پیش‌بینی و مدل‌های اقتصادسنجی
پیش‌بینی و مدل‌های اقتصادسنجی
سائول هیمانس، مترجمان:محمدصادق‌الحسینی، محسن رنجبر
مدل‌های اقتصادسنجی، یکی از ابزارهایی هستند که اقتصاددان‌ها برای پیش‌بینی تغییرات آتی اقتصاد از آنها استفاده می‌کنند. به ساده‌ترین بیان، متخصصین اقتصادسنجی روابط گذشته میان متغیرهایی از قبیل مخارج مصرفی، درآمد خانوار، نرخ‌های مالیاتی، نرخ‌های بهره، اشتغال و... را اندازه‌گیری کرده و سپس سعی می‌کنند چگونگی اثرگذاری تغییر برخی از متغیرها بر مسیر آتی سایر آنها را پیش‌بینی کنند.
اقتصادسنجی دانان عموما برای آن که بتوانند چنین محاسباتی را انجام دهند، کار خود را با یک مدل اقتصادی آغاز می‌کنند. این مدل، نظریه‌ای در رابطه با چگونگی ارتباط متقابل میان عوامل مختلف در اقتصاد است. به عنوان مثال همان طور که در نمودار 1 نشان داده شده است، فرض کنید اقتصاد متشکل از خانواده‌ها و بنگاهها باشد. خانواده‌ها خدمات نیروی کار (مثل خیاط، حسابدار، مهندس و... ) را در اختیار بنگاهها قرار می‌دهند و در قبال انجام کار از آنها دستمزد و حقوق دریافت می‌کنند. بنگاهها با استفاده از خدمات نیروی کار، محصولات مختلفی (مثل پوشاک، خودرو و...) به تولید می‌رسانند که امکان خرید آنها وجود خواهد داشت. خانواده‌ها با استفاده از درآمدهایی که از محل خدمات نیروی کار خود به دست آورده‌اند، به مشتریانی تبدیل می‌شوند که این محصولات را خریداری می‌نمایند.
محصولات تولید شده توسط بنگاهها درون خانواده‌ها مصرف می‌شوند و دستمزد و حقوق پرداخت‌شده توسط بنگاهها دوباره در قالب خرید محصولات توسط خانواده‌ها به بنگاهها بازمی‌گردد.
این زنجیره رویدادها که در نمودار نشان داده است، توصیفی (یا مدلی نموداری) از عملکرد اقتصاد خصوصی است. آشکار است که این زنجیره نقص دارد. در آن بانک مرکزی که به عرضه پول بپردازد وجود ندارد، هیچ نظام بانکی در آن وجود ندارد و هیچ دولتی نیست که به اعمال مالیات، ساخت جاده یا فراهم آوردن آموزش یا دفاع ملی بپردازد، اما بنیان‌های بخش خصوصی اقتصاد (کار، تولید و خرید کالاها و خدمات) به گونه‌ای مناسب در شکل 1 نشان داده شده‌اند.
مدل نموداری شکل 1 نقایص خاصی در بیان مقادیری مثل ارزش حقوق و دستمزد پرداخت شده یا تعداد خودروهای تولید شده دارد. اقتصاددان‌ها برای آن که بتوانند اندازه‌ها را به نحو راحت‌تری بیان کنند، از یک مدل ریاضی، یعنی از یک مجموعه معادله که توصیف‌کننده روابط مختلف میان متغیرها باشد استفاده می‌کنند. خرید محصولات توسط خانواده‌ها که در نمودار 1 با عنوان فعالیت شماره 4 نشان داده شده است را در نظر بگیرید. اگر W ارزش دستمزد و حقوقی باشد که خانواده‌ها به دست می‌آورند و C مخارجی باشد که صرف خرید پوشاک می‌کند، آن گاه معادله C=0.12W حاکی از آن است که خانواده‌ها 12درصد از دستمزدها و حقوق‌های‌شان را صرف خرید پوشاک می‌نمایند. معادله‌ای را نیز می‌توان شکل داد که بیان‌کننده خرید خودرو یا هر کالا و خدمت دیگری توسط خانواده‌ها باشد. در حقیقت هر یک از فعالیت‌هایی که در نمودار 1 نشان داده شده‌اند را می‌توان در قالب یک معادله بیان کرد. انجام چنین کاری به آمیزه‌ای از نظریات اقتصادی، حقایق پایه‌ای اقتصادی درباره هر اقتصاد و ظرافت ریاضی نیاز دارد، اما اگر این کار صورت پذیرد، نتیجه آن یک مدل اقتصادی ریاضی یا مقداری خواهد بود که گامی مهم به سوی ساخت یک مدل اقتصادسنجی است.
