Методы эконометрики. Что означает условие гомоскедастичности

Эконометрика – измерения в экономике. Слово «эконометрика» введено в 1926 году норвежским экономистом и статистиком, лауреатом Нобелевской премии Рагнаром Фришем. Современное экономическое образование на западе держится на трех китах: макроэкономике, микроэкономике и эконометрике. В централизованной плановой экономике эконометрика была не нужна, поскольку все планы спускались сверху, не возникало необходимости прогнозировать возможные модели экономического поведения в той или иной ситуации, например. Кроме того, эконометрические методы способны были выявить те или иные нежелательные для властей тенденции экономического развития. В настоящее время наши вузы стали перестраиваться в этом направлении. Почему же эконометрика так важна? Ответить на этот вопрос сложно, и, я надеюсь, что к концу нашего курса вы немного на этот вопрос ответите. Чем больше профессионалом становится экономист, тем он больше понимает, что в экономике все зависит от всего. Для того чтобы понять, каким именно образом выражается эта зависимость, и служат эконометрические методы.

Что же за наука эконометрика? Дать определение живой, развивающейся науке, описать ее предмет и метод достаточно трудно. «Эконометрика» – наука об экономических измерениях, но это то же самое, что сказать, что математика – наука о числах. Понятие эконометрика имеет несколько более узкое содержание и назначение, чем это выражено в буквальном переводе и, в то же время, более широкое, чем просто набор статистических инструментов. Современный взгляд на эконометрику отражен в следующем определении:

Эконометрика – научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе

экономической теории;

экономической статистики;

математико-статистического инструментария

придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией. (С. А. Айвазян, В. С. Мхитарян. Прикладная статистика и основы эконометрики.)

Иными словами, эконометрика позволяет на базе положений экономической теории и исходных данных экономической статистики, используя необходимый математико-статистический инструментарий, придавать конкретное количественное выражение общим (качественным) закономерностям.

Другие взгляды:

Метод экономического анализа, который объединяет экономическую теорию со статистическими и математическими методами анализа. Это попытка улучшить экономические прогнозы и сделать возможным успешное планирование [экономической] политики. В эконометрике экономические теории выражаются в виде математических соотношений, а затем проверяются эмпирически статистическими методами. Данная система используется, чтобы создать модели народного хозяйства с целью прогнозирования таких важных показателей, как валовой национальный продукт, уровень безработицы, темп инфляции и дефицит федерального бюджета. Эконометрика используется все более широко, несмотря на то, что полученные с помощью нее прогнозы не всегда оказывались достаточно точными.

The Concise Columbia Electronic Encyclopedia, Third Edition. http://www.encyclopedia.com/

«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».

из статьи Марка Блауга для Британской энциклопедии

«Проблемы в эконометрики многочисленны и разнообразны. Экономика - это сложный, динамический, многомерный и эволюционирующий объект, поэтому изучать ее трудно. Как общество, так и общественная система изменяются со временем, законы меняются, происходят технологические инновации, поэтому найти в этой системе инварианты непросто. Временные ряды коротки, сильно агрегированы, разнородны, нестационарны, зависят от времени и друг от друга, поэтому мы имеем мало эмпирической информации для изучения. Экономические величины измеряются неточно, подвержены значительным позднейшим исправлениям, а важные переменные часто не измеряются или ненаблюдаемы, поэтому все наши выводы неточны и ненадежны. Экономические теории со временем меняются, соперничающие объяснения сосуществуют друг с другом, и поэтому надежная теоретическая основа для моделей отсутствует. И среди самих эконометристов, по-видимому, нет согласия по поводу того, как следует заниматься их предметом».

из книги Д. Хендри D. F. Hendry, Dynamic Econometrics, Oxford University Press, 1995, p.5.

«Существует две вещи, процесс изготовления которых лучше не видеть: сосиски и эконометрические оценки». Э. Лимер E. E. Leamer, "Lets’s Take the Con out of Econometrics," American Economic Review, 73 (1983), 31-43.

В редакционной статье, открывающей первый номер журнала Econometrica (старейшего эконометрического журнала) нобелевский лауреат Р. Фриш писал:

«... Основной целью [Эконометрического общества] будет стимулирование исследований, которые направлены на объединение теоретико- количественного и эмпирико- количественного подходов к экономическим проблемам, и которые проникнуты конструктивными и строгими рассуждениями того рода, которые преобладают в естественных науках.

Но количественный подход к экономике имеет несколько аспектов, и сам по себе ни один из этих аспектов не следует путать с эконометрикой. Таким образом, эконометрика - это ни в коей мере не то же самое, что экономическая статистика. Она также не совпадает и с тем, что мы называем общей экономической теорией, хотя значительная часть этой теории, безусловно, имеет количественный характер. Эконометрику нельзя также рассматривать как синоним применения математики в экономической теории. Опыт показал, что каждая из этих точек зрения, т.е. статистики, экономической теории и математики, является необходимым, но по отдельности не достаточным, условием реального понимания количественных отношений современной экономической жизни. Сила заключается в объединении этих трех элементов. И именно это объединение составляет эконометрику».

