موسسه رابرت لمان Ifo-Leibniz-Institute برای تحقیقات اقتصادی در دانشگاه مونیخ E. V. ، مونیخ ، آلمان ؛Cesifo ، مونیخ ، مکاتبات آلمان lehma@ifo. de https://orcid.org/0000-0001-6684-7536

مؤسسه Klaus Wohlrabe Ifo-Leibniz-Institute برای تحقیقات اقتصادی در دانشگاه مونیخ E. V. ، مونیخ ، آلمان ؛سزیفو ، مونیخ ، آلمان htps: //orcid.org/0000-0002-5651-2641

صفحات 5802-5816 منتشر شده به صورت آنلاین: 02 ژوئن 2019

• استناد را بارگیری کنید
• https://doi.org/10. 1080/00036846. 2019. 1624915
• جایگاه

• خلاصه
• مقدمه
• ii. داده ها
• iiiرویکرد پیش بینی
• IVنتایج
• نتیجه گیری
• بیانیه افشای
• پانویسها و منابع
• منابع
• ضمائم

مقالات

پیش بینی تولید ناخالص داخلی در سراسر جهان با استفاده از شاخص های پیشرو بر اساس داده های جامع نظرسنجی

• مقاله کامل
• ارقام و داده ها
• منابع
• استناد
• معیارهای
• مجوز
• چاپ مجدد و مجوزها
• مشاهده pdf pdfview epub epub

خلاصه

نمایش فرمول:؟فرمول های ریاضی به عنوان MATHML رمزگذاری شده اند و در این نسخه HTML با استفاده از MathJax به منظور بهبود نمایشگر خود نمایش داده می شوند. جعبه را برای خاموش کردن MathJax از آن جدا کنید. این ویژگی به JavaScript نیاز دارد. برای بزرگنمایی روی فرمول کلیک کنید.

شاخص های پیشرو جامع و بین المللی قابل مقایسه در سراسر کشورها و قاره ها نادر است. در این مقاله ، ما از یک منبع رایگان و فوری شاخص های پیشرو ، بررسی اقتصادی جهانی IFO (WES) استفاده می کنیم تا رشد تولید ناخالص داخلی (تولید ناخالص داخلی) را در 44 کشور و سه کشور به طور جداگانه پیش بینی کنیم. ما با سه نتیجه اصلی به دست می آوریم. اول ، برای بیش از سه چهارم از کشورها یا همبستگی های کشور در نمونه ما ، یک مدل حاوی یکی از شاخص های اصلی WES به طور متوسط خطاهای پیش بینی پایین تر در مقایسه با یک مدل معیار تولید می کند. دوم ، مهمترین شاخص های WES یا وضعیت اقتصادی یا انتظارات مربوط به توسعه اقتصادی آینده برای شش ماه آینده است. و سوم ، افزودن شاخص های WES شرکای اصلی تجارت منجر به افزایش بیشتر دقت پیش بینی در بیش از 50 ٪ کشورها می شود. بنابراین به نظر می رسد که سیگنال های اقتصادی از شرکای اصلی تجارت اقتصاد داخلی درج شود.

• بررسی اقتصادی جهانی
• شرایط اقتصادی
• پیش بینی تولید ناخالص داخلی

مقدمه

پیش بینی های کلان اقتصادی مبتنی بر شاخص های پیشرو ، رویکردی گسترده پذیرفته شده در هنگام پیش بینی عملی یا با نگاهی به ادبیات علمی مربوطه است. به خصوص شاخص های بررسی اغلب پیش بینی کننده های بسیار خوبی برای اقتصاد واقعی هستند (در میان دیگران ، Girardi ، Gayer و Reuter Citation 2016 را ببینید). با این حال ، شاخص های پیشرو ، بین کشورها تفاوت زیادی دارند ، و این بیانیه کلی در مورد سودمندی یک گروه خاص از شاخص های پیشرو بین کشورها تقریباً غیرممکن است. یک منبع آزادانه از شاخص های کیفی قابل مقایسه ، بررسی اقتصادی جهانی IFO (WES) است. در این مقاله ، ما از شاخص های اصلی این نظرسنجی در بین کارشناسان اقتصادی برای ارزیابی عملکرد پیش بینی آنها برای رشد ناخالص داخلی (تولید ناخالص داخلی) در 44 کشور و سه کل (EU-27 ، یورو و یک کل جهانی) استفاده می کنیم.