در معادله مربوط به خرید پوشاک (C=0.12W)،ا«12درصد» تنها به خاطر روشن شدن بحث انتخاب شده بود، اما اگر قرار باشد مدل مورد نظر ما حرفی برای گفتن درباره اقتصاد کشورها مثل اقتصاد آمریکا داشته باشد، باید حاوی ارقامی باشد (متخصصین اقتصادسنجی و دیگرانی که روش‌های آماری مشابهی را به کار می‌گیرند، این گونه ارقام را «پارامتر» می‌نامند) که توصیف‌کننده اتفاقاتی هستند که عملا در دنیای واقعی روی می‌دهند. برای دستیابی به این گونه پارامترها باید به داده‌های مناسب تاریخی رجوع کرده تا دریابیم که نوعا چند درصد از درآمد خانوارهای آمریکایی خرج خرید لباس می‌شود.
ستونی که در جدول 1 با عنوان «مجموع» آورده شده است، درصدی ازدرآمد (پس از کسر مالیات) را نشان می‌دهد که آمریکایی‌ها از 1995 تا 2002 صرف خرید پوشاک (از جمله کفش) کرده‌اند. این نکته کاملا آشکار است که رقم 12درصدی که در معادله بالا مورد استفاده قرار گرفته بود، نادرست است. اگر این رقم در مدل دست نخوره باقی می‌ماند، باعث می‌شد خرید پوشاک به میزان قابل ملاحظه‌ای بیش از حد برآورد شود و برای درک یا پیش‌بینی رفتار اقتصاد آمریکا سودی نداشت. رقمی که به 21/4درصد (متوسط ارزش سالانه ستون «مجموع») نزدیک‌تر باشد، کل مخارج سالانه روی پوشاک و کفش به صورت درصدی از درآمد خانواده‌ها در آمریکا را با دقت بیشتری نشان خواهد داد.
با این حال نگاهی دقیق‌تر به واقعیات نشان می‌دهد که رقم 21/4درصد، شاخصی مناسب از رفتار واقعی نیست. بخشی از درآمد خانوارها که صرف خرید لباس و کفش می‌شده است، تغییر سالانه چشمگیری (از رقمی به بزرگی 5/4درصد تا رقم اندک 9/3درصد) را به خود دیده است. به علاوه به نظر می‌آید که این سهم از درآمد خانوارها در حال طی روندی نزولی است و درصدهای بزرگ‌تر به میانه دهه 1990 و درصدهای کوچک‌تر به این اواخر مربوط هستند. در شیوه ساده آماری‌ای که در ادامه می‌آید به این نکات توجه شده است. در این روش از کل مخارج سالانه که صرف خرید پوشاک و کفش می‌شود شروع کرده، 100میلیارد دلار از آن کم کرده و مانده آن (مخارج سالانه روی لباس و کفش که فراتر از 100میلیارد دلار اولیه هستند) را به صورت درصدی از درآمد خانوارها محاسبه می‌کنیم. ستون سمت چپ جدول 1 که عنوان «100 - مجموع» بر آن گذاشته شده است، نتیجه این محاسبه را نشان می‌دهد. این نتیجه‌ای بسیار راضی‌کننده است که میزان تغییر سالانه آن از متوسط 65/2درصد اندک بوده و روند آشکاری در طول زمان ندارد. ممکن است این سوال مطرح شود که 100میلیارد دلار فوق به چه دلیل از مبلغ کل مخارج کاسته شده است. متوسط جمعیت آمریکا طی سال‌های 1995 تا 2002، 6/277میلیون نفر بود. لذا رقم 100میلیارد دلار (پس از گرد شدن) به معنای 360دلار به ازای هر نفر (100میلیارد دلار تقسیم بر 6/277میلیون نفر) است.
