Taloustilastojen merkitys
empiiriselle makrotaloudelliselle tutkimukselle ja makrotaloudelle*
Markku Lanne Professori helsingin yliopisto
Johdanto
e
mpiirisellä kokonaistaloudellisella analyysillä on keskeinen rooli niin akateemisessa kuin yliopistojen ulkopuolella tehtävässä soveltavas
sa makrotaloudellisessa tutkimuksessa. akatee
misessa empiirisessä tutkimuksessa pääpaino on teorioiden testaamisessa, joka auttaa kehit
tämään paremmin reaalimaailmaa kuvaavia teoreettisia malleja. yliopistojen ulkopuolella, mm. keskuspankeissa, muualla julkisella sekto
rilla, yrityksissä ja tutkimuslaitoksissa, tapahtu
van soveltavan makrotaloudellisen tutkimuk
sen tavoitteet taas ovat suurimmaksi osaksi käytännöllisempiä ja liittyvät ennustamiseen ja taloudellista päätöksentekoa palvelevaan poli
tiikkaanalyysiin.
sekä perus että soveltavassa tutkimuksessa kokonaistaloudellisten, erityisesti kansantalou
den tilinpitoon perustuvien havaintoaineistojen saatavuus ja laatu ovat ensiarvoisen tärkeitä.
erityisesti edellytetään, että tilastovirastojen tuottamat luvut vastaavat tai ainakin niiden avulla on mahdollista muodostaa teoreettisia suureita. ennustaminen ja makrotaloudelliseen analyysiin perustuva päätöksenteko asettavat lisäksi vaatimuksia tilastojen ajantasaisuudelle:
riittävän tarkkojen lukujen tulisi olla käytettä
vissä nopeasti, jotta ennusteet olisivat luotetta
via ja kulloinenkin kokonaistaloudellinen tila tunnettaisiin riittävässä määrin. on myös viit
teitä siitä, että taloustilastot vaikuttavat suo
raan makrotalouden toimintaan. nämä vaiku
tukset riippuvat siitä, missä määrin taloudelli
nen päätöksenteko pohjautuu tilastojen anta
maan kuvaan talouden tilasta. tähän puoles
taan saattavat vaikuttaa taloustilastojen tark
kuus ja ajantasaisuus.
tutkimuksen ja päätöksenteon tarpeet aset
tavat kovia vaatimuksia taloustilastojen laati
joille. kansantalouden tilinpidon laatiminen on kuitenkin työlästä ja aikaavievää. ensimmäiset kunkin vuosineljänneksen luvut ovat usein epä
* Kirjoitus perustuu Helsingin yliopistossa 30.5.2007 pitä
määni virkaanastujaisesitelmään.
tarkkoja, ja tarkentuminen kohti ”lopullisia”
lukuja on hidasta. luvut saattavat päivittyä vie
lä hyvinkin pitkän ajan kuluttua. päivittymisen syynä voi olla paitsi entistä laajemman ja vä
hemmän mittausvirheitä sisältävän havaintoai
neiston kertyminen myös tilinpidossa tehtävät rakennemuutokset (esim. perusvuoden, tilinpi
don erien määrittelyjen ja indeksien laskenta
tapojen muutokset). Viime vuosina tällaisia muutoksia on tehty runsaasti, mikä on varmas
ti osaltaan johtanut siihen, että taloustilastoihin on alettu kiinnittää entistä enemmän huomiota.
kriittistä keskustelua on esiintynyt mm. siitä, missä määrin kansantalouden tilinpidon erät yhä vastaavat makrotalousteorian käsitteitä.
tällaiset kansantalouden tilinpidon perustei
siin liittyvät kysymykset ovat empiirisen mak
rotaloudellisen tutkimuksen ja makrotalouden kannalta erittäin tärkeitä. keskityn tässä esityk
sessä kuitenkin taloustilastojen ensimmäisten julkistusten tarkkuuden ja päivittymisen mer
kityksen tarkasteluun.
ongelman konkretisoimiseksi esitän tau
lukossa 1 esimerkkinä suomen reaalisen brut
tokansantuotteen (Bkt) prosentuaalisen vuo
simuutoksen lukuja vuosilta 1982–2003.1kul
lakin rivillä on ko. vuoden muutosvauhdin paras arvio vuoden lopussa. taulukosta näh
dään, että ensimmäiset arviot voivat poiketa huomattavastikin myöhemmistä. esimerkiksi vuoden 1991 Bkt:n muutokseksi arvioitiin vuoden 1991 lopussa –5,20 %, kun vastaava arvio viisi vuotta myöhemmin oli –7,10 % ja vuonna 2003 –6,40 %. kussakin sarakkeessa ovat ko. vuoden lopussa tiedossa olleet parhaat arviot aiempien vuosien muutoksista. Verrat
taessa esim. vuosien 1998 ja 2003 lukuja huo
mataan, että eri vuosina käytettävissä olleet
viimeisimmät aikasarjat poikkeavat toisistaan selvästi.