فقط چند نظرسنجی با پرسشنامه وجود دارد که در سراسر کشورها قابل مقایسه است. سه نمونه عبارتند از شاخص مدیر خرید (PMI) که توسط Markit ارائه شده است ، شاخص های برنامه مشترک هماهنگ اتحادیه اروپا در اتحادیه اروپا و بررسی های مصرف کننده (BCS) و شاخص پیشرو کامپوزیت (CLI) OECD. در حالی که دو مورد اول فقط نظرسنجی های تجاری یا مصرف کننده هستند ، CLIS OECD نیز بر اساس چندین شاخص سخت است. PMI بیش از 30 اقتصاد پیشرفته و نوظهور را با استفاده از پرسشنامه یکسان پوشش می دهد. BCS سؤالات هماهنگ را در بین بررسی های تجاری و مصرف کننده در بین تقریباً همه کشورهای اروپایی تضمین می کند. متأسفانه ، PMI ها تقریباً برای همه کشورها در دسترس نیستند و CLI ها دو ماه تاخیر انتشار دارند. در مقابل ، WES آزادانه در دسترس محققان پاورقی 1 است و بیش از 100 کشور را در بر می گیرد. علاوه بر این ، WES از پرسشنامه های قابل مقایسه ای استفاده می کند که به ما امکان می دهد بیانیه ای را در مورد عملکرد پیش بینی WES در مجموعه بزرگی از کشورها تهیه کنیم.

به روز ، ادبیات گسترده ای در مورد پیش بینی های تولید ناخالص داخلی خاص کشور وجود دارد که بر روی مسائل روش شناختی یا داده متمرکز است. پاورقی 2 یک مطالعه جدید برای رشد جهانی تولید ناخالص داخلی ، مورد فرارا و مارسیلی است (استناد 2019). با این حال ، یک مطالعه جامع برای بسیاری از کشورها که از داده های نظرسنجی یکسان برای پیش بینی فعالیت اقتصادی ملی استفاده می کنند ، از دست رفته است. یک استثناء فیشنر ، روفر و اشناتز (استناد 2011) است که خصوصیات پیش بینی شاخص های پیشرو OECD را برای 11 کشور بررسی می کنند. Lehma (استناد 2015) و Lehma و Weyh (استناد 2016) از داده های BCS برای پیش بینی رشد صادرات یا رشد اشتغال برای کشورهای مختلف اروپایی استفاده می کنند.

با وجود در دسترس بودن فوری و رایگان ، داده های بررسی WES فقط توسط تعداد کمی از مطالعات استفاده شده است. Henzel و Wollmershäuser (استناد 2005) روش جدیدی را برای استخراج انتظارات تورم از WES تهیه می کنند. برای 43 کشور و دو کشور ، مقاله توسط Kudymowa ، Plenk و Wohlrabe (استناد 2013) عملکرد درون نمونه ای از آب و هوای اقتصادی WES را به عنوان یک شاخص چرخه تجارت ارزیابی می کند. آنها همبستگی متقابل قوی بین شاخص های WES و نرخ رشد سالانه کشور خاص در سال در تولید ناخالص داخلی واقعی پیدا می کنند. بنابراین ، از شاخص آب و هوا می توان برای ارزیابی وضعیت اقتصاد یا حتی توسعه اقتصادی آینده آینده استفاده کرد. ادبیات مربوطه برای هدف ما ، یعنی مطالعاتی که بر موضوعات پیش بینی متمرکز است ، بسیار کمیاب است. برای تولید ناخالص داخلی واقعی منطقه یورو ، Hülsewig ، Mayr و Wollmershäuser (استناد 2008) از سه شاخص چرخه تجارت استفاده می کنند و از این سؤال می کنند که آیا جمع آوری بهینه اطلاعات سراسر کشور این شاخص ها به افزایش دقت پیش بینی در کل اروپا کمک می کند. آنها در رویکرد خود نسبت به تکنیک های جایگزین بهبود می یابند. یکی از شاخص های کاربردی در سراسر کشور ، وضعیت اقتصادی WES به دلیل مقایسه آن بین کشورهای مختلف است. هاتسون ، جوتز و استکللر (استناد 2014) چارچوب کارلسون-پارکین و آمار پیش بینی عدم پیش بینی Pesaran-Timmerma را برای چندین شاخص WES برای اقتصاد ایالات متحده اعمال می کنند. در نتیجه ، کارشناسان WES پیش بینی های جهت گیری برتر آماری را برای کل تولید ناخالص داخلی و مؤلفه های فرعی ارائه می دهند.

