-10-
(1)
ku
y
t
është vektori i variablave endogjenë që do të donim të
vlerësonim ose të parashikonim,
x
t
është vektori i variablave
ekzogjenë,
θ është vektori i parametrave strukturorë të modelit, dhe
u
t
është vektori i goditjeve që godasin ekonominë ose gabimeve
rastësore. Në të gjitha ato raste kur sistemi ka një zgjidhje të vetme
të formës së mbyllur, ne mund ta parashikojmë vlerën e variablave
endogjenë duke përdorur funksionin
g si vijon:
(2)
me mesataren dhe variancën e mëposhtme:
(3)
(4)
Problemi me modelimin ekonomik është se forma funksionale
g
nuk është e njohur për ndërtuesin e modelit ose për vendimmarrësin,
për këtë arsye, nuk mund të sigurojmë një përafrues të formës së
mbyllur të
g. Megjithatë, duke marrë për një
x
t
të caktuar, një vektor
të caktuar të parametrave strukturorë
θ dhe nën supozimin se mbetjet
për periudhën e marrë në shqyrtim janë zero,
u
t
=0 për të
gjitha
t, dhe me përzgjedhjen e një forme funksionale të përshtatshme,
modeluesi mund të vlerësojë dhe raportojë vlera të parashikuara të
variablave tanë endogjenë sipas formës së mëposhtme:
(5)
Shenja e kapuçit është vendosur për të treguar se tërësia e
parametrave strukturorë është vlerësuar në mënyrë të tillë që të
replikojë LDGP, qofshin ato të vlerësuara apo të kalibruara, duke
prodhuar një vektor të variablave endogjenë për çdo
t në periudhën
e vlerësimit. e raportuar është në fakt vlerësimi deterministik i
vektorit tonë të variablave endogjenë për të gjitha
t e marra në
analizë, duke u bazuar në supozimin se është një vlerësues i
qëndrueshëm (konsistent) i parametrave realë të modelit, variablave
ekzogjenë
x
*
dhe formës funksionale
g.
-11-
Megjithatë, ne e dimë se variablat tanë endogjenë janë
stokastikë, gjë që vërehet në procesin e vlerësimit të modelit.
Pavarësisht faktit se sa i suksesshëm është ndërtuesi i modelit në
supozimet e mësipërme, modeli nuk do të arrijë kurrë që të imitojë
DGP-në e vërtetë, duke rezultuar kështu në një gabim vlerësimi
e
t
,
për çdo
t, për shkak se të dhënat e gjeneruara nga modeli do të
devijojnë nga të dhënat e vrojtuara:
(6)
Ndërtuesi i modelit duhet të shikojë të gjitha mundësitë që ta
shndërrojë vektorin
e
t
të periudhës së zgjedhjes për
t = 1, 2, 3… t,
të dalë nga procesi i vlerësimit të modelit në periudhën e zgjedhjes,
në vektorë rasti me komponentë normalë të pavarur me shpërndarje
N (0, δ), me dispersione të njohur dhe me matricë kovariacionale Γ.
Në fakt, këto shmangie nga DGP e vërtetë përfshijnë jo vetëm
goditjet rastësore në variablat tanë, por dhe çdo gabim të mundshëm
të bërë në vlerësimin (kalibrimin) e parametrave strukturorë,
koeficientët e modelit, në supozimin lidhur me variablat ekzogjenë
ose me formën funksionale që përfshihen në model. Për këtë arsye,
çdo përpjekje modelimi që përfshin supozime, matje, vlerësime të
përzgjedhjes së modelit dhe gjykimin e ekspertit, karakterizohet dhe
nga pasiguria që shoqëron secilin prej këtyre hapave. Kjo pasiguri
pasqyrohet në model, si burim pasigurie në rezultatet e përftuara
dhe shndërrohet në burimin e gabimeve të vrojtuara, përtej dhe
krahas goditjeve rastësore. Ajo përmban informacion të dobishëm
për ndërtuesin e modelit dhe për vendimmarrësin, ku injorimi i saj
mund të rezultojë potencialisht i rrezikshëm.
Në fakt, kjo ishte dhe kritika e parë dhe më e madhe që iu bë
modeleve ekonomike në fillim të viteve ’80. Disavantazhet kryesore
qëndrojnë në faktin se këto modele përfaqësojnë një thjeshtësim
të konsiderueshëm të realitetit dhe se ato karakterizohen nga
specifikimi jo i saktë i variablave kryesorë dhe i lidhjeve ekonomike
që ekzistojnë në model.
Nga kjo pikëpamje, është e rëndësishme që të njohim jo vetëm
vlerësimin deterministik të parashikimeve, por dhe pasigurinë që
shoqëron (rrethon) këto vlerësime. Kështu shpërndarja probabilitare
-12-
e gabimit është mjaft informative, duke qenë se gabimet përfshijnë
goditje të pashpjeguara të variablave që janë pjesë e DGP-
së së vërtetë, por të cilat nuk përfshihen në model. Vrojtimi dhe
hulumtimi i shpërndarjes probabilitare të gabimit rreth vlerësimit
pikësor të zhvillimeve të ardhshme nuk ofrojnë vetëm një njohje më
të mirë të rrezikut dhe të pasigurisë së parashikimit midis variablave
të modelit (duke ofruar një matje të gabimit të parashikimit), por
ato ofrojnë gjithashtu një shpërndarje referencë për krahasimin e
cilësisë së parashikimit deterministik (duke dhënë informacion mbi
formën e shpërndarjes dhe natyrës jolineare të modelit).