikají přímo v USA. Naopak, díky tomu, že americký dolar je nejpoužívanější světová rezervní měna, ovlivňuje americká monetární politika ostatní ekonomiky. V případě, že bychom zkoumali jinou ekonomiku, mohla by na naše výsledky mít větší vliv monetární politika amerického FEDu než politika centrální banky dané země. Druhý důvod je prozaičtější – Spojené státy mají nejlépe zpracovanou a nejobsáhlejší ekonomickou databázi ze všech velkých světových ekonomik, a to jak co se týče množství proměnných, tak co se týče délky časových řad. Vybraná data pozorujeme s měsíční frekvencí v období červenec 1958 až březen 2011 a rozdělujeme je do sedmi hospodářských cyklů. V každém cyklu budeme provádět regresi zvlášť. Je to z toho důvodu, že tak můžeme pozorovat zajímavé změny ve struktuře ekonomiky mezi jednotlivými cykly 16

2. Data a vyloučit exogenní vlivy. Například v cyklu mezi lety 1992–2003 způsobily exogenní faktory (technologické a psychologické), že se investiční „bublina“ projevila výrazně v sektoru informačních technologií, přestože se jedná o kapitálově lehké odvětví. V cyklu mezi lety 2003–2009 způsobily zase politické faktory, že nové peníze vstupovaly do ekonomiky podstatně méně v podobě podnikatelských úvěrů a podstatně více v podobě hypoték na rodinné domy, což způsobilo boom v odvětví stavebnictví. ABCT dokáže vysvětlit tyto případy (viz např. Callahan a Garrison 2003), nicméně pokud bychom prováděli regresi přes všechny cykly zároveň, tyto odchylky by mohly znehodnotit naše výsledky. Data začátků jednotlivých cyklů zachycuje tabulka 2.3 spolu s odpovídajícím cyklem podle NBER2 . U každého cyklu je navíc uveden počet pozorování, tedy délka cyklu v měsících. Tato data tedy nebyla volena podle definice NBER, ale byla posunuta tak, aby přesněji odpovídala lokálním minimům v časových řadách, které máme k dispozici, tedy v podstatě skutečným začátkům cyklů. Začátky cyklů (počet pozorování) 07:1958 05:1961 04:1971 07:1975

(34) (119) (51) (91)

02:1983 (118) 12:1992 (126) 06:2003 (94)

Začátky cyklů podle NBER 04:1958 02:1961 11:1970 03:1975 07:1980* 11:1982 03:1991 11:2001 06:2009*

Tabulka 2.3: Data jednotlivých cyklů. *) Tyto cykly mají příliš málo pozorování, proto jsou v regresi zahrnuty do předchozího cyklu.

2.5 Shrnutí V regresních modelech tedy budeme používat jako vysvětlované proměnné cyklické složky z výstupu Hodrick-Prescottova filtru, aplikovaného na časové řady, které vyčíslují zaměstnanost v jednotlivých sektorech ekonomiky v tisí2. The National Bureau of Economic Research, .

17

2. Data cích zaměstnanců. Jako vysvětlující proměnnou použijeme zpožděné hodnoty vyhlazeného úrokového spreadu, a to s jiným zpožděním pro každý sektor. Tabulka v příloze B zobrazuje popisné statistiky, konkrétně průměr a směrodatnou odchylku, pro použité proměnné v jednotlivých hospodářských cyklech a také za celé pozorované období.

