データと予測に影響を与える要因

経済予測は将来の経済動向を予測しようとするモデルを構築します。 中心的な問題は、変数の特定の配列が必然的に何らかの結果につながるかどうかです。 信頼できるデータで使用可能な変数を定義することがこの分野の主な仕事です。

概念

経済予測では、経済の中でどのような力が成長を生み出すのかを理解しようとしています。 経済学者は、工業化、輸出、インフレ、不況などの事象の原因を突き止めたいと考えています。 例えば、一般的な予測の問題は、景気回復の可能性に対する高率の消費者債務の影響に関するものです。 消費支出の増加が回復の主な原因であるという見方をすれば、予想は悲観的になります。 すべての予測モデルは、概念、つまり借金など、経済を何らかの形で推進する現象に基づいた理論から始まります。

モデル

経済動向を予測するエコノミストは、完全にモデルに頼っています。 データ自体は分析されない限り何も言いません。 モデルは、変数のグループが現象を引き起こすという仮定に基づいています。 例えば、ほとんどのエコノミストは、お金がより高価になるので、金利の上昇が経済の減速を引き起こすという基本モデルに同意します。 これは、借入がすべての現代経済にとって極めて重要であるため、基本的な単純な需給モデルです。 したがって、そのような基本モデルは金利の上昇が利用可能な流動性の不足を知らせるという仮定である。 これは経済成長の低下につながります。 したがって、理論は前提条件の基本的なセットであり、モデルはそのような前提条件をテストするように構成された詳細な分析です。

変数

変数がなければ、モデルもデータも意味がありません。 変数は経済力の概念的なグループです。 重要な問題の1つは、重複する変数、つまり同じものを測定する変数です。 多くの場合、高い金利は債券投資の増加と密接に関連しています。 したがって、短期金融市場の動向を予測するモデルを作成している場合は、2つの変数として債券投資を金利から切り離すことが問題になる可能性があります。 これら2つの変数は非常に密接に関連しているため、実際には1つの変数になる可能性があります。 それらを2つとして扱うと、歪んで無価値のモデルが作成されます。 変数は、重なり合っていない異なる力を測定する固有の経済的実体でなければなりません。 変数を一意に保つことは、予測において最も困難な問題の1つです。

データ

データは経済予測の永遠の問題です。 たとえば、失業を扱っている場合、データは滑りやすくなります。 この用語のさまざまな定義を前提とした多くの失業モデルがあります。 ある見解では、失業者は失業手当を受けているすべての人であると仮定しています。 もちろん、恩恵を受けていない、あるいは受けていない人がたくさんいます。 それから部分的にしか雇用されていない、あるいはテーブルの下で雇用されている人たちがいます。 雇用不足のために失業者がいる。 これらはさまざまな種類の失業であり、それらはすべて、用語の定義方法によって異なります。 したがって、変数をどのように定義するかによって、データの品質とモデルの有用性の段階が決まります。