Kuluttaja­luottamus kohenee – päättyykö taantuma?

Toimialajulkaisut Toimialaennusteet Kalle Saarelma
Kuva: DiePotato, Pixabay.

Mika Maliranta (2024) nostaa Talous & Yhteiskunta -lehden pääkirjoituksessaan esiin luottamuksen merkityksen talouden toiminnassa. Taloustieteessä toimijoiden välisellä luottamuksella ajatellaan olevan merkitystä niin kulutuspäätösten, investointien kuin inflaation kehittymisen kannalta. Esimerkiksi kuluttajien myönteisten odotusten tulevasta kasvusta ja palkkakehityksestä nähdään itsessään ruokkivan talouskasvua kulutusalttiuden lisääntyessä. Vastaavasti keskuspankki pyrkii hyödyntämään inflaatio-odotusten ja tulevan inflaatiokehityksen välistä yhteyttä rahapolitiikassaan. Modernissa tutkimuksessa on havaittu, että erilaisilla luottamusindikaattoreilla on merkittävä selitys- ja ennustevoima talouden nykytilalle ja tulevaisuudelle (Mourougane & Roma, 2003; Pönkä & Stenborg, 2020). Tässä artikkelissa luodaan katsaus keskeisimpien kuluttajien luottamusta mittaavien indikaattoreiden näkymiin.

Kuluttajien luottamus -tilastosta vastaa Suomessa Tilastokeskus Euroopan komission toimeksiannosta ja osittain komission rahoittamana. Tutkimusmenetelmän EU:n laajuisen harmonisoinnin myötä tilasto on vertailukelpoinen kaikkien EU-maiden kesken. Tilaston sisältämät tiedot kerätään verkko- ja puhelinkyselyillä otostutkimuksena. Kyselyn avulla selvitetään kuluttajien arvioita omasta ja Suomen talouden tilanteesta nyt ja tulevaisuudessa. Tämän lisäksi tutkimus sisältää kysymyksiä kuluttajien aikomuksista tulevaan kulutukseen, säästämiseen ja lainanottoon liittyen. Kyselyn vastausten jakaumasta johdetaan saldoluku, joka kuvaa kuluttajien keskimääräistä mielialaa kullakin hetkellä. Saldoluku saa arvoja välillä -100 ja 100. Kuluttajien luottamusindikaattori A1 lasketaan keskeisten saldolukujen aritmeettisena keskiarvona,

Kuluttaja­luottamus kohenee – päättyykö taantuma?

jossa B1 on kuluttajan oma talous nyt, B2 kuluttajan oma talous 12 kuukauden kuluttua, B4 Suomen talous 12 kuukauden kuluttua ja E1 kuluttajan rahankäyttö kestotavaroihin seuraavan 12 kuukauden aikana verrattuna edelliseen 12 kuukauteen.

KUVIO 1. KULUTTAJIEN LUOTTAMUSINDIKAATTORI 1996:01–2024:07

KUVIO 1. KULUTTAJIEN LUOTTAMUSINDIKAATTORI 1996:01–2024:07

Kuviossa 1 on esitetty kuluttajien luottamusindikaattorin aikasarja ja sen pitkän aikavälin keskiarvo. Reaalisen bruttokansantuotteen ja BB-algoritmin1 avulla määritellyt taantumajaksot on esitetty kuviossa harmaalla taustalla. Teknisellä taantumalla tarkoitetaan tilannetta, jossa bruttokansantuote supistuu kahdella peräkkäisellä vuosineljänneksellä. BB-algoritmi voidaan ajatella tämän määritelmän eräänlaisena laajennuksena ja on yleisesti käytetty metodi taantumajaksojen määrittämisessä. Kun vertailee luottamusindikaattorin aikasarjaa taantumajaksoihin, voi huomata indikaattorin toisaalta heijastelevan kulloinkin vallitsevaa tilannetta ja toisaalta jossain määrin ennakoivan tulevia taantumajaksoja. Kuviosta on nähtävissä luottamusindikaattorin hienoista piristymistä pohjalukemiin verrattuna. Kesäkuun saldoluku on -7,6, kun esimerkiksi syys-joulukuussa 2023 saldoluku sai arvoja välillä -11,5 ja -13,3. Luottamusindikaattorin pitkän aikavälin keskiarvo tarkastelujakson aikana on -2,5.