18

3 Model V našem ekonometrickém modelu budeme odhadovat vliv výše úrokového spreadu na odchylku zaměstnanosti v daném sektoru od dlouhodobého trendu. Tento vliv budeme odhatovat lineárním modelem, který můžeme obecně zapsat ve tvaru: Yt = αt + βt SP READt−1 + t (3.1) Za Y postupně dosazujeme jednotlivé vysvětlované proměnné a za l vždy příslušné zpoždění. Vysvětlovaná proměnná je vždy omezena pouze na jeden cyklus; postupně provedeme regresi ve všech cyklech. Jelikož OLS estimátor v tomto případě ve všech regresích vykazuje autokorelaci náhodných složek, bude použit HAC (heteroskedasticitě a autokorelaci konzistentní) estimátor. Z regrese nás budou zajímat koeficienty β, které můžeme interpretovat jako mezní vliv rozšíření úrokového spreadu na počet zaměstnanců v daném sektoru, tedy o kolik tisíc pracovníků se zvýší zaměstnanost v daném sektoru, pokud se zvětší úrokový spread o jeden procentní bod. O těchto koeficientech předpokládáme, že budou kladné a statisticky významné, protože rozšíření spreadu znamená snížení krátkodobé úrokové míry, tedy zvýšení investiční aktivity a s ní i zaměstnanosti. To je v ekonomii obecně známý fakt (viz např. Mankiw 1999:688) a nebude předmětem našeho zkoumání. Nás bude zajímat vztah mezi koeficienty pro jednotlivá odvětví v rámci jednoho cyklu. Protože v každém odvětví je jiný celkový počet zaměstnanců, nemůžeme mezi sebou koeficienty porovnávat přímo, jelikož jsou v absolutních hodnotách (v tisících zaměstnanců). Musíme proto spočítat podíl daného koeficientu k průměrnému počtu zaměstnanců daného odvětví v daném časovém období, čímž získáme relativní mezní vliv úrokového spreadu na dané odvětví, vyjádřený v procentech zaměstnanců. Tyto relativní vlivy pak budeme moci porovnávat mezi odvětvími. Podle ABCT bychom očekávali, že úrokový spread bude mít vyšší relativní vliv na sektory, které bychom intuitivně zařadili do dřívějších fází výroby, a nižší vliv na sektory spadající do pozdějších fází. V následující kapitole popíšeme výsledky regrese a pokusíme se je interpretovat a rozhodnout, zda empirická data spíše podporují nebo zamítají rakouskou teorii hospodářského cyklu.

19

4 Výsledky 4.1 Zpracování a interpretace výsledků regresního modelu Výsledky regrese podle jednotlivých sektorů ekonomiky a hospodářských cyklů vidíme v tabulce v příloze C; z každého odhadu je vypsán regresní koeficient β vysvětlující proměnné SPREAD, směrodatná odchylka koeficientu s, p-hodnota t-testu (β = 0) pro tuto proměnnou a koeficient determinace daného modelu R2 . Vidíme, že koeficienty z některých modelů neodpovídají našim předpokladům o kladnosti a statistické významnosti1 . Většina koeficientů v prvních dvou cyklech je statisticky významná, nicméně záporná. Jediné dva modely, ve kterých byl koeficient kladný a zároveň statisticky významný, byly v prvním období model s proměnnou MIN a v druhém období model s proměnnou INF. Ve třetím cyklu je 8 z 13 koeficientů statisticky nevýznamných, jen jeden je kladný. V šestém cyklu je opět 8 koeficientů nevýznamných, ze zbývajících 6 je 5 kladných. Ve čtvrtém, pátém a sedmém cyklu je pak statisticky nevýznamný koeficient u proměnné INF; kromě toho v pátém cyklu nevyhovují koeficienty u proměnných MIN (záporný) a MND (statisticky nevýznamný). Důvodů, proč některé koeficienty neodpovídají těmto základním předpokladům, může být několik; pravděpodobně bylo před rokem 1975 zpoždění investiční aktivity za úrokovou mírou jiné než v pozdějších obdobích a zvolením nevhodného zpoždění jsme vysvětlovanou a vysvětlující řadu navzájem posunuli o půl cyklu, čímž jsme dostali výsledky s opačným znaménkem, než jsme čekali2 . Je nicméně jasné, že z takových koeficientů nemůžeme dělat závěry a proto je z interpretace modelu vypustíme. Navíc, protože naším úkolem bude porovnat v rámci daného cyklu jednotlivé koeficienty mezi sebou, můžeme pracovat pouze s těmi cykly, ve kterých je co porovnávat, tj. dostatek koeficientů v daném cyklu splňuje předpoklady. Budeme tedy vycházet při interpretaci výsledků regrese ze čtvrtého, pátého a sedmého cyklu. Vyloučíme ze všech cyklů pouze proměnnou INF a z pátého cyklu navíc proměnné MIN a MND. Tím získáme ve čtvrtém a sedmém cyklu celkem 13 proměnných a v pátém cyklu 11 proměnných. 1. Budeme používat hladinu významnosti 5 %. 2. Může to souviset i s pádem Brettonwoodského měnového systému v roce 1971, kdy byla zrušena směnitelnost amerického dolaru za zlato a FED tak získal možnost operovat s peněžní nabídkou bez faktických omezení. Pokud se podíváme na grafy časových řad v příloze A, vidíme, že velká část proměnných začala mít velmi pravidelné výkyvy s větší amplitudou právě v té době.

