Специфика экономических измерений

[1]

Специфические особенности экономических данных можно свести к следующим пяти группам:

  • • измеряться могут только операционально определенные данные. При этом экономические измерения подвержены сильному влиянию теоретических представлений о данных величинах;
  • • неэкспериментальный характер данных и короткие ряды наблюдений, которые ставят под сомнение адекватность полученных результатов;
  • • экономические данные, как правило, являются косвенными;
  • • изменчивость единиц измерения;
  • • влияние инструмента измерения на изучаемый объект.

Эконометрические методы

1. Регрессионный анализ

Регрессионный анализ – статистический метод исследования связи между зависимой переменной/ и одной или несколькими независимыми переменными х1, х2, хp. При этом терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, выражающуюся в сопряженности изменений значений переменных, а не причинно-следственные отношения. Для адекватного описания сложных внутренне неоднородных экономических процессов, как правило, применяются системы эконометрических уравнений. В более простых случаях можно использовать изолированные уравнения (уравнения регрессии).

2. Анализ временных рядов

Анализ временных рядов – совокупность математико-статистических методов, предназначенных для выявления структуры временных рядов и прогноза. Определение структуры временного ряда необходимо для того, чтобы построить математическую модель такого явления, которое служит источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений. Прогнозирование также интересно тем, что оно рационализирует анализ временных рядов отдельно от экономической теории.

Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (метод наименьших квадратов (МНК), метод максимального правдоподобия (ММП), метод моментов). Также достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей.

3. Панельный анализ

Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, т.е. они состоят из наблюдений одних и тех же экономических единиц в последовательные периоды времени. Панельные данные состоят из техн измерений: признаки – объекты – время. Их использование дает ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить и анализ временных рядов, и анализ пространственных выборок. С помощью подобных данных изучают бедность, безработицу, преступность, а также оценивают результативность государственных программ в области социальной политики.

Критика и апологетика эконометрики

Во многом определяющим для развития эконометрики стал спор Я. Тинбергена и Дж. М. Кейнса (1883–1946) об эконометрическом методе исследования. В статье "Professor Tinbergen's Method" Μ. Кейнс написал, что Я. Тинберген "предпочитает лабиринты арифметики лабиринтам логики". Он сказал, что эконометрический анализ становится похож на "детские голово- ломки, в которых вам нужно написать ваш возраст, умножить на что-то, прибавить еще что-то, вычесть и в конце концов получить число зверя из Откровения св. Иоанна Богослова".

М. Кейнс утверждал, что исследовательский потенциал анализа множественной корреляции во многом зависит от экономиста. По его мнению, данный метод применим, только когда экономист в состоянии заранее представить правильный и безукоризненно полный анализ значимых факторов. При этом возникает проблема использования неполного набора объясняющих переменных (смещенная оценка, вызванная пропуском переменных); построение моделей, содержащих ненаблюдаемые переменные (такие, как рациональные ожидания), полученные при помощи плохо измеренных данных, основанных на индексах; получение ложной корреляции в результате использования замещающих переменных и одновременности.

На эту критику Я. Тинберген ответил, что "нерелевантные объясняющие переменные можно трактовать как случайные остатки, не коррелирующие систематически с другими объясняющими переменными. Если математическая форма соотношения задана, то можно представить определенные данные о вероятностных распределениях остатков". При этом объясняющие факторы можно измерить, а независимость остатков можно проверить впоследствии, изучая их автокорреляцию. При этом экономист не должен забывать об ограниченности метода и проверке достоверности данных.

М. Кейнс также попытался предъявить методу множественной регрессии, являющемуся прикладным, те требования, которым должен отвечать фундаментальный метод. Он настаивал на необходимости истинности предпосылок, соизмеримости условий, независимости рассматриваемых факторов, характере функций и т.д., при этом он не ответил на вопрос о том, как проверить истинность, что взять в качестве критериев истинности, соизмеримости и независимости. Современная же научная методология отказалась от принципа верификации предпосылок и перешла к верификации выводов или оценке точности прогноза.

Критиковал М. Кейнс и введение фактора времени в уравнение регрессии. Очевидно, что использование линейного тренда означает, что между первым и последним годами временного ряда проводится прямая линия. В результате очень многое зависит от того, какие годы выбраны для исследования. Разбирая пример временного ряда, взятого с 1919 по 1933 г. из книги Я. Тинбергена, он отмечал, что "возникает парадокс, состоящий в том, что экономика США характеризовалась серьезным понижательным трендом за весь период, в том числе и за период, закончившийся в 1929 г.". Суммарно изменения достигают 20%, при этом если бы Я. Тинберген исследовал временной ряд, заканчивающийся на 1929 г., то он использовал бы растущий тренд вместо понижательного для анализа тех же самых лет. Трендовая компонента, по мнению М. Кейнса, очень похожа на метод корректировки неудачных результатов и затемняет тот факт, что "данное объяснение на самом деле ошибочно".

