Prognozowanie indeksu produkcji sprzedanej przemysłu przetwórczego przy wykorzystaniu wyników z testu koniunktury IRG SGH

• Autorzy: Sławomir Dudek

Warianty tytułu

Forecasting of manufacturung production index using business survey results of IRG SGH

• Języki publikacji: PL

Abstrakty

W miarę postępującego procesu globalizacji gospodarki światowej, otwierania się poszczególnych gospodarek, liberalizowania rynków finansowych i kapitałowych, rośnie znaczenie analizy makroekonomicznej w podejmowaniu decyzji gospodarczych. Ponadto przyspieszenie procesów gospodarczych wymusza wzrost częstotliwości z jaką te decyzje muszą być podejmowane. W związku z tym wzrasta zapotrzebowanie (szczególnie w krajach transformujących się) na bieżące, krótkookresowe mierniki oceny sytuacji gospodarczej danego kraju wśród instytucji zajmujących się analizą makroekonomiczną (uczestnicy rynku walutowego, banki, instytucje rządowe, firmy doradcze, itp.). Oprócz diagnozy bieżącego stanu gospodarki, istotnego znaczenia nabiera również możliwość prognozowania przyszłej sytuacji gospodarczej. Jednym z podstawowych obszarów gospodarki, który pozwala na szybką ocenę bieżących procesów ekonomicznych jest kształtowanie się miesięcznej produkcji przemysłu przetwórczego, która jest silnie skorelowana z miernikiem ogólnej aktywności gospodarki, czyli Produktem Krajowym Brutto (PKB). Wobec powyższego istnieje olbrzymie zainteresowanie wśród analityków makroekonomicznych i decydentów krótkookresowymi prognozami produkcji przemysłowej (a w szczególności produkcji przemysłu przetwórczego). Głównym celem niniejszego artykułu jest określenie możliwości wykorzystania wyników pochodzących z badania prowadzonego za pomocą testu koniunktury przedsiębiorstw przemysłu przetwórczego (na przykładzie badania Instytutu Rozwoju Gospodarczego Szkoły Głównej Handlowej - IRG SGH), które mają charakter jakościowy, do analizowania i krótkookresowego prognozowania wskaźnika produkcji sprzedanej przemysłu przetwórczego GUS, czyli danych o charakterze ilościowym. (abstrakt oryginalny)

EN

The main aim of the paper is to research usefulness of business survey results of IRG SGH for forecasting of manufacturing production yearly index (YoY). For this purposes there were used single equation regressions. The regressions use as a explanatory variables business survey indexes with different possible leads. Paper uses 8 questions from the IRG SGH industrial survey in the perception and expectation form and also general business indicator. All model are investigated for raw, seasonally adjusted and smoothed time series. In addition qualitative models are compared with autoregression model. The general conclusion of the research are: models for seasonally adjusted and smoothed series have better forecasting properties; qualita-tive models have better forecasting properties than autoregression model; qualitative models allow for two-months ahead forecasts; the models for balances have comparable forecasting properties or even better than models based on fractions from particular questions. (original abstract)

Słowa kluczowe

PL

Produkt krajowy brutto (PKB); Przemysł przetwórczy; Modele regresji

EN

Gross domestic product (GDP); Processing industry; Regression models

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2005
• Numer: nr 14 Ubezpieczenia i ekonometria
• Strony: 163-184

Twórcy

autor

Sławomir Dudek

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Adamowicz E., Dudek S., Walczyk K. (2004) The Usefulness of Business Surveys Data for Short-term Forecasting - Raw Data vs Seasonally Adjusted and Smoothed One, 27th CIRET Conference, Warsaw 2004.
• Anderson O. (1952) The business test of the IFO-Institute for Economic Research, Munich, and its theoretical model, Revue de 1'Institut International de Statistique 20:1-17.
• Blake A., Hurst I., Weale M.R. (2001) A Review of Statistical Procedures for FLASH Estimates of GDP and its Components, NIESR.
• Britton E., Cutler J., Wardlow A. (1999) The Bank's use survey data, Bank of England Quarterly Bulletin, May: 177-182.
• Charemza W.W., Deadman D.F. (1997) Nowa ekonometria, PWE, Warszawa.
• Cunningham A. (1997) Quantifying survey data, Bank of England Quarterly Bulletin: 292-299.
• Diebold F.X., Rudebusch G.D. (2000) Forecasting Output with Composite Leading Index: A Real-Time Analysis w: Business Cycles - Durations, Dynamics and Forecasting, red. Diebold F.X., Rudebusch G.D., Princeton Univeristy Press.
• Driver C., Urga G. (2004) Transforming Qualitative Survey Data: Performance Comparisons for the UK, Oxford Bulletin of Economics & Statistics; 66-1:71- 90.
• EViews 5 User's Guide (2004), Quantitative Micro Software.
• Hendry D.F., Ericsson N.R. red. (2001) Understending Economic Forecasts, MIT.
• Kangasniemi J., Takala K., Tsupari P. (2000) Seasonality and Smoothing of Business Survey Data, 25th CIRET Conference, Paris 2000.
• Kim J.W. (2000) The Relationship between Business Survey Results and the Growth Rate of GDP: The Bank of Korea's Experience, 25th CIRET Conference, Paris 2000.
• Mazzi G. L., Savio G. (2004) The Seasonal Adjustment of Qualitative Business and Consumer Surveys, 27th CIRET Conference, Warsaw 2004.
• Mitchell J., Smith R.J., Weale M.R. (2002) Aggregate versus Disaggregate Survey-Based Indicators of economic Activity, NIESR, London.
• Pesaran M.H. (1984) Expectations Formations and Macroeconometric Modelling w: Malgrange P. i Muet P.A. (red.) Contemporary Macroeconomic Modelling, Basil Blackwell, Oxford.
• Pesaran M.H. (1989) The Limits to Rational Expectations, Basil Blackwell, Oxford.
• Rocki M. Tabeau A. (1995) Kwantyfikacja jakościowych danych ankietowych dla produkcji przemysłu w Polsce, Roczniki KAE - 2, SGH, Warszawa.
• Smith J., McAleer M. (1995) Alternative Procedures for Converting Qualitative Response Data to Quantitative Expectations: An Application to Australian Manufacturing, Journal of Applied Econometrics 10:165-185.
• Sumner M. (1997) "More on output expectations in manufacturing", Applied Economics 29:365-369.
• Theil H. (1952) On the time shape of economic microvariables and the Munich business test, Revue de l'lnstitut International de Statistique 20:105-120.
• Theil H. (1971) Applied Economic Forecasting, North-Holland, Amsterdam.
• Thomas D.G. (1995) Output expectations within manufacturing industry, Applied Economics 27:403-408.
• Tomczyk E. (2001) Racjonalność oczekiwań respondentów testu koniunktury w: Analiza tendencji rozwojowych w polskiej gospodarce na podstawie testu koniunktury, Prace i Materiały Instytutu Rozwoju Gospodarczego - Zeszyt nr 70, Szkoła Główna Handlowa, Warszawa.
• Tomczyk E. (2004) Racjonalność oczekiwań - metody i analiza danych jakościowych - Prace i Monografie, 529, Szkoła Główna Handlowa, Warszawa.
• Welfe A. (1998) Ekonometria. Metody i ich zastosowanie, PWE, Warszawa.