Hur påverkar ekonomisk-politisk osäkerhet i omvärlden vår realekonomi?

För en liten, öppen ekonomi som den svenska tenderar utvecklingen att i inte oväsentlig utsträckning påverkas av vår omvärld. En aspekt av detta omvärldsberoende som är särskilt intressant i dagsläget är osäkerheten kring ekonomisk politik, vilken har ökat markant under den senare delen av 2024 och inledningen av 2025 (figur 1). Ökningen har många förklaringar. Den nytillträdda administrationen i USA med sina omfattande och stundom nyckfulla utspel bidrar naturligtvis (figur 1). Bland dessa utspel förtjänar de tullar som presenterades den 2:a april (på ”Liberation Day”) ett särskilt omnämnande, även om data som relaterar till dessa vare sig visas eller analyseras i denna artikel eftersom de publiceras med viss eftersläpning; det kan dock noteras att detta utspel har följts av omfattande börsfall globalt och en ökad volatilitet på finansiella marknader. Bland andra förklaringar till den höga ekonomisk-politiska osäkerheten i vår omvärld kan framhållas det faktum att många centralbanker sänkte sin styrränta under 2024, men att penningpolitiken på senare tid har stått och vägt i många länder. Det kan även noteras att den ekonomisk-politiska osäkerheten i den för Sverige så viktiga tyska ekonomin är väldigt hög sett ur ett historiskt perspektiv.

Syftet med denna artikel är att skatta empiriska samband mellan ekonomisk-politisk osäkerhet i vår omvärld och den svenska realekonomin; detta sker med hjälp av vektorautoregressionsmodeller (VAR-modeller). Den teoretiska bakgrunden till analysen är rättfram: Det är allmänt accepterat att osäkerhet har en återhållande effekt på både företagens investeringar och hushållens konsumtion – se t ex Bloom (2009), Gulen och Ion (2016) och Nam m fl (2021) – och om aggregerad efterfrågan dämpas i omvärlden skulle vi vänta oss att detta håller tillbaka den svenska exporten; det är även sannolikt med ”direkta” effekter på investeringar och konsumtion i Sverige då osäkerheten i omvärlden också torde påverka stämningsläget hos svenska företag och konsumenter.

Liknande spillover-effekter har tidigare studerats beträffande ekonomisk-politisk osäkerhet i USA; se t ex Stockhammar och Österholm (2016) som fokuserade på svensk BNP-tillväxt och Stockhammar och Österholm (2017) som undersökte effekterna på BNP-tillväxten i ett antal små, öppna ekonomier.¹ Analysen i denna artikel ger nya insikter då det är effekterna av global ekonomisk-politik som undersöks. Dessutom skattas effekten på både BNP-tillväxt och arbetslöshet.

Resterande del av denna artikel är upplagd på följande sätt: I avsnitt 1 presenteras de data och modeller som används i den empiriska analysen. Resultaten redovisas i avsnitt 2. Artikeln avslutas i avsnitt 3 med en kortfattad diskussion.

Figur 1. Ekonomisk-politisk osäkerhet

Anm: Figuren visar en vidareutveckling av Davis (2016) index för global ekonomisk-politisk osäkerhet, vilket väger samman den relativa frekvensen tidningsartiklar som innehåller termer relaterade till ekonomi, politik och osäkerhet i 21 olika länder. Den visar även motsvarande index för USA (Baker m fl 2016). Indexenheter på den vertikala axeln. Första observationen är januari 1997. Sista observationen är januari 2025 för det globala indexet och mars 2025 för USA. Källa: FRED, Federal Reserve Bank of St Louis.

