Hvor presise er prognosene i Nasjonalbudsjettet?

Gharsallah, Sofian and Sucarrat, Genaro (2019): Hvor presise er prognosene i Nasjonalbudsjettet?

Abstract

Årlige prognoser av norsk økonomi er av stor viktighet for beslutningstakere. Dette gjelder spesielt stortingspolitikerne som vedtar Statsbudsjettet basert på prognosene i Nasjonalbudsjettet. Disse prognosene utarbeides av Finansdepartementet (FIN). I dette studiet evaluerer vi presisjonen til et utvalg prognoser i perioden 1999 - 2018. Til sammenligning inkluderer vi prognosene til Norges Bank og Statistisk sentralbyrå, og prognosene til tre enkle modeller: Snittet, tilfeldig gange og AR(1) modellen. Vi finner ingen generell støtte for hypotesen om at prognosene til enkle modeller er mer presise enn de til Nasjonalbudsjettet. Videre finner vi at Nasjonalbudsjettets prognoser er: Generelt litt mer presise enn de til enkle modeller, på nivå med prognosene til Norges Bank og SSB, og i hovedsak ubetinget forventningsrette (dvs. at de i gjennomsnitt treffer det de sikter på).

• Item Type: MPRA Paper
• English Title: How precise are the forecasts of the Norwegian national budget?
• Language: Norwegian
• Keywords: Norge, Nasjonalbudsjettet, prognoser
• Subjects: C - Mathematical and Quantitative Methods > C5 - Econometric Modeling > C53 - Forecasting and Prediction Methods ; Simulation Methods

References

Harvey, D., S. Leybourne, og P. Newbold (1997). Testing the equality of prediction mean squared errors. International Journal of Forecasting 23, ss. 801-824.

Holmøy, E. (2014). Satsing på vekst må være samfunnsøkonomisk lønnsom. Samfunnsøkonomen, nr. 8, ss. 4-7.

Hyndman, R. J. og G. Athanasopoulos (2018). Forecasting: Principles and Practice. Melbourne: OText. https://otexts.com/fpp2/.

Ljung, G. og G. Box (1979). On a Measure of Lack of Fit in Time Series Models. Biometrika 66, ss. 265-270.

Mincer, J. og V. Zarnowitz (1969). The Evaluation of Economic Forecasts. I J. Zarnowitz (red.), Economic Forecasts and Expectations, ss. 3-46. New York: National Bureau of Economic Research.

Newey, W. og K. West (1987). A Simple Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix. Econometrica 55, 703-708.

Pretis, F., J. Reade, og G. Sucarrat (2018). Automated General-to-Specific (GETS) Regression Modeling and Indicator Saturation for Outliers and Structural Breaks. Journal of Statistical Software 86, ss. 1-44.

R Core Team (2019). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing.

Sucarrat, G. (2019). MATIA sier... En kommentar på prognosene i Nasjonalbudsjettet 2020. 8. oktober 2019. http://www.sucarrat.net/matia.