데이터 및 예측에 영향을 미치는 요소

경제 예측은 미래의 경제 동향을 예측하고자하는 모델을 구축합니다. 핵심 쟁점은 변수들의 어떤 별자리가 필연적으로 어떤 결과를 낳는가하는 점이다. 신뢰할 수있는 데이터로 사용 가능한 변수를 정의하는 것이이 필드의 주요 작업입니다.

개념들

경제 예측은 경제에서 어떤 세력이 성장을 창출하는지 이해하려고 노력합니다. 경제학자들은 산업화, 수출, 인플레이션 또는 우울증과 같은 사건을 일으키는 원인을 알아 내야합니다. 예를 들어, 일반적인 예측 문제는 경제 회복의 기회에 대한 높은 소비자 부채의 영향에 관한 것입니다. 소비자 지출 증가가 주요 원인이라고 생각하면 예측은 비관적입니다. 모든 예측 모델은 어떤 방식으로 경제를 이끌어 낼 수있는 빚과 같은 현상을 기본으로하는 개념으로 시작합니다.

모델

경제 동향을 예측하는 경제학자들은 완전히 모델에 의존합니다. 데이터 자체는 분석되지 않는 한 아무 말도하지 않습니다. 모델은 변수 그룹이 현상을 일으키는 것으로 가정합니다. 예를 들어, 대부분의 경제학자들은 기본 모델에 가입함으로써 상승하는 금리가 돈이 더 비싸기 때문에 경기 둔화를 야기한다고 말합니다. 이것은 차입이 모든 현대 경제에 결정적이기 때문에 근본적인 단순한 수요와 공급 모델입니다. 따라서 이러한 기본 모형은 이자율 상승이 가용 유동성의 부족을 시사한다는 가정이다. 이것은 경제 성장의 감소로 이어진다. 따라서 이론은 가정의 기본 집합 인 반면 모델은 그러한 가정을 시험하기 위해 마련된 상세한 분석입니다.

변수

변수가 없으면 어떤 모델이나 데이터도 의미가 없습니다. 변수는 경제력의 개념적 그룹핑이다. 하나의 중요한 문제는 중복되는 변수 또는 동일한 것을 측정하는 변수입니다. 많은 경우에 높은 이자율은 채권 투자 증가와 밀접한 상관 관계가 있습니다. 그래서 만약 당신이 돈 시장 행동을 예측하는 모델을 만들고 있다면, 금리와 채권 투자를 분리 된 두 변수로 분리하는 것은 문제가 될 수 있습니다. 이 두 변수는 너무 밀접하게 관련되어 있으므로 사실 하나의 변수 일 수 있습니다. 그것들을 두 가지로 취급하면 왜곡되고 쓸모없는 모델이 만들어집니다. 변수는 중첩되지 않는 다른 힘을 측정하는 고유 한 경제 주체 여야합니다. 변수를 고유하게 유지하는 것은 예측에서 가장 어려운 문제 중 하나입니다.

데이터

데이터는 경제적 예측의 영원한 문제입니다. 예를 들어 실업을 다룰 때 데이터가 미끄러 울 수 있습니다. 용어의 다른 정의를 가정하는 많은 실업 모델이 있습니다. 한 견해는 실업자가 실업 급여를받는 모든 사람들이라고 가정한다. 물론 혜택을받지 못하거나 더 이상 혜택을받지 못하는 사람들이 많이 있습니다. 그 다음에 부분적으로 고용되거나 탁자 밑에서 일하는 사람들이 있습니다. 직업 부족으로 불완전 고용 상태입니다. 이것들은 당신이 용어를 정의하는 방법에 달려있는 실업의 다른 유형입니다. 따라서 변수를 정의하는 방법은 데이터의 품질과 모델의 유용성을위한 단계를 설정합니다.