Data och modellspecifikation

Två bivariata VAR-modeller² skattas; detta är i linje med den inledande analysen i Stockhammar och Österholm (2016) som också var bivariat.³ Den första variabeln i båda modellerna är vidareutvecklingen av Davis (2016) index för global ekonomisk-politisk osäkerhet som vi redan sett i figur 1. Indexet väger ihop 21 nationella index för ekonomisk-politisk osäkerhet.⁴ Länderna motsvarar sammantaget drygt 70 procent av BNP globalt och vikterna baseras på ländernas respektive BNP.⁵ Indexet ges av den heldragna linjen i figur 1. Den andra variabeln i den första modellen är svensk BNP-tillväxt (procentuell förändring från föregående kvartal); den andra variabeln i den andra modellen är svensk arbetslöshetsgrad (i procent). Dessa variabler återges i figur 2. Modellerna skattas på kvartalsdata som sträcker sig fr o m första kvartalet 1997 t o m fjärde kvartalet 2024.⁶

Figur 2. BNP-tillväxt och arbetslöshetsgrad i Sverige

Anm: BNP-tillväxten avser procentuell förändring från föregående kvartal. Procent på den vertikala axeln. Källa: FRED, Federal Reserve Bank of St Louis.

Laglängden i VAR-modellerna sattes i båda fallen till ett då detta befanns vara optimalt enligt Schwarz (1978) informationskriterium. På grund av svensk ekonomis ringa storlek antogs vid skattningen av modellerna att den globala ekonomisk-politiska osäkerheten var exogen, dvs koefficienten på förra kvartalets värde på den svenska variabeln sattes till noll i ekvationen för global ekonomisk-politisk osäkerhet. Modellerna skattades med minsta kvadratmetoden.

Resultat

I figur 3 och 4 redovisas de viktigaste impuls-responsfunktionerna. Dessa har beräknats utifrån en s k Cholesky-dekomponering av respektive modells kovariansmatris (där global ekonomisk-politisk osäkerhet låg först och den svenska variabeln tvåa). För den första modellen – dvs modellen med global ekonomisk-politisk osäkerhet och svensk BNP-tillväxt – framgår av den högra grafen i figur 3 att en oväntad störning till global ekonomisk-politisk osäkerhet motsvarande en standardavvikelse har en signifikant negativ påverkan på svensk BNP-tillväxt. Modellen indikerar att effekten är kortlivad; den signifikanta effekten försvinner efter endast i ett kvartal. Detta är dock inte särskilt förvånande med tanke på den synnerligen låga seriella korrelation som svensk BNP-tillväxt uppvisar under den studerade perioden.⁷

Figur 3. Impuls-responsfunktioner från bivariat VAR-modell med global ekonomisk-politisk osäkerhet och svensk BNP-tillväxt: Effekt av en störning till global ekonomisk-politisk osäkerhet

Anm: Storleken på störningen är en standardavvikelse. Indexenheter respektive procentenheter på den vertikala axeln. Tid i kvartal på den horisontella axeln. Streckade linjer är ±2 standardfel. Källa: Författarens egna beräkningar.

Figur 4. Impuls-responsfunktioner från bivariat VAR-modell med global ekonomisk-politisk osäkerhet och arbetslöshet: Effekt av en störning till global ekonomisk-politisk osäkerhet

Den återhållande effekten på den svenska reala ekonomin som figur 3 indikerar bekräftas i figur 4. Som framgår av det högra diagrammet förknippas en störning till global ekonomisk-politisk osäkerhet med en ökning av den svenska arbetslöshetsgraden. Denna kommer dock med eftersläpning, där den maximala effekten nås – av punktestimatet att döma – först efter ca tre till fyra år. Att effekten kommer med eftersläpning är inte orimligt; få arbetsgivare torde anpassa sin personalstyrka fullt ut och omgående i ljuset av en störning.

