Dans notre publication précédente, nous avons présenté des preuves suggérant que les indicateurs du marché du travail fournissent les informations les plus fiables pour dater le cycle économique américain. Dans cet article, nous développons davantage le cas. En fait, le taux de chômage a fourni un dossier presque parfait pour distinguer le début des récessions dans l'économie américaine de l'après-guerre. Nous montrons également que l'utilisation de données plus granulaires sur le marché du travail, comme par région ou par industrie, fournit également des informations précieuses sur l'état du cycle économique.
Le point de départ le plus naturel pour l'emploi des variables du marché du travail est le taux de chômage. Elle présente l'avantage d'être opportune et révisée de façon minimale; cependant, le taux de chômage n'est généralement pas utilisé pour la datation du cycle économique par le comité de datation du cycle économique du NBER (BCDC). Comme le comité l'a expliqué, la métrique est à la fois un indicateur avancé et un indicateur tardif:
«(La BCDC) prend en compte l'activité économique, qui évolue selon une tendance à la hausse. En conséquence, le taux de chômage augmente souvent avant le pic de l'activité économique, lorsque l'activité est toujours en hausse mais inférieure à son taux tendanciel normal. Ainsi, le taux de chômage est souvent un indicateur avancé du pic du cycle économique. (…) En revanche, le taux de chômage continue souvent à augmenter après que l'activité a atteint son creux. À cet égard, le taux de chômage est un indicateur en retard. »
Le panneau supérieur du graphique ci-dessous montre le taux de chômage (ligne bleue) ainsi que les récessions du NBER (ombrage bleu) et les récessions impliquées par l'algorithme de Bry-Boschan (BB) (ombrage rose) sur la base des données actuelles sur le taux de chômage (une méthodologie décrit en détail dans notre article complémentaire). L'algorithme BB appliqué au taux de chômage date les pics plus tôt et les creux plus tard par rapport aux récessions du NBER (panneau supérieur). Le panneau du bas reproduit cet exercice de datation pour chaque série de chômage vintage, l'axe des y représentant les années disponibles. Si nous recherchons horizontalement un millésime choisi, un ombrage rouge (gris) indique des périodes de récession (expansion) sur la base de l'algorithme BB et de ces données de millésime. Nous observons un englobement similaire des récessions du NBER à l'aide de données en temps réel. Fait intéressant, l'algorithme BB détecte un cycle vers le milieu des années 1960 qui n'a pas été identifié par la BCDC. Milton Friedman & lpar; Friedman 1970 & rpar; a soutenu que cette période aurait dû être désignée comme une récession.
Notre analyse suggère que la datation du cycle économique utilisant le taux de chômage peut être mieux mise en œuvre en utilisant des «règles de seuil». Une règle de seuil exploite la régularité empirique selon laquelle le taux de chômage a tendance à augmenter ou à diminuer – et ne se déplace que très rarement sur le côté (comme cela est évident dans le panneau supérieur du tableau ci-dessus). Ainsi, une fois qu'il augmente «suffisamment», nous observons une forte augmentation continue qui a historiquement coïncidé avec les récessions américaines.
Des règles de seuil pour le taux de chômage sont utilisées par les prévisionnistes et les décideurs du secteur privé depuis de nombreuses années (voir, par exemple, les seuils de 30 points de base préconisés par l'ancien président de la Fed de New York Dudley en 2001, l'ancien président Bernanke en 2006, ou ancien président de la Fed de Richmond Lacker en 2008). Cette idée a été formalisée dans Stock et Watson (2010), Hatzius et Stehn (2012) et Sahm (2019). Notre approche suit Hatzius et Stehn (2012).
Nous filtrons d'abord le taux de chômage (non arrondi) en prenant des moyennes mobiles de trois mois pour réduire le bruit, puis soustrayons le minimum local le plus récent (douze mois précédents) de la moyenne mobile de trois mois actuelle. Le panneau supérieur du graphique ci-dessous montre l'évolution de cette mesure par rapport aux récessions datées du NBER. La ligne de seuil indique une valeur de 35 points de base, comme le préconisent Hatzius et Stehn (2012). Comme on peut le voir, les pics datés du NBER sont bien indiqués par les moments où le taux de chômage filtré franchit le seuil de 35 points de base par le bas. Ceci est davantage illustré dans le panneau du milieu qui recouvre la datation de la récession basée sur le seuil sur la datation NBER. L'approche par seuil est une amélioration par rapport à la règle BB (comme cela est évident dans une comparaison avec le panneau supérieur du graphique ci-dessus). Le taux de chômage n'étant pas beaucoup révisé, cette règle est fiable et stable même en temps réel (voir le bas du graphique ci-dessous).
