- Эконометрика как наука
-
Эконометрика — наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей. Определение предмета эконометрики было дано в уставе Эконометрического общества, которое главными целями назвало использование статистики и математики для развития экономической теории.[1] Теоретическая эконометрика рассматривает статистические свойства оценок и испытаний, в то время как прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий. Эконометрика дает инструментарий для экономических измерений, а также методологию оценки параметров моделей микро- и макроэкономики. Кроме того, эконометрика активно используется для прогнозирования экономических процессов как в масштабах экономики в целом, так и на уровне отдельных предприятий.[2] При этом эконометрика является частью экономической теории, наряду с макро и микроэкономикой
Термин «эконометрика» состоит из двух частей: «эконо» — от «экономика» и «метрика» — от «измерение». Эконометрика (или эконометрия) входит в обширное семейство дисциплин, посвященных измерениям и применению статистических методов в различных областях науки и практики. К этому семейству относятся, в частности, биометрия, технометрика, наукометрия, психометрия, хемометрия (наука об измерениях и применении статистических методов в химии), квалиметрия (наука об измерении качества). Особняком стоит социометрия — этот термин закрепился за статистическими методами анализа взаимоотношений в малых группах, то есть за небольшой частью такой дисциплины, как статистический анализ в социологии.
Одно из первых определений эконометрики дал Рагнар Фриш:
Эконометрика — это не тоже самое, что экономическая статистика. Она на идентична и экономической теории, хотя значительная часть этой теории носит количественный характер. Эконометрика не является синонимом приложений математики к экономике. Каждая из трех отправных точек — статистика, экономическая теория и математика — необходимое, но не достаточное условие для понимания количественных соотношений в современной экономической жизни. Это единство всех трех составляющих— Эконометрика. Учебник под ред. Елисеевой И. И.
Эконометрика тесно связана с математической экономикой. Так, Марк Блауг в своей статье для Британской энциклопедии пишет:
Подобно математической экономике, эконометрика — это скорее нечто, чем занимаются экономисты, чем определенная предметная область. Эконометрика связана с изучением эмпирических данных статистическими методами; цель этого — проверка гипотез и оценка соотношений, предложенных экономической теорией. В то время как математическая экономика занимается чисто теоретическими аспектами экономического анализа, эконометрика пытается подвергнуть проверке теории, которые уже представлены в явной математической форме. Однако, часто эти две области экономической науки пересекаются".Содержание
История эконометрики
Предпосылки возникновения эконометрики
Первые попытки количественных исследований в экономике относятся к ХVII в. Они были связаны с представителями нового направления в экономической теории — политической арифметики. У.Петти, Ч.Давенант, Г.Кинг использовали конкретные экономические данные в своих исследованиях, в первую очередь, при расчете национального дохода. Это направление пробудило поиск экономических законов, по аналогии с физическими, астрономическими и другими естественнонаучными законами. При этом существование неопределенности в экономике еще не осозновалось.[3]
Важным этапом для возникновения эконометрики явилось развитие статистической теории в трудах Ф.Гальтона, К.Пирсона, Ф.Эджворта. Эти ученые предопределили первое применения парной корреляции. Так, Дж.Э.Юл определял связь между уровнем бедности и формами помощи бедным. Г.Хукер же измерял связь между уровнем брачности и благосостоянием, в котором использовалось несколько индикаторов благосостояния, к тому же исследовались временные ряды экономических переменных.[3]
С 1830-х годов наиболее развитые страны стали испытывать, необъяснимые с точки зрения экономической науки того времени потрясения — упадок деловой активности, возникновение массовой безработицы. Быстрое промышленное развитие и урбанизация выявила огромный пласт нерешенных социальных проблем. Уже в конце XIX в. неоклассическая теория стала восприниматься как слишком удаленная от действительности. Теория могла стать убедительной в том случае, если она бы смогла объяснить изменения происходящие в экономике. Для ее практического значения требовались количественные выражения базовых экономических понятий.[3]
