बेरोजगारीच्या वाढीच्या मिथकाचा पर्दाफाश

भारतातील "बेरोजगारीच्या वाढीच्या" अलीकडील दाव्याला आकडेवारी, तर्कशास्त्र आणि आर्थिक सिद्धांताच्या आधारावर आधार मिळत नाही असे दिसते. हे लक्षात घेणे मनोरंजक आहे की असे काही भाग आहेत जे भारतासाठी "बेरोजगारीच्या वाढीच्या" घटनेचे इतके अनुमान लावत आहेत की गूगल ट्रेंड्स 2016 पासून 'भारतातील बेरोजगारीची वाढ' या ट्रेंड्स च्या शोधात वाढ दर्शवितात.

1990 च्या दशकाच्या सुरुवातीला येलचे अर्थतज्ज्ञ, निकोलस पेरना यांनी तयार केलेली 'बेरोजगार वाढ' ही संज्ञा, अशा एका घटनेचा संदर्भ देते जिथे एकतर GDP वाढ रोजगार वाढीशी संबंधित नाही तर घटत्या रोजगाराशी संबंधित आहे. 2016-17 आणि 2022-23 दरम्यान, आकडेवारी दर्शविते की रोजगार जवळजवळ 36 टक्क्यांनी वाढला आहे, तर जीडीपीने त्याच काळात 6.5 टक्क्यांहून अधिक सरासरी वाढीचा दर दर्शविला आहे. 2016-17 आणि 2022-23 दरम्यान, आकडेवारी दर्शविते की रोजगार जवळजवळ 36 टक्क्यांनी वाढला आहे, तर जीडीपीने त्याच काळात 6.5 टक्क्यांहून अधिक सरासरी वाढीचा दर दर्शविला आहे. तरीही, रोजगाराच्या आकडेवारीशी 'छेडछाड' करण्यात आल्याच्या काही भागांतील दाव्यांचीही तपासणी करणे आवश्यक आहे. हे भाष्य आर्थिक सिद्धांत आणि डेटा-थिअरी-रिझनिंगच्या या तीन गोष्टींच्या आधारे असा युक्तिवाद करते की "बेरोजगार वाढीचा" हा दावा संशयास्पद आहे. त्याऐवजी, गेल्या 7-8 वर्षांत रोजगार निर्मिती करणाऱ्या भारताच्या विकासाच्या दृष्टिकोनाच्या बाजूने अधिक पुरावे आहेत.

आकडेवारीची सत्यताः आकडेवारी काय सांगते?

भारतीय रिझर्व्ह बँक (RBI) कडे KLEMS नावाचा तपशीलवार डेटाबेस आहे जो 1980-81 पासून विविध क्षेत्रांसाठी महत्त्वपूर्ण आर्थिक घटकांवर वार्षिक डेटा प्रदान करतो. या डेटाबेसमध्ये रोजगार आणि बेरोजगारी सर्वेक्षण (EUS) आणि नियतकालिक कामगार शक्ती सर्वेक्षण(PLFS) यासारख्या सर्वेक्षणांवर आधारित रोजगाराचे अंदाज समाविष्ट आहेत. एकूण रोजगाराची गणना करण्यासाठी, संशोधक कामगार लोकसंख्या गुणोत्तर (WPR) वापरतात आणि लिंग, वय आणि प्रदेशावरील तपशीलांसह लोकसंख्येविषयीच्या जनगणनेच्या आकडेवारीने गुणाकार करतात. तथापि, KLEMS डेटाबेसमधून रोजगार निर्मितीच्या अंदाजांच्या अचूकतेबद्दल चिंता आहे. टीकाकारांचा असा युक्तिवाद आहे की कालबाह्य झालेल्या लोकसंख्येच्या आकडेवारीमुळे हे अंदाज वाढवले जाऊ शकतात, कारण शेवटची जनगणना 2011 मध्ये करण्यात आली होती आणि तेव्हापासून कोणतीही नवीन माहिती गोळा करण्यात आलेली नाही. अलीकडील माहितीच्या अभावामुळे KLEMS डेटाबेस त्याच्या मर्यादा असूनही भारतातील वाढ आणि उत्पादकतेचा अभ्यास करण्यासाठी एक प्रमुख स्त्रोत बनतो.