20

4. Výsledky Dále musíme získat z jednotlivých koeficientů relativní vlivy, popsané v předchozí kapitole, abychom mohli modely odpovídající jednotlivým sektorům ekonomiky porovnat mezi sebou. Koeficienty tedy podělíme průměrným počtem zaměstnanců v daném odvětví a období. Ten získáme z původních časových řad. Výsledek zachycuje tabulka 4.1 V této tabulce jsou proměnné seřazeny podle velikosti relativního vlivu úrokového spreadu v každém cyklu zvlášť. 4. cyklus Proměnná Rel. vliv (%) CON 4,722 MIN 4,568 MDR 3,318 TRW 2,018 RET 1,371 TTU 1,332 WHO 1,318 MND 1,274 FIN 1,273 LAH 1,135 PBS 0,871 EHS 0,761 OS 0,587

5. cyklus Proměnná Rel. vliv (%) CON 3,587 MDR 1,544 FIN 1,488 RET 1,456 TRW 1,265 TTU 1,131 OS 1,076 LAH 1,010 WHO 0,702 PBS 0,673 EHS 0,534

7. cyklus Proměnná Rel. vliv (%) CON 5,951 MIN 3,898 MDR 2,780 PBS 2,481 WHO 2,297 TRW 2,148 FIN 1,764 TTU 1,665 LAH 1,378 RET 1,372 MND 0,569 OS 0,472 EHS 0,088

Tabulka 4.1: Relativní vliv změny úrokového spreadu na jednotlivá odvětví.

Pokud se podíváme na výsledky z posledního cyklu, relativně dobře odpovídají očekáváním vycházejícím z ABCT. Největší fluktuace vyvolávají změny úrokového spreadu v sektorech, které jsou kapitálově náročné a dá se určitě předpokládat, že patří do dřívějších fází výroby – těžba (MIN), stavebnictví (CON) a výroba trvanlivého zboží (MDR). Na druhém konci spektra jsou sektory, které jsou orientovány na konečného spotřebitele a můžeme je zařadit do pozdějších fází výroby. Jsou to vzdělání a zdravotnictví (EHS), ostatní služby (OS), maloobchodní prodej (RET) a zábava a pohostinství (LAH). Trochu sporný sektor je výroba netrvanlivého zboží (MND). Sem spadá na jednu stranu výroba spotřebního zboží jako jsou potraviny, nápoje nebo oblečení; na druhou stranu ale také výroba plastů, chemikálií a papíru nebo zpracování ropy a uhlí. Je možné, že Spojených státech převažuje v tomto sektoru výroba spotřebního zboží, nicméně možná bychom čekali, že vliv úrokové míry na tento sektor bude vyšší než u sektorů RET a LAH. 21

4. Výsledky Ostatní sektory jsou opět seřazeny tak, jak bychom asi očekávali; sektory TTU (obchod, doprava a síťová odvětví) a FIN (finanční aktivity), které jsou orientovány částečně na konečného spotřebitele, mají nižší hodnotu relativního vlivu než sektory PBS (služby soukromým společnostem), WHO (velkoobchodní prodej) a TRW (přeprava a skladování), které vůbec neposkytují služby konečným spotřebitelům a které bychom tudíž zařadili do relativně dřívějších fází. Výsledky ze čtvrtého a pátého cyklu už ale nejsou tak přesvědčivé. V pátém cyklu se proměnné RET a FIN zařadily mezi nejvolatilnější sektory, zatímco WHO a PBS v tomto cyklu patřily k těm nejstabilnějším ve vztahu k úrokové míře. Navíc rozdíly v jednotlivých hodnotách jsou velmi malé, proto nemůžeme říct, že by bylo seřazení jednotlivých sektorů jednoznačné. Ve čtvrtém cyklu s našimi předpoklady opět kolidují sektory RET a PBS, na druhou stranu ostatní sektory relativně splňují očekávání.

7 6 5 4 3 2

4. cyklus  5. cyklus 7. cyklus

1 0

Obr. 4.1: Relativní vliv úrokového spreadu na jednotlivá odvětví. Zdroj: vlastní.