В 1911 г. выходит книга американского экономиста Г.Мура «Законы заработной платы: эссе по статистической экономике». Многие ученые считают эту работу первым трудом по эконометрике. В этом исследовании он провел анализ рынка труда, статистически проверил теорию производительности Дж. Кларка и изложил основы стратегии объединения пролетариата. Г.Мур показал, что сложные математические построения, наполненные фактическими данными, могут составить основу для разработки социальной стратегии.[3]
В это же время итальянский экономист Р.Бенини впервые применил метод множественной регрессии при оценке функции спроса. Значительный вклад в становление эконометрики весли исследования цикличности экономики. Первым цикличность экономики обнаружид К.Жугляр. Он выявил 7-11-летние циклы инвестиций. Сразу после него С.Китчин выявил 3-5-летнюю периодичность обновления оборотных средств, С.Кузнец, лауреат Нобелевской премии по экономике за 1971 год, обнаружил 15-20-летние циклы в строительстве, а Н.Кондратьев выявил свои знаменитые «длинные волны» продолжительностью 45-60 лет.[3]
Значительной вехой в формировании эконометрики явилось построение экономических барометров. Большинство экономических барометров основано на следующей идее: в динамике различных элементов экономики существуют такие показатели, которые в своих изменениях идут впереди других и потому могут служить сигналами изменений последних. Первым и самым известным стал Гарвардский барометр, который был создан в 1903 г. под руководством У.Персонса и У.Митчелла. Он состоял из кривых, характеризующих фондовый, товарный и денежный рынки. Каждая из этих кривых представляла среднюю арифметическую из входящих в нее нескольких показателей. Эти ряды предварительно статистически обрабатывались путем исключения тенденции, сезонности и приведения колебаний отдельных кривых к сравнимому масштабу колеблемости. В основу прогноза гарвардского барометра было положено свойство каждой отдельной кривой повторять движение остальных в определенной последовательности и с определенным отставанием. Успех использования гарвардского барометра породил эпидемию таких построений в других странах. Приблизительно с 1925 г. он потерял свою чувствительность. Его крах объясняется появлением мощного регулирующего фактора в экономике США. В этих условиях основным методом макроэкономического анализа становится метод «затраты-выпуск» В. В. Леонтьева. В это же время начали строиться экономические модели, использующие методы гармонического анализа. Эти методы были перенесены в экономику из астрономии, метереологии и физики.[4]
История развития
К 1930-м годам сложились все предпосылки для выделения эконометрики в отдельную науку.Стало ясно, что для более глубокого понимания экономических процессов стоит использовать в той или иной степени статистику и математику.Возникла необходимость появления новой науки со своим предметом и методом, объединяющая все исследования в этом направлении. 29 декабря 1930 г. по инициативе И.Фишера, Р.Фриша, Я.Тинбергена, Й.Шумпетера, О.Андерсона и других ученых было создано эконометрическое общество. В 1933 г. Р. Фриш основал журнал «Эконометрика», который и сейчас имеет большое значение для развития эконометрики. А уже в 1941 г. появляется первый учебник по новой научной дисциплине, написанный Я.Тинбергеном.[5] В 1969 г. Фриш и Тинберген стали первыми исследователями получившимии Нобелевскую премию по экономике. Как говорится в официальном сообщении нобелевского комитета: «за создание и применение динамических моделей к анализу экономических процессов».[6]
До 1970-х годов эконометрика понималась как эмпирическая оценка моделей, созданных в рамках экономической теории. По мнению эконометристов того времени статистические данные должны были защитить теорию от догматизма. При этом подавляющее большинство экономических моделей, построенных в этот период, были кейнсианскими. Но начиная с 1970-х годов формальные методы стали использоваться при выборе причинности теоретических концепций. При этом эконометрикой стали активно пользоваться и монетаристы.[7]