Figure 1: Gross Value Added and Employment

Source: RBI KLEMS

KLEMS डेटाबेस अंदाज अधिक चांगल्या प्रकारे समजून घेण्यासाठी, रोजगाराचे कल पाहूया. 1980 च्या दशकापासून, साधारणपणे रोजगार वाढत आहे, सुमारे 2010 ते 2016 या कालावधीत मंदीचा काळ आहे. त्यानंतर रोजगाराच्या वाढीला वेग आला. मंदीच्या काळात, वाढीचा दर मंद होण्यापासून वेगवान होण्यात बदलला, याचा अर्थ अधिक रोजगार वेगाने निर्माण होत होते. 2017 ते 2023 पर्यंतच्या नियतकालिक श्रमशक्ती सर्वेक्षणातील (PLFS) अलीकडील आकडेवारी समान नमुना दर्शवते. कामगार लोकसंख्या गुणोत्तर (WPR) जे एकूण लोकसंख्येच्या तुलनेत रोजगार असलेल्या लोकांची संख्या मोजते- या काळात 9 टक्के गुण किंवा सुमारे 26% वाढ झाली आहे KLEMS अंदाज आणि PLFS  डेटा यांच्यातील हे संरेखन सूचित करते की KLEMS डेटाबेस विश्वासार्ह आहे. म्हणून, जेव्हा आपण या दोन डेटा स्त्रोतांची तुलना करतो तेव्हा एक लक्षणीय "बेरोजगारी" समस्या आहे ही कल्पना टिकत नाही.

Table 1: Worker Population Ratio (in percentage)

Source: PLFS

भारतासारख्या वाढत्या अर्थव्यवस्थेत, नोकरीच्या वाढीच्या अभावामुळे सामान्यतः घरगुती खर्चात घट होते. काही लोक असे सुचवतात की जर बहुतेक नवीन नोकऱ्या विनावेतन किंवा कमी वेतनाच्या अनौपचारिक क्षेत्रांमध्ये असतील तर घरगुती उत्पन्न कमी होईल, ज्यामुळे विशेषतः कमी उत्पन्न असलेल्या कुटुंबांसाठी खर्चावर परिणाम होईल. तथापि, आपण ज्या प्रकारे राष्ट्रीय उत्पन्न मोजतो ते दर्शविते की वाढती GDP हे सूचित करते की उत्पन्नात इतकी घट झालेली नाही. 2023-24 मध्ये काही काळ व्यत्यय आला असला तरी 2022-23 पर्यंत भारताची वाढ मुख्यत्वे ग्राहकांच्या खर्चातून झाली आहे. 2024-25 च्या पहिल्या तिमाहीत हा ट्रेंड परत आला होता. खर्च जीडीपीच्या 55% पेक्षा जास्त आहे आणि आर्थिक वाढीचा मुख्य चालक आहे, ज्यामुळे अर्थव्यवस्थेला प्रत्यक्ष आणि अप्रत्यक्ष अशा दोन्ही मार्गांनी चालना देण्यात मदत झाली आहे.

Figure 2: Consumption and GDP growth; PFCE-GDP Ratio

Source: MOSPI

हे समजून घेणे महत्वाचे आहे की भारतासारख्या विकसनशील अर्थव्यवस्थेत उपभोग-चालित वाढीसाठी रोजगार निर्माण करणे आवश्यक आहे, परंतु ते इतर मार्गाने कार्य करत नाही. भांडवल कसे वापरले जाते यावर अवलंबून रोजगार निर्मिती विविध प्रकारच्या वाढीला आधार देऊ शकते. सोप्या आर्थिक शब्दांमध्ये, उत्पन्न वाढीच्या सुरुवातीला लोक उपभोग आणि बचत या दोन्हींना महत्त्वाचे मानतात. तथापि, जसजसे उत्पन्न वाढते तसतसे लोक अधिक बचत करतात, ज्यामुळे मालमत्ता निर्मिती होते आणि त्यांच्या खर्च करण्याच्या प्रवृत्तीमध्ये घट होते याला उत्पन्नाचा परिणाम म्हणतात, जो प्रतिस्थापन प्रभावापेक्षा अधिक मजबूत असतो. संशोधन असे दर्शविते की उच्च उत्पन्न गटांच्या तुलनेत कमी उत्पन्न गट त्यांच्या उत्पन्नात कोणतीही वाढ खर्च करण्याची शक्यता जास्त असते. याचा अर्थ असा की जेव्हा कमी उत्पन्न असलेल्या व्यक्ती जास्त कमावतात, तेव्हा ते त्या पैशाचा वापर बचतीऐवजी खर्चासाठी वापर करण्याची शक्यता जास्त असते. याउलट, उच्च उत्पन्न असलेल्या व्यक्ती त्यांच्या अतिरिक्त उत्पन्नाची बचत किंवा गुंतवणूक करण्याची अधिक शक्यता असते. भारतातील उपभोगाची वाढ, जीडीपीच्या वाढीसह, नवीन रोजगार निर्मिती अर्थव्यवस्थेत खर्च वाढवण्यास मदत करत आहे या कल्पनेला समर्थन देते. कमी उत्पन्न असलेल्या व्यक्ती जास्त कमावतात, तेव्हा ते त्या पैशाचा वापर बचतीऐवजी खर्चासाठी वापर करण्याची शक्यता जास्त असते. याउलट, उच्च उत्पन्न असलेल्या व्यक्ती त्यांच्या अतिरिक्त उत्पन्नाची बचत किंवा गुंतवणूक करण्याची अधिक शक्यता असते. घरगुती उपभोग खर्च सर्वेक्षण (HCES) आकडेवारी या कल्पनेचे समर्थन करते, जे दर्शवते की गेल्या दशकात ग्रामीण आणि शहरी दोन्ही वापरात उच्च दराने वाढ झाली आहे. रोजगार निर्मिती केल्याशिवाय अर्थव्यवस्था उपभोगात वास्तविक वाढ कायम ठेवू शकत नाही. त्यामुळे, बेरोजगारीची वाढ ही भारतासाठी वास्तववादी परिस्थिती नाही.