Na obrázku 4.1 jsou jednotlivé sektory v pořadí podle toho, jak bychom je mohli seřadit do struktury výroby. Na svislé ose je velikost relativního vlivu úrokové míry podle tabulky 4.1 Jsou vytvořeny tři datové řady, jedna pro 22

4. Výsledky každý cyklus. Na tomto obrázku máme možnost graficky posoudit, jestli platí naše hypotéza, že odvětví spadající do raných fází ekonomiky jsou citlivější na úrokovou míru a mají volatilnější zaměstnanost v průběhu hospodářského cyklu. V následující podkapitole popíšeme problémy, které vznikají při empirickém testování ABCT, a pokusíme se odpovědět, zda se nám podařilo tuto teorii falsifikovat.

4.2 Diskuze Jak jsme zmínili v úvodu, rakouská ekonomická škola konstruuje své teorie logickou dedukcí z axiomů lidského jednání a nepovažuje za nutné je empiricky testovat. Tomu odpovídá i způsob jejich formulace. Kategorie, které rakouská teorie kapitálové struktury, potažmo teorie hospodářského cyklu, definuje, nejsou přímo pozorovatelné a měřitelné, přestože jde nepochybně o validní a reálné koncepty. Takovou kategorií je například specifičnost kapitálu; o specifičnosti konkrétního kapitálového statku nemůžeme v mnoha případech říct vůbec nic a mnohdy ani porovnat kapitálové statky mezi sebou a rozhodnout, který je specifičtější. Přesto je specifičnost kapitálu korektně definovaný a smysluplný pojem a hypotézy o vlivu specifičnosti na likvidnost a intertemporální mobilitu kapitálu, tak jak byly prezentovány v kapitole 1, jsou logicky konzistentní. Ještě těžší na uchopení je koncept intertemporální struktury kapitálu a jednotlivých fází výroby. Je opět zřejmé, že taková struktura existuje a že její podoba musí záviset na úrokové míře; úroková míra totiž určuje relativní ceny mezi kapitálovými statky v různých časových okamžicích a tyto relativní ceny regulují intertemporální alokaci kapitálu. Je ale nemožné specifikovat konkrétní výrobní proces a provést konečný výčet jeho fází. Každá fáze výroby v moderní ekonomice potřebuje kapitál ke svému fungování – stroje, výrobní haly, kanceláře, počítače, vozový park. Každý z těchto kapitálových statků má za sebou další nekonečně dlouhý výrobní proces. Neexistuje první fáze výroby. Navíc jsou jednotlivé procesy provázané a většina kapitálových statků patří do obrovského množství těchto procesů najednou. Z těchto důvodů pak prakticky není možné ABCT formulovat pomocí měřitelných kategorií. Není možné měřit komplexitu ( „délku“) výrobní struktury ani ji dělit na fáze. Můžeme pouze ekonomiku rozdělit na odvětví, z nichž některá dodávají zboží a služby přímo spotřebiteli – o těch můžeme říct, že jsou velmi blízko spotřebě – a některá produkují kapitálové statky – o těch nemůžeme říct skoro nic. Je jasné, že pokud musíme místo fází výroby 23

4. Výsledky mluvit o odvětvích ekonomiky, navíc velice široce definovaných, velmi se nám tím zužuje možnost dojít k relevantním výsledkům empirickým testováním. Další problém, který jsme si naznačili v kapitole 2.4, se týká způsobu, jakým nové peníze vstupují do ekonomiky. Rakouská teorie hospodářského cyklu v klasickém znění, tak jak byla popsána v kapitole 1, předpokládá, že nové peníze vstupují do ekonomiky prostřednictvím podnikatelských úvěrů (Garrison 2001:75). To je ovšem zavádějící zjednodušení; podstatná část peněz vždy vstupuje do ekonomiky v podobě spotřebitelských úvěrů a další část peněz v podobě úvěrů vládě, kterými se financuje deficit státního rozpočtu. Ani Garrison (tamtéž) však nedokáže uspokojivě vysvětlit, jakým způsobem se změní průběh hospodářského cyklu v závislosti na těchto faktorech. Podle jeho názoru bude investiční aktivita směřována do pozdějších fází, zatímco ABCT obecně tvrdí, že snížení úrokové míry přináší investice do prodlužování struktury kapitálu. Pravděpodobně nebudeme schopni vypozorovat jasný vzorec v nových investicích. To zase omezuje predikční schopnosti ABCT, protože zadlužení amerických domácností i vlády neustále roste a spotřebitelské úvěry hrají při monetární expanzi stále důležitější roli3 . Je tedy těžké kategoricky hodnotit, zda výsledky regrese potvrdily či vyvrátily ABCT. Pokud vezmeme v úvahu problémy a omezení spojená s měřením rakouských konceptů, můžeme říci, že výsledky jsou dostatečně smysluplné a relativně konzistentní s ABCT. I s přihlédnutím k předchozím pracem na toto téma lze říct, že stejně jen těžko nalezneme korektní způsob, jak dosáhnout při testování ABCT průkaznějších výsledků.