مقاله ما دو کمک عمده در ادبیات دارد. اول ، از آنجا که هیچ مطالعه جامع پیش بینی خارج از نمونه برای مجموعه بزرگی از کشورها وجود ندارد ، در این مقاله عملکرد شاخص های WES برای 44 کشور و سه جمع کشور برای پیش بینی تولید ناخالص داخلی ملی ارزیابی شده است. ما از سه شاخص اصلی WES استفاده می کنیم (ارزیابی وضعیت اقتصادی فعلی ، انتظارات از توسعه اقتصادی آینده برای شش ماه آینده و وضعیت اقتصادی) و از این سؤال می کنیم که آیا مدل های حاوی یکی از این شاخص ها دقت پیش بینی بالاتری دارندبه یک معیار خودکار. سهم دوم ما با این سؤال که آیا پیش بینی های تولید ناخالص داخلی ملی می تواند با استفاده از نتایج بررسی WES از مهمترین شرکای تجاری کشور بهبود یابد ، می تواند بهبود یابد. از آنجا که همگام سازی چرخه تجارت بین کشورها افزایش می یابد و شدت معاملات آنها بیشتر است (Inklaar ، Jong-A-Pin و De Haan Citation 2008 ؛ Duval et al. Citation 2016) ، می توان نشان داد که دقت پیش بینی خاص کشور تولید ناخالص داخلی را می توان افزایش دادبا افزودن شاخص های WES از کشورهای مهم اقتصادی. پاورقی 3 نتایج ما نشان می دهد که شاخص های WES در مقایسه با مدل معیار در بیش از سه چهارم کشورها یا همسایگان کشور و افق های پیش بینی شده ، از دقت پیش بینی بالاتری برخوردار هستند. با توجه به وضعیت Nowcast ، شاخص های WES در 45 از 47 کشور یا مصالح ما بهتر هستند. فقط برای سوئیس و اندونزی شاخص های WES نمی توانند پیش بینی های تولید ناخالص داخلی را در معیار بهبود بخشند. افزودن شاخص های WES از شرکای اصلی تجارت یک کشور ، بیشتر پیش بینی در بیش از 50 ٪ کشورها و افق های پیش بینی را افزایش می دهد. بیشترین پیشرفت - با بیش از 70 ٪ از کشورها در نمونه - با پیش بینی سه ماهه فعلی می تواند دوباره مشاهده شود. بنابراین ، تکیه بر سیگنال های اقتصادی از کشورهای مهم اقتصادی به کشور وطن منجر به دقت پیش بینی بالاتری در بیشتر موارد می شود.

باقیمانده مقاله به شرح زیر سازماندهی شده است: بخش 2 به طور خلاصه مجموعه داده ها و WES را شرح می دهد. رویکرد پیش بینی در بخش 3 معرفی شده است. در بخش 4 ، نتایج را ارائه می دهیم. ما با ارائه برخی از نتیجه گیری ها در بخش 5 به پایان می رسیم.

ii. داده ها

کشورها و سریال های هدف برای پیش بینی

پیش بینی تولید ناخالص داخلی (تولید ناخالص داخلی) در سراسر جهان به نمونه بزرگی از کشورها نیاز دارد. ما تمرین خود را در 44 کشور مجرد و سه جمع اضافی (اتحادیه اروپ ا-27 ، یورو و پاورقی جهانی 4) می سازیم. این نمونه شامل کشورهای نوظهور مانند آرژانتین یا برزیل و همچنین کشورهای بسیار توسعه یافته مانند نروژ یا ایالات متحده است. انتخاب کشور با در دسترس بودن یک سری تولید ناخالص داخلی سه ماهه طولانی و هم تعداد کافی از پاسخ دهندگان در WES هدایت می شود. جدول A1 در پیوست همه کشورها و مصالح موجود در نمونه ما را لیست می کند.

