[an error occurred while processing this directive]

В начало

Тема 1. Введение. Эконометрика и эконометрическое моделирование

Тема 2. Временные ряды

Тема 3. Парная регрессия и корреляция

Тема 4. Модель множественной регрессии

Тема 5. Системы линейных одновременных уравнений

Тема 6. Многомерный статистический анализ

Задания для выполнения контрольной работы по дисциплине

Задания для выполнения аудиторной работы

Приложения

Литература

Полезные ссылки на Интернет-ресурсы

Тема 1. Введение. Эконометрика и эконометрическое моделирование

Классификация эконометрических моделей. Основные этапы построения манометрических моделей. Типы экономических данных, используемых в эконометрических исследованиях: пространственные данные и временные ряды.

Сегодня деятельность в любой области экономики (управлении, финансово-кредитной сфере, маркетинге, учете, аудите) требует от специалиста применения современных методов работы, знания достижений мировой экономической мысли, понимания научного языка. Большинство новых методов основано на эконометрических моделях, концепциях, приемах. Без глубоких знаний эконометрики научиться их использовать невозможно. Изучение современной экономической литературы также предполагает хорошую эконометрическую подготовку.

Так что же такое эконометрика? Сформулируем следующее определение.

Эконометрика — это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов на базе:

• экономической теории;

• экономической статистики;

• математико-статистического инструментария (рис. 1.1).

Рис. 1.1. К определению науки «Эконометрика»

Эконометрика (вместе с микроэкономикой и макроэкономикой) входит в число основных дисциплин экономического образования.

Прикладное значение этой дисциплины состоит в том, что она является связующим звеном между экономической теорией и практикой. Эконометрика дает методы экономических измерений, методы оценки параметров моделей микро- и макроэкономики. Важно, что эконометрические методы одновременно позволяют оценить ошибки измерений экономических величин и параметров моделей. Экономист, не владеющий этими методами, не может эффективно работать аналитиком. Менеджер, не понимающий значение этих методов, обречен на принятие ошибочных решений. Без эконометрических методов нельзя построить сколько-нибудь надежного прогноза, а значит под вопросом успех в банковском деле, финансах, бизнесе.

Существует мнение, что проблема оценки параметров экономической модели при современном развитии вычислительной техники решается легко — достаточно научиться пользоваться каким-нибудь пакетом статистических программ. Это мнение справедливо лишь в некоторой степени. Пакеты статистических программ решают лишь вычислительные проблемы, они не освобождают пользователя от необходимости знания эконометрики.

Основные задачи эконометрики: построение количественно определенных экономико-математических моделей, разработка методов оценки их параметров по статистическим данным и анализ их свойств. Можно выделить три основных класса моделей, которые применяются для анализа и прогнозирования экономических систем [4, с. 13—15]:

• модели временных рядов;

• регрессионные модели с одним уравнением;

• системы одновременных уравнений.

При этом все переменные любой эконометрической модели в зависимости от конечных прикладных целей ее использования принято (целесообразно) делить на экзогенные, эндогенные и предопределенные.

Переменные, которые входят в эконометрическую модель, но рассматриваются как определенные независимо от моделируемого явления, называют экзогенными. Иными словами, экзогенные переменные заданы как бы «извне», автономно; в определенной степени это управляемые (планируемые) переменные. Их также называют независимыми переменными.

Если переменные, которые определяются только явлением, для которого строится модель, то они называются эндогенными. Стало быть, значения этих переменных формируются в процессе и внутри функционирования анализируемой социально-экономической системы, причем в существенной мере под воздействием экзогенных переменных и, конечно, во взаимодействии друг с другом. В эконометрической модели они являются предметом объяснения, и в этом смысле их иногда называют зависимыми (объясняемыми) переменными.

Переменные, выступающие в системе в роли факторов-аргументов, или объясняющих переменных, называют предопределенными. Очевидно, множество предопределенных переменных формируется из всех экзогенных переменных (которые могут быть «привязаны» к прошлым, текущему или будущим моментам времени) и так называемых лаговых эндогенных переменных, т. е. таких эндогенных переменных, значения которых входят в уравнения анализируемой эконометрической системы измеренными в прошлые (по отношению к текущему) моменты времени, а следовательно, являются уже известными, заданными. Таким образом, можно сказать, что эконометрическая модель служит для объяснения поведения эндогенных переменных в зависимости от значений экзогенных и лаговых эндогенных переменных.