ارقام جدول 1 حاکی از آنند که این روزها عدد متوسطی در حدود 360دلار به ازای هر نفر در سال، مقدار پایه یا حداقل قابل قبولی برای مخارج صرف شده روی لباس و کفش است. اگر این میزان حداقلی را در نظر بگیریم، لباس و کفش اضافی خریداری شده به 65/2درصد از درآمد خانوارها خواهد رسید. به بیان دیگر، هرچه درآمد خانوارهای آمریکایی بیشتر باشد، مبلغ بیشتری را صرف خرید لباس و کفش خواهند کرد، اما آنها در هر سال حداقل 100میلیارد دلار را در این بخش خرج خواهند نمود، همچنین بهترین پیش‌بینی از کل مبلغی که در این رابطه هزینه خواهد شد، عبارت است از 100میلیارد دلار به اضافه 65/2درصد از درآمد خانوارها. این نکته به گونه‌ای دیگر توسط معادله C=100+%2.65W نشان داده می‌شود که با معادله اولیه C=0.125 بسیار متفاوت است. این نکته که مقادیر 100 و 0265 /0 در معادله فوق با استفاده از داده‌های مربوطه مشخص شده‌اند، ما را به این باور می‌رساند که این معادله حاکی از نکته‌ای معنادار درباره اقتصاد است. استفاده از این داده‌ها برای تعیین یا تخمین مقدار تمام پارامترهای این مدل، مرحله‌ای بسیار مهم است که مدل اقتصاد ریاضی را به یک مدل اقتصادسنجی تبدیل می‌کند. یک مدل اقتصادسنجی در صورتی کامل نامیده می‌شود که حاوی معادلاتی کافی جهت پیش‌بینی مقادیر تمامی متغیرهای موجود در آن باشد. به عنوان مثال معادلهC=100 +0/0265W در صورت مشخص بودن مقدار W، C را پیش‌بینی می‌کند. لذا باید معادله‌ای در مدل وجود داشته باشد که مقدار W را تعیین نماید. اگر همه این گونه روابط منطقی برقرار شده باشند، مدل کامل خواهد بود و اساسا می‌توان از آن برای پیش‌بینی اقتصاد یا بررسی نظریات مربوط به رفتار آن استفاده کرد.
در واقع مدل‌های اقتصادسنجی، هیچ گاه واقعا کامل نمی‌باشند. همه مدل‌ها متغیرهایی را در خود دارند که قادر به پیش‌بینی آنها نیستند؛ چراکه توسط نیروهایی «خارج» از مدل تعیین می‌گردند. مثلا مدلی واقع‌گرایانه است که مالیات بر درآمد شخصی که توسط دولت کسب می‌شود را در خود داشته باشد، زیرا اختلاف میان درآمد ناخالص کسب شده توسط خانوارها و درآمد خالصی که آنها می‌توانند خرج کنند (و اقتصاددان‌ها آن را درآمد قابل تصرف می‌نامند)، برابر با همین مالیات‌ها است. میزان مالیات کسب شده توسط دولت به نرخ‌های مالیاتی که در قوانین مالیات بر درآمد مشخص شده‌اند بستگی دارد، اما این نرخ‌های مالیاتی، توسط دولت و به عنوان بخشی از سیاست مالی آن تعیین می‌گردند و مدل آنها را توضیح نمی‌دهد. اگر قرار باشد از این مدل برای پیش‌بینی فعالیت‌های اقتصادی در چند سال آتی استفاده گردد، اقتصاددانان‌سنجی باید نرخ‌های مالیاتی پیش‌بینی شده در آینده را در مبنای اطلاعاتی این مدل بگنجانند. این امر مستلزم فرضی در این باره است که آیا دولت نرخ‌های مالیات بر درآمد را در آینده تغییر خواهد داد یا خیر و اگر پاسخ به این سوال مثبت است، این تغییر در چه زمانی و به چه مقدار اعمال خواهد شد. همچنین مدل فوق به نحوی مشابه نیازمند اتخاذ یک فرض درباره سیاست پولی که بانک مرکزی (در آمریکا سیستم فدرال‌رزرو) پیگیری خواهد نمود و نیز درباره تعداد زیادی از این قبیل متغیرهای «خارج از مدل» (یا برونزا) برای پیش‌بینی همه متغیرهای «داخل مدل» (یا درونزا) است. نیاز متخصص اقتصادسنجی به استفاده از بهترین قضاوت ممکن در باب عوامل «بیرونی»، در ذات پیش‌بینی اقتصادی قرار دارد. بنابراین یک پیش‌بینی اقتصادی بر مبنای اقتصادسنجی می‌تواند به دو دلیل اشتباه باشد.
