Medindo variáveis ​​macroeconômicas com mais frequência

Quais seriam os custos e benefícios da coleta e liberação de dados macroeconômicos, digamos, mensalmente em vez de trimestralmente ou semanalmente em vez de mensalmente? E quais são as barreiras para isso?

Observando a economia dos EUA, o Bureau of Economic Analysis ( BEA ) dos EUA e, especificamente, o cap. 3 p. 49 da Handbok da NIPA (Contas Nacionais de Renda e Produto), lemos

" Os dados que a BEA usa são coletados de várias fontes e geralmente são coletados para outros fins que não sejam incorporados às estimativas da BEA . Os dados coletados pelas agências governamentais federais fornecem a espinha dorsal das estimativas; esses dados são complementados por dados de associações comerciais, empresas, organizações internacionais e outras fontes.Os dados do governo são de várias agências, incluindo o Censo do Departamento de Comércio, o Bureau of Labor Statistics (BLS) do Departamento do Trabalho, o Departamento do Tesouro, o Escritório de Administração e Orçamento e os Departamento de Agricultura. Dados "administrativos" são dados tabulados pelo governo federal e por órgãos do governo estadual e local como subproduto da administração de seus programas - como o processamento de declarações fiscais corporativas, a regulamentação de serviços públicos e a emissão de alvarás de construção. Dados "estatísticos" são dados coletados pelas agências federais de estatística, como o Census Bureau e BLS. Esses dados consistem em censos econômicos e populacionais periódicos e uma ampla variedade de pesquisas por amostra, como aquelas que coletam dados sobre manufatura e comércio, emprego e preços. As relativamente poucas pesquisas conduzidas pela BEA cobrem o comércio internacional de serviços e o investimento direto internacional, tanto por empresas estrangeiras nos Estados Unidos quanto por empresas americanas em países estrangeiros.Os dados de origem disponíveis para a BEA nem sempre são ideais para a preparação dos NIPAs. A BEA deve desenvolver métodos que transformem os melhores dados disponíveis em estimativas que sejam consistentes com os conceitos e a estrutura do NIPA e que preencham lacunas na cobertura dos dados de origem ".

Os macrodados não são apenas microdados, simplesmente ficando parados e precisando somar . Portanto, "coletar dados macroeconômicos" é um termo enganador: " produzir laboriosamente dados macroeconômicos ", em que a coleta é apenas o primeiro passo, passando para a seleção, limpeza, ajuste, homogeneização e estimativa. Essa é uma empresa vasta, mesmo com os recursos atuais de tecnologia da informação, mesmo para economias menores do que os EUA.

Aumentar a frequência de macrodados equivale a aumentar a produção total dessa função de produção de dados, que parece convincentemente um grande aumento na absorção de fatores de entrada. Portanto, isso aumentaria substancialmente os custos.

Além disso, a parte "coletada por outros motivos que não ..." indica que muitos procedimentos devem ser interrompidos e alterados para alcançar isso. Além disso, o número de fontes primárias diferentes implica que muitas pessoas e instituições devem mudar sua maneira de fazer as coisas. Essas barreiras são importantes por si só , independentemente de questões de custo.

Quais poderiam ser os benefícios? Alguém poderia pensar que isso permitiria um "melhor" ajuste fino da economia? - na medida em que se acredita que uma economia pode realmente ser aperfeiçoada pelo seu governo (certamente pode ser afetada , mas o ajuste fino é um jogo totalmente diferente).

E os benefícios para o setor privado? De fato, é o caso de, digamos, o Produto Interno Bruto ser produzido todos os dias . Suponha que, de alguma maneira mágica, o PIB seja registrado e publicado todos os dias . Para que pudéssemos acompanhar o PIB como seguimos o mercado de ações . Poderemos observar a variabilidade cotidianade saída. Isso seria benéfico? Não, pelo contrário, seria enganoso. Por quê? Porque, embora o PIB seja produzido todos os dias, ele é produzido principalmente com base em relações estruturais (contratos, tecnologias, costumes, conhecimento etc.) que têm uma frequência de mudança mais baixa - e por outras razões que não a falta de dados. Portanto, sua variabilidade cotidiana se deve principalmente à aleatoriedade pura ou a fatores exógenos como o clima - e observar que isso apenas nos atormenta no sentido de tentar futilmente fazer algo sobre isso (em nosso próprio nível micro).

E os benefícios para a disciplina de Economia? Presumivelmente, mais dados são sempre melhores. É isso? Ao aumentar o número de instâncias de "pedir" e registrar dados sobre uma variável econômica, aumentamos as instâncias para as quais podemos ter erro de medição - e isso pode muito bem degradar a qualidade geral de nossos dados. É um senso comum que partiu nas aulas de estatística de graduação, que mesmo se pudéssemos fazer um censo concebível do que apenas coletar uma amostra da população em estudo, seria melhor ter apenas a amostra, porque o erro de representabilidade provavelmente seria menor que o erro de medição que teríamos se tentássemos registrar toda a população.

Isso compensaria os benefícios percebidos de ter empurrado a lupa para mais perto do objeto de estudo. E, às vezes, é melhor olhar de uma certa distância, de qualquer maneira.

Fechando, por um estilo de argumento "Laffer-curve", pode-se argumentar que deve haver alguma frequência ideal para ter dados macro disponíveis. Não estou dizendo que o que temos agora é essa frequência ideal , mas duvido que a frequência seja mais alta (minha opinião é que as economias modernas do mundo ocidental pelo menos seriam melhor rastreadas em três meses de quatro meses). ciclo - jan-abr, maio-agosto, set-dez - parece-me que esse esquema combina melhor as estações do ano com os aspectos sociais da vida e da atividade econômica).

A decisão de usar dados mensais, trimestrais ou anuais depende do período em que você deseja investigar uma possível intervenção política.

O termo custos e benefícios depende apenas de que tipo de dados você está visualizando. Se você deseja descobrir se a taxa de criminalidade atualmente em uso por uma determinada cidade é normal atualmente, os dados anuais provavelmente não são os melhores para investigar esse fenômeno.

Os dados trimestrais ou mensais são provavelmente melhores porque os controles de sazonalidade podem ser aplicados; no entanto, para dados anuais, você não pode implementar manequins sazonais porque não há justificativa para fazê-lo.

Por outro lado, lembre-se de que quanto mais você amostrar dados macroeconômicos, mais "barulhento" ele fica; portanto, a amostragem com mais frequência do que mensalmente pode adicionar ruído desnecessário, o que dificulta sua interpretação.