В 1980 г. вторую эконометрическую Нобелевскую премию по экономике получил американский экономист Лоуренс Клейн за создание экономических моделей и их применение к анализу колебаний экономики и экономической политики. Совместно с А.Голдбергом создал одну из самых известных моделей американской экономики, известной как «модель Клейна–Голдберга». В основу структуры этой модели были положены его собственные разработки. Она состояла из взаимосвязанных одновременных и направленных рядов уравнений, решение которых давало картину производства в стране. Говоря об этой модели, Р.Дж.Болл отмечал: «Как эмпирическое представление об основах кейнсианской системы эта модель стала, возможно, самой знаменитой среди моделей крупных национальных хозяйств до появления других моделей в 60-е гг.».[8] Клейн также организовал широко известный проект «Линк» для интеграции статистических моделей разных стран в единую общую систему с целью улучшения понимания международных экономических связей и прогнозирования в области мировой торговли.[9]
В это время активно развивалась не только макро-, но микроэконометрика. Пионерами этого направления выступили Д.Хэкман и Д.Макфадден. Они разработали теорию и методы, которые широко используются в статистическом анализе поведения индивидуумов и домохозяйств как в экономике, так и в других общественных науках. Так, Дж. Хекман решил проблему смещения выборки из-за селективности данных и самоотбора. Для ее решения он предложил использовать метод коррекции Хекмана, который благодаря своей эффективности и простоте в использовании стал широко использоваться в эмпирических исследованиях. Основной вклад Д.Мак-Фаддена в науку заключается в развитии методов для анализа дискретного выбора. В 1974 г. он разработал условный логит-анализ, который сразу был признан фундаментальным достижением экономической науки. Также он создал эконометрические методы для оценки производственных технологий и исследования факторов, лежащих в основе спроса фирм на капитал и рабочую силу. Выдающиеся достижения этих ученых были отмечены Нобелевской премией по экономике в 1990 г.[10]
Важным событием для развития эконометрики стало появление компьютеров. Благодаря им мощное развитие получил статистический анализ временных рядов. Г.Бокс и Г.Дженкинс создали ARIMA-модель в 1970 г., а К.Симс и другие ученые — VAR-модели, ставшие популярными в начале 1980-х гг. Стимулировало эконометрические исследования и бурное развитие финансовых рынков и производных инструментов. Это привело лауреата Нобелевской премии по экономике за 1981 год Дж. Тобина к разработке моделей с использованием цензурированных данных. [11]
Большое влияние на современную эконометрику оказал Хаавельмо. Хаавельмо показал, как можно использовать методы математической статистики для того, чтобы получать обоснованные заключения о сложных экономических взаимосвязях исходя из случайной выборки эмпирических наблюдений. Эти методы можно кроме того использовать для оценивания соотношений, полученных на основе экономических теорий, и для проверки этих теорий. В 1989 г. ему присудили Нобелевскую премию по экономике «за прояснение вероятностных основ эконометрики и анализ одновременных экономических структур».[12]
Хаавельмо рассматривал экономические ряды как реализацию случайных процессов. Главными проблемами, возникающими при работе с такими данными являются нестационарность и сильная волатильность. Если переменные нестационарны, то есть риск установить связь, где ее нет. Вариантом решения данной проблемы является переход от уровней ряда к их разностям. Недостатком данного метода является сложность экономической интерпретации полученных результатов. Для решения этой проблемы Клайв Грэнджер ввел концепцию коинтеграции как стационарной комбинации между нестационарными переменными. Им была предложена модель корректировки отклонений (ЕСМ), для которой он разработал методы оценивания ее параметров, обобщения и тестирования. Коинтеграция применяется в случае, если краткосрочная динамика отражает значительные дестабилизирующие факторы, а долгосрочная стремится к экономическому равновесию. Модели, созданные Грэнджером, в 1990 г. были обобщены С.Йохансеном для многомерного случая. В 2003 г. Гренджер совместно с Р.Инглом получили нобелевскую премию. Р.Ингл, в свою очередь, известен как создатель моделей с меняющейся во времени волатильностью (т. н. ARCH-модели). Эти модели получили широкое распространие на финансовых рынках.[13]
Эконометрика сегодня
Сегодня эконометрика занимает достойное место в ряду экономических наук. В мире выпускается ряд научных журналов, полностью посвященных эконометрике, в том числе: Journal of Econometrics (Швеция), Econometric Reviews (США), Econometrica (США), Sankhya. Indian Journal of Statistics. Ser.D. Quantitative Economics (Индия), Publications Econometriques (Франция), эконометрику изучают в ведущих мировых университетах, пришло понимание, что без эконометрических методов невозможно проводить современный макро- и микроэкономический анализ.