À première vue, la règle de seuil peut sembler ponctuelle, en particulier le choix du seuil. Au lieu de cela, nous soutenons que c'est tout à fait raisonnable. En fait, la loi d’Okun fournit une réconciliation nette de la règle du seuil du chômage et des maxima locaux du PIB réel. La «version différentielle» de la loi d'Okun est:
->
Δyt = k – cΔut
où Δyt est la croissance du PIB réel, Δut est la variation du taux de chômage et k et c sont des nombres positifs; ainsi, une augmentation du taux de chômage n'est associée à une baisse de la production que si
. —>
Δut
>
k⁄c.
Cela explique pourquoi il est important de passer à une règle de seuil de datation avec le taux de chômage. En utilisant des valeurs estimées de k et c sur la base de la loi d'Okun sur notre échantillon, nous obtenons une valeur seuil d'environ 50 points de base, très proche du choix de Hatzius et Stehn (2012).
Bien que le taux de chômage global fonctionne de manière impressionnante sur la base des résultats de notre premier article, il est naturel de rechercher si les informations transversales peuvent affiner davantage le signal du marché du travail. Nous explorons d'abord le signal provenant de différentes industries de l'économie. Nous utilisons la section transversale de la masse salariale privée de l'Enquête sur les établissements dans soixante-dix-sept industries (définies par leurs codes à trois chiffres du SCIAN). Nous appliquons l'algorithme BB à chacune de ces séries de paie et calculons la part transversale des industries en contraction. La ligne bleue dans le graphique interactif ci-dessous montre les séries chronologiques basées sur l'échantillon complet; la ligne d'or montre la valeur en temps réel pour chaque mois sur la base d'une application récursive de l'algorithme BB utilisant des séries de données en temps réel. Même avec des données en temps réel, nous observons une forte augmentation conduisant à la récession de la part des industries en récession. À l'heure actuelle, la mesure se situe à des niveaux similaires à ceux de la période 2015-2016 et en deçà des niveaux observés avant la récession précédente.
La carte thermique dans le panneau inférieur du graphique ci-dessous montre dans chaque ligne l'emploi salarié de l'industrie groupé par le code SCIAN à deux chiffres respectif, avec des pixels rouges identifiant les mois de contraction sur la base de l'algorithme BB. Le secteur le plus informatif des fluctuations du cycle économique semble être les «autres services», ainsi que le commerce de gros et de détail. En revanche, le secteur manufacturier connaît des cycles fréquents et persistants qui ne sont pas associés à des fluctuations globales. Cette observation est allée de pair avec notre discussion sur la divergence entre la fabrication et l'économie en général au cours de la période 2014-2016 par rapport à notre
post précédent
renforce notre argument selon lequel les données de fabrication peuvent être trop utilisées pour évaluer l'état du cycle économique.
Nous pouvons également étudier la variation géographique des marchés du travail locaux. Comme indiqué pour le taux de chômage national, l'approche par seuil fonctionne mieux que l'algorithme BB pour saisir les points tournants des fluctuations économiques. Étant donné que les niveaux de seuil peuvent différer d'un État à l'autre, nous estimons un modèle de régression à deux états comme
Koop et Potter (1999),
où la variable seuil est mesurée par la distance du taux de chômage à son creux récent ou à son pic récent si le pic se produit après un creux. Ce seuil généralise le concept appliqué au taux de chômage global non seulement aux pics économiques mais également aux creux. Le seuil de chaque état est ensuite estimé à partir des données.
La ligne bleue dans le graphique ci-dessous montre la part des taux de chômage des États qui ont dépassé le seuil estimé de chaque État sur la base de la série actuelle de données sur le chômage des États; la ligne d'or montre la valeur de chaque mois sur la base d'un exercice hors échantillon utilisant des données en temps réel et une estimation récursive. La série en temps réel n'est que légèrement plus bruyante que l'échantillon complet et fournit donc un signal similaire. La part est très informative sur les débuts de récessions et, sur la base des données actuelles, est à de faibles niveaux.
La carte thermique dans le panneau inférieur du graphique montre en lignes chaque taux de chômage de l'État avec des pixels rouges identifiant les mois de chômage de l'État au-dessus du seuil. Les récessions sont des périodes d'augmentation généralisée des taux de chômage régionaux, que seuls quelques États semblent connaître en ce moment.
Richard Crump est vice-président du groupe de recherche et de statistiques de la Federal Reserve Bank de New York.
Domenico Giannone était auparavant vice-président adjoint du Groupe Recherche et Statistiques de la Banque. Ce travail a été accompli alors qu'il était employé.
David Lucca est vice-président adjoint du Groupe Recherche et Statistiques de la Banque.
Comment citer ce post:
Richard Crump, Domenico Giannone et David Lucca, «Reading the Tea Leaves of the U.S. Business Cycle — Part
Deux, « Banque fédérale de réserve de New York Liberty Street Economics, 12 février 2020, https://libertystreeteconomics.newyorkfed.org/2020/02/reading-the-tea-leaves-of-the-us-business-cyclepart-two.html.
Avertissement
Les opinions exprimées dans ce billet sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank de New York ou du Federal Reserve System. Toute erreur ou omission relève de la responsabilité des auteurs.