3. Viz graf zadlužení domácností na

24

5 Závěr V této práci jsem testoval rakouskou teorii hospodářského cyklu pomocí ekonometrických metod. Konkrétně jsem využil lineární regresní model, ve kterém jsem vysvětloval odchylky zaměstnanosti v jednotlivých sektorech ekonomiky USA od dlouhodobého trendu pomocí zpožděných hodnot spreadu mezi tříměsíční a desetiletou úrokovou mírou, přičemž druhá jmenovaná sloužila jako proxy proměnná pro přirozenou úrokovou míru. Vzhledem k existenci autokorelace jsem využil HAC estimátor. Výsledky nebyly zcela průkazné, nicméně ukazovaly, že odvětví vzdálenější od spotřeby vykazují pravděpodobně větší variabilitu v závislosti na úrokovém spreadu než odvětví blíže ke spotřebě, což je konzistentní s předpoklady ABCT. V závěru čtvrté kapitoly jsem rozebral problémy spojené s testováním ABCT. Tyto problémy vycházejí z fundamentálního filosofického rozporu mezi rakouskou školou, která tvrdí, že člověk je schopen poznat zákonitosti lidského jednání apriorně, a soudobou mainstreamovou ekonomií, která po vzoru přírodních věd spoléhá na empirické testování. Z toho vychází i rozdíly ve formulaci teorií. Rakouská škola nepoužívá k jejich vyjádření matematické rovnice ani agregované makroekonomické veličiny, na rozdíl od mainstreamové ekonomie. To je důvodem, proč je skoro nemožné přenést rakouské koncepty do mainstreamových pojmů a testovat je. I vzhledem k těmto omezeným možnostem ekonometrického testování můžu říct, že výsledky této práce jsou uspokojivé.

25

Literatura BISMANS, Francis; MOUGEOT, Christelle. 2009. Austrian business cycle theory: Empirical evidence. The Review of Austrian Economics 22(3): 241–57. CALLAHAN, Gene; GARRISON, Roger W. 2003. Does Austrian Business Cycle Theory Help Explain the Dot-Com Boom and Bust? The Quaterly Journal of Austrian Economics 6(2): 67–98. CLARK, Todd E. 1999. The Responses of Prices at Different Stages of Production to Monetary Policy Shocks. The Review of Economics and Statistics 81(3): 420–33. GARRISON, Roger W. 2001. Time and Money: The Macroeconomics of Capital Structure. London: Routledge. HAYEK, Friedrich A. [1935] 1967. Prices and Production. New York: Augustus M. Kelley. KEELER, James P. 2001. Empirical Evidence on the Austrian Business Cycle Theory. The Review of Austrian Economics 14(4): 331–51. KEELER, James P. 2001. Relative Prices and the Business Cycle. [mimeo] KOOP, Gary. 2008. Introduction to econometrics. Chichester: John Wiley Sons. MANKIW, Gregory N. 1999. Zásady ekonomie. Praha: Grada Publishing. MISES, Ludwig von. [1912] 1953. The Theory of Money and Credit. New Haven: Yale University Press. MULLIGAN, Robert F. 2002. A Hayekian Analysis of the Term Structure of Production. The Quaterly Journal of Austrian Economics 5(2): 17–33. MULLIGAN, Robert F. 2006. An Empirical Examination of Austrian Business Cycle Theory. The Quaterly Journal of Austrian Economics 9(2): 69–93. ROTHBARD, Murray N. [1963] 2000. America’s Great Depression. Auburn: The Ludwig von Mises Institute. ROTHBARD, Murray N. 1997. The Logic of Action One: Method, Money, and the Austrian School. Cheltenham: Edward Elgar. SECHREST, Larry J. 2003. Evidence Regarding the Structure of Production. [mimeo] YOUNG, Andrew T. 2005. Reallocating labor to initiate changes in capital structures: Hayek revisited. Economics Letters 89: 275–82. 26