1) اتخاذ فرضیات نادرست درباره متغیرهای «بیرونی» یا برونزا که خطای ورودی نامیده می‌شوند، یا 2) معادلات اقتصادسنجی که تنها تخمین‌هایی از واقعیت هستند (توجه داشته باشید که هر سال خرید لباس بیشتر از مقدار حداقل، دقیقا به میزان 65/2درصد از درآمد خانوارها نخواهد بود). انحرافات صورت گرفته از پیش‌بینی‌های این معادلات، خطای مدل نامیده می‌شوند.
معادله C=100+0/0265W به معنای آن است که «هر گونه انحراف در خرید پوشاک نسبت به 100میلیارد دلار به اضافه 65/2درصد از درآمد خانوارها را باید به عنوان اختلال تصادفی از رفتار معمول یا مورد انتظار تلقی کرد». این تغییرات از آن دسته نوسانات ذاتا غیرقابل پیش‌بینی در رفتار انسان است که پیوسته ماموران سنجش افکار عمومی، اقتصاددان‌ها و دیگرانی را که تلاش می‌کنند رویدادهای اجتماعی-اقتصادی را پیش‌بینی نمایند به اشتباه می‌اندازند.
هر کسی که می‌خواهد اقتصاد را پیش‌بینی کند باید خود را برای ارتکاب اشتباه به خاطر خطای غیرقابل پیش‌بینی مدل آماده کند، اما آیا واقعا همه خطای مدل غیرقابل پیش‌بینی است؟ فرض کنید فرد پیش‌بینی‌کننده گزارشی را می‌خواند که نشان‌دهنده عکس‌العمل بسیار مطلوب مصرف‌کننده‌ها به آخرین مدل‌های لباس باشد. تصور کنید که این پیش‌بینی‌کننده بر این اساس فکر می‌کند که میزان خرید پوشاک در سال آینده حدودا به میزان 3درصد از مقدار حداقلی خود فراتر خواهد رفت. آیا این فرد باید از این باور موجه و مستند مبنی بر آن که فروش پوشاک «زیاد خواهد شد» غفلت کرده و پیش‌بینی‌ای کند که انتظار می‌رود درست نباشد؟
پاسخ این پرسش به هدف پیش‌بینی بستگی دارد. اگر این هدف، کاملا علمی بوده و به تعیین میزان دقت پیش‌بینی یک مدل دارای ساختار مناسب مربوط باشد، پاسخ آن است که باید به اطلاعات بیرونی بی‌توجهی کرده و مدل را فارغ از آنها پیش برد. اگر هدف علمی‌تر بوده و قرار باشد از بهترین اطلاعات موجود برای انجام روشنگرترین و آگاهی‌دهنده‌ترین پیش‌بینی استفاده شود، پاسخ آن است که باید اطلاعات بیرونی را به مدل وارد ساخت، حتی اگر این کار عملا به معنای حذف مقدار 265% پارامتر و استفاده از رقم 300% به جای آن باشد. روزی اعمال این گونه «تعدیل‌های ثابت» بر پیش‌بینی‌ها کاملا غیرعملی شمرده می‌شد، اما این روزها بسیاری از محققین، چنین رفتاری را در علم اجتماعی پیش‌بینی اقتصاد اجتناب‌ناپذیر می‌دانند و شروع به مطالعه این نکته کرده‌اند که چگونه می‌توان به بهترین وجهی (از نقطه نظر علمی) این قبیل اطلاعات خارجی را به مدل وارد ساخت.