Analysen ovan indikerar relativt tydligt att global ekonomisk-politisk osäkerhet har en dämpande effekt på den reala svenska ekonomin. I syfte att erhålla en jämförelse – och i viss mån avgöra hur pålitliga de skattade sambanden ovan kan tänkas vara – så redovisar jag även resultat från ett antal ytterligare specifikationer. I figur 5 och 6 visas impuls-responsfunktioner från skattningar där det globala indexet har ersatts med motsvarande index för USA; indexet är baserat på Baker m fl (2016) och visas i figur 1. Som framgår av figurerna är resultaten från dessa specifikationer väldigt lika de som erhölls tidigare. Avslutningsvis visas i figur 8 och 9 impuls-responsfunktioner från modellskattningar med det globala indexet och australisk BNP-tillväxt samt arbetslöshetsgrad, där Australiens likheter med Sverige i termer av en liten, öppen ekonomi motiverar jämförelsen.⁸ Även dessa resultat liknar huvudsakligen de som redovisades i figur 2 och 3. Det kan dock noteras att punktestimatet av den negativa effekten på BNP-tillväxten på kort sikt är något lägre för Australien. Dessutom ser vi att ökningen i arbetslöshetsgraden har en något annorlunda profil, bl a då den maximala effekten både är lägre och kommer fortare.

Figur 5. Impuls-responsfunktioner från bivariat VAR-modell med ekonomisk-politisk osäkerhet i USA och svensk BNP-tillväxt: Effekt av en störning till ekonomisk-politisk osäkerhet i USA

Figur 6. Impuls-responsfunktioner från bivariat VAR-modell med ekonomisk-politisk osäkerhet i USA och svensk arbetslöshetsgrad: Effekt av en störning till ekonomisk-politisk osäkerhet i USA

Figur 7. BNP-tillväxt och arbetslöshetsgrad i Australien

Anm: BNP-tillväxten avser procentuell förändring från föregående kvartal. Procent på den vertikala axeln. Källa: FRED, Federal Reserve Bank of St Louis.

Figur 8. Impuls-responsfunktioner från bivariat VAR-modell med global ekonomisk-politisk osäkerhet och australisk BNP-tillväxt: Effekt av en störning till global ekonomisk-politisk osäkerhet

Figur 9. Impuls-responsfunktioner från bivariat VAR-modell med global ekonomisk-politisk osäkerhet och australisk arbetslöshet: Effekt av en störning till global ekonomisk-politisk osäkerhet

Avslutande kommentarer

I denna artikel har jag analyserat vilka realekonomiska effekter ekonomisk-politisk osäkerhet i vår omvärld kan ha för Sverige. Skattade VAR-modeller indikerar tydligt – och i linje med tidigare forskning – att en oväntat hög ekonomisk-politisk osäkerhet håller tillbaka den svenska BNP-tillväxten och ökar arbetslöshetsgraden. Den exakta magnituden av effekterna bör tas med en nypa salt då historiska samband sällan är en perfekt beskrivning av den samtida eller framtida utvecklingen och alla modellspecifikationer dessutom har sina tillkortakommanden. Man kan ju t ex tänka sig att de mycket stora rörelserna i framför allt BNP-tillväxt som skedde under coronapandemin eventuellt medför att de realekonomiska effekterna är överskattade när vi i dag blickar framåt. Men även med dessa potentiella brister i åtanke bör både prognosmakare och ekonomisk-politiska beslutsfattare nog utgå ifrån att effekterna av den höga osäkerheten som vi för närvarande skådar i vår omvärld sannolikt inte är försumbara.

Författare

Pär Österholm

Fotnoter

¹ Det kan noteras att Armelius m fl (2017) tagit fram ett index som beskriver svensk ekonomisk-politisk osäkerhet. Detta index används dock inte i denna artikel då jag – till skillnad från t ex Klössner och Sekkel (2014) eller Gabauer och Gupta (2018) – fokuserar på effekterna på den inhemska reala ekonomin, inte den inhemska ekonomisk-politiska osäkerheten. (Jag är inte heller intresserad av att skatta effekterna av svensk ekonomisk-politisk osäkerhet på den svenska reala ekonomin.)

