II. CÁC PHƢƠNG PHÁP DỰ BÁO CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI
2.5 Kinh nghiệm dự báo bằng các mô hình kinh tế lƣợng vĩ mô: những bài học tổng quát
những bài học tổng quát
Kinh nghiệm mới gần đây hơn với dự báo sử dụng mô hình kinh tế lƣợng 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 đƣợc đƣa vào mô hình, nói chung cải thiện đáng kể khả năng dự báo của mô hình. Các dự báo với những điều chỉnh chủ quan nhƣ vậy nói chung chắnh xác hơn so với các dự báo thu đƣợc từ việc áp dụng thuần tuý máy móc mô hình kinh tế lƣợng, kể cả các dự báo ex-post. Việc kết hợp một mô hình kinh tế lƣợng với ý kiến chuyên gia theo cách này tận dụng những điểm tốt nhất của mỗi phƣơng pháp. Nó kết hợp kỷ luật khách quan tƣờng minh của mô hình kinh tế lƣợng hình thức và các ƣớc lƣợng 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 lƣợng cho ta một điểm xuất phát hữu ắch cho việc hình thành dự báo, nó nhận diện các nhân tố mà đối với nó phải tiến hành các quyết định đánh giá, và nó cho ta một khuôn khổ bảo đảm rằng dự báo là tƣơng hợp bên trong. Các nhân tố bổ sung tắnh đến những hoàn cảnh đặc biệt và những kiến thức không đƣợc 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 tắnh 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 lƣợng vĩ mô cũng chỉ ra rằng các mô hình nhƣ vậy nói chung có khả năng sản sinh ra những dự báo chắnh xác đối với các biến nhất định, nhƣng cũng sản sinh ra các dự báo kém chắnh xác hơn nhiều đối với các biến khác. Nói chung, nhƣ ta có thể mong đợi, các biến chuyển động chậm và trơn đƣợc dự đoán chắnh xác hơn các biến thể hiện có phƣơng sai cao và dao động lớn từ thời kỳ này qua thời kỳ khác. Thắ dụ, khả năng dự báo đối với các biến nhƣ chi tiêu tiêu dùng và thu nhập tiền công là rất tốt, bởi vì các biến này có khuynh hƣớng thể hiện các mẫu tăng trƣởng ổn định với chỉ những biến động nhỏ theo thời gian. Trái lại, các dự báo đối với các biến nhƣ đầu tƣ 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 chắ tồi. Hơn nữa, sai số dự báo có khuynh hƣớng tăng khi tầm dự báo dài hơn. Dự báo ngắn hạn thì tƣơng đối dễ, đặc biệt nếu mô hình có chứa các biến trễ. Thắ dụ, tổng sản phẩm quốc gia danh nghĩa và thực tế có thể đƣợc dự báo đến tận ba quý sau với căn của sai số bình phƣơng trung bình 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 kắch cỡ của mô hình. Các mô hình nhỏ với ắt hơn 20 biến nội sinh, nhƣ mô hình trong chiến tranh Klein và mô hình St Louis; các mô hình cỡ trung bình vào khoảng giữa 20 và 250 biến nhƣ thế, nhƣ các mô hình Klein-Goldberger và mô hình Wharton; và các mô hình lớn với trên 250 biến nội sinh, nhƣ các mô hình Wharton Mark III, Chase Econometrics và DRI, tất cả đã đƣợc sử dụng cho các mục đắch dự báo các hiện tƣợng kinh tế vĩ mô chủ yếu. Trong khi có một số ngoại lệ, vẫn có khuynh hƣớng xây dựng và sử dụng các mô hình lớn khi cơ sở dữ liệu tăng lên và chi phắ thu thập số liệu và tắnh 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 đắch 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. Thắ dụ, thƣờng quan trọng là tách đầu tƣ thành các thành phần và xử lý một cách tƣờng minh những lƣợng 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 đƣờng. Nhƣ một minh hoạ về điểm này, Suits (1967), trong một nghiên cứu tiếp theo nghiên cứu mở đƣờng (1962) của ông về dự báo kinh tế vĩ mô sử dụng một mô hình kinh tế lƣợng vĩ mô, đã nhận xét rằng ông bị lái theo hƣớng 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 chắnh 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 nhƣ xác định thu nhập quốc gia và các hiện tƣợng có liên quan. Thắ dụ, quan trọng là phải cụ thể về các biến ngoại sinh ảnh hƣởng lên hệ thống để vừa cho phép một cách tƣờng minh đối với các ảnh hƣởng của chúng
vừa kiểm định độ nhạy của dự báo đối với những giả thiết khác nhau về các biến nhƣ vậy. Trong một mô hình nhỏ, các biến này chỉ đƣợc tắnh đến thông qua các số hạng nhiễu ngẫu nhiên và các nhân tố bổ sung, nhƣng điều đó có thể đặt một gánh quá nặng lên các nhân tố nhƣ vậy. Các mô hình lớn có thể nhận thức rõ các biến này một cách tƣờng minh và để giành các nhân tố bổ sung cho các nhân tố bất bình thƣờng và không định lƣợng. Thứ ba, các mô hình cỡ trung bình và lớn cho ta một khuôn khổ tốt hơn so với các mô hình nhỏ, để sử dụng đánh giá chuyên gia trong đó dƣới dạng các nhân tố bổ sung. Các mô hình lớn xác định chắnh xác các vấn đề và có thể sử dụng hiệu quả đánh giá chuyên gia chi tiết. Thắ dụ các chuyên gia có thể cho những đánh giá am hiểu không chỉ về tổng chi tiêu chắnh 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 lƣợng cỡ trung bình và lớn đã đƣợc sử dụng ngày càng nhiều cho các mục đắch dự báo các hiện tƣợng kinh tế vĩ mô (và những hiện tƣợng khác), kết hợp với đánh giá chuyên gia dƣới dạng các nhân tố bổ sung.
PHẦN HAI
CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI VÀ LỰA CHỌN CÁC CHỈ TIÊU THỐNG KÊ XÃ HỘI CHO DỰ BÁO
Một điều cho đến nay không ai có thể phủ nhận đƣợc là xã hội có ổn định ngƣời dân mới đƣợc sống hạnh phúc, xã hội có ổn định mới phát triển đƣợc kinh tế từ đó nâng cao đời sống vật chất của ngƣời dân. Với lý do đó, các nhà quản lý và điều hành đất nƣớc luôn muốn có thông tin phản ánh các vấn đề về xã hội. Mặt khác, càng muốn biết xu thế phát triển trong tƣơng lai của các hiện tƣợng xã hội- kinh tế nhƣ thế nào. Nhƣ vậy, các chỉ tiêu thống kê xã hội- kinh tế giữ vai trò quan trọng trong việc điều hành đất nƣớc. Việc biết đƣợc xu thế phát triển trong tƣơng lai của chúng trở nên quan trọng. Tuy nhiên, không thể một lúc tiến hành dự báo đƣợc tất cả các chỉ tiêu, vả lại không phải tất cả các chỉ tiêu đều có đủ thông tin để tiến hành dự báo, vì vậy cần phải có sự chọn lựa và ƣu tiên. Trong phần này chúng tôi sẽ tập trung vào trình bày hệ thống các chỉ tiêu thống kê xã hội-kinh tế và quá trình lựa chọn chúng để tiến hành dự báo.