IDEAS home Printed from https://ideas.repec.org/p/pst/wpaper/319.html
   My bibliography  Save this paper

VAR-malli Suomen kansantalouden VAR-malli lyhyen aikavälin ennustamiseen

Author

Listed:
  • Miia Korhonen

Abstract

Tässä tutkimuksessa tarkasteltiin Suomen kansantalouden lyhyen aikavälin ennustamista rajoittamattomien vektoriautoregressiivisten mallien (VAR-mallien) avulla. Tavoitteena on hyödyntää rakennettuja VAR-malleja tutkimuslaitoksen lyhyen aikavälin ennustekäytössä syksyisin ja keväisin. Estimointia varten kerättiin neljännesvuositason aineistoa vuodesta 1990 alkaen. Mallien spesifioinnissa käytettiin mallin hyvyyden kriteerinä out-of-sample-ennustuksen tarkkuutta keskineliövirheen neliöjuurella (RMSE) tai vuosikasvuasteiden ennustevirheiden neliösummalla mitattuna. Tarkimmin ennustaville malleille oli yhteistä vähäinen viiveiden määrä ja estimoinnin aloittaminen mahdollisimman varhaiselta periodilta. Lisäksi kaikissa out-of-sample-ennustevertailuissa parhaiten menestyneissä seitsemässä mallissa muuttujina olivat Suomen korjatun BKT:n (tietynlainen Nokia korjaus), Euroopan unionin BKT:n ja Suomessa ja EU15:ssä työntekijälle maksettujen nimellisten kompensaatioiden suhteen muuttujat, sekä korkeintaan kolme seuraavista muuttujista: yksityiset investoinnit, työttömyysaste sekä työvoimakustannukset työntekijää kohti. Rakennetuilla malleilla tehtiin ennusteita vuosille 2017 ja 2018. Ennusteita suoritettiin aloittaen periodista 2017Q1, 2017Q2 ja 2017Q4. 2017Q4 alkavissa ennusteissa keskimääräinen arvio Suomen bruttokansantuotteen kasvuasteelle on 3,1 prosenttia vuonna 2017 ja 1,7 prosenttia vuonna 2018.

Suggested Citation

  • Miia Korhonen, 2018. "VAR-malli Suomen kansantalouden VAR-malli lyhyen aikavälin ennustamiseen," Working Papers 319, Työn ja talouden tutkimus LABORE, The Labour Institute for Economic Research LABORE.
    • Handle: RePEc:pst:wpaper:319
    as

    Download full text from publisher

    File URL: https://labore.fi/wp-content/uploads/2018/01/Tyopapereita-319.pdf
    File Function: First version, 2018
    Download Restriction: no
    ---><---

    More about this item

    Keywords

    ;
    ;
    ;
    ;

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:pst:wpaper:319. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Aila Mustonen (email available below). General contact details of provider: https://edirc.repec.org/data/laborfi.html .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.