A Grafický výstup Hodrick-Prescottova filtru 1300

MIN (původní data) MIN (vyhlazená)

1200 1100 1000 900 800 700 600 500 1950 250 200 150 100 50 0 -50 -100 -150 -200 1950

8000 7500 7000 6500 6000 5500 5000 4500 4000 3500 3000 2500 1950 800 600 400 200 0 -200 -400 -600 -800 -1000 1950

1960

1970

1980

1990

2000

2010

2020

Cyklická komponenta MIN

1960

1970

1980

1990

2000

2010

2020

1990

2000

2010

2020

1990

2000

2010

2020

CON (původní data) CON (vyhlazená)

1960

1970

1980

Cyklická komponenta CON

1960

1970

1980

27

A. Grafický výstup Hodrick-Prescottova filtru 13000

MDR (původní data) MDR (vyhlazená)

12000 11000 10000 9000 8000 7000 6000 1950

1960

1970

1980

1000

1990

2000

2010

2020

Cyklická komponenta MDR

500 0 -500 -1000 -1500 1950

1960

1970

1980

1990

7500

2000

2010

2020

MND (původní data) MND (vyhlazená)

7000 6500 6000 5500 5000 4500 4000 1950 300 200 100 0 -100 -200 -300 -400 -500 -600 1950

1960

1970

1980

1990

2000

2010

2020

Cyklická komponenta MND

1960

1970

1980

1990

2000

2010

2020

28

A. Grafický výstup Hodrick-Prescottova filtru 20000

PBS (původní data) PBS (vyhlazená)

18000 16000 14000 12000 10000 8000 6000 4000 2000 1950 1000 800 600 400 200 0 -200 -400 -600 -800 -1000 1950

4600 4400 4200 4000 3800 3600 3400 3200 3000 2800 2600 2400 1970 250 200 150 100 50 0 -50 -100 -150 -200 1970

1960

1970

1980

1990

2000

2010

2020

1990

2000

2010

2020

Cyklická komponenta PBS

1960

1970

1980

TRW (původní data) TRW (vyhlazená)

1975

1980

1985

1990

1995

2000

2005

2010

2015

1995

2000

2005

2010

2015

Cyklická komponenta TRW

1975

1980

1985

1990

29

A. Grafický výstup Hodrick-Prescottova filtru 28000 26000 24000

TTU (původní data) TTU (vyhlazená)

22000 20000 18000 16000 14000 12000 10000 1950 1000 800 600 400 200 0 -200 -400 -600 -800 -1000 1950

20000 18000 16000

1960

1970

1980

1990

2000

2010

2020

1990

2000

2010

2020

1990

2000

2010

2020

2010

2020

Cyklická komponenta TTU

1960

1970

1980

EHS (původní data) EHS (vyhlazená)

14000 12000 10000 8000 6000 4000 2000 1950 250 200 150 100 50 0 -50 -100 -150 -200 -250 1950

1960

1970

1980

Cyklická komponenta EHS

1960

1970

1980

1990

2000

30

A. Grafický výstup Hodrick-Prescottova filtru 9000 8000

FIN (původní data) FIN (vyhlazená)

7000 6000 5000 4000 3000 2000 1950 300 200 100 0 -100 -200 -300 1950

4000 3500

1960

1970

1980

1990

2000

2010

2020

1990

2000

2010

2020

1990

2000

2010

2020

1990

2000

2010

2020

Cyklická komponenta FIN

1960

1970

1980

INF (původní data) INF (vyhlazená)

3000 2500 2000 1500 1950 400 300 200 100 0 -100 -200 1950

1960

1970

1980

Cyklická komponenta INF

1960

1970

1980

31

A. Grafický výstup Hodrick-Prescottova filtru 6500 6000 5500

WHO (původní data) WHO (vyhlazená)

5000 4500 4000 3500 3000 2500 1950

1960

1970

1980

300 200 Cyklická komponenta WHO 100 0 -100 -200 -300 1950 1960 1970 1980

16000 14000

1990

2000

2010

2020

1990

2000

2010

2020

2010

2020

2010

2020

RET (původní data) RET (vyhlazená)

12000 10000 8000 6000 4000 1950 600 400 200 0 -200 -400 -600 1950

1960

1970

1980

1990

2000

Cyklická komponenta RET

1960

1970

1980

1990

2000

32

A. Grafický výstup Hodrick-Prescottova filtru 14000 12000

LAH (původní data) LAH (vyhlazená)

