Om Prognosteorier

En prognos definieras som ett förutspått framtida händelseförlopp⁵⁰. Behovet av prognoser beror på att de utgör beslutsunderlag för framtida beslut som måste tas idag. Vi kan till exempel se följande tankegång som exempel på detta. Om vi undrar ifall vi kommer att behöva ha med oss paraplyet idag, utifall det kommer att regna, kan vi använda väderprognosen som beslutsunderlag för svaret på denna fråga⁵¹.

Referensram 29 Ovanstående exempel är någorlunda simpelt, men dock inte enkelt att förutsäga.

Meteorologer har till sin hjälp ett antal hjälpmedel som väderstationer, väderballonger, fartyg, satelliter och radar vilka förser dem med information. Vi kan även genom prognoser se om regeringen behöver bygga fler skolor för att tillgodose antalet skolungdomar, eller tvärtom se hur många skolor de behöver lägga ner på grund av bristen av skolungdomar. Det senare påverkar arbetslösheten hos lärare och således lärarutbildningarna och regeringens och högskolans ekonomiska planering ifall förändringar av denna sort måste ske⁵².

Det talas om att det finns ett tidsspann från tillfället då något uppmärksammas till dess att det åtgärdas⁵³. Den tid som finns där emellan är det egentliga upphovet till att prognoser behövs. Detta innebär att ifall ledtiden är lång och utgången av det uppmärksammade är svår att identifiera, behövs det en prognos för att visa när det uppmärksammade kommer att inträffa så att rätt åtgärder kan vidtas⁵⁴.

För framtagandet av en prognos krävs det en teori, eller en modell⁵⁵. Denna modell kan vara mer eller mindre komplicerad, beroende på vad man avser att prognostisera och hur pass säker denna prognos ska vara. Till detta behövs således observationer av verkligheten som bekräftar modellen. Allt som oftast baseras prognoser på vad som har hänt, och en korrekt uppfattning av detta är då viktigt. För att prognosen ska slå in krävs det att dessa observationer fortsätter att gälla. Gör de inte det, kommer prognosen att slå fel. Det har framförts kritik mot prognoser att de alltför ofta gör mer skada än nytta. Kritiken grundar sig i att prognoser alltför ofta slår fel, vilket förklaras med att de baseras på det förflutna. Vidare används ibland prognoser felaktigt, vilket beror på att det är lätt att okritiskt uppfatta prognosen som den enda sanningen⁵⁶.

Att definiera en bra prognos kan till synes vara enkelt, men är dock relativt svårt. En bra prognos bör vara en prognos som anger det exakta värde för den period som studien avser.

Dock är avsikten med en prognos att utgöra beslutsunderlag och således stämmer

Referensram 30 ovanstående sällan in. Om en prognos indikerar en utveckling som ej är önskvärd kommer beslutsfattaren att genomföra åtgärder för att motverka prognosen och således kommer ej prognosens värden att stämma. Detta innebär att det är svårt att mäta prognosens ursprungliga korrekthet i och med att åtgärder vidtas. Sedermera är det nästintill omöjligt att isolera vilken åtgärd som påverkade vad i utfallet av prognosen i efterhand⁵⁷.

Det talas om att prognosers verkliga användning inom de ekonomiska områdena härrör från planering av resurser⁵⁸. Där effektivisering av resurser genom planering av personal, tid, kostnad och transporter, blir enklare genom att en prognos över vilken efterfrågan som företaget förväntas möta skapas. Vidare förenklar även detta införskaffande av resurser, det vill säga de beställs i rätt tid, samt vilken typ av resurs som behövs.

Det finns två övergripande prognosmetodkategorier⁵⁹. Den första kategoriseras som kvantitativ och är, som den låter, uppbyggd av kvantitativ data från historien. Det finns tre krav för att kunna tillämpa denna metod; det första kravet är att historisk information är tillgänglig. Det andra kravet är att denna information kan omvandlas till numerisk data. Det tredje kravet är att antaganden om att några aspekter i den historiska utvecklingen kommer att återupprepas i framtiden, kan appliceras.

Den andra kategorin är kvalitativ; denna typ av information är svår att bedöma. Allt som oftas genererar den enbart bedömningar och ihopsamlad kunskap. Denna kategori används främst för att upptäcka antydningar till förändring och hjälpa prognostiseraren. Oftast används denna information ihop med kvantitativ data vid prognostisering⁶⁰.

3.3.1 E

Det finns många exempel på prognoser som har genomförts. Vi avser här att belysa tre exempel; två som vi har funnit relevanta för vår egen prognostisering rörande detaljhandel och dess utveckling och ett som belyser prognostiseringarnas mångfald.

