0, (30) bao gồm các giá trị dự đoán của tất cả các biến nội sinh h thời kỳ về sau Mức h0 phụ thuộc chủ
2.4. Kinh nghiệm dự báo bằng các mô hình kinh tế lƣợng vĩ mô: những bài học tổng quát
học tổng quát
Kinh nghiệm mới gần đây hơn với dự báo sử dụng mô hình kinh tế lượng đã chứng tỏ tầm quan trọng và giá trị của các nhân tố bổ sung. Các nhân tố bổ sung này, phản ánh đánh giá của chuyên gia về các nhân tố không được đưa vào mô hình, nói chung cải thiện đáng kể khả năng của mô hình. Các dự báo với những điều chỉnh chủ quan như vậy nói chung chính xác hơn so với các dự báo thu được từ việc áp dụng thuần tuý máy móc mô hình kinh tế lượng, kể cả các dự báo ex-post. Việc kết hợp một mô hình kinh tế lượng với ý kiến chuyên gia theo cách này tận dụng những điểm tốt nhất của mỗi phương pháp. Nó kết hợp kỷ luật khách quan tường minh của mô hình kinh tế lượng hình thức và các ước lượng hồi quy với kinh nghiệm chủ quan tiềm ẩn của các cá nhân chuyên gia am hiểu sâu sắc về hệ thống thế giới thực. Mô hình kinh tế lượng cho ta một điểm xuất phát hữu ích cho việc hình thành dự báo, nó nhận diện các nhân tố mà đối với nó phải tiến hành các quyết dịnh đánh giá, và nó cho ta một khung khổ bảo đảm rằng dự báo là tương hợp bên trong. Các nhân tố bổ sung tính đến những hoàn cảnh đặc biệt và những kiến thức không được thể hiện trong mô hình hình thức, điều đó có thể cải thiện một cách căn bản khả năng dự báo. Chúng cũng có thể tính đến việc duyệt lại và cập nhật số liệu, điều đó biểu thị những liên kết chủ yếu giữa thông tin về hệ thống thế giới thực và thông tin chứa trong mô hình.
Kinh nghiệm với các mô hình kinh tế lượng vĩ mô cũng chỉ ra rằng các mô hình như vậy nói chung có khả năng sản sinh ra những dự báo chính xác đối với các biến nhất định, nhưng cũng sản ra các dự báo kém chính xác hơn nhiều đối với các biến khác. Nói chung, như ta có thể mong đợi, các biến chuyển động chậm và trơn được dự đoán chính xác hơn các biến thể hiện có phương sai cao và dao động lớn từ thời kỳ này qua thời kỳ khác. Thí dụ, khả năng dự báo đối với các biến như chi tiêu tiêu dùng và thu nhập tiền công là rất tốt, bởi vì các biến này có khuynh hướng thể hiện các mẫu tăng trưởng ổn định với chỉ những biến động nhỏ theo thời gian. Trái lại, các dự báo đối với các biến như đầu tư hàng tồn kho, thu nhập lợi nhuận và lãi suất ngắn hạn, mà
tất cả trong chúng biểu lộ những biến động lớn theo thời gian, nói chung chỉ kha khá thậm chí tồi. Hơn nữa, sai số dự báo có khuynh hướng tăng khi tầm dự báo dài hơn. Dự báo ngắn hạn thì tương đối dễ, đặc biệt nếu mô hình có chứa các biến trễ. Thí dụ, tổng sản phẩm quốc gia danh nghĩa và thực tế có thể được dự báo đến tận ba quý sau với căn của sai số bình phương trung bình tương đối nhỏ hơn 1% và đến tận sáu quý sau với sai số nhỏ hơn 2%. Tuy nhiên, các dự báo trung hạn và đặc biệt là dài hạn có sai số lớn hơn nhiều với các dự báo xấu đi đáng kể khi tầm dự báo tăng.
