De faktorer som påverkar data och prognoser

Ekonomisk prognostisering bygger modeller som försöker förutse framtida ekonomiska trender. Det centrala är att en viss konstellation av variabler oundvikligen leder till något resultat. Att definiera användbara variabler med tillförlitliga data är den huvudsakliga uppgiften för detta fält.

begrepp

Ekonomisk prognoser syftar till att förstå vilka krafter i ekonomin som skapar tillväxt. Ekonomer vill ta reda på vad som orsakar händelser som industrialisering, export, inflation eller depression. Ett gemensamt prognostiserande problem gäller till exempel effekten av höga konsumentskuldsatser på chanserna för någon ekonomisk återhämtning. Om du anser att ökade konsumtionsutgifter är den främsta orsaken till återhämtning, kommer din prognos att vara pessimistisk. Alla prognosmodeller börjar med ett koncept, en teori som bygger på ett fenomen - som skuld - som kommer att driva en ekonomi på ett eller annat sätt.

modeller

Ekonomer som förutser ekonomiska trender är helt beroende av modeller. Data sig säger ingenting om det inte analyseras. Modeller bygger på antaganden att en grupp av variabler orsakar ett fenomen. Till exempel abonnerar de flesta ekonomer på grundmodellen att stigande räntor orsakar en ekonomisk avmattning eftersom pengar blir dyrare. Det här är en enkel efterfråganmodell av pengar som är grundläggande, eftersom upplåning är avgörande för alla moderna ekonomier. Därför är sådana basmodeller antaganden att en ökning av skattesatser signalerar bristen på tillgänglig likviditet. Detta leder till en nedgång i den ekonomiska tillväxten. Därför är en teori en grundläggande uppsättning antaganden, medan en modell är en detaljerad analys som är inrättad för att testa sådana antaganden.

variabler

Utan variabler, varken modeller eller data ger någon mening. Variabler är begreppsmässiga grupperingar av ekonomiska styrkor. Ett viktigt problem är överlappande variabler, eller variabler som mäter samma sak. I många fall är högräntorna nära korrelerade med en ökning av obligationsplaceringar. Så om du gör en modell som förutspår pengemarknadsbeteende, kan det skilja sig från obligationsräntor från räntorna eftersom två separata variabler kan vara ett problem. Eftersom dessa två variabler är så nära relaterade, kan de faktiskt vara en variabel. Att behandla dem som två kommer att skapa en skev och värdelös modell. Variabler måste vara unika ekonomiska enheter som mäter olika - inte överlappande - styrkor. Att hålla variablerna unika är ett av de svåraste prognosproblemen.

Data

Data är det eviga problemet med ekonomisk prognos. När man exempelvis arbetar med arbetslöshet kan uppgifterna vara hala. Det finns många modeller av arbetslöshet som antar olika definitioner av termen. En uppfattning förutsätter att de arbetslösa är alla som får arbetslöshetsersättning. Självklart finns det många som inte får eller inte längre får förmåner. Då finns det de som bara är anställda eller anställda under bordet. Det är underjobb på grund av jobbbrist. Det här är olika typer av arbetslöshet som alla beror på hur du definierar termen. Hur du definierar en variabel sätter därför scenen för datakvaliteten och användbarheten av en modell.