Время: 2 часа
Цель лекции: Основные задачи, цели и последовательность проведения эконометрического анализа.
План лекции:
1. Что изучает эконометрика. Основная задача и цель изучения дисциплины.
2. Краткая история развития эконометрики.
3. Специфика экономических данных.
4. Нечисловые экономические величины.
5. Статистика интервальных данных - научное направление на стыке метрологии и математической статистики.
Сегодня высокие информационные технологии превращают бизнес в высокоинтеллектуальное занятие, а бизнесмену дают такую степень свободы, которая превращает его в главную личность нового столетия.
Из разговора двух олигархов
Современные экономические теории и исследования, опирающиеся в значительной степени на использование математических моделей и методов анализа, требуют от экономистов достаточно свободного владения математическим аппаратом изучения статистических данных. Поэтому неудивительно, что эконометрика стала одним из базовых курсов в системе экономического образования.
Постоянно усложняющиеся экономические процессы привели к необходимости создания и совершенствования особых методов изучения и анализа. При этом широкое распространение получило использование моделирования и количественного анализа. На базе последних выделилось и сформировалось одно из направлений экономических исследований - эконометрика.
1. Что изучает эконометрика?
Энциклопедический Словарь так трактует понятие эконометрики.
Определение. Эконометрика - это наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей.
Основная задача эконометрики - проверка экономических теорий на фактическом (эмпирическом) материале при помощи методов математической статистики.
По сути, работая с этими моделями, мы предполагаем, что вся информация о сути экономического явления содержится в эмпирическом материале, вполне естественно допуская при этом определенные ошибки. Эконометрический анализ позволяет предвидеть только те экономические процессы, которые сохраняют основные тенденции развития, либо повторялись несколько раз в прошлом. Нельзя ожидать от него чего-то большего.
Цель эконометрического анализа – разработка эконометрических моделей, позволяющих прогнозировать тенденции развития экономических и бизнес процессов для получения наиболее эффективных и обоснованных решений.
Формально «эконометрика» означает «измерения в экономике». Однако область исследований данной дисциплины гораздо шире. Эконометрика - это наука, в которой на базе реальных статистических данных строятся, анализируются и совершенствуются математические модели реальных экономических явлений. Эконометрика позволяет найти количественное подтверждение либо опровержение того или иного экономического закона либо гипотезы. Одним из важнейших направлений эконометрики является построение прогнозов по различным экономическим показателям.
Кто проводит эконометрический анализ? Ответ на этот вопрос неоднозначен. На Западе это делает специалист в области эконометрического анализа - аналитик или эконометрист. В России, в соответствие с новыми государственными стандартами это должен делать экономист и менеджер по любой специализации.
В России аналитиков не готовят, ими становятся только те, кто владеет эконометрическими методами анализа.
Эконометрика как научная дисциплина зародилась и получила развитие на основе слияния экономической теории, математической экономики, экономической и математической статистики.
Действительно, предмет ее исследования - экономические явления. Но в отличие от экономической теории эконометрика делает упор на количественные, а не на качественные аспекты этих явлений. Например, экономическая теория утверждает, что спрос на товар с ростом его цены убывает. Но при этом практически неисследованным остается вопрос, как быстро и по какому закону происходит это убывание. Эконометрика отвечает на этот вопрос для каждого конкретного случая.
Изучение экономических процессов (взаимосвязей) в эконометрике осуществляется через математические (эконометрические) модели. В этом видится ее родство с математической экономикой. Но если математическая экономика строит и анализирует эти модели без использования реальных числовых значений, то эконометрика концентрируется на изучении моделей на базе эмпирических данных.
Одной из основных задач экономической статистики является сбор, обработка и представление экономических данных в наглядной форме: в виде таблиц, графиков, диаграмм. Эконометрика также активно пользуется этим инструментарием, но идет дальше, применяя его для анализа экономических взаимосвязей и прогнозирования.
Мощным инструментом эконометрических исследований является аппарат математической статистики. Действительно, большинство экономических показателей носит характер случайных величин, предсказать точные значения которых практически невозможно. Например, весьма сложно предвидеть доход или потребление какого-либо индивидуума, объемы экспорта и импорта страны в течение следующего года и т.д. Связи между экономическими показателями обычно не носят строгий функциональный характер, а допускают наличие каких-либо случайных отклонений (особенно это касается макроэкономических данных). Вследствие этого использование методов математической статистики в эконометрике естественно и обосновано. Однако в силу специфики получения статистических данных в экономике (например, в экономике невозможно проведение управляемого эксперимента) эконометристам приходится использовать свои собственные наработки и специальные приемы анализа, которые в математической статистике не встречаются.