Đối với các kiểu mô hình có khả năng dự báo tốt nhất, một vấn đề chủ yếu là mức độ chi tiết hoá vừa phải và kích cỡ của mô hình. Các mô hình nhỏ với ít hơn 20 biến nội sinh, như mô hình trong chiến tranh Klein và mô hình St Louis; các mô hình cỡ trung bình vào khoẳng giữa 20 và 250 biến như thế, như các mô hình Klein-Goldberger và mô hình Wharton; và các mô hình lớn với trên 250 biến nội sinh, như các mô hình Wharton Mark III, Chase Econometrics và DRI, tất cả đã được sử dụng cho các mục đích dự báo các hiện tượng kinh tế vĩ mô chủ yếu. Trong khi có một số ngoại lệ, vẫn có khuynh hướng xây dựng và sử dụng các mô hình lớn khi cơ sở dữ liệu tăng lên và chi phí thu thập số liệu và tính toán giảm.
Có một số lý do đối với việc sử dụng các mô hình lớn, đặc biệt là các mô hình cỡ trung bình và lớn cho các mục đích dự báo. Thứ nhất, một vấn đề cơ bản với các mô hình nhỏ, mức độ gộp cao là chúng đơn giản không cung cấp các dự báo đối với các biến mà ta quan tâm. Thí dụ, thường quan trọng là tách đầu tư thành các thành phần và xử lý một cách tường minh những lượng tăng trong hàng tồn kho, mà nói chung chúng dễ biến đổi hơn so với các thành phần khác và trong một chừng mực nào đó, chúng đóng vai trò một chỉ báo dẫn đường. Như một minh hoạ về điểm này, Suits (1967), trong một nghiên cứu tiếp theo nghiên cứu mở đường (1962) của ông về dự báo kinh tế vĩ mô sử dụng một mô hình kinh tế lượng vĩ mô, đã nhận xét rằng ông bị lái theo hướng tăng mức độ chi tiết hoá, nói riêng là chi tiết hoá cầu đối với hàng tiêu dùng lâu bền thành các thành phần ô tô và các hàng tiêu dùng lâu bền khác, để cải thiện độ chính xác của dự báo. Thứ hai, các mô hình quy mô trung bình và lớn chứa nhiều biến và mối quan hệ quan trọng phải xét đến khi làm việc với một hệ thống phức hợp như xác định thu nhập quốc gia và các hiện tượng có liên quan. Thí dụ, quan trọng là phải cụ thể về các biến ngoại sinh ảnh hưởng lên hệ thống để vừa cho phép một cách tường minh đối với các ảnh hưởng của chúng vừa kiểm định độ nhạy của dự báo đối với những giả thiết khác nhau về các biến như vậy. Trong một mô hình nhỏ,
các biến này chỉ được tính đến thông qua các số hạng nhiễu ngẫu nhiên và các nhân tố bổ sung, nhưng điều đó có thể đặt một gánh quá nặng lên các nhân tố như vậy. Các mô hình lớn có thể nhận thức rõ các biến này một cách tường minh và để giành các nhân tố bổ sung cho các nhân tố bất bình thường và không định lượng. Thứ ba, các mô hình cỡ trung bình và lớn cho ta một khung khổ tốt hơn so với các mô hình nhỏ, để sử dụng đánh giá chuyên gia trong đó dưới dạng các nhân tố bổ sung. Các mô hình lớn xác định chính xác các vấn đề và có thể sử dụng hiệu quả đánh giá chuyên gia chi tiết. Thí dụ các chuyên gia có thể cho những đánh giá am hiểu không chỉ về tổng chi tiêu chính phủ mà cả về các thành phần khác nhau của nó. Do đó, không đáng ngạc nhiên rằng trong khoảng 15 năm qua, các mô hình kinh tế lượng cỡ trung bình và lớn đã được sử dụng ngày càng nhiều cho các mục đích dự báo các hiện tượng kinh tế vĩ mô (và những hiện tượng khác), kết hợp với đánh giá chuyên gia dưới dạng các nhân tố bổ sung.
Cuối cùng, một sự tổng quát hoá có vẻ đúng trong một số lớn các trường hợp là khuynh hướng ước lượng thấp một cách có hệ thống những thay đổi. Thí dụ về những ước lượng thấp một cách nghiêm trọng của những thay đổi output âm và tỷ lệ thất nghiệp trong cuộc suy thoái 1982, chỉ ra bởi McNees trong các bài báo 1986 của ông, là một minh hoạ khác của khuynh hướng này.