Frisch, R. "Editorial," Econometrica, 1 (1933), 1-4.

Согласно же нашему определению, эконометрика – синтез экономической статистики, экономической теории и математики, наука, связанная с эмпирическим выводом экономических законов, синтез экономической статистики, экономической теории и математики. Т. е. мы используем данные или наблюдения для того, чтобы получить количественные зависимости для экономических законов. Заметим, что отсюда уже следует, что для использования эконометрических методов, нам нужны данные или наблюдения состояния или поведения какого-то экономического объекта. Данные эти как правило, не являются экспериментальными, в отличие от других наук, где используются методы мат. статистики – физики, биологии и др. В экономике мы не можем проводить многократные эксперименты, для того, чтобы проверить правильность наших выводов и в этом специфика экономических данных.

Прикладные цели эконометрики.

вывод экономических законов;

формулировка экономических моделей, основываясь на экономической теории и эмпирических данных;

оценка неизвестных величин (параметров) в этих моделях;

прогнозирование и оценка точности прогноза;

Как же экономист добивается поставленных перед собой целей. В ходе эконометрического исследования экономист последовательно проходит несколько этапов. Этапы эконометрического моделирования:

Человек, начинающий изучать экономику, первым делом приходит к мысли, что в экономике некоторые переменные взаимосвязаны. Формирующийся на рынке спрос на товар рассматривается как функция его цены, затраты, связанные с изготовлением некоторого продукта предполагаются зависимыми от объема производства, потребительские расходы связаны с доходом и др. – примеры связей между двумя переменными, причем одна из переменных выступает в роли объясняемой переменной, другая в роли объясняющей. Для большей реалистичности приходится вводить в соотношение другие объясняющие переменные и случайный фактор. Спрос на товар –цена, потребительский доход, цены на конкурирующие, дополняющие и замещающие товары и др. (писать на доске обозначения). Переменную, процесс формирования значений которой нас по каким-то причинам интересует, будем обозначать Y и называть зависимой или объясняемой. Переменные, которые, как мы предполагаем, оказывают влияние на переменную Y , будем обозначать X j и называть независимыми или объясняющими. Значения этих переменных являются для нее внешними, ничего о том, как формируются эти значения

На этом этапе процесс формирования значений объясняемой переменной можно представить в виде следующей схемы:

X 1 ,…X k – выделенные переменные (наиболее существенно влияющие или представляющие для нас определенный интерес).

Группировка отдельных соотношений в модель – формулирование некоторых гипотез относительно того, как должны быть связаны переменные. Гипотезы эти возникают на основе теоретических экономических предпосылок, интуиции, опыта исследователя, его здравого смысла. Сразу же возникает вопрос, как проверить правильность модели? В физике, биологии все просто – проводим эксперимент и смотрим, подтверждают ли его результаты наши гипотезы. В экономике все сложнее. Как в экономике проводить эксперименты -? Мы можем только наблюдать за действительностью.

Таким образом, на этом этапе эконометрист занимается моделированием поведения экономических объектов. Моделирование – упрощение реальности объекта. Задача, искусство моделирования состоит в том, чтобы как можно более лаконично и адекватно именно те стороны реальности, которые интересуют исследователя.

Математическая модель схемы:

Если , то уравнение (1) называютуравнение регрессии Y на X 1 ,…X k . Функция f – регрессионная функция , линия, которую эта функция описывает в пространстве – линия регрессии .

Пример с заработной платой и возрастом – заработная плата с возрастом растет.

Первая задача – перевести эти предположения на математический язык. К сожалению, проделать это единственным образом нельзя. Что означает возрастающая функция. Есть много функций, которые являются возрастающим функциями своих аргументов. Линейные, нелинейные, разные.

Выход – первоначально сформулировать самую простую модель. Введем следующие обозначения для наблюдаемых экономических параметров:

W – Заработная плата человека;

А – возраст человека;

Простейшая модель (линейная):

Уравнение поведения здесь имеют форму точных функциональных зависимостей. Однако, как мы увидим позднее, это нереалистично и нельзя приступать к эконометрической разработке, не пользуясь некоторыми дополнительными стохастическими спецификациями. Мы добавляем в поведенческие уравнения стохастический член. Поскольку ни для каких реальных экономических данных нельзя обеспечить постоянное соблюдение простых соотношений. Кроме того, из всех возможных объясняющих переменных в спецификацию включается лишь небольшое их подмножество, т. е. мы можем говорить только об аппроксимации моделью некоторых, по-видимому достаточно сложных, но неизвестных нам взаимосвязей. Чтобы обеспечить равенство между правой и левой частью, в каждое соотношение приходится вводить случайную ошибку.

В нашей модели рассматриваются зависимости между некоторыми переменными. Переменные, значения которых объясняются в рамках нашей модели, называются эндогенными . Переменные, значения которых нашей моделью не объясняются, являются для нее внешними, ничего о том, как формируются эти значения, мы не знаем, называются экзогенными . Еще одна переменная – лаговое значение эндогенной переменной. Она тоже для нашей модели внешняя. Экзогенные переменные и лаговые значения эндогенных переменных – предопределенные переменные.

