PL EN
PRACA ORYGINALNA
Porównanie metod pomiaru konsensusu w testach koniunktury
 
Więcej
Ukryj
1
SGH Warsaw School of Economics, Poland
 
 
Data nadesłania: 01-08-2023
 
 
Data ostatniej rewizji: 28-09-2023
 
 
Data akceptacji: 18-10-2023
 
 
Data publikacji: 29-12-2023
 
 
Autor do korespondencji
Emilia Tomczyk   

SGH Warsaw School of Economics, Poland
 
 
GNPJE 2023;316(4):17-29
 
SŁOWA KLUCZOWE
KODY KLASYFIKACJI JEL
STRESZCZENIE
W niniejszym artykule porównujemy różne metody oceny konsensusu w testach koniunktury, w których respondenci wyrażają oczekiwania na skali uporządkowanej. Wiarygodna metoda pomiaru siły konsensusu w oczekiwaniach respondentów dostarczyłaby ekonomistom cennych informacji, stanowiąc wiodący wskaźnik nastrojów podmiotów gospodarczych. Nie ma jednak jednej ogólnie przyjętej miary matematycznej służącej do oceny zgodności między wyrażanymi przez respondentów opiniami. W literaturze wymienianych jest kilka miar, w tym wskaźniki oparte na miarach dyspersji, entropii i wielowymiarowym simpleksie. W artykule przedstawiamy zdefiniowane w literaturze miary konsensusu oraz omawiamy ich zalety i ograniczenia. Następnie wykorzystujemy te wskaźniki do analizy oczekiwań wyrażonych w teście koniunktury w przetwórstwie przemysłowym w Polsce i porównujemy wyniki dla różnych zmiennych ekonomicznych. W kilku przypadkach znajdujemy powtarzalne schematy w zachowaniu miar konsensusu: oczekiwania cenowe charakteryzują się najwyższym stopniem konsensusu, a oczekiwania na temat produkcji i zamówień – najniższym. Wskazujemy również powiązania między stopniem konsensusu a stopniem optymizmu wśród respondentów mierzonym statystykami bilansowymi w przypadku cen, zatrudnienia i ogólnej sytuacji gospodarczej.
 
REFERENCJE (15)
1.
Adamowicz E., Walczyk K. [2017], Zaburzenia cykliczności aktywności gospodarczej w Polsce w świetle wyników badania koniunktury gospodarczej IRG SGH, Prace i Materiały Instytutu Rozwoju Gospodarczego SGH, 101.
 
2.
Bachmann R., Elstner S., Sims E. R. [2013], Uncertainty and Economic Activity: Evidence from Business Survey Data, American Economic Journal: Macroeconomics, American Economic Association, 5 (2): 217–249.
 
3.
Claveria O. [2019], Forecasting the unemployment rate using the degree of agreement in consumer unemployment expectations, Journal for Labour Market Research, 53 (3): 1–10.
 
4.
Claveria O., Monte E., Torra S. [2019], Economic Uncertainty: A Geometric Indicator of Discrepancy Among Experts’ Expectations, Social Indicators Research, 143: 95–114.
 
5.
Conflitti C. [2011], Measuring Uncertainty and Disagreement in the European Survey of Professional Forecasters, ECARES (Université libre de Bruxelles) Working Paper.
 
6.
Daly A. J., Baetens J. M., De Baets B. [2018], Ecological Diversity: Measuring the Unmeasurable, Mathematics, 6/7 (119), https://doi.org/10.3390/math60....
 
7.
D’Amico S., Orphanides A. [2008], Uncertainty and Disagreement in Economic Forecasting, Finance and Economics Discussion Series No. 2008–56, Divisions of Research & Statistics and Monetary Affairs, Federal Reserve Board, Washington, D. C.
 
8.
Kowalczyk B., Tomczyk E. [2008], Rationality of Expectations of Industrial Enterprises – Analysis Based on Business Tendency Surveys with Item Non-response, Bank i Kredyt, 8: 3–11.
 
9.
Kowalczyk B., Tomczyk E. [2010], Influence of non-response in business tendency surveys on properties of expectations, Statistics in Transition (New Series), 11 (2): 403–422.
 
10.
Krüger F., Nolte I. [2016], Disagreement versus uncertainty: Evidence from distribution forecasts, Journal of Banking and Finance, 72: S172 – S186.
 
11.
Tastle W. J., Wierman M. J. [2006], Consensus and dissention: A measure of ordinal dispersion, International Journal of Approximate Reasoning, 45: 531–545.
 
12.
Tomczyk E. [2011], Application of measures of entropy, information content and dissimilarity of structures to business tendency survey data, Przegląd Statystyczny, 58 (1–2): 88–101.
 
13.
Tomczyk E. [2023], Dynamics of survey expectations and assessments before and during the pandemic: entropy and dissimilarity measures applied to business tendency survey data, Statistic in Transition (New Series), 24 (2): 185–199.
 
14.
Wójciak M. [2015], Metody oceny zgodności opinii ekspertów na potrzeby badania foresight, Studia Ekonomiczne, 220: 58–77.
 
15.
Zarnowitz V., Lambros L. A. [1987], Consensus and Uncertainty in Economic Prediction, Journal of Political Economy, 95 (3): 591–621.
 
eISSN:2300-5238
Journals System - logo
Scroll to top