Taloustilastot empiirisessä tutkimuksessa
Mitä lukuja empiirisessä tutkimuksessa pitäisi käyttää ja riippuvatko saatavat tutkimustulok
set olennaisesti käytetyistä aikasarjoista? Vas
taukset näihin kysymyksiin riippuvat lukujen päivittymisprosessin ominaisuuksista ja siitä, millaisesta empiirisestä analyysista on kyse.
luultavasti tavallisinta on käyttää viimeisimpiä havaittuja arvoja (esimerkissä vuoden 2003 ar
voja) kiinnittämättä mitään huomiota päivitys
historiaan. sarjan havainnot ovat tällöin käy
neet läpi eri määrän päivityksiä (edellisessä esimerkissä vuoden 1982 luku on todennäköi
sesti jo ”lopullinen”, kun taas vuoden 2003 luku on vasta ensimmäinen alustava arvio vuonna 2003), mikä voi aiheuttaa ekonometri
sia ongelmia.
Mm. koenig, dolmas ja piger (2003) suo
sittelevat ns. reaaliaikaisten havaintojen käyt
töä. Vuosiaineistossa nämä ovat kunkin vuoden lukujen ensimmäiset arviot, jotka esimerkissä löytyvät (lihavoituina) taulukon 1 diagonaalilta.
reaaliaikaisten lukujen käyttöä voidaan perus
tella sillä, että jos päivityksissä on kyse vain uuden tiedon lisäämisestä lukuihin, ensimmäi
set arviot eivät systemaattisesti poikkea ”lopul
lisista”. tällöin uudet tiedot toisinaan laskevat, toisinaan nostavat aiemmin saatuja lukuja. en
nusteita tai talouspoliittisia päätöksiä tutkit
taessa on lisäksi luontevaa olettaa, että talou
den toimijoilla on ollut käytettävissään vain kunkin ajanhetken uusin informaatio; analyysin perustaminen päivitettyihin lukuihin tarkoittai
si oletusta siitä, että toimijat pystyvät täydelli
sesti ennakoimaan päivitykset.
1 Kiitän Maritta Paloviitaa näistä aikasarjoista.
Taulukko1.Suomenreaalisenbruttokansantuotteenprosentuaalinenvuosimuutosvuosina1982–2003vuosien1985–2003lopussamitattuna 19853198631987319883198931990319913199231993319943199531996319973199831999320003200132002320033 19823,00%3,00%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,60%3,19%3,19%3,19%3,19%3,19% 19832,90%2,90%3,00%3,00%3,00%3,00%3,00%3,00%3,00%3,00%3,00%3,00%3,00%3,00%2,70%2,80%2,80%2,80%2,80% 19843,00%2,80%3,30%3,30%3,10%3,10%3,10%3,10%3,10%3,10%3,10%3,10%3,10%3,10%3,00%3,40%3,23%3,23%3,23% 19853,75%2,80%3,50%3,50%3,30%3,30%3,30%3,30%3,30%3,30%3,30%3,30%3,30%3,30%3,40%3,10%3,10%3,42%3,42% 19861,50%2,40%2,30%2,80%2,10%2,80%2,80%2,80%2,40%2,40%2,40%2,40%2,40%2,40%2,50%2,50%2,50%2,30% 19873,25%3,80%3,30%4,00%3,30%3,30%3,30%4,10%4,10%4,10%4,10%4,10%4,10%4,20%4,20%4,20%4,30% 19884,00%5,20%5,40%5,40%5,40%5,40%4,90%4,90%4,90%4,90%4,90%4,90%4,70%4,70%4,70%4,75% 19894,60%5,20%5,40%5,40%5,40%5,70%5,70%5,70%5,70%5,70%5,50%5,10%5,10%5,10%4,82% 19901,70%0,40%0,30%0,00%0,00%0,00%0,00%0,00%0,00%–0,50%0,00%0,00%0,00%–0,30% 1991–5,20%–6,50%–7,00%–7,10%–7,10%–7,10%–7,10%–7,10%–5,90%–6,30%–6,30%–6,30%–6,40% 1992–2,00%–4,00%–3,60%–3,60%–3,60%–3,60%–3,60%–3,20%–3,30%–3,30%–3,30%–3,80% 1993–2,00%–2,00%–1,20%–1,20%–1,20%–1,20%–0,60%–1,10%–1,10%–1,10%–1,20% 19943,50%4,00%4,40%4,50%4,50%3,70%4,00%4,00%4,00%3,90% 19954,80%4,20%5,10%5,10%3,90%3,80%3,80%3,80%3,40% 19962,50%3,30%3,60%4,10%4,00%4,00%4,00%3,90% 19974,60%6,10%5,60%6,30%6,30%6,30%6,30% 19985,00%5,60%5,50%5,30%5,30%5,00% 19993,70%4,00%4,00%4,10%3,40% 20005,40%5,70%6,10%5,10% 20010,40%0,70%1,20% 20021,60%2,20% 20031,00% lähde:oeCdeconomicoutlook.