معمول‌ترین معیار برای ارزیابی کیفیت یک پیش‌بینی اقتصاد کلان، دقت آن در پیش‌بینی رشد GDP واقعی است. GDP واقعی گسترده‌ترین معیار از تمام کالاها و خدمات نهایی است که درون مرزهای جغرافیایی یک کشور تولید می‌گردند. این که از قبل بدانیم آیا GDP واقعی با سرعت زیادی افزایش خواهد یافت (و رشد اقتصادی بیش از 4درصد خواهد بود) و یا به زودی رو به کاهش خواهد‌گذارد(و رشد آن به کمتر از یک درصد می‌رسد یا حتی منفی می‌شود)، از بسیاری جهات ارزش زیادی به همراه دارد. اطلاعات ارائه شده در شکل 2 را می‌توان برای قضاوت درباره دقت پیش‌بینی‌های اقتصادسنجی که سمینار تحقیقاتی اقتصاد مقداری (RSQE) طی سه دهه گذشته در دانشگاه میشیگان انجام داده به کار گرفت.
پروژه پیش‌بینی RSQE که به دهه 1950 باز می‌گردد، یکی از قدیمی‌ترین پیش‌بینی‌های از این دست است که در آمریکا انجام شده است. در شکل 2 برای هر یک از سال‌های 1971 تا 2003 درصد تغییری که عملا در GDP واقعی روی داده است (نرخ رشد اقتصاد) با پیش‌بینی RSQE که در ماه نوامبر سال قبل از آن انتشار یافته است، مورد مقایسه قرار گرفته‌اند. کیفیت پیش‌بینی RSQE را می‌توان به شیوه‌های گوناگونی توصیف کرد.
اگر چه این پیش‌بینی‌ها به طور متوسط 1/1واحد درصد با درصد تغییر واقعی فاصله داشته‌اند (این رقم با استفاده از میانگین خطای پیش‌بینی و بدون توجه به علامت آن اندازه‌گیری شده است) اما میزان خطای پیش‌بینی در سیزده سال از سی‌وسه سال نشان داده شده در شکل 5/0 واحد درصد یا کمتر بوده است. از سوی دیگر خطای پیش‌بینی در شش سال از سالیان فوق 2واحد درصد یا بیشتر بوده و در سال‌های 1982 و 1991 به ترتیب 1/3 و 0/3درصد بوده است، اما با وجود برخی خطاهای به نسبت بزرگی که دراین پیش‌بینی‌ها روی داده است، هرگز این گونه نبوده که RSQE یک سال ضعیف را پررونق یا یک‌سال پررونق را ضعیف پیش‌بینی کند. تنها نمونه‌های معدودی (در این اواخر،یعنی 1999 و 2001) وجود داشته است که در آنها پیش‌بینی RSQE واقعا «اشتباه» بوده است، به این معنا که در این باره که آیا نرخ رشد اقتصاد نسبت به سال قبل افزایش یا کاهش خواهد یافت اشتباه فاحشی صورت گرفته است. تا این جای بحث توجه خود را به مدلی متمرکز کرده‌ایم که از آن با عنوان مدل اقتصادسنجی ساختاری یاد می‌شود، به این معنا که در آنها متخصص اقتصاد سنجی آمیزه‌ای از نظریات اقتصادی، ریاضیات و اطلاعات مربوط به ساختار اقتصاد را برای ساخت یک مدل مقداری اقتصادی به کار می‌گیرد. سپس این متخصص اقتصاد سنجی برای ارزیابی مقدار پارامترهای نامشخص و تبدیل این مدل اقتصادی به یک مدل اقتصادسنجی ساختاری به سراغ داده‌های مشاهده شده می‌رود. واژه «ساختاری» به این نکته اشاره دارد که مدل مورد اشاره ساختار یا ویژگی خود را از نظریه اقتصادی که متخصص اقتصاد سنجی کار خود را با آن آغاز می‌کند می‌گیرد، به عنوان مثال این ایده که مخارج صرف شده روی لباس و کفش از روی درآمد خانوارها تعیین می‌شود، از نظریات اقتصادی اخذ می‌گردد.