К основным задачам эконометрики можно отнести следующие.
· Построение эконометрических моделей, т.е. представление экономических моделей в математической форме, удобной для проведения эмпирического анализа. Данную проблему принято называть проблемой спецификации. Отметим, что зачастую она может быть решена несколькими способами.
· Оценка параметров построенной модели, делающих выбранную модель наиболее адекватной реальным данным. Это так называемый этап параметризации.
· Проверка качества найденных параметров модели и самой модели в целом. Иногда этот этап анализа называют этапом верификации.
· Использование построенных моделей для объяснения поведения исследуемых экономических показателей, прогнозирования и предсказания, а также для осмысленного проведения экономической политики.
Предлагаемая ниже схема весьма наглядно демонстрирует суть и последовательность эконометрических исследований.
Данная схема отражает циклический характер современных экономических исследований: от экономической теории к моделированию; от моделирования к совершенствованию теории и более глубокому пониманию сути происходящих процессов; от понимания сути к осуществлению продуманной и целенаправленной экономической политики. Развитие компьютерных систем и специальных прикладных программ, совершенствование методов анализа сделали эконометрику мощнейшим инструментом экономических исследований.
2. Краткая история развития эконометрики
Первые работы по эконометрике появились в конце XIX - начале XX века. В 1897 г. была опубликована работа одного из основателей математической школы в экономической теории В.Парето, посвященная статистическому изучению доходов населения в разных странах. Была предложена кривая Парето
,
где 
-величина дохода;
- численность лиц, имеющих доход, больший ;
- минимальный доход;
и 
- параметры зависимости, получаемые статистическими методами.
В самом начале XX века вышло несколько работ английского статистика Гукера, в которых он применил корреляционно-регрессионные методы, разработанные Пирсоном и его школой, для изучения взаимосвязей экономических показателей, в частности - влияния числа банкротств на товарной бирже на цену зерна. В дальнейшем появилось огромное число работ как по развитию теории математической статистики и ее прикладных элементов, так и по практическому приложению этих методов в экономическом анализе. К первой группе могут быть, например, отнесены работы Р.Фишера по дисперсионному анализу, ко второй - работы по оценке и исследованию производственных функций, в частности - классическая работа Кобба и Дугласа 1928 г.
Значительные достижения в эконометрике во многом определились работами М.Дж.Кендалла и А.Стьюарта, Э.Кейна, С.А.Айвазяна, Я.Р. Магнуса и других ученых.
Эконометрические модели и методы сейчас - это не только мощный инструментарий для получения новых знаний в экономике, но и широко применяемый аппарат для принятия практических решений в прогнозировании, банковском деле и бизнесе.
3. Специфика экономических данных
Для анализа экономических данных могут применяться все разделы прикладной статистики, а именно:
· статистика случайных величин;
· многомерный статистический анализ;
· статистика временных рядов и случайных процессов;
· статистика объектов нечисловой природы, в том числе статистика интервальных данных.
Перечисленные четыре области выделены на основе математической природы элементов выборки: в первой из них это - числа, во второй - вектора, в третьей - функции, в четвертой - объекты нечисловой природы, т.е. элементы пространств, в которых нет операций сложения и умножения на число. Примерами объектов нечисловой природы являются значения качественных признаков, бинарные отношения (ранжировки, разбиения, толерантности), последовательности из 0 и 1, множества, нечеткие множества, интервалы, тексты.
Как и для применений статистических методов в иных областях, в эконометрике решаются задачи описания данных (в том числе усреднения), оценивания, проверки гипотез, восстановления зависимостей, классификации объектов и признаков, прогнозирования, принятия статистических решений и др.
Однако в некоторых отношениях экономические данные отличаются от технических или астрономических, и эти отличия необходимо учитывать при выборе методов анализа конкретных экономических данных.
Многие экономические показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами. А вот нормальные распределения принципиально не подходят, поскольку для них вероятность отрицательных значений всегда положительна.
Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом в одних задачах больше внимания уделяют изучению трендов (средних значений, математических ожиданий), например, при анализе динамики цен. В других же - важны отклонения от средней тенденции, например, при применении контрольных карт (карт Шухарта, кумулятивных сумм и др.). Однако в целом спектральный анализ и выделение различных периодов, циклов и типов волн менее распространены, чем, скажем, в биометрике и медицине.
В экономике доля нечисловых данных существенно выше, чем в технике и технологии, соответственно больше применений для статистики объектов нечисловой природы (ниже разберем это утверждение подробнее).