При этом, по его мнению, непонятно, "в какой степени кривые и уравнения считаются не более чем частью описания и исторического анализа с целью подбора кривых и в какой степени с их помощью делаются индуктивные выводы относительно будущего или прошлого". М. Кейнс выразил сомнения в ценности такого подхода. По его словам, очевидно, что данный метод "представляет собой не самый ясный способ описания прошлого". Самое важное условие при таком анализе состоит в том, что "экономическая среда на протяжении некоторого периода времени должна оставаться неизменной и однородной во всех значимых отношениях, за исключением колебаний тех факторов, которые рассматриваются отдельно. Но быть уверенными, что такие условия сохранятся в будущем, даже если они обнаруживаются в прошлом, нельзя".

На это Я. Тинберген ответил утверждением, что "зачастую сам вид кривых подсказывает, что некоторый фактор, не упомянутый в большинстве учебников по экономике, имеет огромную важность. Представив численное значение одного или нескольких коэффициентов регрессии, можно критиковать одну или несколько использовавшихся ранее теорий". Я. Тинберген привел пример такой ситуации, когда "множество теоретиков соглашаются с тем, что ставка процента является существенным фактором спроса на деньги или инвестиционной активности, а полученные результаты после анализа указывают на то, что такое влияние незначительно или, по меньшей мере, было таковым в США в течение данного периода времени".

М. Кейнс считал очень важным вопрос о предполагаемой линейности соотношений. Он утверждал, что не обнаружил какого-либо примера нелинейной корреляции. Он говорил о том, что не понимает, анализ каких эмпирических данных заставляет использовать нелинейную корреляцию. Однако, по словам Я. Тинбергена, "диаграммы рассеяния позволяют понять, является ли некоторая корреляция линейной или нет. Нелинейность ни в коем случае не является произвольной манипуляцией с коэффициентами". Строго говоря, для каждого значения объясняющей переменной возможен только один коэффициент, и, с учетом непрерывности, требуется, чтобы эти коэффициенты не колебались слишком сильно. М. Кейнс очень плохо относился к линейным соотношениям, он называл их "смехотворными". Однако есть причины, в силу которых степень их смехотворности снижается:

  • • на малых интервалах неразрывную функцию можно аппроксимировать линейными функциями;
  • • наблюдение за экономическими данными показывает, что линейные соотношения часто встречаются на практике. При этом логично начинать анализ, опираясь на самую простую предпосылку, которая коррелирована с общей теорией. По словам Я. Тинбергена, "такой подход очень часто встречается в индуктивной части любой исследовательской работы. Также существует теоретическое обоснование линейности, согласно которому для больших масс индивидов совместная реакция будет носить значительно более линейный характер, чем какая-либо индивидуальная реакция".

Критика эконометрики М. Кейнсом главным образом обусловлена отличием его подхода к экономической науке от подхода экономического мейнстрима. Основным пунктом этого расхождениями является вопрос: "Следует ли трактовать экономику как точную науку?" Сам М. Кейнс давал отрицательный ответ на этот вопрос. В рамках его традиции экономическая среда изменчива и непредсказуема, а большинство экономических переменных связано между собой множеством сложных нелинейных зависимостей. Из этого следуют нестабильность коэффициентов корреляции и невозможность решения предсказательных задач. Поэтому экономическая наука не может претендовать на точные количественные измерения. Она должна быть основана на реалистичных предпосылках и содержать инструменты, помогающие понять и объяснить экономическую среду. Подход же Я. Тинбергена вполне согласуется с современным мейнстримом: экономический анализ должен быть как можно более формализованным и нацеленным на решение конкретных количественных задач. В рамках данного подхода экономическая наука должна быть точной, а объект ее изучения аналогичен объектам технических и естественнонаучных дисциплин.

  • [1] Подробнее см.: Эконометрика: учебник/И. И. Елисеева, С. В. Курышева, Η. М. Гордеенко [и др.]; под ред. И. И. Елисеевой. 2-е изд., перераб. и доп. M.: Финансы и статистика, 2007.
 
< Пред   СОДЕРЖАНИЕ     След >