به عنوان متغیر هدف ، ما از تولید ناخالص داخلی به عنوان شاخص اصلی برای اندازه گیری فعالیت اقتصادی استفاده می کنیم. ما می توانیم برای همه کشورها به تولید ناخالص داخلی تنظیم شده فصلی متکی باشیم. تمام سری های تولید ناخالص داخلی به نرخ رشد سه ماهه چهارم تبدیل می شوند. از آنجا که آمار رسمی در کشورهای مختلف متفاوت توسعه یافته است ، طول سری تولید ناخالص داخلی بین کشورها در نمونه ما متفاوت است. اولین نقطه شروع در نمونه ما Q1-1990 (به عنوان مثال ، کانادا) است. پاورقی 5 برای فدراسیون روسیه ، ما کوتاهترین سری تولید ناخالص داخلی را مشاهده می کنیم (اولین نرخ رشد سه ماهه برای Q1-2003). متأسفانه ، ما نمی توانیم به داده های تولید ناخالص داخلی در زمان واقعی اعتماد کنیم. به بهترین دانش ما ، یک بانک اطلاعاتی در زمان واقعی برای چنین تعداد زیادی از کشورها در دسترس نیست. بنابراین ما تصمیم گرفتیم که با استفاده از آخرین ارقام تولید ناخالص داخلی موجود ، در کل مجموعه کشورها سازگار باشیم ، بنابراین می توانیم عملکرد پیش بینی شاخص ها را در یک مجموعه مشابه برای هر کشور مقایسه کنیم. حتی اگر داده های زمان واقعی را برای یک زیر مجموعه کوچک از کشورها اعمال کنیم ، ما قادر به نتیجه گیری معنی دار برای عملکرد پیش بینی سایر کشورها نخواهیم بود. بنابراین ما تصمیم گرفتیم که نسبت به مجموعه 44 کشور جهان سازگار باشیم و از آخرین پرنعمت استفاده کنیم ، که مطابق با سؤال تحقیق ما در مورد ارزیابی عملکرد پیش بینی WES در سراسر کشورها است. جدول A1 در ضمیمه همچنین نقاط شروع برای تمام ارقام تولید ناخالص داخلی کشور را نشان می دهد ، به همراه منبعی که داده ها را به دست آوردیم.

بررسی اقتصادی جهانی IFO

بررسی اقتصادی جهانی IFO (WES) یکی از بررسی های استاندارد است که توسط موسسه IFO در مونیخ ارائه شده است (بکر و وولرابه استناد 2008). هدف آن کشف روندهای اقتصادی در سراسر جهان است. برای این منظور ، مؤسسه IFO در حال حاضر بیش از 1000 اقتصاددان در سراسر جهان از سازمان های بین المللی و ملی در مورد تحولات اقتصادی فعلی در کشورهای مربوطه رای می دهد (به Stangl Citation 2007b ؛ Boumans and Gaitz Citation 2017 مراجعه کنید). بر خلاف اطلاعات کمی از آمار رسمی ، WES با درخواست اقتصاددانان برای ارزیابی شاخص های اصلی اقتصادی برای آینده و آینده نزدیک به اطلاعات کیفی متمرکز است. این امر امکان ارزیابی سریع و به روز از وضعیت اقتصادی در سراسر جهان و به ویژه در اقتصادهای در حال توسعه و گذار را فراهم می کند که اغلب فاقد تعدادی از آمار رسمی هستند. پرسشنامه یکنواخت ، روش شناسی و پردازش داده ها ، مقایسه در سراسر کشورها و با گذشت زمان و همچنین تجمع کشور در گروه های مختلف کشور را تضمین می کند. در حال حاضر ، این نظرسنجی تقریباً 120 کشور جهان را در بر می گیرد. WES از طریق دو دوره آزمایشی در سال 1981 راه اندازی شد و سه بار در سال از سال 1983 تا 1988 انجام شد (Stangl Citation 2007a). از سال 1989 ، WES یک بررسی سه ماهه است که در ژانویه ، آوریل ، ژوئیه و اکتبر انجام شده است. ما تجزیه و تحلیل خود را در سال 1990 در سریعترین زمان ممکن شروع می کنیم ، زیرا تعداد پاسخ دهندگان برای بسیاری از کشورها در بررسی WES به اندازه کافی از آن زمان به اندازه کافی است ، زیرا شاخص ها در مقایسه با سه ماهه اول که در آن انجام شده بسیار نرم تر هستند.

WES یک نظرسنجی در بین متخصصان است که یک رویکرد از بالا به پایین را اعمال می کند ، یعنی متخصصان مورد بررسی با در نظر گرفتن تمام جنبه هایی که آنها را مهم می دانند ، وضعیت اقتصادی حال و آینده در کشور خود را ارزیابی می کنند. این هیئت شامل نمایندگان شرکتهای چند ملیتی ، مؤسسات دانشگاهی ، بنیادها ، مؤسسات تحقیقات اقتصادی ، اتاق های ملی و بین المللی صنعت و تجارت است. اگرچه اعضای هیئت مدیره با توجه به وابستگی حرفه ای خود ناهمگن هستند ، اما همه پاسخ دهندگان بسیار واجد شرایط هستند ، یا در یک موقعیت پیشرو قرار دارند یا در تحقیقات اقتصادی در موسسه خود اشغال شده اند. مشارکت در این نظرسنجی کاملاً داوطلبانه است. همانطور که در نظرسنجی های پانل معمول است ، برخی از اقتصاددانان به مرور زمان به پانل پیوسته اند یا به آن پیوسته اند و همه شرکت کنندگان به هر نظرسنجی پاسخ نمی دهند ، بنابراین ، ترکیب پانل با هر موج متفاوت است. در حال حاضر ، در هر سه ماه حدود 1100 پاسخ دریافت می شود که منجر به نرخ بازده حدود 70 ٪ پرسشنامه های پر شده می شود. جدول A1 در پیوست میانگین تعداد پاسخ دهندگان برای 44 کشور و سه جمع برای سالهای 1990 تا 2017 را نشان می دهد.