kuviossa 1 on esitetty reaaliaikaiset ja vuo
den 2003 luvut graafisesti. siitä nähdään, että esimerkkiaineiston Bkt:n muutosvauhdin reaa
liaikaiset ja viimeisimmät luvut voivat ajoittain poiketa toisistaan selvästikin, ja on todennä
köistä, että näihin eri aikasarjoihin perustuvis
sa empiirisissä analyyseissa saatettaisiin saada hyvinkin erilaisia tuloksia. yhdysvaltalaisella aineistolla on esimerkiksi todettu, että ns. py
syväistulohypoteesia koskevat tulokset riip
puvat selvästi siitä, millä tavoin päivitettyä ha
vaintoaineistoa käytetään (Croushore ja stark 2003). Vastaavanlaisia tuloksia löytyy myös en
nustamisen (koenig et al. 2003) ja rahapoliit
tisten sokkien (Croushore ja evans 2006) osal
ta.
se, mitä aikasarjoja kussakin empiirisessä sovelluksessa kannattaa käyttää, riippuu siis suurelta osin päivitysprosessin ominaisuuksis
ta, jotka tulisi selvittää ennen varsinaista empii
ristä analyysia. jos päivityksissä on kyse mitta
usvirheiden korjaamisesta eikä uuden tiedon huomioon ottamisesta (kuten edellä esitettiin), ensimmäiset arviot eivät välttämättä mittaakaan
”lopullisia” lukuja harhattomasti. tällöin reaa
liaikainen aineisto sisältää systemaattisia virhei
tä, jotka periaatteessa olisivat olleet korjattavis
sa jo ennen ensimmäistä julkistusta, eikä empii
ristä analyysia välttämättä ole optimaalista pe
rustaa reaaliaikaiseen havaintoaineistoon. ha
vaintoaineistojen ominaisuuksien tarkastelemi
nen edellyttää taulukon 1 kaltaisen tietokannan luomista laajasta joukosta makrotaloudellisia muuttujia eri havaintofrekvensseillä. tällaisia aineistoja on jo julkisesti saatavilla ainakin yh
dysvaltain (Croushore ja stark 2001) ja saksan (Gerberding et al. 2004) osalta, ja niitä on ole
massa myös mm. norjan (Bernhardsen et al.
lähde: oeCd economic outlook.
9XRGHQ OXYXW 5HDDOLDLNDLVHW OXYXW Kuvio 1. Suomen reaalisen bruttokansantuotteen prosentuaalinen vuosimuutos vuosina 1985–2003
2004) ja kanadan (Babineau ja Braun 2003) kansantalouden tilinpidon luvuista; suomen osalta vastaavaa tietokantaa ei tietääkseni ole vielä systemaattisesti kerätty.
päivitysprosessin ominaisuuksien tuntemi
nen on tärkeää paitsi empiirisen makrotalou
dellisen tutkimuksen kannalta myös siksi, että se saattaa mahdollistaa kansantalouden tilinpi
don ensimmäistä kertaa julkaistavien lukujen tarkkuuden parantamisen. tämä on mahdollis
ta, jos päivitykset ovat ennustettavia. Faust, rogers ja �right (2005) ovat todenneet, että näin on asianlaita Bkt:n muutosvauhdin suh
teen joissakin maissa. suomi ei ollut mukana heidän tarkasteluissaan. kuvion 1 perusteella näyttäisi kuitenkin siltä, että myös suomen ti
lastoissa jonkinlaista ennustettavuutta esiintyy:
suuriin reaaliaikaisiin lukuihin liittyy useammin korjaus ylös kuin alaspäin, kun taas pieniä lu
kuja on useimmin korjattu alaspäin (reaaliai
kaisten lukujen ja päivitysten välinen korrelaa
tio on n. 0,3).