KUVIO 2. KULUTTAJIEN NÄKEMYKSET OMASTA TALOUDESTA 1996:01–2024:07

KUVIO 2. KULUTTAJIEN NÄKEMYKSET OMASTA TALOUDESTA 1996:01–2024:07

KUVIO 3. KULUTTAJIEN NÄKEMYKSET OMASTA TALOUDESTA 12 KK:N KULUTTUA 1996:01–2024:07

KUVIO 3. KULUTTAJIEN NÄKEMYKSET OMASTA TALOUDESTA 12 KK:N KULUTTUA 1996:01–2024:07

KUVIO 4. KULUTTAJIEN NÄKEMYKSET SUOMEN TALOUDESTA 12 KK:N KULUTTUA 1996:01–2024:07

KUVIO 4. KULUTTAJIEN NÄKEMYKSET SUOMEN TALOUDESTA 12 KK:N KULUTTUA 1996:01–2024:07

Kuvioissa 2, 3 ja 4 on esitetty vastaavat aikasarjat kuluttajien luottamusindikaattorin komponenteista B1, B2 ja B4. Kuvioista ilmenee, että kuluttajien oma käsitys omasta taloudesta on huomattavasti vakaampi ja vähemmän altis muutoksille kuin käsitys valtion talouden näkymistä tarkastelujakson aikana. Esimerkiksi 2000-luvun alun IT-kuplan puhkeamisen aikaan kuluttajien näkemys omasta taloustilanteestaan ei juurikaan reagoinut shokkiin, kun taas näkemys Suomen kansantalouden tilasta heikkeni selvästi.

Komponentin B1 Oma talous nyt -saldoluku on kesäkuussa -5,4, mikä on selvästi tarkastelujakson keskiarvon (2,6) alapuolella. Sen sijaan Komponentti B2 Oma talous 12 kk:n kuluttua on palautunut lähelle pitkän aikavälin keskiarvoa, ja sen saldoluku on kesäkuussa 6,7 keskiarvon ollessa 7,8. Komponentin B4 Suomen talous 12 kk:n kuluttua saldoluku on kesäkuussa -7,6, kun vastaava pitkän aikavälin keskiarvo on -3,5.

Kuluttajien luottamusta mittaavan indikaattorin on huomattu toimivan suhteellisen hyvin taantumajaksoja ennustettaessa. Luottamusindikaattorin etuna on erityisesti sen nopeampi saatavuus vakiintuneisiin talouden mittareihin, kuten kansantalouden tilinpitoon, verrattuna. Luottamusindikaattorin on huomattu myös ennakoivan tulevaa talouskehitystä noin kuuden kuukauden päähän (Nissilä, 2020). Tilastokeskus raportoi luottamusindikaattorin kuukausittain, kun taas kansantalouden tilinpito julkaistaan neljännesvuosittain ja huomattavalla viiveellä kiinnostuksen ollessa talouden tämänhetkisessä tilanteessa. Kunkin vuosineljänneksen luvut ovat saatavilla vasta 60 päivää periodin päättymisen jälkeen. Tästä syystä talouden ennustetoiminnassa on pyritty löytämään talouden tilaa luotettavasti kuvaavia ja tilinpitoa nopeammin päivittyviä muuttujia.