در 20 سال گذشته ، تعداد پاسخ دهندگان به شدت از حداقل 3 تا 50 متخصص در هر کشور متفاوت است. به طور کلی ، اهمیت اقتصادی یک کشور بالاتر - با توجه به سهم این کشور در تولید ناخالص داخلی جهانی - بیشتر متخصصان WES شرکت می کنند. برای تجزیه و تحلیل ما ، ما فقط کشورهایی را با حداقل چهار پاسخ دهنده WES به طور متوسط و همچنین تعداد کافی از مشاهدات در نظر می گیریم.

تمام سؤالات گرایش موجود در WES ، به طور کلی ، سه پاسخ ممکن و کیفی دارند: "خوب ، بهتر ، بالاتر" برای ارزیابی مثبت یا بهبود ( +) ، "رضایت بخش ، تقریباً یکسان ، بدون تغییر" برای خنثیارزیابی (=) ، و "بد ، بدتر ، پایین تر" برای ارزیابی منفی یا بدتر شدن ( -). برای هر بررسی سه ماهه ، درصد سهام هر دسته گرایش ( +) ، (=) و ( -) از پاسخ های فردی محاسبه می شود. بنابراین ، هیچ وزن خاصی از پاسخ های فردی در هر کشور وجود ندارد ، بنابراین یک میانگین حسابی ساده اعمال می شود. همانطور که در اکثر نظرسنجی های مشهور (به عنوان مثال ، بررسی تجارت و مصرف کننده کمیسیون اروپا) متداول است ، یک آمار تعادل از درصد سهام پاسخهای مثبت و منفی محاسبه می شود. پاورقی 6 این منجر به آماری از نقاط تعادل 100 تا 100 + 100 می شود. اگر سهام مثبت و منفی با یکدیگر برابر باشد ، آمار تعادل دارای مقدار صفر است. تولید ناخالص داخلی اندازه گیری شده در خریدهای قدرت به عنوان وزنه هایی برای محاسبه نتایج برای گروه ها یا مناطق کشور عمل می کند.

برای تمرین پیش بینی ما ، ما از سه شاخص اصلی استفاده می کنیم که بیشترین توجه را به مردم جلب می کند: ارزیابی وضعیت اقتصادی فعلی (I T) ، انتظارات از وضعیت اقتصادی در شش ماه آینده (E X P) و نشانگر حاصل از آنهر دو سؤال ، شرایط اقتصادی (C L I). ارزیابی اساسی برای این سه شاخص به شرح زیر است: "وضعیت کلی این کشور در مورد اقتصاد کلی:". برای قضاوت وضعیت اقتصادی فعلی ، پاسخ دهندگان می توانند "خوب" ، "رضایت بخش" یا "بد" را انتخاب کنند. برای وضعیت مورد انتظار تا پایان شش ماه آینده ، پاسخ ها "بهتر" ، در مورد همان "و" بدتر "هستند. وضعیت اقتصادی میانگین هندسی آمار تعادل برای وضعیت فعلی و شاخص انتظار مطابق فرمول زیر است: C L I = (S I T + 200) (E X P + 200) - 200.

این روش معمول موسسه IFO برای محاسبه شاخص های کامپوزیت خود مانند مهمترین شاخص پیشرو برای اقتصاد آلمان ، فضای تجاری IFO برای صنعت و تجارت است (Seiler and Wohlrabe Citation 2013). سریال طولانی مدت برای شرایط اقتصادی جهانی IFO یا وضعیت اقتصادی IFO برای منطقه یورو در صفحه اصلی IFO به صورت رایگان در دسترس است. پاورقی 7 نتایج نظرسنجی برای سایر کشورها در مجله بررسی اقتصادی جهانی IFO منتشر می شود یا در صورت درخواست در دسترس است. در مقایسه با سایر شاخص هایی که برای اکثر کشورها در دسترس هستند و کاربر به طور مرتب مجبور به پرداخت آن است (به عنوان مثال ، شاخص مدیران خرید توسط Markit را ببینید) ، نتایج WES رایگان است و توسط هر کسی قابل دسترسی استبه این شاخص ها علاقه مند است.