На русском языке также существуют специализированные журналы. К ним относятся «Прикладная эконометрика» и «Квантиль». Отдельные публикации по эконометрике появляются в журналах «Экономика и математические методы», «Вопросы статистики», «Вопросы экономики» и некоторых других.
Ранее в России по ряду причин эконометрика не была сформирована как самостоятельное направление научной и практической деятельности. Хотя в настоящее время начинают развертываться эконометрические исследования, в частности, начинается широкое преподавание этой дисциплины.
Структура эконометрики
В эконометрике, как дисциплине на стыке экономики и статистического анализа, естественно выделить три вида научной и прикладной деятельности (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):
а) разработка и исследование эконометрических методов с учетом специфики экономических данных;
б) разработка и исследование эконометрических моделей в соответствии с конкретными потребностями экономической науки и практики;
в) применение эконометрических методов и моделей для статистического анализа конкретных экономических данных.
В настоящее время эконометрику разделяют на несколько основных разделов.
Параметрическая эконометрика
Непараметрическая эконометрика
Непараметрическая эконометрика — раздел эконометрики, кооторый не требует спецификации функциональных форм оцениваемых объектов. Вместо этого данные сами формируют модель. Непараметрические методы становятся все более популярными в прикладных исследованиях. Они более пригодны для анализа большого объема данных при малом количестве переменных. Также эти методы применяют, когда обычные параметрические спецификации не подходят для решения поставленной задачи. Непараметрическая эконометрика ослабляет параметрические предпосылки, что иногда является очень полезным при прикладном исследовании. Основными методами построения гибких моделей являяются ядерные методы, сглаживание сплайнами, методы ближайших соседей, нейронные сети и гибкие методы сглаживания с помощью рядов данных.
Также некоторые исследователи к непараметрической эконометрике относят эконометрический анализ нечисловых математических понятий, относящихся к тем или иным классам объектов нечисловой природы, таким, как нечеткие множества, интервалы, распределения вероятностей и т. д. Так, в статистике интервальных данных элементами выборки являются не числа, а интервалы. В статистике интервальных данных 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 т. д. Для данной отрасли науки разработана общая схема исследования, включающая расчет двух основных характеристик — нотны (максимально возможного отклонения статистики, вызванного интервальностью исходных данных) и рационального объема выборки (превышение которого не дает существенного повышения точности оценивания и статистических выводов, связанных с проверкой гипотез). Также разработаны подходы к учету интервальной неопределенности в основных постановках регрессионного, дискриминантного и кластерного анализов.
Многие утверждения статистики интервальных данных отличаются от аналогичных из классической математической статистики. В частности, не существует состоятельных оценок: средний квадрат ошибки оценки, как правило, асимптотически равен сумме дисперсии этой оценки, рассчитанной согласно классической теории, и квадрата нотны. Метод моментов иногда оказывается точнее метода максимального правдоподобия. При этом классические доверительные интервалы должны быть расширены вправо и влево на величину нотны, и длина их не стремится к 0 при росте объема выборки.
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, то есть 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, нечёткие 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.
Есть два принципиально различных подхода к изучению поведения организаций и людей. Согласно первому из них, вполне допустимо описывать действия человека в вероятностных терминах, например, считать его ответ на заданный вопрос случайной величиной. Сторонники второго подхода полагают, что поведение человека или организации является детерминированным, определяется теми или иными причинами, а случайность при анализе выборки возникает лишь из-за случайности при отборе лиц для опроса или предприятий для изучения. Если ответ на вопрос имеет вид «да» — «нет», то число ответов «да» при первом подходе, как известно, имеет биномиальное распределение, а при втором — гипергеометрическое. К счастью для эконометристов, при увеличении объема генеральной совокупности эти два распределения сближаются (если доля выборки в генеральной совокупности мала, например, меньше 10 %, то вместо гипергеометрического распределения можно использовать биномиальное), так что при обоих подходах можно применять одни и те же эконометрические методы, не тратя сил на решение философского вопроса о детерминированности или случайности поведения экономического агента- человека или организации.
Эконометрические методы
Регрессионный анализ
Файл:Linear regression.pngРегрессионный анализ — статистический метод исследования зависимости между зависимой переменной Y и одной или несколькими независимыми переменными X1,X2,...,Xp. При этом терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.