Taloustilastot ja makrotalous
taloustilastojen päivittymisellä ei ole merkitys
tä pelkästään akateemisen tutkimuksen kannal
ta. edellä jo todettiin, että suuri osa empiirises
tä makrotaloudellisesta työstä tehdään yliopis
tojen ulkopuolella, mm. keskuspankeissa ja muualla julkisella sektorilla sekä tutkimuslai
toksissa. tämä tutkimus liittyy pääasiassa en
nustamiseen ja erilaisiin politiikkaanalyyseihin.
lisäksi taloustilastoja käytetään yrityksissä pää
töksenteon pohjana, ja tehtyjen empiiristen tutkimusten perusteella niillä näyttää olevan vaikutusta myös rahoitusmarkkinoiden ja yli
päätään koko kansantalouden toimintaan. ta
loustilastojen julkistusten makrotaloudellisia vaikutuksia tarkasteleva kirjallisuus on suhteel
lisen suppea, joskin viime aikoina varsinkin teoreettinen tutkimus on lisääntynyt. empiiri
nen tutkimus rajoittuu lähes pelkästään yhdys
valtoihin.
taloustilastojulkistusten vaikutuksia rahoi
tusmarkkinoilla on tutkittu paljon, ja näiden tutkimusten tuloksista voidaan saada viitteitä myös julkistusten makrotaloudellisista vaiku
tuksista. tilastojulkistuksilla on havaittu olevan vaikutuksia arvopaperien tuottoihin ja niiden volatiliteettiin (ks. mm. andersen et al. (2003) valuuttamarkkinoiden, Flannery ja protopapa
dakis (2002) osakemarkkinoiden sekä Fleming ja remolona (1999) bondimarkkinoiden osal
ta). rahoitusmarkkinoiden ja makrotalouden välisistä yhteyksistä ei vallitse yksimielisyyttä, mutta tulokset makrorahoituskirjallisuudessa viittaavat mm. siihen, että osaketuotot heijasta
vat markkinoiden odotuksia kokonaistalouden tilasta (ks. esim. Beaudry ja portier (2006) ja siinä viitattu kirjallisuus), joten taloustilastolu
vuilla voidaan tulkita tätä kautta olevan yhteys myös makrotalouden kehitykseen. taloustilas
tojulkistusten rahoitusmarkkinavaikutusten on myös havaittu riippuvan suhdannevaiheesta, mikä vahvistaa käsitystä rahoitusmarkkinoiden ja makrotalouden yhteydestä. siitä, onko tilas
tolukujen ensimmäisillä julkistuksilla erilainen vaikutus kuin myöhemmillä päivityksillä, ei toistaiseksi ole paljonkaan tietoa. julkistettujen lukujen tarkkuuden vaikutusta ei tietääkseni ole rahoitusmarkkinoiden yhteydessä tutkittu lainkaan.
taloustilastojulkistusten vaikutuksia mak
rotalouden kehitykseen on suoraan tutkittu hyvin vähän. Bomfimin (2001) teoreettisten tulosten mukaan julkistusten vaikutukset riip
puvat siitä, miten tarkkoja luvut ovat ja miten hyvin taloudenpitäjät osaavat arvioida ensim
mäisten lukujen mahdollisesti sisältämät vir
heet. on todennäköistä, että näitä virheitä ei osata ottaa optimaalisesti huomioon (ks. esim.
lanne 2007), vaan lukuja tulkitaan virheettö
minä. jos näin on, Bomfimin (2001) esittämän mallin mukaan talouden volatiilisuutta voitai
siin vähentää tilastojen tarkkuutta parantamal
la. Bomfimin (2001) malli lähtökohtanaan aruoba (2004) on kalibroinut ensimmäisten julkistusten epätarkkuudesta johtuvia hyvin
vointitappioita yhdysvaltain taloudessa ja to
dennut, että virheiden aiheuttamat kustannuk
set ovat melkoiset. lonrenzonin (2006) äsket
täin esittämän teoreettisen mallin mukaan suuri osa suhdannevaihteluista johtuu kulutta
jien odotuksista, joihin julkistettujen talousti
lastojen virheet vaikuttavat.
