Et Discussion Paper er en foreløpig versjon av et forskningsarbeid som forfatterne ønsker diskusjon rundt og innspill på, før de eventuelt reviderer og prøver å få publisert en endelig versjon i et vitenskapelig tidsskrift. Discussion papers blir kommentert av andre forskere i SSB før publisering, men både konklusjoner og metodevalg står for forfatterens egen regning.
Som et motiverende empirisk eksempel anvender vi et oppdatert datasett for den norske
konsumfunksjonen, som viser et betydelig strukturelt brudd under COVID-19-pandemien. Basert på målene RMSFE («root mean squared forecast error») og MAPE («mean absolute percentage error») viser vi at en CVAR-modell for husholdningenes konsum, inntekt og formue med AO-korreksjoner for de ekstreme observasjonene under pandemien gir bedre prognoser enn CVAR-modeller med IOkorreksjoner og uten korreksjoner. Den prognostiske overlegenheten til modellen med AOkorreksjoner er særlig fremtredende når en «normal» observasjon er tilgjengelig i slutten av estimeringsperioden.
Med utgangspunkt i forenklede antakelser, som en kort tidsforsinkelse, et begrenset antall ekstreme observasjoner og fravær av strukturelle brudd i prognoseperioden, utvikler vi et teoretisk rammeverk som forklarer hvorfor CVAR-modellen med AO-korreksjoner gir bedre prognoser når makroøkonomiske variabler raskt vender tilbake til sine normale forløp etter midlertidige ekstreme observasjoner. Vi viser spesielt at CVAR-modeller med IO-korreksjoner og uten korreksjoner ofte gir skjeve prognoser, mens modellen med AO-korreksjoner leverer forventningsrette prognoser med potensielt lavere usikkerhet. Videre viser vi at prognoseusikkerheten kan reduseres ytterligere når modellen tar høyde for en «normal» observasjon som følger rett etter de ekstreme observasjonene. Våre Monte Carlo-simuleringer, utført under mer generelle antakelser, inkludert en lengre tidsforsinkelse, et større antall ekstreme observasjoner og tilstedeværelse av strukturelle brudd i prognoseperioden, støtter den teoretiske rangeringen av prognoseegenskapene til de tre CVARmodellene.
Basert på våre funn argumenterer vi for at CVAR-modellen med AO-korreksjoner er særlig godt egnet til å håndtere spesielle hendelser som involverer ekstreme observasjoner. Dette gjør modellen til et foretrukket verktøy for å prognostisere sentrale makroøkonomiske variabler, som husholdningskonsum, ved gjennomføring av økonomisk politikk.