Анализ временных рядов
«Анализ временных рядов» — совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений.
Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (МНК, ММП, метод моментов). С другой стороны, достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей.[14]
Панельный анализ
Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки. Их использование дает ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ временных рядов, так и анализ пространственных выборок. С помощью подобных данных изучают бедность, безработицу, преступность, а, также, оценивают результативность государственных программ в области социальной политики.
Эконометрические модели
«Существует две вещи, процесс изготовления которых лучше не видеть: сосиски и эконометрические оценки». Э. ЛимерНаиболее известными являются эконометрические модели, предназначенные для прогнозирования макроэкономических показателей. Это обычно модели частного вида, имеющие целью прогнозирование многомерного временного ряда. Они представляют собой систему линейных зависимостей между прошлыми и настоящими значениями переменных. В таких задачах оценивают как структуру модели, то есть вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент (то есть проводят т. н. идентификацию модели), так и коэффициенты, входящие в эту зависимость.
Системы эконометрических уравнений
Измерение тесноты связи между переменными, построение изолированных уравнений регрессии недостаточно для объяснения функционирования сложных экономических систем. Изменение одной переменной не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков. Таким образом отдельно взятое уравнение регрессии не может характериовать истинное влияние отдельных признаков на вариацию результирующей переменной. Поэтому в экономических исследованиях важное место заняла проблема описания структуры связей между системой переменных.
Динамические модели макроэкономики
Модели распределенного лага
Модели ARMA
Модели ARIMA
Модели ARCH
Критика и апологетика эконометрики
Спор Кейнса и Тинбергена о методе
Во многом определяющим для развития эконометрики стал спор Тинбергена и Кейнса об эконометрическом методе исследования. В своей известной статье «Professor Tinbergen’s Method» Кейнс пишет, что Тинберген предпочитает лабиринты арифметики лабиринтам логики. Он говорит, что эконометрический анализ становится похож на детские головоломки, 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.[15]
Кейнс утверждает, 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. [16] При этом возникает проблема использования неполного набора объясняющих переменных (смещенная оценка, вызванная пропуском переменных); построение моделей, содержащих ненаблюдаенмые переменные (такие как ожидания), полученные при помощи плохо измеренных данных, основанных на индексах; получение ложной корреляции в результате использоваания замещающих переменных и одновременности.
На эту критику Тинберген отвечает тем, 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. Речь идет о наиболее вероятных значениях и о стандартных отклонениях коэффициентов регрессии. Объясняющие факторы в известных пределах (учитывая неопределенность) можно измерить. Независимость остатков можно проверить впоследствии, например вычисляя автокорреляцию остатков или применяя конфлюэнтный анализ. При этом экономист не должен забывать об ограниченности метода и проверке достоверности данных.
Кейнс также пытается предъявить к методу множественной регрессии, являющемуся прикладным, требования, которым отвечает метод общий. Он настаивал на истинности предпосылок, соизмеримости условий, независимости рассматриваемых факторов, характере функций и т.д., при этом он не отвечает на вопрос о том, как проверить их 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 точности прогноза.
На введение фактора времени в уравнение регрессии Кейнс обрушивает не меньшую критику. 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 гг. из книги Тинбергена, он говорит о том, 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. В целом эти изменения достигают 20%; в то же время если бы Тинберген остановился на 1929 г., то он использовал бы линию резко растущего тренда вместо линии резко падающего тренда для анализа тех же самых лет.[17] Трендовая компонента, по мнению 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. Если с помощью метода нельзя доказать или опровергнуть теорию на качественном уровне, а также дать количественные ориентиры на будущее, то в чем состоит ценность такого метода? При этом очевидно, что он 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. [18]
Однако, зачастую сам вид кривых подсказывает, что некоторый фактор, не упомянутый в большинстве учебников по экономике, представляет огромную важность. Представив численное значение одного или нескольких коэффициентов регрессии, можно критиковать одну или несколько использовавшихся ранее теорий. Тинберген приводит 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.