² En VAR-modell är en multivariat regressionsmodell som kan användas för att skatta det dynamiska sambandet mellan ett antal variabler. Modellen specificeras (oftast) så att att varje beroende variabel förklaras av tidigare värden på både sig själv och de övriga beroende variablerna i modellen. Liksom ”vanliga” regressionsmodeller innehåller VAR-modellen dessutom störningstermer och typiskt sett även deterministiska temer; i denna artikel utgörs det senare av en konstant för respektive ekvation.

³ Analysen i Stockhammar och Österholm (2016) indikerade också att det var små skillnader i den skattade effekten på svensk BNP-tillväxt (av störningar till ekonomisk-politisk osäkerhet) mellan bivariata modeller och modeller med sju variabler.

⁴ I Davis (2016) ursprungliga index var det 16 nationella index som vägdes samman.

⁵ Respektive lands index reflekterar den relativa frekvensen tidningsartiklar som innehåller termer relaterade till ekonomi, politik och osäkerhet; se Davis (2016), Baker m fl (2016) samt Economic Policy Uncertainty (2025) för detaljer.

⁶ Kvartalsvärden på indexet över ekonomisk-politisk osäkerhet samt arbetslöshetsgrad genererades genom att ta medelvärden över observationerna för de tre månaderna i respektive kvartal.

⁷ Autokorrelationen för svensk BNP-tillväxt för de fyra första laggarna är –0,03, 0,08, 0,03 och –0,06, dvs i praktiken försumbar. Detta bekräftas visuellt i figur 2.

⁸ Data för Australien visas i figur 7.

Referenser

Armelius, H, I Hull och H S Köhler (2017), ”The Timing of Uncertainty Shocks in a Small Open Economy”, Economics Letters, vol 155, s 31–34.

Baker S R, N Bloom och S J Davis (2016), ”Measuring Economic Policy Uncertainty”, Quarterly Journal of Economics, vol 131, s 1593–1636.

Bloom N (2009), ”The Impact of Uncertainty Shocks”, Econometrica, vol 77, s 623–685.

Davis, S J (2016), ”An Index of Global Economic Policy Uncertainty”, NBER Working Paper 22740.

Economic Policy Uncertainty (2025), https://www.policyuncertainty.com/.

Gabauer, D och R Gupta (2018), ”On the Transmission Mechanism of Country-specific and International Economic Uncertainty Spillovers: Evidence from a TVP-VAR Connectedness Decomposition Approach”, Economics Letters, vol 171, s 63–71.

Gulen, H och M Ion (2016), ”Policy Uncertainty and Corporate Investment”, Review of Financial Studies, vol 29, s 523–564.

Klössner, S och R Sekkel (2014), ”International Spillovers of Policy Uncertainty”, Economics Letters, vol 124, s 508–512.

Nam, E-Y, K Lee och Y Jeon (2021), ”Macroeconomic Uncertainty Shocks and Households’ Consumption Choice”, Journal of Macroeconomics, vol 68, 103306.

Schwarz, G (1978), ”Estimating the Dimension of a Model”, Annals of Statistics, vol 6, s 461–464.

Stockhammar, P och P Österholm (2016), ”Effects of US Policy Uncertainty on Swedish GDP Growth”, Empirical Economics, vol 50, s 443–462.

Stockhammar, P och P Österholm (2017), ”The Impact of US Uncertainty Shocks on Small Open Economies”, Open Economies Review, vol 28, s 347–368.

Författare

Pär Österholm

Nummer / År

4/2025 (årgång 53)

Artikeltyp

Ekonomisk Debatt, Forum

Ämne

E. Makroekonomi och penningteori, F. Internationell ekonomi, H. Offentlig ekonomi

Visa som pdf

Pär Österholm är professor i nationalekonomi vid Handelshögskolan vid Örebro universitet och affilierad forskare vid Konjunkturinstitutet. Hans forskning är huvudsakligen inriktad på makro-finans, prognoser och penningpolitik. [email protected]