Kindlasti on paljud kuulnud ütlemist, et on olemas väikesed valed, suured valed ja statistika. Eks selles tõdemuses on omajagu ka tõtt, sest kui me valime õiged andmed, õige ajaperioodi, siis võib andmetega igasuguseid asju tõestada.

Üks viis erinevate statistiliste näitajate vahel seoseid uurida on korrelatsiooni analüüs. Korrelatsioon näitab teatavasti seda, et mingid näitajad on omavahel seotud. Näiteks majanduskasv ja eratarbimine liiguvad ajas suhteliselt sarnaselt ehk nende vaheline korrelatsioon on kõrge. Kusjuures oluline on täheldada, et korrelatsioon ei näita seda, et üks näitaja põhjustab teist ehk ta ei kirjelda põhjuslikke seoseid.

Üks legendaarsemaid näiteid on kurgede arvukuse ning sündide vahelise korrelatsioon arvutamine. Nimelt avaldas Briti statistik Robert Matthews 2000. aastal artikli "Kured toovad lapsi" ("Storks Deliver Babies (p = 0.008)"), milles ta näitas, et 17 Euroopa riigis oli toonekurgede arvukuse ja sündimuse vahel statistiliselt oluline positiivne korrelatsioon.

Artikli eesmärk ei olnud tõestada, et kured toovad lapsi, vaid pigem seda, et korrelatsioonanalüüs ei näita põhjuslikku seost kahe näitaja vahel ning juhuslikke andmeridu kokku pannes võib saada väga üllatavaid tulemusi.

Alati on võimalik leida erinevaid seoseid kahe andmerea vahel, kui valime erinevaid perioode, kasutame viiteaega jne. Alljärgnevalt illustreerin seda ühe konkreetse näitega.

Lugesin Indrek Sauli ERR-i portaalis ilmunud arvamuslugu, milles ta tegi põhimõtteliselt maatasa tarbijate kindlustunde indeksi (TKI) arvutuse ja ütles et "sellel [kindlustunde indeksil – RE] pole viimase nelja aasta jooksul olnud mitte mingit pistmist sellega, mis majanduses tegelikult toimub.

Sauli väitel ei ennusta indeks enam tegelikult majanduses toimuvaid muutusi, kuna korrelatsioon TKI ning majanduskasvu vahel on ainult +0,31. Mis tähendab, et seos on väga nõrk ja statistiliselt ebaoluline. Peaksime üldse lõpetama selle avaldamise. Enne koroonakriisi (2016–2019) oli korrelatsioon kahe näitaja vahel +0,61 ja siis oli selge ning tugev seos kahe näitaja vahel. Siis toimis, nüüd enam ei toimi. Neile, kes ei ole kursis statistikateooriaga, märgin, et kui seos on üks ühele ehk väga tugev, siis on koefitsent 1 ja kui seost ei ole, siis on koefitsendi väärtus 0.

Mul tekkis sportlik huvi. Otsustasin ise ka natuke arvutada. Korrelatsioonanalüüs on üks kõige lihtsamaid statistilise analüüsi meetodeid ning seda saab hõlpsasti teha Excelis.

Ma ei tea, kuidas Indrek Saul neid seoseid arvutas, aga mina tegin kaks olulist teisendust algandmetesse.

Esiteks ma arvutasin TKI kuiste näitajate põhjal kvartaalsed keskmised, sest kui meil on majanduskasv kvartaalne, siis peaks ka teine näitaja, millega me seda võrdleme, olema kvartaalne.

Teiseks võtsin TKI indeksi ühe kvartalise viiteajaga, sest mitmed küsimused indeksist on mineviku kohta. Lihtsamalt öeldes võrdlesin selle aasta esimese kvartali kindlustunde indeksit, eelmise aasta neljanda kvartali majanduskasvuga. Inimesed tajuvad tööturu ja hindade muutust ikka väikese viiteajaga. Tegelikult on selline viiteajaga reageerimine näha ka loo lõpus olevalt jooniselt.

Korrelatsiooni koefitsendiks tuli +0,53, mis näitab mõõdukat seost kahe näitaja vahel. Teisisõnu, kui majanduses läheb kehvasti, siis langeb ka tarbija kindlustunde indeks ning vastupidi. Tegemist on makronäitajate puhul päris tugeva seosega ning väita, et TKI on mõttetu, ei ole päris adekvaatne.

On tõsi, et kindlustunde määravad erinevad väited, mis puudutavad nii minevikku kui ka tulevikku ja autori väitel on mineviku väited tugevamad kui tuleviku omad. Maitse asi. Eks enamik inimesi, mõeldes tuleviku peale, pikendab lähimineviku kogemust, keerulisemalt öeldes pikendab eilseid aegridu ka homsesse. Seda teevad ka paljud majanduse modelleerijad, kui nad oma prognoosimudelitega maadlevad.

Ma olen päris veendunud, et arvestades, kui palju šokke on meie majandust viimase viie ja poole aasta jooksul tabanud, siis on korrelatsiooni koefitsent 0,53 päris hea kirjeldustasemega ning aitab hinnata, mis lähiminevikus juhtus ning mis lähitulevikus juhtuma hakkab. TKI-d arvutatakse Euroopas sellisel viisil juba üle 40 aasta ja see on vastu pidanud igasugustele majanduskriisidele. Midagi ta ikkagi näitab, kui seda nii kaua on kasutatud?

Tulles pealkirja juurde. Panin kaks näitajat, SKP aastane muutus ning kvartaalne TKI, ühele joonisele. Välja tuli päris tore pilt, mis natuke meenutab kõhukat ninasarvikut. Kui ei ole aimu erinevatest statistilise analüüsi meetoditest, siis võib igaüks ise näpu või pastaka joonisele panna ning vaadata, kas kaks joont liiguvad sarnaselt. Minu arvates liiguvad.

Kokkuvõttes võib öelda, et ninasarvik ennustab päris hästi seda, mis tegelikult meie majanduses toimub.