Harcama-Gelir tahminleri, nitel ve nicel yöntemler

Harcama-Gelir Tahminleri, Politika ve Program Analizleri

Devlet bütçelerinin hazırlanmasında, uygulanmasında, denetimlerinde ve bütçe sürecinin anlaşılmasında en zor kısım analitik yönüdür. Anlaşılmasındaki güçlüğün temel nedeni, teknik bilgiye olan ihtiyaçtır.

HARCAMA VE GELİR TAHMİNLERİ

Harcama ve gelir tahminlerine politik, hukuki, ekonomik faktörler oldukça önemli derecede etki yapmaktadır. Harcama ve gelir tahminlerinin farklı olabileceği, hatta gelir ve harcama türlerine göre farklı tahmin yöntemlerinin uygulanabileceği akılda tutulmalıdır. Harcama ve gelir tahminleri çok genel olarak iki ana kategoriye ayrılabilir: kantitatif (sayısal veya nicel) yöntemler, kalitatif (sayısal olmayan veya nitel) yöntemler.

Nitel (Sayısal Olmayan, Kalitatif) Yöntemler

Nitel yöntemler daha çok subjektif esaslıdır. Kişisel değer yargıları ve deneyimler tahminleri doğrudan etkilemektedir. Ancak subjektif olmasından nitel yöntemlerde matematiğin veya istatistiğin hiç kullanılmadığı anlamını çıkarmak yanlış olur. Bu yöntemde matematik ve veriler sistematik bir biçimde kullanılmadığı veya çok az kullanıldığı için nitel yöntem olarak adlandırılmaktadır.

Nitel yöntemlerin kullanım alanları sınırlıdır. Bunlar;

*Öncelikle, bu yöntemler daha önce hiç verilmemiş hizmetlerde ve yeni programlarda kullanılır.

*İkinci olarak nicel verilerin olmadığı ve geçmiş verilerin yokluğunda kullanılırlar.

*Son olarak nitel yöntemler, ani ve önemli değişikliklerin yaşandığı dolayısıyla geçmiş verilerin anlamlarını yitirdiği durumlarda da kullanılabilmektedir.

İlk açıklanacak nitel yöntem “yargıya dayalı tahmin”dir. Bu yöntem, kamu hizmetleri ve kamu programlan hakkında yeterli bilgi ve deneyimin olmadığı durumda kullanılır. Matematiksel yöntemlerin (nicel yöntemler) ölçemediği ve dolayısıyla bir tahmin üretemediği durumlarda, yargıya dayalı yöntem sonuç alabilmektedir. Ayrıca bu yöntem, tahmin yapmak için zamanın kısıtlı olduğunda durumlarda da kullanılmaktadır. Yargıya dayalı tahminler belirli bir zaman dilimi ile sınırlı değildir. Ayrıca tahminler belirli standartları tutturmak zorunda da değildir. Tahmin maliyetleri oldukça düşüktür. Tahminler genellikle tahmini yapan birey veya bireylerin düşüncelerine dayalıdır. Yargıya dayalı yöntemin bir başka uygulanış biçimi “Delphi tekniği”dir. Delphi tekniği birden çok bütçe uzmanının görüşlerinin alınmasını amaçlamaktadır. Bu teknikte, bir koordinatör veya yönetici birçok uzmanla görüşüp tahmin edilecek konu ile ilgili görüşleri alır. Uzmanların birbirleri ile konu üzerinde tartışmaları ve konuşmaları yasaktır. Hatta uzmanların kim oldukları saklanır. Yargıya dayalı tahmin yönteminde kullanılan bir başka uygulama “beyin fırtınası”dır. Bu teknik uzman kişilerin bir araya gelip toplanarak ortak bir tahmin üretmelerine dayanmaktadır. Beyin fırtınası Delphi tekniğine göre daha hızlı tahmin yapılmasını sağlar. İkinci nitel yöntem birim maliyet dayalı yöntemdir. Bu yöntemde basit matematik kullanılmasına rağmen daha çok nitel bir yöntemdir. Yöntemde amaç, öncelikle tahminlere esas olacak birim maliyeti hesaplamaya çalışır. Kamu gelirleri ile ilgili olarak ise belirli özelliklere sahip mükelleflerden toplanabilecek gelir miktarı, o özelliğe sahip mükellef sayısı ile çarpıldığında gelir tahmini yapılmış olmaktadır.

Nicel (Sayısal, Kantitatif) Yöntemler

Nitel yöntemlerin aksine nicel yöntemler ise sayısal bilgiye ihtiyaç duyar. Geçmişteki sayısal verilerin gelecekte de aynı biçimde devam edeceği varsayımına dayalı olarak tahminler yapılmaktadır. Nitel yöntem olarak üç yöntem incelenecektir; basit yöntem, zaman serisi yöntemi ve nedensel tahmin.