Количество изучаемых объектов в экономическом исследовании часто ограничено в принципе, поэтому обоснование вероятностных моделей в ряде случаев затруднено. Уникальные объекты, например, город Москва, трудно рассматривать как элемент выборки из генеральной совокупности с каким-то определенным распределением, поскольку подобное рассмотрение противоречит здравому смыслу.
Поэтому в эконометрике часто применяются детерминированные методы анализа данных, в отличие от, например, технических наук, в которых обычным является использование вероятностных моделей. Неопределенность приходится описывать не в терминах вероятностно-статистических моделей, а иными способами, например, в терминах теории нечеткости (fuzzy sets theory) или математики и статистики интервальных данных.
Итак, специфика эконометрики проявляется не в перечне применяемых для анализа конкретных экономических данных статистических методов, а в частоте использования тех или иных методов.
4. Нечисловые экономические величины
В теоретических и практических задачах экономики и менеджмента постоянно используются различные величины, обычно рассматриваемые как числовые. Например, рыночная цена товара, прибыль предприятия, индекс инфляции, валовой внутренний продукт, чистая приведенная величина для потока платежей и т.д. При более тщательном анализе оказывается, что подобные величины не имеют определенного численного значения, они размыты, имеют нечисловой характер, и описывать их следует с помощью нечисловых математических понятий, относящихся к тем или иным классам объектов нечисловой природы, таким, как нечеткие множества, интервалы, распределения вероятностей и др.
Действительно, можно ли считать, что существует рыночная цена на некоторый товар, выраженная числом? Рассмотрим всем привычный товар - хлеб. Для определенности рассмотрим стандартный батон белого хлеба. В настоящее время (сентябрь 2009 г.) в различных торговых точках Москвы его можно купить по ценам примерно 15 руб. Сотрудники Института высоких статистических технологий и эконометрики в течение нескольких лет собирали информацию о ценах на 35 продовольственных товаров в 11 "точках" Москвы и Подмосковья, и максимальная из отмеченных цен превышала минимальную, как правило, на 30-50%.
Следовательно, можно говорить о цене товара при конкретном акте купли-продажи, при покупке в конкретном магазине, но нельзя говорить о конкретном числовом значении рыночной цены товара. Так, говорить о "рыночной цене" конкретной квартиры (не в новостройке) бессмысленно. Цена выявится только в результате соглашения продавца и покупателе при совершении акта купли-продажи. С другой стороны, полностью отказываться от этого укоренившегося в литературе понятия нецелесообразно. Мы предлагаем принять, что рыночная цена - объект нечисловой природы, и описывать ее для стандартного батона белого хлеба, например, в виде интервала [13; 15] руб.
5. Статистика интервальных данных - научное направление на стыке метрологии и математической статистики
В статистике интервальных данных (СИД) элементами выборки являются не числа, а интервалы, в частности, порожденные наложением ошибок измерения на значения случайных величин. Это сравнительно новый, но весьма перспективный раздел эконометрики. В лекции дадим лишь общее представление о статистике интервальных данных в сравнении с классической математической статистикой. Прежде всего, отметим, что СИД входит в теорию устойчивости (робастности) статистических процедур и примыкает к интервальной математике. В СИД изучены практически все задачи классической прикладной математической статистики, в частности, задачи регрессионного анализа, планирования эксперимента, сравнения альтернатив и принятия решений в условиях интервальной неопределенности и др.
Основная идея СИД является общеинженерной - каждая величина должна приводиться вместе с погрешностью ее определения. К сожалению, эта идея еще не стала общеэкономической.
Резюме
1. Эконометрика, новое направление в развитии математических методов в экономическом анализе. В основу этого анализа положены математические методы корреляционно – регрессионного анализа и методы анализа временных рядов.
2. К сожалению, сегодня еще нет ярких и убедительных примеров применения методов эконометрического анализа в реальной жизни. Это обусловлено по крайней мере двумя причинами: прежде всего отсутствием специалистов, умеющих правильно применить эти методы и сделать аргументированный эконометрический анализ и слабая предсказуемость экономических процессов в настоящее время в России.
3. Наивно думать, что эконометрические модели работают в условиях недостаточной информации. Для этого существуют совершенно другие методы. Можно уверенно прогнозировать только те экономические процессы, которые имеют определенную повторяющуюся регулярность во времени и имеется достаточно статистики (не менее 4-х длительных периодов в которых повторялись эти регулярности). Только в этом случае применение методов эконометрического анализа оправдано и целесообразно.
Вопросы для самоподготовки