iiiرویکرد پیش بینی

مدل های یک نشانگر متغیره

به عنوان یک نقطه شروع برای رویکرد پیش بینی شبه از نمونه ما ، مدل پیش بینی زیر را در نظر می گیریم (1) Y I ، T + H J = C I J + α 1 ، I J Y I ، T-1 + β 1 ، I J W E S I ، T J+ ε i ، t j ، (1)

جایی که من ، نرخ رشد سه ماهه در سه ماهه تولید ناخالص داخلی برای یک کشور خاص من و یک نقطه معین در زمان t است. Y I ، T - 1 اولین تاخیر رشد سه ماهه تولید ناخالص داخلی را نشان می دهد. یکی از سه شاخص ممکن WES (وضعیت اقتصادی فعلی ، من ، انتظارات برای شش ماه آینده ، E X P یا آب و هوای اقتصادی ، C L I) توسط W E S I ، T J مشخص شده است. هر پیش بینی مستقیم H-Step با تغییر شاخص خاص به موقع در معادله تخمین محاسبه می شود. افق پیش بینی H در محدوده H ∈ تعریف شده است<0 , 1 , 2>چهارم ، در حالی که H = 0 Nowcast و H = 2 را حداکثر پیش بینی نیم سال تعریف می کند. ما فرض می کنیم که پیش بینی در انتهای هر چهارم T تولید می شود ، بنابراین ، نرخ رشد تولید ناخالص داخلی T - 1 و همچنین شاخص WES معاصر برای پیش بینی شناخته می شود. ما همچنین با تاخیر اضافی برای سری هدف و همچنین شاخص های بررسی آزمایش کردیم. نتایج از نظر کیفی یکسان باقی مانده است. پاورقی 8 به عنوان مدل معیار ، ما یک AR (1) را اعمال می کنیم ، که ثابت شد در ادبیات پیش بینی یک رقیب کاملاً خوب است. با این حال ، ما همچنین نتایج مدل های زیر را ارائه می دهیم که ممکن است به عنوان معیارهای اضافی عمل کنند: AR (2) و AR (P).

ما پیش بینی ها را به شرح زیر محاسبه می کنیم. برای هر کشور تعداد متفاوتی از مشاهدات (T I) داریم. از آنجا که این تفاوت مانع از پیش بینی تولید ناخالص داخلی همه کشورها می شود ، ما تصمیم گرفتیم از اولین مشاهدات T I / 3 به عنوان دوره تخمین اولیه استفاده کنیم. اول ، پارامترهای مدل (C I J ، α 1 ، I J و β 1 ، I J) از طریق حداقل مربعات معمولی (OLS) تخمین زده می شوند. دوم ، بر اساس این تخمین ها ، پیش بینی های هر سه افق را محاسبه می کنیم. و آخر ، پنجره تخمین توسط یک چهارم گسترش می یابد. پس از این گسترش ، مدل دوباره تخمین زده می شود و پیش بینی های جدید محاسبه می شود. این روش تکراری تا پایان دوره مشاهده ما ادامه دارد.

مدل های چند متغیره یک نشانگر

در مواقع دنیای جهانی شده ، ما ممکن است با افزودن شاخص های نظرسنجی مهمترین شرکای تجاری ، پیشرفت های پیش بینی کننده تولید ناخالص داخلی ملی را بدست آوریم. ادبیات مربوط به پیوندهای بین المللی نشان داده است که شدت تجارت بالاتر بین کشورها منجر به هماهنگی چرخه تجارت فشرده تر در سراسر آن می شود (در میان دیگران ، Inklaar ، Jong-A-Pin و De Haan Citation 2008 ؛ Duval et al. Citation 2016 را ببینید.). براساس پیش بینی های نظرسنجی ، لاهیری و ژائو (استناد 2019) همچنین می دانند که چرخه های تجاری به ویژه در کشورهای صنعتی به یکدیگر همگرا می شوند. یکی دیگر از یافته های آنها این است که شوک های خبری بین المللی پس از شش ماه در پیش بینی های بررسی داخلی گنجانیده شده است. بنابراین ما به طور متوالی نتایج WES از سه شریک مهم تجاری را به معادله (1) اضافه می کنیم ، و در مدل های چند نشانگر زیر (2) Y I ، T + H J = C I J + α 1 ، I J Y I ، T-1 + β به پایان می رسد. 1 ، I J W E S I ، T J + γ 1 ، I J W E S T P 1 ، T J + ε I ، T J ، (2) (3) = C I J + α 1 ، I J Y I ، T - 1 + β 1 ، I J W E S I ، T J + γ1 ، i j w e s t p 1 ، t j + γ 2 ، i j w e s t p 2 ، t j + ε i ، t j ، (3) (4) = c i j + α 1 ، i j y i ، t - 1 + β 1 ، i j w e s i ، t j + γ1 ، I J W E S T P 1 ، T J + γ 2 ، I J W E S T P 2 ، T J + γ 3 ، I J W E S T P 3 ، T J + ε I ، T J.(4)