На первом (постановочном) этапе построения такой модели формулируются конечные цели моделирования, определяется набор участвующих в модели факторов и показателей, т.е. устанавливается, какие из переменных рассматриваются как эндогенные, а какие - как экзогенные и лаговые эндогенные. Так, пусть Y = {y1, y2, ..., yn} — множество эндогенных переменных, а X={X1, X2, ..., Xm} (где Xi = {х1i, х2i, ..., xni}, а индекс — множество экзогенных переменных.

На втором этапе (априорном) осуществляется предварительный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации, в частности, относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих.

Третий этап (параметризация) - это собственно моделирование, т. е. выбор общего вида модели, в том числе состава и формы входящих в нее связей. Если соответствующая система уравнений разрешена относительно эндогенных переменных, то эконометрическая модель в общем случае записывается в виде Y = f(X), и проблема заключается в определении способов использования множества результатов наблюдений для уточнения коэффициентов функции f(X)1.

Четвертый этап (информационный) заключается в сборе необходимой статистической информации и предварительном анализе данных, т.е. регистрируются значения участвующих в модели факторов и показателей на различных временных или пространственных интервалах функционирования изучаемого явления.

Пятый этап (идентификация модели) посвящен статистическому анализу модели и в первую очередь статистической оценке неизвестных параметров модели. В зависимости от выбираемого критерия и численного метода оценки получаются разные результаты. Наибольшее распространение - из-за простоты реализации и надежности результатов - получил метод наименьших квадратов.

Шестой этап (верификация модели) предполагает сопоставление реальных и модельных данных, проверку адекватности модели, оценку точности модельных данных. Если модель адекватна и имеет приемлемую точность, то на ее основе проводится анализ моделируемой системы и строится прогноз - точечный и интервальный.

Последние три этапа (4-й, 5-й и 6-й) сопровождаются крайне трудоемкой процедурой калибровки модели. Она заключается в переборе большого числа различных вариантов «нормативные ограничения2 — значения отдельных переменных» (что связано с многократными «вычислительными прогонами» модели) с целью получения совместной, непротиворечивой и идентифицируемой модели.

Замечание. Если математическую модель экономического явления или процесса сформулировать в общем виде без выполнения четвертого и пятого этапов, то ее нельзя считать эконометрической! Суть собственно эконометрической модели заключается в том, что она описывает функционирование именно конкретной экономической системы, а не системы вообще. Значит она предусматривает обязательную реализацию четвертого и пятого, а следовательно, и шестого этапов моделирования.

Следует обратить внимание на типы данных3, чаще всего используемых в эконометрике. (Дело в том, что они могут иметь различный вид, который иногда диктует выбор методов экономико-математического анализа, или хотя бы влияет на него).

1. Кросс секционные – иначе, перекрестные - данные представляют ситуацию в группе переменных в каждый отдельный момент времени. Например, списки цен акций, процентных ставок или обменных курсов, публикуемые в деловых разделах газет, представляют собой кросс секционные (перекрестные) данные, потому что относятся к ценам или ставкам нескольких переменных (акций, валют и т.п.) в данный момент времени. Данные, связанные с ценой каждой из составляющих индекса акций FTSE 100 в конкретный момент времени, также являются кросс секционными.

2. Пространственные данные – иначе пространственный срез - характеризуют ситуацию по конкретной переменной (или набору переменных), относящейся к пространственно разделенным сходным объектам в один и тот же момент времени. Таковы, например, данные по курсам покупки или продажи наличной валюты и конкретный день по разным обменным пунктам г. Москвы. Другим примером может служить, скажем, набор сведений (объем производства, количество работников, доход и др.) по разным фирмам в один и тот же момент времени.

3. Временные ряды отражают изменения (динамику) какой-либо переменой на промежутке времени. Например, данные о цене акции, обменном курсе валюты за каждый день (неделю или месяц) в течение ряда лет будут ежедневным (еженедельным или ежемесячным) временным рядом. В качестве других примеров временных данных можно считать ежеквартальные данные по инфляции, данные по средней заработной плате, национальному доходу и денежной эмиссии за несколько последних лет или цены фьючерсных контрактов на поставку долларов США (на МТБ) и котировки ГКО (на ММВБ), скажем, за два последних года.


1 Вообще говоря, система уравнений не обязательно должна быть разрешена аналитически. Модель может представлять собой множество операций, которые позволяют перейти от экзогенных к эндогенным переменным.

2 Нормативные ограничения — ограничения, определенные содержательным смыслом анализируемых связей.

3 Данные [data] — сведения о состоянии любого объекта, в том числе и экономического, представленные в формализованном виде и предназначенные для обработки (или уже обработанные). Данные не обязательно должны быть числовыми. Так статистические показатели работы предприятий и анкетные данные о человеке - это все данные.

[an error occurred while processing this directive]