نظریات اقتصادی هم پیچیده و هم ناقص هستند. مثلا:
* آیا مخارج صرف شده روی لباس و کفش در سال جاری تنها به درآمد همین سال وابسته است یا به الگوی درآمد در سال‌های اخیر نیز بستگی دارد؟
* عبارت سال‌های «اخیر» به چند سال اشاره دارد؟
*آیا متغیرهای دیگر از قبیل قیمت لباس نسبت به قیمت سایر کالاهای مصرفی اهمیتی ندارند؟
این شرایط باعث می‌شود تعیین مدل اقتصادی که باید کار ساخت مدل ساختاری اقتصادسنجی جهت استفاده در پیش‌بینی را با آن آغاز نموده از آن چه تا به حال بیان شد بسیار مشکل‌تر گردد. در سال‌های اخیر متخصصین اقتصادسنجی دریافته‌اند که می‌توان پیش‌بینی اقتصادی را با استفاده از یک روند ساده‌تر غیرساختاری و بی‌آنکه دقت پیش‌بینی به میزان زیادی کاهش پیدا کند انجام داد؛ اگر چه این روند ساده‌تر هزینه‌های قابل ملاحظه‌ای به همراه دارد، اما این هزینه‌ها در روند معمول پیش‌بینی چندان آشکار نخواهند بود.
این نکته پس از معرفی کوتاه روند جایگزین که «پیش‌بینی سری زمانی» نام دارد، توضیح داده خواهد شد.
ایده پیش‌بینی سری زمانی به سادگی و با کمک شکل 3 توضیح داده می‌شود. شکل 3 تغییرات سالانه در مخارج صورت گرفته روی لباس و کفش را از سال 1981 تا 2002 نشان می‌دهد.
بخش عمده‌ای از تغییرات سالانه در گستره 4/4 تا 2/13میلیارد دلار قراردارند و تنها یک مورد مربوط به سال 2001 از این محدوده بیرون است. به عبارت دیگر این تغییرات سال به سال، پایدار به نظر می‌رسند. برخی از این تغییرات بیشتر از 8/8میلیارد دلار و برخی نیز کمتر از آن هستند. در فاصله 1983 تا 1988 زنجیره‌ای از تغییرات روی دادند که همگی نزدیک به 11میلیارد دلار بودند، اما این غیرعادی بود. در اغلب موارد تغییر روی داده در یک سال راهنمای خیلی خوبی جهت پیش‌بینی تغییر مربوط به سال بعد نیست؛ چرا که میزان پرش این تغییرات بسیار زیاد است. لذا اگر یک قاعده پیش‌بینی حاکی از آن باشد که مخارج سال آتی روی لباس و کفش به میزان 8/8میلیارد دلار بیشتر از مخارج سال جاری خواهد بود، معنادار است. این مثال ساده اصل و جوهر پیش‌بینی سری زمانی را نشان می‌دهد. در واقع در مدل‌های سری زمانی باید به دقت به رفتار متغیر مورد نظر در طول زمان نگاه کرد و اگر این متغیر در طول زمان رفتار باثباتی نشان داد از آن برای انجام پیش‌بینی استفاده کرد. «مشاهده» با ثبات بودن یا نبودن رفتار متغیرها (برای انجام یک پیش‌بینی قابل اتکا) همواره ساده نیست. متخصصین اقتصادسنجی شیوه‌های پیچیده‌ای را جهت تشخیص ثبات و اندازه‌گیری آن شکل داده‌اند.