ابتدا همان شاخص WES J را از مهمترین شریک تجاری (TP1) اضافه می کنیم و آزمایش پیش بینی را از بخش قبلی تکرار می کنیم. دوم ، ما همچنین شاخص J را از دومین شریک تجاری مهم (TP2) کشور i اضافه می کنیم. سرانجام ، بزرگترین مدل شامل شاخص های نظرسنجی هر سه شرکای مهم تجاری (TP3) است. به عنوان نمونه آلمان ، سه شرکای مهم تجاری آن ، ایالات متحده ، فرانسه و چین هستند. اگر مدلی را با آب و هوای اقتصادی WES برای آلمان تنظیم کنیم ، ما به طور متوالی وضعیت اقتصادی WES (i) ایالات متحده ، (ii) فرانسه و (iii) چین را اضافه می کنیم. ما از اجازه دادن به ترکیبی از شاخص ها خودداری می کنیم ، بنابراین ، ما 12 مدل پیش بینی در هر کشور (3 مدل یک نشانگر و 9 مدل چند نشانگر) داریم. تمام مراحل دیگر تمرین پیش بینی برابر با رویکرد تک متغیره یک نشانگر است. انتخاب مهمترین شرکای تجاری نیز محدود به در دسترس بودن اطلاعات WES است. در مواردی که ما برای یک شریک اصلی تجارت از WES شاخص های نظرسنجی نداریم ، ما آن را با اطلاعات مهمترین شریک تجاری بعدی جایگزین می کنیم. سه ستون آخر جدول A1 در پیوست سه شریک اصلی تجارت در هر کشور را لیست می کند.

ارزیابی پیش بینی

ما خطای استاندارد پیش بینی مربع (RMSFE) را به عنوان اندازه گیری دقت پیش بینی اعمال می کنیم. بگذارید f e i ، t + h j = y i ، t + h-y ˆ i ، t + h j خطای پیش بینی پیش بینی H-step را که ناشی از یکی از مدلهای یک یا چند نشانگر j است ، بیان کنید ، سپس r m s f e i ، h jبه عنوان r m s f e i ، h j = 1 n ∑ n = 1 n f e i ، t + h j ، n 2 ،

با N به عنوان تعداد کل پیش بینی های محاسبه شده. RMSFE مربوطه برای مدل معیار اتورگرافیک سفارش یکی عبارت است از: r m s f e i ، h a r (1). به منظور تصمیم گیری در مورد اینکه آیا مدل شاخص WES خطاهای پیش بینی کوچکتر را به طور متوسط ارائه می دهد ، ما خطای پیش بینی مربع میانگین ریشه نسبی (RRMSFE) را محاسبه می کنیم: r r m s f e i ، h j = r m s f e i ، h j r m s f e i ، h a r (1).

یک نسبت کوچکتر از یک بدان معنی است که مدل شاخص خاص J ، به طور متوسط ، دقت پیش بینی بالاتری را در مقایسه با معیار اتورگرایی دارد. برعکس با نسبت های بزرگتر از یک نشان داده شده است.

روش استاندارد برای تبعیض بین عملکرد پیش بینی دو مدل رقیب به روش آماری ، استفاده از آزمون دقت پیش بینی مانند نمونه پیشنهادی Diebold و Mariano (استناد 1995) (تست DM) است. این آزمایش زوج ارزیابی می کند که آیا دیفرانسیل متوسط از دست دادن بین دو مدل از نظر آماری با صفر متفاوت است. تحت فرضیه تهی ، H 0: E D I ، T + H J = E L I ، T + H A R (1) - L I ، T + H J = 0 ،

آزمون DM به معنای آماری بررسی می کند که آیا دو مدل ضررهای درجه دوم را ایجاد می کنند یا خیر. در مورد ما ، L I ، T + H J از دست دادن درجه دوم از یک مدل شاخص خاص و L I ، T + H A R (1) از دست دادن درجه دوم معیار است.