rahoitusmarkkinoita koskevien empiiristen tutkimusten mukaan taloustilastoilla näyttäisi siis olevan taloudellisia vaikutuksia, ja teoreet
tisessa tutkimuksessa on esitetty mekanismeja, joiden kautta nämä vaikutukset talouteen vä
littyvät. suoraan näihin kysymyksiin liittyvää empiiristä makrotaloudellista tutkimusta sen sijaan on tehty yllättävän vähän, ottaen huo
mioon saatavien tulosten mahdollisesti suuri taloudellinen merkitys. tietääkseni vain oh ja
�aldman (1990) sekä Mora ja schulstald (2007) ovat tutkineet empiirisesti taloustilasto
julkistusten makrotaloudellisia vaikutuksia.
yhdysvaltalaisella aineistolla oh ja �aldman (1990) saivat tuloksen, että yli 20 prosenttia kansantalouden neljännesvuosikasvun heilah
teluista johtuu taloustilastojen ensimmäisten julkistusten virheistä, kun taas Moran ja schul
staldin (2007) mukaan virheitä sisältävät en
simmäiset talouden kasvuvauhdin arviot selit
tävät yhdysvaltain talouden kehitystä huomat
tavasti paremmin kuin ”lopulliset” luvut. suh
dannevaihteluiden aiheuttamat hyvinvointikus
tannukset ovat todennäköisesti suuret. jos ta
louden volatiilisuutta todella voidaan vähentää taloustilastojen tarkkuutta parantamalla ja jos tarkkuuden lisäys on kohtuullisin panostuksin mahdollista saavuttaa, tilastotuotannon lisäre
sursointia voidaan pitää kannattavana inves
tointina. asiaa koskevien johtopäätösten teke
minen edellyttää kuitenkin huomattavasti lisää taloustilastojen makrotaloudellisia vaikutuksia koskevaa tutkimusta.
Kirjallisuus
andersen, t.G., Bollerslev, t., diebold, F.X. ja Vega, C. (2003), ”Micro effects of macro an
nouncements: realtime price discovery in for
eign exchange”,American Economic Review93:
38–62.
aruoba, s.B. (2004), ”data uncertainty in general equilibrium”, julkaisematon käsikirjoitus, de
partment of economics, university of Mary
land.
Babineau, B. ja Braun, n. (2003), ”output growth forecasts in realtime”, �orking paper 2003–07, department of Finance, Canada.
Beaudry, p. ja portier, F. (2006), ”stock prices, news, and economic fluctuations”,American Economic Review96: 1293–1307.
Bernhardsen, t., eitrheim, Ø., jore, a.s. ja Øistein, r. (2004), ”realtime data for norway:
challenges for monetary policy”, deutsche Bun
desbank discussion paper 26/2004.
Bomfim, a.n. (2001), ”Measurement error in gen
eral equilibrium: the aggregate effects of noisy economic indicators”,Journal of Monetary Eco
nomics48: 585–603.
Croushore, d. ja evans, C.l. (2006), ”data revisions and the identification of monetary policy shocks”, Journal of Monetary Economics 53:
1135–1160.
Croushore, d. ja stark, t. (2001), ”a realtime data set for macroeconomists”,Journal of Economet
rics105: 111–130.
Croushore, d. ja stark, t. (2003), ”a realtime data set for macroeconomists: does the data vintage matter?”,Review of Economics and Statistics85:
605–617.
Faust, j., rogers, j.h. ja �right, j.h. (2005), ”news and noise in G7 Gdp announcements”,Journal of Money, Credit, and Banking37: 403–419.
Flannery, M. ja protopapadakis, a. (2002), ”Macro
economic factors do influence aggregate stock returns”,Review of Financial Studies15: 751–
782.
Fleming, M.j. ja remolona, e.M. (1999), ”price for
mation and liquidity in the u.s. treasury market:
the response to public information”,Journal of Finance54: 1901–1915.
koenig, e.F., dolmas, s. ja piger, j. (2003), ”the use and abuse of realtime data in economic forecast
ing”, Review of Economics and Statistics 85:
618–628.
lanne, M. (2007), ”the properties of marketbased and survey forecasts for different data releases”, heCer �orking paper no. 167.
lorenzoni, G. (2006), ”a theory of demand shocks”, julkaisematon käsikirjoitus, department of eco
nomics, Massachusetts institute of technology.
Mora, j.V.r ja schulstald, p. (2007), ”Believing in lies: the effect of Gnp announcements on fluc
tuations of Gnp growth”,European Economic Review(painossa).
oh, s. ja �aldman, M. (1990), ”the macroeconom
ic effects of false announcements”, Quarterly Journal of Economics105: 1015–1034.