*Nicel yöntemler içersinde, yaygın olarak kullanılan ve çok fazla teknik bilgi gerektirmeyen yöntem, basit yöntemdir (Otomatik usuller olarak da adlandırılmaktadır.). Basit yöntem, hesaplanmasının kolay olması dışında bir üstünlüğe sahip değildir. Zayıf yönlerinden biri ve belki de en önemlisi olarak tahmin edilecek yıllardaki,

ekonomik, sosyal ve diğer gelişmeleri tamamen göz ardı etmesi gösterilebilir. Bir diğer zayıf yanı, basit aritmetik ortalamanın hesabında, standart sapmanın oldukça yüksek olması hâlinde ortalamanın temsil gücünün oldukça düşmesidir. Buna bağlı olarak yapılan tahminlerde de hata payı oldukça yüksek olacaktır. Bir diğer zayıf yönü geçmişteki ortalama eğilimin gelecekte de devam etmesi varsayımına dayanmasıdır. Bu varsayımın geçerli olmaması hâlinde tahminler oldukça önemli sapmalara uğrayacaktır.

*Zaman serisi yöntemi en basitinden en karmaşığına kadar geniş bir çeşitliliğe sahiptir. Bu yöntemle yapılan tahminlerin isabet derecesi geçmiş verilerin uzunluğu ile ilişkilidir. Bu yöntem, tahmin edilecek değişkendeki geçmiş yıl verilerini ele alıp bu verilere dayalı olarak çıkan trendin devam edeceği varsayımına dayalıdır. Bu yöntemde kullanılan bazı tahmin araçlarının örnekleri, hareketli ortalamalar tekniği, exponential smooting tekniği, ARMA (autoregressive and moving average) Hareketli ortalamalar yöntemi en basit zaman serisi tekniğidir. Kolaylıkla hatta bilgisayarlar bile kullanılmadan buna dayalı tahmin yapılabilmektedir. Hareketli ortalamalar tekniğinin esası, geçmiş yıllar verilerinin ortalamalarının alınması ile verilerdeki tesadüfiliği ve mevsimselliği ortadan kaldıracağı düşüncesine dayanmaktadır. Hareketli ortalamalar tekniğinde, belirli bir yıl aralığı ortalamaya esas alınır. Böylece, hareketli ortalama trendi ortaya çıkar. Bu trendin devam aynen devam edeceği varsayılarak, gelecek yıl gelir tahmini yapılmış olur. Birçok durumda yakın geçmişteki verilerin, tahminleri daha fazla etkileme olasılıkları daha yüksektir. Dolayısıyla exponential smooting tekniği (üstsel düzeltme tekniği), yakın geçmişe tahminlerde daha fazla ağırlık verme olanağı vermektedir. ARMA tekniğinin verilerdeki trendle ilgili iki varsayıma göre iki ayrı tipi bulunmaktadır; otoregresiv (autoregressive, AR) ve hareketli ortalamalar (moving average,MA). Otoregresiv tahmin, geçmiş verilerin doğrusal trendinin bir bileşimi olduğunu varsaymaktadır. Hareketli ortalamalar ise tahminleri, geçmişteki hata terimlerinin bir bileşimi olduğunu varsayar. Box-Jenkins tekniği ise ARMA tekniğinde hangi tipin (AR mı?, MA mı?) daha uygun olduğunun test edilmesidir. Zaman serisi tekniğinin kullanım maliyeti oldukça yüksek olabilmektedir. Özellikle kullanılan tahmin tekniğinin karmaşıklığına dayalı olarak maliyet yükselmektedir. Ancak günümüzde bilgisayarların yaygın kullanımı bu maliyet artışlarını önemli derecede azaltmaktadır. Zaman serisi tahminlerinin kullanımı oldukça kolaydır. Tahminler yargıya dayalı tahminlere göre daha gerçekçi ve anlaşılırdır.

*Nedensel tahmin teknikleri ise nicel yöntemlerin bir diğeridir. Bu teknik, tahmin edilecek değişkeni etkilediği düşünülen başka değişkenler ile istatiksel ilişkilerinden yaralanmaya çalışır. Nedensel tahmin yönteminin iki örneği, regresyon analizi ve ekonometrik modellerdir. Regresyon analizi, harcama tahminlerinden daha çok gelir tahminlerinde kullanılmaktadır. Regresyon analizi, bağımlı değişken (tahmin edilecek değişken) ile onu etkilediği düşünülen bağımsız değişkenler arasındaki ilişkiyi araştırmaktadır. Regresyon analizi oldukça fazla sayıda değişkene ait uzun yıllara dayalı verilere ihtiyaç duyar. Regresyon analizi geçmiş yıllar trendlerine bağlı olduğu ve trendlerde uzun dönemde değişiklikler olabileceği için uzun dönemli analizlerde uygun değildir.

Trendlerdeki kısa dönemli dönüm noktalarının belirlenmesinde etkili bir yöntemdir. Regresyon analizinin, zaman serisinden farklılığı; Zaman serisi, tahmin edilecek değişkendeki geçmiş trende bakarak tahmin yaparken, regresyon analizinde, tahmin edilecek değişkeni etkilediği düşünülen faktörlerin geçmiş değerlerine bakarak tahminde bulunur. Ekonometrik modeller de regresyon analizine dayalıdır. Ancak aralarındaki temel farklılık, regresyon modelinde tek bir fonksiyonda bağımlı ve bağımsız değişkenler arasında ilişki araştırılırken ekonometrik modellerde birden çok fonksiyon ve bunların birbirleri ile ilişkileri de analiz edilmekte ve buna dayalı tahminler üretilmektedir. Regresyon tekniğinde bağımsız değişkenler tamamen analiz dışında belirlendiği varsayılırken ekonometrik modellerde model içinde başka fonksiyonlar tarafından belirlenmektedir.

 

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak.

Benzer yazılar