Sammenhengen mellom arbeidsproduktivitet og smitteverntiltak i Norge under koronapandemien

Abstract

Denne oppgaven undersøker sammenhengen mellom arbeidsproduktiviteten til en rekke sektorer i Norge med grad av smitteverntiltak i landet, eller restriksjoner som følge av koronapandemien. Oppgaven består av to deler. Den første delen predikerer arbeidsproduktiviteten i sektorene under pandemien, basert på data fra årene før pandemien. Den andre delen tar utgangspunkt i differansen mellom den faktiske arbeidsproduktiviteten til sektorene under pandemien og arbeidsproduktiviteten som blir predikert i den første delen. Det er rimelig å anta at denne differansen kan ha sammenheng med restriksjoner innført av myndighetene, og dette undersøkes med paneldatametoder. Forutsetningen er at prediksjonene er troverdige. Differansene skaper et paneldatasett. På paneldataen benyttes LASSO for å selektere variabler, med hensikt om at en begrenset modell med sterke forklaringsvariabler skal velges fra et større sett. Den avhengige variabelen i paneldatasettet er differansen mellom den faktiske arbeidsproduktiviteten og den predikerte arbeidsproduktiviteten gjennom åtte kvartaler i 2020 og 2021. Hypotesen er at paneldatametodene vil finne et signifikant forhold mellom denne differansen og grad av smitteverntiltak/restriksjoner i samfunnet. Fire modeller analyseres, to fixed effects-modeller og to dummy-regresjoner. Kun én av modellene gir en signifikant sammenheng, og det er svakt grunnlag for å bekrefte hypotesen. Den signifikante sammenhengen er dessuten av liten størrelse, og det diskuteres om den i det hele tatt er av økonomisk betydning. Allikevel er det mange faktorer som ikke tas hensyn til og det er trolig utelatte variabler. Videre er det spørsmål knyttet til problemstillingens vinkling og alternativkostnader.

This thesis investigates the relationship between labour productivity in a number of sectors in Norway and the corona policy stringency in the country. The thesis consists of two parts. In the first part, labour productivity in each sector is predicted through the pandemic years, based on data prior to the pandemic. The second part is based on the difference between the actual labour productivity in the sectors during the pandemic and the predicted labour productivity from the first part. It is reasonable to assume that this difference is associated with the government’s policy stringency. A prerequisite is that the predictions from part one are credible. The differences creates a panel dataset. When working with the panel data, LASSO is applied to select variables with the intention to select a parsimonious model with strong predictors from a larger set of variables. The dependent variable is the difference between actual labour productivity and predicted labour productivity for eight quarters through 2020 and 2021. The hypothesis is that the panel data methods will find a significant relationship between this difference and the corona policy stringency. Four models are analyzed, two fixed effects models and two dummy-regressions. Only one of the models results in a significant relationship, and the support for confirming the hypothesis is weak. The significant relationship is rather small, and it is discussed whether or not it is economically significant. There are several factors which are not taken into account and probably omitted variables. Furthermore, there are questions regarding the thesis’ approach and alternative costs.