Случайный характер экономических явлений и статистическая закономерность

ОСНОВЫ ЭКОНОМЕТРИКИ

Цель: Разобрать понятие «эконометрика», что собой представляет эконометрика как наука, с какими областями знаний она связана. Научиться разделять эконометрические модели по классам.

Ключевые слова: эконометрика, эконометрическая модель, временные ряды, регрессионная модель, системы одновременных уравнений.

План лекции:

1. Предмет эконометрики.

2. Случайный характер экономических явлений и статистическая закономерность.

3. Этапы эконометрического моделирования.

Предмет эконометрики.

Слово «эконометрика» представляет собой комбинацию двух слов: «экономика» и «метрика» (от греч. «метрон» - правило определения расстояния между двумя точками в пространстве, «метрия» — измерение). Сам термин подчеркивает специфику, содержание эконометрики как науки. Эконометрика — наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов.

Эконометрика представляет собой комбинацию трех областей знания:

• экономической теории;

• экономической статистики;

• математики (математической статистики).

Предметы эконометрики и статистики очень близки.

Специфика эконометрики втом, что она ставит своей задачей при помощи статистики выразить те закономерности, которые экономическая теория определяет в общем, схематически. То есть экономическая теория формулирует гипотезы, которые, в сущности, являются качественными.

Эконометрика имеет дело с конкретными экономическими данными и занимается количественным описанием конкретных взаимосвязей, т.е ., заменяет коэффициенты, представленные в общем виде в этих взаимосвязях, конкретными численными значениями.

Например, микроэкономическая теория утверждает, что снижение цены товара приводит к увеличению спроса на данный товар (при неизменности всех прочих факторов), т. е. устанавливается связь между спросом на товар и ценой на него. Однако микроэкономическая теория не дает количественных оценок данной связи, т.е. не позволяет ответить на вопрос: на сколько изменится спрос на данный товар в результате изменения его цены на определеннуювеличину. Расчет количественных оценок и есть задача эконометрики.

Случайный характер экономических явлений и статистическая закономерность.

В эконометрике часто используются математические уравнения и модели, модифицируемые, с тем чтобы обеспечить возможность проведения эмпирических расчетов.

Большинство эконометрических методов и приемов заимствовано из математической статистики. Однако методы математической статистики универсальны и не учитывают специфики экономических данных. Специфика экономических данных заключается в том, что они не являются результатом контролируемого эксперимента. В экономике невозможно проводить многократные эксперименты (из-за изменения внешних условий). Этот факт рождает ряд специфических проблем, решение которых не входит в математическую статистику.

Кроме того, экономические данные часто содержат ошибки измерения. В эконометрике разрабатываются специальные методы анализа, позволяющие, если не устранить, то, по крайней мере, снизить влияние этих ошибок на полученные результаты.

Таким образом, эконометрика связывает между собой экономическую теорию и экономическую статистику и с помощью математико-статистических методов придает конкретное количественное выражение общим закономерностям, устанавливаемым экономической теорией.

Главным инструментом эконометрики служит эконометрическая модель.

Можно выделить три класса эконометрических моделей:

1. Модель временных данных (в которых результативный признак является функцией переменной времени или переменных, относящихся к другим моментам времени).

К моделям временных данных, представляющих собой зависимость результативного признака от времени, относятся модели:

- тренда (зависимости результативного признака от трендовой компоненты);

- сезонности (зависимости результативного признака от сезонной компоненты);

- тренда и сезонности.

К моделям временных данных, представляющих собой зависимость результативного признака от переменных, датированных другими моментами времени, относятся модели:

- модели с распределенным лагом;

- модели авторегрессии;

- модели ожиданий.

Модели временных данных подразделяют также на модели, построенные по стационарным и нестационарным временным рядам. Стационарные временные ряды — ряды, имеющие постоянное среднее значение и колеблющиеся вокруг него с постоянной дисперсией. В таких рядах распределение показателя – уровня ряда не зависит от времени, т.е. стационарный временной ряд не содержит трендовой или сезонной компонент. В нестационарных временных рядах распределение уровня ряда зависит от переменной времени.

2. Регрессионная модель с одним уравнением.

В таких моделях результативный признак (зависимая переменная) представляется в виде функции факторных признаков (независимых переменных). Например, функция цены, функция спроса, производственная функция и др.

3. Системы одновременных уравнений.

Эти модели описываются системами взаимосвязанных регрессионных уравнений. Система «объясняет», а также прогнозирует столько результативных признаков, сколько поведенческих уравнений входит в систему.

Уравнения системы могут быть либо тождествами, либо поведенческими уравнениями.

Для тождеств характерно, что их вид и значения параметров известны.

В поведенческих уравнениях значения параметров требуется оценить. Кроме того, поведенческие уравнения в качестве независимых переменных могут включать не толькофакторные, но и результативные признаки из других уравнений системы.

Примером системы одновременных уравнений является модель экономического равновесия, включающая функции спроса (D) и предложения (S), а также тождество равновесия: D=S.