به طور کلی به نظر می‌رسد که روش‌های سری زمانی و مدل ساختاری، پیش‌بینی‌های نسبتا خوبی را برای یک یا دو سال آینده انجام می‌دهند، اما روش سری زمانی از این مزیت آشکار برخوردار است که بسیار ساده‌تر است. می‌توان مخارج صورت گرفته روی لباس و کفش را بدون توجه به رابطه نظری میان مخارج و درآمد خانوارها پیش‌بینی نمود. نیازی به مشخص بودن این رابطه نیست و همچنین نیازی به برآورد کردن پارامترهای آن وجود ندارد و تنها باید بر خود متغیر پوشاک تمرکز کرد.
پس هزینه‌های قابل ملاحظه مربوط به استفاده از شیوه پیش‌بینی سری زمانی چیست؟ هزینه‌های مورد اشاره از این واقعیت ناشی می‌شوند که روش مزبور تنها یک پاسخ عددی به ما می‌دهد و دیگر هیچ. اگر فرد استفاده‌کننده از این پیش‌بینی (مثلا یک تولیدکننده پوشاک) بپرسد که چرا این پیش‌بینی چنین رقمی را مطرح می‌کند، متخصصین اقتصاد سنجی سری زمانی در پاسخ تنها می‌تواند بگوید«زیرا این شیوه‌ای است که مخارج مربوط به پوشاک در گذشته طبق آن رفتار کرده است» و نمی‌تواند بگوید «زیرا درآمد خانوارها در پاسخ به یک سیاست پولی انبساطی به شدت روبه افزایش است و هدف از اتخاذ این سیاست آن بوده است که...». به طور خلاصه در این تحلیل هیچ موضوع اقتصادی در درجه اول اهمیت قرار ندارد. اگر این گونه بود، فرد استفاده‌کننده می‌توانست پاسخ دهد: «این معنادار است و من براساس این پیش‌بینی برنامه‌ریزی خواهم کرد» یا می‌توانست بگوید «این پیش‌بینی نمی‌تواند صحیح باشد، زیرا من متقاعد شده‌ام که همین روزها سیاست پولی انبساطی معکوس خواهد شد و لذا من این پیش‌بینی را در برنامه‌ریزی خودم اصلاح می‌کنم.» پیش‌بینی سری زمانی فرد را در منگنه قرار می‌دهد. فرد باید یا پیش‌بینی مزبور را دربست بپذیرد یا آن را رها نماید.
از آنجا که بسیاری از پیش‌بینی‌کننده‌ها با مدل‌های ساختاری کار می‌کنند، افراد استفاده‌کننده از آنها نه تنها می‌توانند پیش‌بینی‌های عددی گوناگونی را به دست آوردند، بلکه می‌توانند به تحلیل اقتصادی که با هر پیش‌بینی همراه است یا آن را توجیه کرده یا توضیح می‌دهد نیز دست یابند. مسلما کاربری که مجبور است بر مبنای یک پیش‌بینی عمل کند و می‌تواند پیش‌بینی مورد استفاده خود را از میان گزینه‌های مختلف موجود انتخاب نماید، در حالتی که این موارد یک مبنای اقتصادی ساختاری داشته باشند، به اطلاعات بسیار بیشتری دست خواهد یافت. نکته آخری که باید به آن اشاره کرد و به بحث‌های قبل نیز ارتباط دارد آن است که وقتی بحث به حوزه مهم تحلیل اقتصادسنجی سیاست‌ها یا به محاسبات «اگر A رخ دهد، آنگاه چه می‌شود؟» مربوط باشد، مدل‌های ساختاری «تنها راهکار ممکن» خواهند بود. از این رو پیش‌بینی اولیه با استفاده از یک مدل اقتصادسنجی ساختاری و بهترین اطلاعاتی که فرد پیش‌بینی‌کننده به آنها دسترسی دارد انجام می‌شود. سپس زمانی که کسی این سوال را مطرح می‌کند که«اگر گنکره نرخ مالیات بر درآمد را پنج واحد درصد افزایش دهد، چه می‌شود؟» آن گاه این تغییر ساده بر محاسبات اولیه اعمال گردیده و مقدار مورد پیش‌بینی دوباره محاسبه خواهد شد تا ارزیابی مدل از اثر تغییر سیاست مالی دولت به اقتصاد را نشان دهد.
منبع: دنیای اقتصاد