57 Bergström, R (1982)

58 Makridakis, S. et al (1998)

59 Ibid

60 Ibid

Referensram 31 Prognoser kan som sagt användas på många områden, sådana som kanske inte alltid är självklara. Odds och oddssättning gällande spel baseras även på prognoser. Svenska spel, som är Sveriges största spelbolag och ägs av staten arbetar med oddssättning. När man sätter ett odds på en match prognostiserar man sannolikheten att ett lag ska vinna. Är sannolikheten hög blir oddset lågt och tvärtom. För detta beaktas en mängd faktorer. Oftast inleder man med att titta på stora generella faktorer för att sedan gräva sig djupare ner i detaljer. Eftersom spel på odds generellt är förknippat med sport väljer vi att exemplifiera detta med ishockey. Oddssättningen inleds med att man först ser till statistik för hela sporten. Denna statistik delas sedan upp i mindre och mer djupgående delar såsom det specifika landet, laget, lagdelarna (målvakter, backar och forwards), spelarna, boxplay/powerplay och antalet vunna tekningar med mera. Till detta tillkommer faktorer som till exempel skador och form. Bland alla dessa faktorer anses hemmaplan och målsnitt vara viktiga. Generellt talar man om den så kallade ”grundkapaciteten” i varje lag, det vill säga deras styrka. Dessa faktorer resulterar i något som kallas för styrketal för varje lag. När dessa styrketal (lag) ställs mot varandra, med bakgrund av all statistik från den liga de spelar i, får man ut oddsen. Det vill säga, chansen för att det blir en hemmaseger, oavgjort eller bortaseger⁶¹.

Handelns Utredningsinstitut (HUI) arbetar med utredningar, konsultverksamhet och forskning gällande konsumtion och samhällsekonomi. Den rapport vi använt oss av för denna studie är skriven av Fredrik Bergström och Niklas Wikström. Fredrik Bergström är ekonomie doktor i nationalekonomi, och tidigare VD för HUI. Han har bland annat skrivit Kampen om Köpkraften, samt gett ut ett antal rapporter genom HUI. HUI:s prognos, som delvis beskrevs i inledningskapitlet är en prognos över köpkraft och detaljhandelsförsäljning. Köpkraften är baserad på faktorerna befolkningsutveckling och inkomstutveckling.

Detaljhandelsförsäljningen är baserad på utvecklingen inom dagligvaruhandeln och sällanköpsvaruhandeln, samt de trender som råder inom dessa två. Den rådande trenden när denna prognos gjordes var att dagligvaruhandeln tenderade att koncentreras till centralorterna. Detta berodde på att befolkningstillväxten var som störst där och medförde

61 Persson, Per (2010-04-13)

Referensram 32 att stadskärnorna blev mer attraktiva och att externa handelsplatser ofta uppfördes i närheten⁶². HUI kom år 2002 fram till följande prognos för år 2007 och 2012 för köpkraft i tabell 3.1 baserad på ovanstående faktorer och följande försäljningsprognos över detaljhandelsutvecklingen i Kalmar län, i tabell 3.2 nedan.

Tabell 3.1. Köpkraftsprognos för dagligvaror och sällanköpsvaror i Kalmar, Mörbylånga och Oskarshamns kommun samt Kalmar län, 2002, 2007 och 2012 (mkr).

Dagligvaror 2002 2007 2012

Tabell 3.2. Försäljningsprognos för total detaljhandel i Kalmar, Mörbylånga och Oskarshamns kommun samt Kalmar Län, 2007 – 2012, (mkr).

Försäljning, mkr Försäljningsprognos, mkr

Tillväxt Procent/År 2002 2007 2012

Kalmar 1,5 – 2,2 2 840 3 100 – 3 300 3 400 – 3 700

Mörbylånga 1,5 – 2,2 510 550 – 650 700 – 800

Oskarhamn 1,5 – 2,2 970 1 100 – 1 200 1 300 – 1 400

Kalmar län 1,5 – 2,2 8 440 9 400 – 10 400 11 500 – 13 000 (Bergström, F. Wikström, N. 2002)

Anledningen till att Kalmar kommun, Mörbylånga kommun och Oskarhamns kommun särredovisas i HUI:s rapport är att Kalmar kommun är den största orten i länet, Oskarshamns kommun hade visat upp goda utvecklingssiffror och Mörbylånga kommun hade fått Ölands Köpstad (ett externt handelscentrum beläget utanför Färjestaden, som förväntades ha en stor del i deras prognostiserade positiva handelsutveckling) ⁶³.

62 Bergström, F. Wikström, N (2002)

63 Ibid

Referensram 33 Det andra exemplet kommer ifrån forskare vid Azuza Pacific University (APU) som beskriver en metod för att prognostisera detaljhandeln⁶⁴. APU är beläget i staden Azuza i Kalifornien, där Stuart Strother, som är huvudskribent till artikeln, forskar. Han är professor i ekonomi upptagningsområdet. Resultatet av denna undersökning innebär att det går att identifiera hur mycket pengar som försvinner ut ifrån respektive kommer in i upptagningsområdet genom att jämföra steg ett och steg två. Undersökningen utförs genom att forskaren undersöker statistisk data rörande shoppingbeteende och shoppingvanor. Steg tre innebär att en identifikation av marknaden och marknadsandelarna genomförs. Detta steg baseras på resultatet av steg 2 och visar inom vilken typ av marknad det finns ett överskott respektive underskott av butiker i det studerade upptagningsområdet. Steg fyra beaktar turister och ”icke-permanent-befolkning” som till exempel studenter, vilka reser in eller ut genom upptagningsområdet och tillför en positiv ökning av konsumtion. Detta steg beaktar den shoppingturism som finns i upptagningsområdet baserat på handelsindex. Utifrån denna metod kan detaljhandelns utveckling prognostiseras genom att forskaren kan se var det finns marknadsandelar att ta, respektive ge upp⁶⁵.