10000 8000 6000 4000 2000 1950 500 400 300 200 100 0 -100 -200 -300 -400 1950

6000 5500 5000

1960

1970

1980

1990

2000

2010

2020

Cyklická komponenta LAH

1960

1970

1980

1990

2000

2010

2020

1990

2000

2010

2020

1990

2000

2010

2020

OS (původní data) OS (vyhlazená)

4500 4000 3500 3000 2500 2000 1500 1000 1950 200 150 100 50 0 -50 -100 -150 1950

1960

1970

1980

Cyklická komponenta OS

1960

1970

1980

33

5 4

SPREAD (původní data) SPREAD (vyhlazená)

3 2 1 0 -1 -2 -3 1950

1960

1970

1980

1990

2000

2010

2020

34

MIN 2,9326 16,952 0,79561 13,297 -33,913 18,209 35,545 89,723 -17,903 44,754 -0,57350 19,206 1,5169 40,867 -0,54154 47,386

CON -18,953 84,758 -33,286 72,764 122,01 200,21 -54,342 285,29 36,738 297,52 -67,495 196,61 52,124 525,91 -4,1038 290,27

MDR -222,08 305,90 52,414 443,72 -125,80 518,29 37,955 601,34 -45,776 339,63 41,491 390,81 -54,163 375,53 -15,072 438,53

MND -47,024 76,468 14,456 118,42 -32,054 187,35 12,512 160,22 -30,784 77,659 33,753 81,702 -24,724 94,811 -3,2835 117,74

PBS -25,699 34,789 10,534 64,064 -28,897 54,902 14,005 122,84 -17,691 248,77 37,440 485,92 -46,452 544,62 -2,4582 325,31 13,090 102,01 -15,835 73,635 9,1701 93,219 -10,580 126,47 0,00000 95,867

TRW

TTU -34,650 130,61 -30,214 165,28 -9,3971 171,21 3,0754 388,36 30,767 443,90 -14,287 433,89 -29,918 576,56 -9,4073 391,06

EHS -15,394 17,062 12,706 48,024 -30,094 24,268 19,840 90,301 -21,442 96,719 4,7576 81,271 -1,8094 54,743 -1,3296 73,449

FIN 2,7523 8,9513 -7,8064 33,922 29,802 40,502 -23,687 82,815 26,412 137,12 -35,017 91,730 21,511 183,72 -1,1761 109,74

INF -20,364 28,157 1,5924 40,346 -5,1241 45,004 4,9928 65,858 -0,48492 50,064 26,704 158,68 -44,954 57,803 -1,9401 86,754

WHO -9,9153 31,187 -1,2696 36,475 -16,768 43,134 12,532 95,481 4,0438 97,841 -6,8524 135,85 -6,3566 169,27 -1,8748 107,00

RET 2,5420 65,350 -27,458 74,166 8,6669 101,62 -14,684 217,03 37,425 287,78 -14,568 227,07 -11,758 290,90 -4,1074 217,36

LAH -2,1616 36,690 -9,8812 47,672 -5,8852 52,953 1,1760 133,33 0,50114 154,61 -12,147 114,62 15,160 245,65 -2,3519 138,67

OS -5,8783 6,6996 4,9858 18,763 -10,651 9,9867 -1,0884 34,953 15,003 86,718 -10,195 56,415 -6,0176 56,580 -0,51931 53,164

Tabulka B.1: Jako první je vždy uvedena střední hodnota, jako druhá směrodatná odchylka. Proměnná TRW je k dispozici až od roku 1972, proto není v prvních třech cyklech použita. Proměnnou SPREAD používáme zpožděnou, proto nemá význam uvádět její popisné statistiky v jednotlivých cyklech.

Celkem

06:2003–03:2011

12:1992–05:2003

02:1983–11:1992

07:1975–01:1983

04:1971–06:1975

05:1961–03:1971

07:1958–04:1961

Období

B Popisné statistiky použitých proměnných

1,4797 1,0862

SPREAD

7.

6.

5.

4.

3.

2.

1.

