1.1.1. Понятие эконометрики. Связь эконометрики
с другими областями знаний
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. Эконометрика имеет дело с массовыми экономическими явлениями (массовыми, значит повторяющимися в пространстве и во времени). Статистика имеет дело с массовыми явлениями любой природы, в том числе и в экономике.
Специфика эконометрики в том, что она ставит своей задачей при помощи статистики выразить те закономерности, которые экономическая теория и математическая экономика определяют, в общем, схематически. То есть экономическая теория и математическая экономика формулируют 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 определенную величину. Расчет количественных оценок и есть задача эконометрики.
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, 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.
1.1.2. Эконометрическая модель – главный инструмент
эконометрических исследований. Задачи, решаемые на ее основе.
Этапы эконометрического моделирования
Главным инструментом эконометрики служит эконометрическая модель.
Можно выделить три класса эконометрических моде лей:
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, да тированных другими моментами времени, относятся модели:
• объясняющие поведение результативного признака в зависимости от предыдущих значений факторных переменных (модели с распределенным лагом);
• объясняющие поведение результативного признака в зависимости от предыдущих значений результативных переменных (модели авторегрессии);
• объясняющие поведение результативного признака в зависимости от будущих значений факторных или результативных переменных (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).
Ниже перечислены примеры регрессионных моделей с одним уравнением.
Функция цены: Р = f(Q, Pk), где цена определенного товара – Р зависит от объема его поставки – Q и от цен конкурирующих товаров Pk.
• Функция спроса: Qd = f(P, Pk, I), где величина спроса на определенный товар – Qd зависит от цены данного товара – Р, от цен товаров-конкурентов – Pk, а также от реальных доходов потребителей – I.
• Производственная функция: Q = f(L, К), представляющая собой зависимость объема производства определенного товара Q от производственных факторов, на пример от затрат капитала К и затрат труда L.
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 пара метров известны.
В поведенческих уравнениях значения параметров требуется оценить. Кроме того, поведенческие уравнения в качестве независимых переменных могут включать не только факторные, но и результативные признаки из других уравнений системы.
Примером системы одновременных уравнений является модель спроса и предложения, включающая 3 уравнения:
1 – уравнение предложения: Qts = а0 + а1 ∙ Pt + а2 ∙ Рt-1;
2 – уравнение спроса: Qtd =bQ + b1∙Pt+b2∙It;
3 – тождество равновесия: Qts = Qtd,
где Qts – предложение товара в момент времени t;
Qtd – спрос на товар в момент времени t;
Pt – цена товара в момент времени t;
Рt-1 – цена товара в предыдущий момент времени {t - 1);
It – доход потребителей в момент времени t.
Данная модель «объясняет» две результативные переменные: 1) Qt – объем спроса, равный объему предложения в момент времени t; 2) Pt – цену товара в момент времени t.
С помощью эконометрической модели могут быть решены самые разнообразные задачи. Их можно классифицировать по трем признакам:
1) по конечным прикладным целям;
2) по уровню иерархии;
3) по профилю анализируемой экономической системы.
По конечным прикладным целям выделяют две основные задачи:
• прогноз экономических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы;
• имитация возможных сценариев социально-экономического развития системы для выявления того, как планируемые изменения тех или иных поддающихся управлению параметров скажутся на выходных характеристиках.
По уровню иерархии выделяют задачи, решаемые на:
• макроуровне (страна в целом);
• мезоуровне (уровне регионов, отраслей, корпораций);
• микроуровне (на уровне семьи, предприятия, фирмы).
По профилю анализируемой экономической системы выделяют задачи, направленные на решение проблем:
• рынка;
• инвестиционной, финансовой или социальной политики;
• ценообразования;
• распределительных отношений;
• спроса и потребления;
• на определенный комплекс проблем.
Однако, чем шире комплекс проблем, тем меньше шансов провести эконометрическое исследование достаточно эффективно.
Основные этапы эконометрического моделирования:
1) определение конечных целей модели, набора участвующих факторных и результативных признаков;
2) качественный (теоретический) анализ сущности изучаемого явления. Формирование и формализация априорной информации, относящейся к природе исходных статистических данных и случайных составляющих;
3) выбор общего вида модели, состава и формы входящих в нее связей;
4) сбор необходимой информации, анализ ее качества;
5) оценка параметров модели;
6) оценка качества модели (т. е. оценка ее достоверности и надежности). Если качество модели не устраивает исследователя, то следует переход ко второму этапу;
7) интерпретация полученных результатов.