Beveridge curve: ตัวชี้วัดสำคัญของตลาดแรงงานและสภาวะเศรษฐกิจ

Beveridge curve แสดงความสัมพันธ์เชิงลบระหว่างการว่างงาน (unemployment) และตำแหน่งงานว่าง (vacancy) กล่าวคือ เมื่อจำนวนตำแหน่งงานว่างเพิ่มขึ้น จำนวนคนงานที่ว่างงานก็จะลดลงด้วย โดยที่การปรับเปลี่ยนรูปร่าง และ ตำแหน่งของ Beveridge curve สามารถเกิดได้ 2 ลักษณะ คือ

1. การเปลี่ยนแปลงตามเส้นกราฟ (movement along) อาจเกิดจากความตึงตัวของตลาดแรงงาน โดยตลาดแรงงานที่ตึงตัว (ปกติเกิดขึ้นเมื่อเศรษฐกิจเฟื่องฟู) คือ ตลาดที่มีอัตราการว่างงานต่ำและมีตำแหน่งงานว่างจำนวนมาก มีการขาดแคลนแรงงานและมีความกดดันด้านค่าจ้างสูงขึ้นบน Beveridge curve สถานการณ์นี้จะแสดงด้วยจุดบนส่วนซ้ายบนของ Beveridge curve

   ในทางกลับกัน ในตลาดแรงงานที่ซบเซา อัตราการว่างงานสูงและมีตำแหน่งงานว่างเพียงเล็กน้อย ซึ่งเกี่ยวข้องกับภาวะเศรษฐกิจถดถอยและมีความกดดันด้านค่าจ้างลดลงบน Beveridge curve สถานการณ์นี้จะแสดงด้วยจุดบนส่วนขวาล่างของ Beveridge curve

   ทั้งนี้ การเปลี่ยนแปลงในภาวะตึงตัวของตลาดแรงงานมักเกิดขึ้นเนื่องจากการเปลี่ยนแปลงในวัฏจักรธุรกิจ เช่น การหดตัวทางเศรษฐกิจส่งผลให้การว่างงานเพิ่มขึ้นและมีตำแหน่งงานว่างน้อยลง ในขณะที่การขยายตัวทางเศรษฐกิจส่งผลให้มีตำแหน่งงานว่างมากขึ้นและอัตราการว่างงานลดลง

2. การเคลื่อนตัวของเส้น Beveridge นั้น (curve shifting) มักเกิดขึ้นเนื่องจากการเปลี่ยนแปลงในประสิทธิภาพการจับคู่ระหว่างอุปทานแรงงานและอุปสงค์ (matching efficiency) ซึ่งเกี่ยวข้องกับความง่ายและรวดเร็วที่ผู้ว่างงานสามารถหางานทำในอัตราตำแหน่งงานว่างที่กำหนด โดยที่การเลื่อนเส้นโค้งเข้าด้านใน (shift inwards) บ่งชี้ถึงการปรับปรุงของประสิทธิภาพการจับคู่ที่สูงขึ้น เช่น มีการไหลเวียนของข้อมูลที่เพิ่มขึ้นเกี่ยวกับตำแหน่งงานว่าง เช่น อินเทอร์เน็ต อาจส่งผลให้มีอัตราการว่างงานและอัตราการงานว่างลดลงพร้อมกัน เนื่องจากประสิทธิภาพการจับคู่ของตลาดแรงงานดีขึ้น

   ในขณะที่การเลื่อนเส้นโค้งออกด้านนอก (shift outwards) บ่งชี้ถึงการลดลงของประสิทธิภาพการจับคู่ ซึ่งอาจเกิดจากปัจจัยต่าง ๆ เช่น การเปลี่ยนแปลงเชิงโครงสร้างในเศรษฐกิจหรือการไหลเวียนของข้อมูลเกี่ยวกับตำแหน่งงานว่าง ในยุคที่มีการเติบโตไม่เท่าเทียมกันในแต่ละภูมิภาคหรืออุตสาหกรรม อาจสังเกตเห็นการเพิ่มขึ้นพร้อมกันของอัตราการว่างงานและอัตรางานว่าง เนื่องจากประสิทธิภาพการจับคู่ระหว่างอุปทานแรงงานและอุปสงค์ลดลง

เพื่อเพิ่มความเข้าใจ รูปที่ 1 แสดงตัวอย่าง Beveridge curve ของสหรัฐอเมริกา (รายเดือน) ที่ใช้ข้อมูลอัตราการว่างงานและอัตรางานว่างระดับประเทศ (จาก Bureau of Labor Statistics) โดยจากข้อมูลนั้น เราเห็นได้ว่า ความสัมพันธ์ของการว่างงานและตำแหน่งงานว่างจัดกลุ่มได้เป็น 4 ช่วงเวลา นั่นคือ

1. ช่วงปีก่อนเกิด Great Recession
2. ช่วงปีขณะเกิด Great Recession
3. ช่วงปีหลังจาก Great Recession
4. ช่วงหลังวิกฤติ COVID-19 โดยที่ระดับของอัตราการว่างงานและอัตราตำแหน่งงานว่างมีการปรับเปลี่ยนอยู่ตลอดเวลา

จากกราฟ เราเห็นได้ว่า ในแต่ละช่วงเวลา สัดส่วนระหว่างอัตราการว่างงานและอัตราตำแหน่งงานว่างมีค่าค่อนข้างคงที่ ตัวอย่างเช่น จากจุด A ไป จุด B (ในรูปที่ 1) โดยมีการเพิ่มขึ้นของอัตราการว่างงาน พร้อมกับการลดลงของอัตราตำแหน่งงานว่างเป็นสัดส่วนเท่านั้น แสดงให้เห็นถึงปรากฏการณ์การเคลื่อนที่ภายในเส้น Beveridge curve เส้นเดิม

ในทางกลับกัน การเปลี่ยนตำแหน่งจากจุด A ไปจุด C เกิดมาจากการที่ตลาดแรงงานของสหรัฐฯ ระหว่าง 2 เดือนนี้ มีอัตราตำแหน่งงานว่างที่ไม่เปลี่ยนแปลง แต่สถานการณ์ตลาดที่เดือน C กลับมีภาวะการว่างงานที่แย่ลง ชี้ให้เห็นถึงการเกิด structural change ของตลาด (โดยในกรณีนี้ ก็คือการเกิดวิกฤติ covid) ที่ดูเหมือนจะทำให้ matching efficiency แย่ลง

การวิเคราะห์เชิงประจักษ์ของกราฟอาจเป็นเรื่องท้าทาย เนื่องจากทั้งการเคลื่อนตัวตามกราฟและการเปลี่ยนแปลงอาจเกิดขึ้นพร้อมกัน ดังนั้น ตลอดหลายทศวรรษที่ผ่านมา หลายประเทศจึงมีการรวบรวมและสร้างฐานข้อมูลด้านการว่างงานและตำแหน่งงานว่าง เพื่อช่วยในการสร้างกราฟ Beveridge นี้ให้มีความน่าเชื่อถือและครอบคลุมทั้งมิติเชิงภาคส่วนต่าง ๆ ของตลาดแรงงาน และมิติเชิงเวลา (ต่อเนื่องหลายสิบปี และเป็นความถี่รายเดือน) ซึ่งความสมบูรณ์ของข้อมูลช่วยให้ผู้วางนโยบายและนักวิชาการสามารถตรวจจับการเปลี่ยนแปลงบางอย่าง เช่น การเคลื่อนตัวออกด้านนอกอย่างต่อเนื่องของกราฟ Beveridge ของสหรัฐฯ หลังภาวะเศรษฐกิจถดถอยครั้งใหญ่ ซึ่งบ่งชี้ถึงการเปลี่ยนแปลงโครงสร้างที่ไม่พึงประสงค์ที่เกิดจากความไม่ตรงกันระหว่างอุปสงค์และอุปทานแรงงานในตลาดที่เพิ่มขึ้น

นอกจากนั้น Beveridge curve ยังเป็นเครื่องมือสำคัญของธนาคารกลางในการตัดสินใจด้านนโยบายการเงิน โดยเป็นเครื่องมือในการวิเคราะห์ภาวะความตึงตัวของตลาดแรงงาน และ ประสิทธิภาพของตลาดในการจับคู่งานกับแรงงาน (matching efficiency) ธนาคารกลางจึงสามารถใช้เป็นดัชนีนี้มาช่วยเสริมความเข้าใจความสัมพันธ์ระหว่างตลาดแรงงานและค่าเงินเฟ้อ โดยเฉพาะเมื่อใช้ร่วมกับ Phillips curve ซึ่งเป็นเครื่องมือหลักในการวิเคราะห์ผลกระทบของเงินเฟ้อต่อค่าจ้างและการจ้างงาน Beveridge curve นั้นสามารถใช้ในการคาดการณ์ว่าการเปลี่ยนแปลงระดับเงินเฟ้อจะส่งผลต่อการเติบโตของระดับเงินเดือนมากน้อยหรือรวดเร็วเพียงใด ซึ่งระดับประสิทธิภาพในการจับคู่งานกับแรงงานเป็นตัวบ่งชี้ถึงการปรับตัวช้าเร็วของตลาดแรงงานโดยตรง

สำหรับกรณีของประเทศไทย การสร้าง Beveridge curve นับว่าเป็นความท้าทายพอสมควร เนื่องจากการที่เราไม่ได้มีการดำเนินการจัดเก็บข้อมูลด้านตำแหน่งงานที่ครอบคลุมตลาดแรงงานของประเทศอย่างเป็นทางการ แต่กระนั้นเอง นับได้ว่าประเทศไทยมีฐานข้อมูลด้านอัตราการว่างงานที่ดีและมีการเก็บรวมรวมข้อมูลดังกล่าวมาเป็นเวลาต่อเนื่องอย่างยาวนาน เราเริ่มจากการให้คำจำกัดความของตัวแปรหลักทั้งสองของ Beveridge curve และการใช้สถิติที่เหมาะสมที่นิยมใช้กันในกรณีของประเทศไทย

อัตราการว่างงาน (U) คือ ดัชนีวัดระดับการว่างงาน โดยคำนวณจากจำนวนผู้ว่างงานหารด้วยประชากรในวัยทำงานที่ยังอยู่ในตลาดแรงงาน (ผู้ที่มีงานทำและผู้ที่ว่างงาน) ประเทศส่วนใหญ่รวมถึงประเทศไทยเองใช้ข้อมูลนี้จากการสำรวจกำลังแรงงาน (รายเดือน) นอกจากนั้น ในกรณีของประเทศไทย ข้อมูลอีก 2 ชุดที่เรานำมาเสริมใช้ในการคำนวน คือ

1. รายงานสถิติจำนวนผู้หางาน (รายเดือน) ของกรมการจัดหางาน กระทรวงแรงงาน (DoE) ชุดข้อมูลรายเดือนนี้มีให้บริการตั้งแต่เดือนมกราคม 2014 จนถึงปัจจุบัน และสามารถแบ่งตามพื้นที่ทางภูมิศาสตร์ (จังหวัด) และลักษณะเฉพาะบางประการของผู้หางาน (กลุ่มอายุ เพศ ระดับการศึกษา) อาชีพ (ISCO 1 หลัก) และภาคอุตสาหกรรม (ISIC 1 หลัก) ในรายละเอียดนั้น ข้อมูลชุดนี้สร้างจากการใช้บริการลงทะเบียนหางานของผู้มาใช้สิทธิผู้ประกันตนกรณีว่างงาน ที่ผู้ขอรับสิทธิต้องแสดงตนและสถานการณ์ทำงานเป็นรายเดือน (กับทางศูนย์บริการและทางเว็บ) ดังนั้น ข้อมูลชุดนี้ไม่ได้ครอบคลุมผู้หางานทุกรูปแบบ และทุกภาคเศรษฐกิจ
2. ผู้หางานในแพลตฟอร์มหางานออนไลน์ ที่ผู้หางานได้สร้างโปรไฟล์และฝาก "ประวัติย่อ" โดยละเอียดไว้บนแพลตฟอร์ม โดยเราได้รวบรวมข้อมูลรายละเอียดจากแพลตฟอร์มงานออนไลน์หลักสองแห่งในประเทศไทย และใช้ข้อมูลในช่วงเดือนพฤศจิกายน 2020 ถึงเดือนพฤศจิกายน 2021 ในการสร้าง Beveridge curve

ตำแหน่งงานว่าง (V): แสดงความต้องการแรงงานที่ไม่ได้รับการตอบสนอง โดยในหลายประเทศ (โดยเฉพาะกลุ่ม OECD) มีการจัดทำการสำรวจตำแหน่งงานว่างของรายบริษัทเป็นรายเดือน (ข้อมูลทางโทรศัพท์) รวมทั้งการใช้ประโยชน์จากชุดข้อมูลจากโฆษณาหางานออนไลน์ซึ่งครอบคลุมถึงตำแหน่งงานจากเครื่องมือค้นหางานและเว็บไซต์บริการจัดหางานสาธารณะ ในกรณีของประเทศไทย ข้อมูล 2 ชุดที่เราสามารถนำมาใช้ในการคำนวน คือ

1. รายงานสถิติจำนวนประกาศตำแหน่งงาน (รายเดือน) ของกรมการจัดหางาน กระทรวงแรงงาน ซึ่งข้อมูลดังกล่าวเปิดให้สาธารณชนเข้าถึงได้ในระดับรวมตั้งแต่เดือนมกราคม 2014 จนถึงปัจจุบัน (รวมระยะเวลา 10 ปี) เช่นเดียวกับข้อมูลผู้หางานของกรมการจัดหางาน โดยที่ข้อมูลชุดนี้สร้างจากการใช้บริการลงทะเบียนหาคนทำงานโดยผู้ประกอบการที่มาใช้บริการกับศูนย์บริการของกระทรวงแรงงาน (ที่ศูนย์และทางเว็บ) ดังนั้น ข้อมูลชุดนี้ไม่ได้ครอบคลุมตำแหน่งงานว่างทุกรูปแบบ และทุกภาคเศรษฐกิจ
2. ตำแหน่งงานที่ประกาศในแพลตฟอร์มหางานออนไลน์ ที่บริษัทหรือนายจ้างสามารถโพสต์ตำแหน่งงานว่างของตนได้

อนึ่ง การจัดการข้อมูลของประเทศไทยมีความท้าทายหลายมิติ เช่น การที่เราไม่ได้มีการทำแบบสำรวจแบบครอบคลุม การขาดข้อมูลที่มีการรวบรวมต่อเนื่องในอดีตถึงปัจจุบัน และท้ายที่สุดคือ การที่ข้อมูลจากเว็บไซต์หางานนั้นมีทั้งข้อมูลที่ไม่มีโครงสร้าง (unstructured) และต้องใช้เทคนิคทาง machine learning เพิ่มเติมเพื่อปรับตัวแปรหลักให้เป็นตามรหัสมาตรฐาน (เช่น รหัสการจำแนกอาชีพ) ที่ใช้กันในการวิเคราะห์เชิงเศรษฐศาสตร์ (อ่านเพิ่มเติมที่ Lertmethaphat et al. (2025))

รูปที่ 2 แสดงกราฟความตึงตัวของตลาดแรงงานซึ่งเป็นอัตราส่วนของตำแหน่งงานว่างต่อผู้หางาน (V/U) จากฐานข้อมูลของกรมการจัดหางาน กระทรวงแรงงาน ที่แสดงข้อมูลจากการใช้บริการการจัดหางานกับกรมการจัดหางานทั่วประเทศ ค่าของอัตราส่วนจะสูงกว่า 1 เมื่อมีตำแหน่งงานว่างมากกว่าจำนวนคนหางาน และต่ำกว่า 1 หากเป็นตรงกันข้าม สังเกตได้ว่า ค่าความตึงตัวผันผวนต่ำกว่า 1 เล็กน้อยในช่วงหลายปีก่อนเดือนมกราคม 2020 ซึ่งแสดงให้เห็นว่ามีจำนวนคนหางานมากกว่างานที่ว่างอยู่ อย่างไรก็ตาม หลังจากนั้น อัตราส่วน V/U เพิ่มขึ้นและสูงถึงประมาณ 3.6 ในไตรมาสสุดท้ายของปี 2023 ซึ่งบ่งชี้ว่าตลาดแรงงานของประเทศไทยมีคนงานน้อยกว่าที่จะเติมเต็มตำแหน่งงานว่าง สุดท้าย ด้วยชุดข้อมูลนี้ ยังสามารถสร้าง Beveridge curve สำหรับกลุ่มตลาดแรงงานที่กำหนดนี้ได้

รูปที่ 3 แสดง Beveridge curve จากฐานข้อมูลของกรมการจัดหางาน แต่จำกัดที่ช่วงเวลาระหว่างพฤศจิกายน 2020 – พฤศจิกายน 2021 โดยที่แกนนอนแสดงถึงอัตราผู้หางาน (jobseeker rate) (ที่มีรายละเอียดในการคำนวนแตกต่างจากค่าอัตราผู้ว่างงาน (U) ของสำนักงานสถิติ ทำให้ค่าของทั้งสองอัตราอาจไม่เท่ากันเสมอไป) และมีแกนตั้งเป็นอัตรางานว่างของแต่ละเดือน ที่น่าสนใจคือ รูปร่างของกราฟเส้น Beveridge DOE ที่สร้างจากฐานข้อมูลของกรมการจัดหางานนั้นไม่เป็นไปตามรูปร่างทั่วไป และเสมือนว่าความสัมพันธ์ของการเคลื่อนตัวร่วมกันระหว่าง U และ V ดูเหมือนจะเป็นไปในทางบวก นอกจากนี้ ยังมีความผันผวนสูงเดือนต่อเดือนั้ ทั้งนี้ เนื่องจากมีการศึกษาในช่วงเวลาอันสั้น และเป็นช่วงหลังโควิดซึ่งอาจมีการเปลี่ยนแปลงเชิงโครงสร้างของตลาดแรงงาน จึงยากที่จะบอกได้ว่าความสัมพันธ์นี้เกิดจากการ shift บนกราฟ หรือการ shift ของกราฟเอง

และท้ายสุดนี้ เพื่อเป็นการเปรียบเทียบ รูปที่ 4 แสดง Beveridge curve ที่คำนวณจากฐานข้อมูล online platform ซึ่งพอเห็นได้ว่า Beveridge curve นี้ดูเหมือนจะมีความลาดชันเชิงลบ ตามที่มักพบในประเทศอื่น ๆ โดยเริ่มจากช่วงที่ 1 (พฤศจิกายน 2020) เราสามารถติดตามการเคลื่อนตัวของความสัมพันธ์ระหว่าง U และ V ตลอดช่วงระยะเวลาดังกล่าวในอีกไม่กี่เดือนข้างหน้าตามตำแหน่ง Beveridge ได้ ในความเป็นจริง เราสังเกตเห็นทิศทางลดลงเนื่องจากอัตรางานว่าง (V) ยังคงลดลงในขณะที่อัตราผู้หางาน (U) เริ่มขยายตัวตั้งแต่เดือนเมษายน 2021 ถึงกรกฎาคม 2021 อย่างไรก็ตาม ความผันผวนของ U และ V อยู่ในระดับปานกลาง เมื่อเปรียบเทียบกันแล้ว ในช่วงเวลาเดียวกัน ตลาดแรงงานของสหรัฐฯ อัตราการว่างงานและอัตรางานว่างจะแตกต่างกัน 4 ppt และ 10 ppt ตามลำดับ

บทความนี้ได้ชี้ถึงความสำคัญของ Beveridge curve และดัชนีความตึงตัวของตลาดแรงงาน ที่นานาประเทศได้ใช้เป็นอีกหนึ่งดัชนีหลักในการเข้าใจภาวะของตลาดแรงงาน และการทำนโยบายด้านเศรษฐกิจ นอกจากนั้น ยังได้สาธิตการก้าวข้ามปัญหาเชิงข้อมูลในกรณีของประเทศไทยเพื่อสร้าง Beveridge curve อย่างมีระเบียบและต่อเนื่อง อนึ่ง ข้อมูลที่ได้นำมาใช้สาธิตยังมีข้อจำกัดอยู่หลายประการ โดยเฉพาะระดับความครอบคลุมของข้อมูลที่อาจไม่ได้สะท้อนถึงกลุ่มต่าง ๆ ของตลาดแรงงานของประเทศไทยทุกกลุ่ม เช่น แพลตฟอร์มจัดหางานออนไลน์ดึงดูดงานประกาศรับสมัครและผู้หางานจากกลุ่มคนหนุ่มสาวและคนในเมืองที่มีทักษะสูงกว่า ในทางตรงกันข้าม ข้อมูลจากการใช้บริการการจัดหางานของรัฐดูจะครอบคลุมแรงงานในพื้นที่ภูมิภาคได้มากกว่า เราจึงเชื่อว่าหากใช้ข้อมูลจากทั้งสองแห่งร่วมกันในการจัดทำ Beveridge curve จะช่วยให้ผู้กำหนดนโยบายเข้าใจตลาดแรงงานได้ดีขึ้น สุดท้ายนี้ ผู้เขียนอยากผลักดันให้ธนาคารกลางหรือหน่วยงานรัฐที่เกี่ยวข้อง มีความพยายามที่จะรวบรวมฐานข้อมูลเหล่านี้ต่อไปอย่างต่อเนื่อง เพื่อให้สามารถติดตามและทำความเข้าใจพฤติกรรมของตลาดแรงงานของประเทศไทยได้ดีขึ้นมากกว่าดัชนีกลุ่มเดิมที่อาจยังชี้ภาพของตลาดแรงงานแบบจำกัด

สามารถอ่านรายละเอียดงานวิจัยเพิ่มเติมได้ที่ Lekfuangfu & Lertmethaphat (2025)