Perinteisesti taantumajaksojen ennustamisessa on tutkimuskirjallisuudessa käytetty tuottokäyrää (engl. yield curve), joka määritellään tyypillisesti pitkien ja lyhyiden korkojen välisenä erotuksena. (Nissilä 2020). Eurokriisin jälkeen on huomattu korkoeron menettäneen selitysvoimaansa taantumien ennustamisessa euroalueella luottamusindikaattoreista poiketen (Juvonen ym., 2019; Pönkä & Stenborg, 2020).

KUVIO 5. PROBIT-MALLIN TUOTTAMAT OTOKSEN SISÄISET TAANTUMATODENNÄKÖISYYDET 1996:01–2024:07

KUVIO 5. PROBIT-MALLIN TUOTTAMAT OTOKSEN SISÄISET TAANTUMATODENNÄKÖISYYDET 1996:01–2024:07

Kuviossa 5 on esitetty yksinkertaisen probit-mallin2 tuottamat taantumaennustetodennäköisyydet käyttäen kuluttajien luottamusindikaattoria selittävänä muuttujana. BB-algoritmin avulla määritellyt taantumajaksot on jälleen kuvattu harmaalla taustalla. Kuviosta on nähtävissä mallin havaitsevan taantumajaksot melko hyvällä tarkkuudella (AUC = 0,87).3 Tällä hetkellä mallin ennustama taantumatodennäköisyys on kääntynyt hieman laskuun ollen silti edelleen suhteellisen korkea.

Voidaan todeta, että erilaiset luottamusindikaattorit tarjoavat arvokasta tietoa talouden nykytilasta ja tulevista kehityssuunnista. Luottamusindikaattoreiden nopea saatavuus ja kyky ennakoida talouden käännekohtia tekevät niistä hyödyllisen työkalun sekä taloustutkijoille että poliittisille päättäjille. On perusteltua ajatella, että kuluttajien ja yritysten välinen luottamus ei ainoastaan heijasta talouden tilaa, vaan myös muokkaa sitä.

Viitteet

1 Ks. tarkemmin Bry & Boschan (1971).
2 Probit-malli on regressioanalyysissä käytetty malli, joka soveltuu erityisesti binääristen riippuvien muuttujien analysointiin. Probit-malli on hyödyllinen, kun halutaan estimoida sellaisten tapahtumien todennäköisyyksiä, joilla on vain kaksi mahdollista lopputulosta, kuten tässä tapauksessa ”taantuma” tai ”ei-taantuma”.
3 AUC-arvo (Area Under the Curve) on ROC-käyrän alle jäävän alueen pinta-ala. Se mittaa mallin kykyä erotella positiiviset ja negatiiviset tapaukset toisistaan. AUC-arvo voi vaihdella välillä 0 ja 1, missä arvo 0,5 tarkoittaa satunnaista luokittelua (ei-informatiivinen malli) ja arvo 1 tarkoittaa täydellistä erottelukykyä. Mitä suurempi AUC-arvo, sitä parempi mallin suorituskyky on.

Kirjallisuus

Bry, G. & Boschan, C. (1971), Cyclical analysis of time series: selected procedures and computer programs, National Bureau of Economic Research, New York.

Juvonen, O-P., Anttonen, J.J., Fornaro, P., Nissilä, W., Nyberg, H. & Pönkä, H. (2019), Aikasarjamallit apuna Suomen talouden seurannassa, Kansantaloudellinen aikakauskirja, 115(3), 440–457.

Maliranta, M. (2024), Sekä talous että tutkimus pohjaavat luottamukseen, Talous & Yhteiskunta, 2/2024.

Mourougane, A., & Roma, M. (2003), Can confidence indicators be useful to predict short term real
GDP growth? Applied Economics Letters, 10(8), 519–522.

Nissilä, W. (2020), Probit based time series models in recession forecasting – A survey with an empirical illustration for Finland, BoF Economics Review, 7/2020, Bank of Finland.

Pönkä, H., & Stenborg, M. (2020), Forecasting the state of the Finnish business cycle, Finnish Economic Papers, Finnish Economic Association, 29(1), 81–99, Spring.