Figure 3: Real Monthly Per capita Consumption Expenditure and its growth rate

Source: HCES

रोजगाराची लवचिकता काय दर्शवते?

जेव्हा अर्थव्यवस्था वाढते तेव्हा रोजगार किती वाढतो हे रोजगाराची लवचिकता मोजते. विशेषतः, हे मूल्यवर्धित मूल्यातील प्रत्येक टक्केवारी वाढीसाठी नोकऱ्यांमधील टक्केवारी वाढ दर्शवते. रेखीय अर्थमितीय मॉडेलचा वापर करून केलेल्या अंदाजानुसार, 2017 ते 2023 पर्यंत, मूल्यवर्धित प्रत्येक 1% वाढीसाठी नोकऱ्यांमध्ये 1.11% वाढ झाली. याउलट, 2011 ते 2016 पर्यंत, रोजगार लवचिकता केवळ 0.01 होती. हाच तो काळ होता जेव्हा उपभोगाची वाढ थोडीशी मंदावली होती, ज्यामुळे रोजगाराच्या वाढीचा संबंध एकूण आर्थिक वाढीशी जोडला गेला आहे या कल्पनेला समर्थन मिळते.

याव्यतिरिक्त, अर्थव्यवस्थेतील एकूण कामगार-भांडवल गुणोत्तर सुमारे 1.11 आहे, तर सेवा क्षेत्रात ते 1.17 आहे. यातून असे सूचित होते की सेवा कमी श्रम वापरतात म्हणून नोकऱ्या निर्माण होत नाहीत या दाव्याला या संख्यांचे समर्थन नाही-खरं तर, हे उलट आहे. त्यामुळे पुरवठा आणि मागणी या दोन्ही दृष्टिकोनातून भारताची अर्थव्यवस्था बेरोजगारीच्या संकल्पनेला पाठिंबा देत नाही.

निष्कर्ष

जेव्हा आपण विविध डेटा स्रोत, आर्थिक तर्क आणि वास्तविक जगाच्या पुराव्यांची सुसंगतता पाहतो तेव्हा "बेरोजगार वाढीची" कल्पना टिकत नाही. तथापि, याचा अर्थ असा नाही की भारत आपल्या लोकसंख्येच्या फायद्याचा पूर्णपणे वापर करत आहे. शिक्षण, प्रशिक्षण आणि सुधारित आरोग्य आणि सामाजिक धोरणांद्वारे मोठ्या मनुष्यबळाला कुशल मानवी भांडवलात बदलण्याची महत्त्वपूर्ण संधी आहे. यामुळे त्यांना उद्योग-4.0 ( Industry 4.0) च्या संदर्भात अधिक रोजगारक्षम बनण्यास मदत होईल.

नीलांजन घोष हे ऑब्झर्व्हर रिसर्च फाऊंडेशनचे संचालक आहेत.

आर्य रॉय बर्धन हे ऑब्जर्वर रिसर्च फाऊंडेशनमध्ये संशोधन सहाय्यक आहेत.

• Indian Economy
• India
• consumption
• Development
• economics
• Economics and Finance
• Employment
• expenditure
• Growth
• India
• Indian Economy
• Indian Job market

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT