యువ ఉద్యోగాలు లేదా పాత సంస్థలు - మరింత ఉద్యోగాలు సృష్టిస్తుంది? ఈ దేశంలో అత్యధిక స్థాయిలో నిరుద్యోగితను తగ్గించేందుకు విధాన నిర్ణేతలు వనరులను కేటాయించడంతో ఇది ఒక ముఖ్యమైన ప్రశ్న.
క్రియేటివ్ క్లాస్ బ్లాగ్ లో వ్రాస్తూ, జార్జ్ మాసన్ యూనివర్శిటీ యొక్క ప్రొఫెసర్ జోల్తాన్ అస్స్ మాట్లాడుతూ కంపెనీల వయస్సు మరియు ఉద్యోగ సృష్టికి సంబంధించిన రెండు కథలు ఉన్నాయని, ఒకటి మరియు ఎవింగ్ మెరియన్ కౌన్ఫ్మన్ ఫౌండేషన్ యొక్క కార్ల్ ష్ర్రామ్ ద్వారా ఒకటి. స్క్రామ్ మరియు అతని సహచరులు యువ సంస్థలు వృద్ధుల కంటే ఎక్కువ ఉద్యోగాలను సృష్టిస్తారని వాదించారు. యాసిస్ మరియు అతని సహచరులు పాత సంస్థలు యువ సంస్థల కంటే ఎక్కువ ఉద్యోగాలను సృష్టిస్తారని వాదించారు.
$config[code] not foundతన పోస్ట్ లో, Acs చెప్పారు, "వారు రెండూ సరైనవి కాదు." కానీ వాస్తవానికి, వారు అధ్యయనాలు ఏమిటో మరియు వారు పరిశీలించిన డేటా గురించి చూపించకపోవచ్చు.
స్ర్రమ్మ్ కథ వాల్ స్ట్రీట్ జర్నల్ లో ఒక ఓప్ ఎడ్ లో సెన్సస్ బ్యూరో అధ్యయనం గురించి ప్రస్తావిస్తూ, స్క్రామ్ మరియు అతని సహచరులు వ్రాస్తూ, "సెన్సస్ బ్యూరో ప్రకారం, 1980 నుండి సంయుక్త రాష్ట్రాల్లో దాదాపుగా నికర జాబ్ సృష్టి 1980 సంవత్సరాల కన్నా తక్కువ ఉన్న సంస్థలలో జరిగింది."
ఈ సంఖ్యను స్ర్రామ్ మరియు అతని సహోద్యోగుల కోసం వివిధ రకాల వయస్సుల సంస్థలచే ఉద్యోగ సృష్టిని కలిగి ఉంటుంది, వీటిలో సంస్థ సృష్టి ఫలితంగా సంభవిస్తుంది. ఈ రచయితలు సూచించే సెన్సస్ డేటా నుండి (తాజా లభ్యమైన సంవత్సరం) నుండి నేను ఒక చిత్రాన్ని సృష్టించాను. మరియు, Schramm మరియు సహచరులు చెప్పినట్లుగా, సున్నాకు ఐదు సంవత్సరాల వయస్సు గల సంస్థలు నికర జాబ్ సృష్టికర్తలు. Schramm మరియు సహచరులు 'వాదన సాంకేతికంగా సరైనది అయినప్పటికీ, ఇది డేటా గురించి ఒక కీలకమైన అంశంను కోల్పోతుంది, ఇది యువ సంస్థలకు మరింత పరిణతి చెందిన కన్నా ఎక్కువ ఉద్యోగ సృష్టికర్తలను కలిగి ఉన్న అభిప్రాయాన్ని ఇస్తుంది. ఆర్ధికవ్యవస్థలో నికర జాబ్ సృష్టికి చాలా సంస్థల కోసం సంస్థ ఏర్పాటైన చర్య. యువ సంస్థల ఆపరేషన్ నుండి సంస్థను వేరుచేయుట మరియు యువ సంస్థలను - ఒకటి నుండి ఐదు సంవత్సరాల వయస్సులో - నికర ఉద్యోగ డిస్ట్రాయర్లుగా మారుతుంది. నిజానికి, వారు పాత సంస్థల కంటే నికర ఉద్యోగాలు నాశనం. క్రింద, నేను యువ సంస్థల నుండి సంస్థ సృష్టి వేరు ఉంటే నికర జాబ్ సృష్టి సంస్థ వయస్సు ద్వారా కనిపిస్తుంది ఏమి చూపించడానికి పైన ఫిగర్ పునర్నిర్మించారు చేసిన. ACS 'కథ చిన్న అమ్మకాలు మరియు ఉన్నత ఉపాధి వృద్ధిని కలిగి ఉన్న కంపెనీలు - సుమారు 25 సంవత్సరాల వయస్సు ఉన్నది - స్మాల్ బిజినెస్ అడ్మినిస్ట్రేషన్ కోసం నిర్వహించిన ఒక అధ్యయనంలో, Acs మరియు అతని సహచరులు సగటు "అధిక ప్రభావ" సంస్థ కనుగొన్నారు. దీని నుండి పాత సంస్థలు పెద్ద ఉద్యోగ సృష్టికర్తలు అని తెలుసుకుంటాయి.
వారి విశ్లేషణలో Acs మరియు అతని సహచరులు తమ స్థాపన తరువాత సంవత్సరాలలో సృష్టించిన లేదా నాశనం చేసిన సంస్థల ఎన్ని ఉద్యోగాలు చూశారు. ఇది ఒక సంపూర్ణ సహేతుకమైన విధానం, కానీ సంస్థ ఏర్పాటు ఫలితంగా ఏర్పడిన ఉద్యోగ సృష్టిని పక్కనపెడితే అది అవసరం. క్రింద నేను Acs మరియు అతని సహచరులు చేసిన వాదనలు కొలిచేందుకు వివరించే చేసిన సెన్సస్ డేటా యొక్క చార్ట్ సృష్టించిన- సంస్థలు స్థాపించిన తర్వాత నికర జాబ్ సృష్టి. Acs మరియు సహచరులు సరైనవి అని చూపిస్తుంది, పాత సంస్థలు నికర ఉద్యోగ సృష్టికర్తలు. స్టాన్స్ యొక్క సెన్సెస్ను తీసుకురావడం Schramm మరియు Acs రెండు కుడి ఉన్నాయి. సంస్థ ఏర్పాటు ద్వారా ఏర్పడే ఉద్యోగ సృష్టి మినహాయించి ఉంటే, అప్పుడు పాత సంస్థలు యువ సంస్థల కంటే ఎక్కువ ఉద్యోగాలను సృష్టిస్తాయి. మేము యౌవనస్థుల ఉద్యోగ కల్పనలో భాగంగా సంస్థ ఏర్పాటు ద్వారా ఉద్యోగ సృష్టిని కలిగి ఉంటే, అప్పుడు యువ సంస్థలు పాత సంస్థల కంటే ఎక్కువ ఉద్యోగాలను సృష్టిస్తాయి.
కానీ ఒక ముఖ్యమైన మినహాయింపు ఉంది. సంస్థల నుండి వచ్చిన మొత్తంతో పోల్చితే ఏవైనా యువ సంస్థలు లేదా పాత సంస్థలు చాలా నికర జాబ్ సృష్టికి కారణమవుతాయి. వాస్తవానికి అన్ని నికర జాబ్ సృష్టి సంస్థలు ప్రారంభంలో ఏర్పడినప్పటి నుంచి, ఇది ఎందుకు ఈ విషయంలో మనం ఆలోచించాలి. సంఖ్యల యొక్క సానుకూల వివరణ ఏమిటంటే నికర ఉద్యోగ సృష్టి సంస్థల యొక్క నిరంతర చర్యల నుండి కాకుండా కొత్త సంస్థలను సృష్టించడానికి వ్యాపారవేత్తల నిర్ణయం నుండి వచ్చింది. ప్రతికూల వ్యాఖ్యానం సంస్థ ఏర్పాటు నుండి నికర జాబ్ సృష్టి కేవలం ఒక గణిత శాస్త్ర కళాఖండం. సంవత్సరం పొడవునా ప్రతిసంవత్సరం వ్యాపారాలు స్థాపించబడినాయి, కంపెనీలు ఉద్యోగాలను నాశనం చేస్తాయి అలాగే వాటిని సృష్టించవచ్చు. కానీ వ్యవస్థాపక సంవత్సరంలో, స్థూల ఉద్యోగ సృష్టి మరియు నికర జాబ్ సృష్టి అదే. ఏమాత్రం వ్యవస్థాపక సంవత్సరంలో స్థూల ఉద్యోగ సృష్టి నుండి వ్యవకలనం పొందడం వలన, ఆ సంవత్సరంలో నికర జాబ్ సృష్టి చాలా ఎక్కువగా ఉంది. యువ లేదా పాత సంస్థలు ఎక్కువ ఉద్యోగాలను సృష్టించినా ఒక ముఖ్యమైన విధాన ప్రశ్న. దురదృష్టవశాత్తు, మనం డేటా నుండి చూస్తున్న నమూనాలు మాకు సమాధానం చెప్పడానికి మా అంచనాలపై ఆధారపడి ఉంటాయి.
