Introducere în politicile publice

9. METODE DE ANALIZĂ PROSPECTIVĂ

PENTRU FORMULAREA POLITICILOR

După ce problema a fost structurată şi se obţin informaţii relevante, următoarea etapă analitică este aceea a formulării politicilor şi a testării politicilor alternative. Prin analiza prospectivă se pot produce informaţii relevante despre evoluţia viitoare a societăţii pe baza unor informaţii anterioare.

Metode prospective bazate pe extrapolare. Metodele şi tehnicile prospective bazate pe extrapolare permit analiştilor să estimeze evoluţia viitoare a societăţii, pe baza datelor actuale şi istorice. Acest tip de prognoză se bazează de obicei pe o anumită formă de analiză cronologică, adică pe analiza valorilor numerice cumulate în timp şi prezentate cronologic. Acest tip de prognozare are trei presupoziţii fundamentale:

Persistenţa: evoluţiile observate în trecut vor persista în viitor. Dacă producţia de energie a crescut în trecut, se va întâmpla acelaşi lucru şi în viitor. Continuitatea: variaţiile observate în tendinţele trecute se vor observa în viitor. Dacă războaiele au avut loc odată la 20 sau 30 de ani, aceste cicluri se vor repeta în viitor. Siguranţa şi valabilitatea datelor: măsurările tendinţelor sunt sigure (adică relativ precise sau consistente) şi valabile (adică se măsoară ceea ce are sens să fie măsurat). De exemplu, statisticile privind delictele din trecut pot reprezenta măsurări relativ precise ale delictelor actuale.

Când aceste trei presupoziţii se realizează, prospecţia bazată pe extrapolare poate evidenţia o înţelegere mai bună a viitorului societăţii. Când oricare din aceste condiţii este încălcată, tehnicile de prognozare estimativă vor indica probabil rezultate inexacte sau înşelătoare.

a. Analiza clasică a seriilor de timp. Când se fac prognoze prin extrapolare, se pot folosi analize ale seriilor de timp care se referă la orice perioada de timp. Analizele conţin patru componente şi anume: tendinţa pe termen lung, variaţiile sezoniere, fluctuaţiile ciclice şi mişcările neregulate.

• 
  Tendinţa pe termen lung poate deriva dintr-o creştere pe o perioadă îndelungată şi o scădere într-un anumit interval.
  
• 
  Variaţia sezonieră, aşa cum sugerează termenul, este variaţia dint-o serie cronologică, repetată periodic la un an sau mai puţin. Cele mai bune exemple ale variaţiei sezoniere sunt creşterile şi scăderile producţiei şi vânzărilor care urmăresc schimbările în funcţie de vreme şi de perioadele de concedii.
  
• 
  Fluctuaţiile ciclice sunt de asemenea periodice, dar se pot extinde surprinzător peste un număr de ani. Ciclurile sunt în general greu de explicat, deoarece fiecare nouă fluctuaţie ciclică poate fi consecinţa unor factori necunoscuţi. Interpretarea fluctuaţiilor se realizează de obicei cu mai mare dificultate, datorită prezenţei mişcărilor neregulate, adică a variaţiilor neprevăzute în seria cronologică şi care par să nu urmeze un model regulat.
  
• 
  Mişcările neregulate pot fi rezultatul mai multor factori (schimbări de guvern, greve, dezastre naturale). Aceşti factori sunt consideraţi erori întâmplătoare, adică surse necunoscute de variaţie care nu pot fi explicate în termeni de tendinţă pe termen lung, variaţii sezoniere sau fluctuaţii ciclice.
  

b. Estimarea tendinţei liniare. O tehnică standard pentru extrapolare este estimarea tendinţei lineare, un procedeu care foloseşte analiza de regresie pentru a obţine estimările matematice precise ale viitorului societăţii, pe baza valorilor observate în serie de timp. Regresia lineară se bazează pe însuşirile de persistenţă, continuitate şi veridicitate ale datelor. Când regresia lineară este folosită în estimarea tendinţei, este necesar ca valorile observate într-o serie cronologică să nu fie curbe, deoarece orice îndepărtare de la liniaritate va produce prognoze cu erori foarte mari. Fără îndoială că regresia lineară poate fi folosită de asemenea în schimbarea componentei tendinţei liniare de la o serie care indică variaţii sezoniere sau fluctuaţii ciclice.

Analiza de regresie se caracterizează prin două proprietăţi importante: Anulează deviaţiile: suma diferenţelor dintre valorile observate într-o serie de timp şi valorile oferite de tendinţa în linie dreaptă identificată de calculator (numită linie de regresie) va fi totdeauna egală cu zero. Astfel, dacă valoarea tendinţei (yt) este scăzută din valoarea observată corespunzătoare (y) în toţi anii dintr-o serie cronologică, totalul acestor diferenţe (numite deviaţii) va fi egal cu zero. Când valoarea observată pe o perioadă de un an este situată sub linia de regresie, deviaţia (y-yt) este întotdeauna negativă. Prin contrast, când valoarea observată este situată deasupra liniei de regresie, deviaţia (y-yt) este întotdeauna pozitivă. Aceste valori negative şi pozitive se anulează reciproc astfel: ∑ (y-yt) = 0. Deviaţiile ridicate la pătrat sunt minime: dacă ridicăm la pătrat fiecare deviaţie (adică înmulţim fiecare valoare a deviaţiei cu ea însăşi) şi adunăm totul, suma acestor deviaţii ridicate la pătrat va fi întotdeauna o valoare minimă sau cea mai mică.

Aceasta înseamnă că regresia liniară micşorează distanţele dintre linia de regresie şi toate valorile examinate ale lui y în serie cronologică. Cu alţi termeni: este cel mai eficient mod de a reprezenta o linie a tendinţei printr-o serie de puncte ale datelor urmărite.

În ciuda preciziei în exprimarea tendinţei pe termen lung, regresia liniară este limitată de mai multe condiţii. Mai întâi, seria cronologică trebuie să fie liniară, adică să indice o creştere şi o scădere constante ale valorilor faţă de trend. Dacă modelul de observaţii este non-liniar, trebuie folosite alte tehnici.

Unele din aceste tehnici solicită variate tipuri de stabilire a curbelor la o serie cronologică nonliniară. În al doilea rând, argumente plauzibile demonstrează că modelele vor persista, adică vor continua în aceeaşi formă în anii care vor urma, cum s-a întâmplat în anii precedenţi. În al treilea rând, modelele trebuie să fie uniforme, adică să nu indice fluctuaţii ciclice sau discontinuităţi severe. Dacă nu se îndeplinesc toate aceste condiţii, regresia liniară nu va fi folosită pentru a exprima tendinţa.

Multe date aparţinând seriei cronologice care îngrijorează pe analiştii politici – de exemplu, date privind clima, poluarea, cheltuielile publice urbane – sunt non-liniare. S-a dezvoltat o varietate de tehnici pentru a echilibra curbele non-liniare la modelele de schimbare care nu indică o creştere sau o scădere constantă în valorile unei serii cronologice exprimate.