Cyklus

coeff sd p-value R2 coeff sd p-value R coeff sd p-value R2 coeff sd p-value R2 coeff sd p-value R2 coeff sd p-value R2 coeff sd p-value R2

CONS -201,3 51,14 0,0004 0,30 -27,14 27,35 0,3229 0,02 -106,2 59,02 0,0781 0,17 195,4 27,90 0,0000 0,58 174,6 24,37 0,0000 0,48 -18,25 28,49 0,5231 0,01 407,6 27,07 0,0000 0,84

MDR -1199 128,9 0,0000 0,78 -722,7 75,46 0,0000 0,48 156,7 154,1 0,3140 0,06 374,6 57,46 0,0000 0,49 165,2 48,49 0,0009 0,32 20,40 54,25 0,7075 0,00 232,3 31,16 0,0000 0,53

MND -323,1 36,69 0,0000 0,90 -244,5 14,13 0,0000 0,77 -69,49 58,97 0,2444 0,09 89,11 15,47 0,0000 0,40 21,20 12,10 0,0824 0,10 23,26 12,48 0,0649 0,08 28,44 10,70 0,0093 0,12

PBS -61,27 20,45 0,0052 0,35 -125,8 13,55 0,0000 0,68 -36,96 18,98 0,0573 0,19 62,07 17,66 0,0007 0,28 65,59 19,86 0,0013 0,11 19,23 66,79 0,7738 0,00 422,6 35,23 0,0000 0,85 57,38 13,75 0,0001 0,37 40,50 7,306 0,0000 0,45 8,875 12,39 0,4750 0,01 93,33 8,000 0,0000 0,77

TRW

TTU -456,3 29,27 0,0000 0,83 -310,6 30,11 0,0000 0,63 -83,66 58,93 0,1620 0,13 234,8 50,10 0,0000 0,43 240,3 37,78 0,0000 0,43 66,40 59,24 0,2645 0,02 427,6 37,11 0,0000 0,78

EHS -37,87 8,763 0,0001 0,55 -101,9 9,081 0,0000 0,79 -11,39 8,667 0,1949 0,09 50,52 13,40 0,0003 0,34 52,50 7,871 0,0000 0,47 29,72 9,378 0,0019 0,13 16,02 6,805 0,0207 0,12

FIN -31,89 3,489 0,0000 0,87 -47,92 9,823 0,0000 0,36 -42,02 10,40 0,0002 0,59 60,12 6,599 0,0000 0,62 92,32 8,288 0,0000 0,67 -56,32 11,94 0,0000 0,37 141,7 11,17 0,0000 0,84

INF -143,6 11,16 0,0000 0,96 68,09 15,36 0,0000 0,26 -199,7 28,97 0,0000 0,63 28,00 16,82 0,0994 0,12 -10,22 5,769 0,0790 0,07 113,7 22,30 0,0000 0,37 -10,11 9,036 0,2660 0,03

WHO -70,30 12,05 0,0000 0,57 -49,12 9,299 0,0000 0,32 -4,689 16,08 0,7718 0,00 57,02 11,80 0,0000 0,39 35,28 11,17 0,0020 0,21 49,48 18,17 0,0074 0,13 131,9 10,32 0,0000 0,85

Tabulka C.1: Zvýrazněny jsou p-hodnoty vyvyšší než 0,05 a koeficienty menší než 0.

MIN 27,84 11,96 0,0264 0,20 9,711 4,956 0,0524 0,08 -0,568 15,32 0,9705 0,00 45,29 15,03 0,0034 0,25 -12,27 4,427 0,0065 0,13 14,21 2,788 0,0000 0,47 26,43 4,724 0,0000 0,48

C Výsledky regrese RET -266,3 25,39 0,0000 0,84 -130,5 15,23 0,0000 0,56 -57,11 27,15 0,0406 0,20 134,8 27,21 0,0000 0,48 179,2 20,70 0,0000 0,53 13,79 31,59 0,6631 0,00 206,3 19,41 0,0000 0,70

LAH -138,4 10,57 0,0000 0,85 -92,43 9,485 0,0000 0,67 -40,69 14,80 0,0084 0,34 72,91 19,27 0,0003 0,36 85,78 11,46 0,0000 0,44 52,72 14,83 0,0005 0,20 179,1 17,12 0,0000 0,75

OS -11,82 3,988 0,0057 0,41 -38,62 4,056 0,0000 0,74 -8,330 3,409 0,0182 0,24 15,17 5,961 0,0126 0,20 40,43 5,277 0,0000 0,36 -16,34 9,255 0,0800 0,08 25,59 7,575 0,0011 0,28