Кейнс считает очень важным вопрос о предполагаемой линейности соотношений. Он утверждает, что не обнаружил какого-либо примера нелинейной корреляции. Он говорит о том, что не понимает анализ каких эмпирических данных заставляет использовать нелинейную корреляцию.[19] Диаграммы рассеяния позволяют понять, является ли некоторая корреляция линейной или нет. Утверждение по поводу нелинейной корреляции, согласно которому «несомненно, возникло бы впечатление, что весьма легкая манипуляция с этими прямыми линиями позволяет подвести любое объяснение под любые факты», часто слышится из уст критиков, не являющихся статистиками. Однако оно дает совершенно неадекватное представление о действительности. Нелинейность ни в коем случае не является произвольной манипуляцией с коэффициентами. Для каждого значения объясняющей переменной, чье влияние, по предположению, является нелинейным, возможен только один коэффициент, и из соображений непрерывности требуется, чтобы эти коэффициенты не колебались слишком сильно. Кейнс очень плохо относится к линейным соотношениям, он называет их смехотворными. Однако есть веские причины, в силу которых степень их смехотворности снижается. Во-первых, существует хорошо известное математическое утверждение о том, что на малых интервалах почти любую функцию можно аппроксимировать линейными функциями. Вторая причина, по которой линейные соотношения не являются смехотворными: наблюдение за экономическими данными показывает, что они очень часто встречаются на практике. К тому же естественно приняться за анализ экономического механизма, опираясь на простейшую предпосылку, совместимую с общей теорией. 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 Кейнсом главным образом обусловлена различием в его подходе к экономической науке от подхода экономического мейнстрима. Основным пунктом этого расхождениями является вопрос "следует ли трактовать экономику как точную науку". Сам 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 эту среду. Подход же 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.
Последующая критика
Примечания
- ↑ Schumpeter,J. (1933) The Common Sense of Econometrics, Economeyrica,1, 5-12.
- ↑ Суслов В. И., Ибрагимов Н. М., Талышева Л. П., Цыплаков А. А. Эконометрия, Новосибирск СО РАН, 2005, с. 9.
- ↑ 1 2 3 4 5 Эконометрика. Учебник под ред. Елисеевой И. И.
- ↑ Вайнштейн А. Л. Эконометрия и статстика/Предисловие к: Тинтер Г. Введение в эконометрию.- М.:Статистика, 1965. — С.5-26.
- ↑ Эконометрика. Учебник под ред. Елисеевой И. И.
- ↑ http://n-t.ru/nl/ek/frisch.htm
- ↑ Эконометрика. Учебник под ред. Елисеевой И. И.
- ↑ http://n-t.ru/nl/ek/klein.htm
- ↑ http://n-t.ru/nl/ek/
- ↑ http://www.nsu.ru/ef/tsy/ecmr/nobel/nobel2k.htm
- ↑ Эконометрика. Учебник под ред. Елисеевой И. И.
- ↑ http://www.nsu.ru/ef/tsy/ecmr/nobel/nobel_ec.htm
- ↑ Эконометрика. Учебник под ред. Елисеевой И. И.
- ↑ Цыплаков А. Введение в прогнозирование в классических моделях временных рядов / Квантиль, № 1, с.3
- ↑ Дж.М. Кейнс. Метод профессора Тинбергена // Вопросы экономики. 2007, N 4.
- ↑ Дж.М. Кейнс. Метод профессора Тинбергена // Вопросы экономики. 2007, N 4.
- ↑ Дж.М. Кейнс. Метод профессора Тинбергена // Вопросы экономики. 2007, N 4.
- ↑ Дж.М. Кейнс. Метод профессора Тинбергена // Вопросы экономики. 2007, N 4.
- ↑ Дж.М. Кейнс. Метод профессора Тинбергена // Вопросы экономики. 2007, N 4.
См. также
Литература
- Долан Э.Дж., Линдсей Д. Е. Рынок: микроэкономическая модель. — СПб: СП «Автокомп», 1992. — 496 с.
- Тутубалин В. Н. Границы применимости (вероятностно-статистические методы и их возможности). — М.: Знание, 1977. — 64 с.
- Леонтьев В. Экономические эссе. Теория, исследования, факты и политика: Пер. с англ. — М.: Политиздат, 1990. — 415 с.
- Моргенштерн О. О точности экономико-статистических наблюдений. — М.: Статистика, 1968. — 324 с.
Ссылки
Wikimedia Foundation. 2010.