به عبارت دیگر ، فرضیه تهی از آزمون DM بیان می کند که - در مورد ما - فرآیند AR (1) فرآیند تولید داده است. از آنجا که مدل های تک متغیره یک و چند نشانگر ما همه شامل یک تاخیر از سری هدف هستند ، مشکل معمولی مدل های تو در تو بوجود می آید. بنابراین ، این مدلهای بزرگتر تعصب تخمین را معرفی می کنند زیرا پارامترهای بررسی کننده بررسی در جمعیت صفر هستند. بنابراین با تنظیم پارامترها روی صفر ، آر (1) -براگرم ما نشانگر مدل ها را لانه می کند. طبق گفته های کلارک و وست (استناد 2007) ، مشکل مدل های تو در تو باعث می شود که میانگین خطای پیش بینی مربع مدل بزرگتر به دلیل تخمین پارامترهای زائد افزایش یابد. نتیجه این است که تست های استاندارد مانند تست DM قدرت خود را در آزمایش دیفرانسیل عملکرد به معنای آماری از دست می دهند. با پیروی از ادبیات (در میان دیگران ، وبر و Zika Citation 2015 ؛ Lehma and Weyh Citation 2016) ، ما آمار تست تنظیم شده توسط کلارک و وست را اعمال می کنیم (استناد 2007) C W H = 1 V ˆ (A I ، T + H J)n ∑ n = 1 n m s f e i ، h a r (1) - m s f e i ، h j - y ˆ i ، t + h j - y ˆ i ، t + h a r (1) 2 ⏟ a i ، t + h j ،

با v ˆ (a i ، t + h j) به عنوان واریانس a ، t + h j و y ˆ i ، t + h j - y ˆ i ، t + h a r (1) 2 به عنوان اصطلاح تنظیم کلارک و غرب (استناد2007). تنظیم از آنچه اجازه می دهد از مقادیر مهم بحرانی از توزیع T دانش آموز با N-1 درجه آزادی استفاده کند تا تصمیم بگیرد که آیا خطاهای پیش بینی به معنای آماری متفاوت هستند.

IVنتایج

عملکرد پایه: مدل های یک نشانگر

جدول 1 عملکرد پیش بینی مدل های یک نشانگر و در نتیجه عملکرد سه شاخص WES (وضعیت اقتصادی فعلی ، S I T ، انتظارات برای نیم سال آینده ، E X P یا آب و هوای اقتصادی ، C L I) را ارائه می دهد. برای هر کشور ، جدول میانگین خطای پیش بینی مربع ریشه نسبی (RRMSFE) از بهترین شاخص های WES را در مقایسه با معیار اتورگرایی سفارش یک نشان می دهد. پاورقی 9 نتایج برای مصالح کشور در پایین جدول نشان داده شده است. نگه داشتن RRMSFE در چهره جسورانه نشان می دهد که مدل مربوط به WES-Indicator-مطابق با آزمون کلارک-غربی-از نظر آماری به طور متوسط حداقل به سطح اطمینان 10 ٪ بهتر عمل می کند. در جدول 1 عملکرد پیش بینی مدل های یک نشانگر و در نتیجه عملکرد سه شاخص WES (وضعیت اقتصادی فعلی ، من ، انتظارات برای نیم سال آینده ، E X P یا وضعیت اقتصادی ، C L I) ارائه شده است. برای هر کشور ، جدول میانگین خطای پیش بینی مربع ریشه نسبی (RRMSFE) از بهترین شاخص های WES را در مقایسه با معیار اتورگرایی سفارش یک نشان می دهد. پاورقی 9 نتایج برای مصالح کشور در پایین جدول نشان داده شده است. نگه داشتن RRMSFE در چهره جسورانه نشان می دهد که مدل WES-Indicator مربوطه-مطابق با تست کلارک-غربی-از نظر آماری به طور متوسط حداقل به سطح اطمینان 10 ٪ بهتر عمل می کند. جدول 1 عملکرد پیش بینی مدل های یک نشانگر را ارائه می دهدو بدین ترتیب عملکرد سه شاخص WES (وضعیت اقتصادی فعلی ، من ، انتظارات برای نیم سال آینده ، E X P یا شرایط اقتصادی ، C L I). برای هر کشور ، جدول میانگین خطای پیش بینی مربع ریشه نسبی (RRMSFE) از بهترین شاخص های WES را در مقایسه با معیار اتورگرایی سفارش یک نشان می دهد. پاورقی 9 نتایج برای مصالح کشور در پایین جدول نشان داده شده است. نگه داشتن RRMSFE در چهره جسورانه نشان می دهد که مدل مربوط به WES-Indicator-مطابق با آزمون کلارک-غربی-از نظر آماری به طور متوسط حداقل به سطح اطمینان 10 ٪ بهتر عمل می کند.