В ходе нашего с вами курса мы с вами столкнемся с несколькими типами эконометрических моделей, которые применяются для анализа и прогноза:

а) модели временных рядов. Такие модели объясняют поведение переменной, меняющейся с течением времени, исходя только из его предыдущих значений. К этому классу относятся модели тренда, сезозонности, тренда и сезонности (аддитивная и мультипликативная формы) и др.

б) регрессионные модели с одним уравнением. В таких моделях зависимая (объясняемая) переменная представляется в виде функции от независимых (объясняющих) переменных и параметров. В зависимости от вида функции модели бывают линейными и нелинейными. Будем изучать именно их.

в) Системы одновременных уравнений. Ситуация экономическая, поведение экономического объекта описывается системой уравнений (наш пример). Системы состоят из уравнений и тождеств, которые могут содержать в себе объясняемые переменные из других уравнений (поэтому вводят понятия экзогенных и эндогенных переменных).

Пункт 2 носит название спецификация модели. Необходимо:

а) определить цели моделирования;

б) определения списка экзогенных и эндогенных переменных;

в) определение форм зависимостей между переменными;

г) формулировка априорных ограничений на случайный член, что важно для свойств оценок и выбора метода оценивания, и некоторые коэффициенты

Теперь необходимо модель проверить. Как это сделать, если мы не физики и не биологи? Методы эконометрии, позволяющие проводить эмпирическую проверку теоретических утверждений и моделей, выступают мощным инструментом развития самой экономической теории. С их помощью отвергаются теоретические концепции и принимаются новые, более полезные гипотезы. Теоретик, не привлекающий эмпирический материал для проверки своих гипотез и не использующий для этого эконометрические методы, рискует оказаться в мире своих фантазий. Собрать данные – необходимый статистический материал. Здесь нам на помощь приходят методы экономической статистики и статистики вообще. Разговор на эту тему.

Типы данных, с которыми эконометристу приходится сталкиваться при моделировании экономических процессов:

а) cross-sectional data – пространственные данные – набор сведений по разным экономическим объектам в один и тот же момент времени;

б) time-series data – временные ряды – наблюдение одного экономического параметра в разные периоды или моменты времени. Эти данные естественным образом упорядочены во времени. Инфляция, денежная эмиссия (годовые), курс доллара США (ежедневные);

в) panel data – панельные данные – набор сведений по разным экономическим объектам за несколько периодов времени (данные переписи населения).

идентификация модели – статистический анализ модели и, прежде всего – статистическое оценивание параметров. Выбор метода оценивания сюда тоже входит. Зависит от особенностей модели.

верификация модели – сопоставление реальных и модельных данных, проверка оцененной модели с тем, чтобы прийти к выводу о достаточной реалистичности получаемой с ее помощью картины объекта, либо признать необходимость оценки другой спецификации модели.

Итак, эконометрические методы разработаны, в основном, для оценивания параметров экономических моделей. Каждая модель содержит, как правило, несколько уравнений, а в уравнение входит несколько переменных. Начнем с самого простого – парной линейной регрессионной модели.

Эконометрика - это дисциплина, объединяющая совокупность теоретических результатов, методов и приемов, позволяющих на базе экономической теории, экономической статистики и математико-статистического инструментария получать количественное выражение качественных закономерностей. Курс эконометрики призван научить различным способам выражения связей и закономерностей через эконометрические модели и методы проверки их адекватности, основанные на данных наблюдений. От математико-статистического эконометрический подход отличается тем вниманием, которое уделяется в нем вопросу соответствия выбранной модели изучаемому объекту, рассмотрению причин, приводящих к необходимости пересмотра модели на основе более точной системы представлений. Эконометрика занимается, по существу, статистическими выводами, т.е. использованием выборочной информации для получения некоторого представления о свойствах генеральной совокупности. Наиболее распространенными эконометрическими моделями являются производственные функции и модели, описываемые системой одновременных уравнений. Кратко остановимся на них.

Производственные функции

Производственная функция представляет собой математическую модель, характеризующую зависимость объема выпускаемой продукции от объема трудовых и материальных затрат. Модель может быть построена как для отдельной фирмы и отрасли, так и для всей национальной экономики. Рассмотрим производственную функцию, включающую два фактора производства - затраты капитала К и трудовые затраты L,определяющие объем выпуска Q. Тогда можно записать

Определенного уровня выпуска можно достигнуть с помощью различного сочетания капитальных и трудовых затрат. Кривые, описываемые условиями j(K, L) = const., называются изо квантами. Обычно предполагается, что по мере роста значений одной из независимых переменных предельная норма замещения данного фактора производства уменьшается. Поэтому при сохранении постоянного объема производства экономия одного вида затрат, связанная с увеличением затрат другого фактора, постепенно уменьшается. На примере производственной функции Кобба - Дугласа рассмотрим основные выводы, которые можно получить исходя из предложений о том или ином виде производственной функции. Производственная функция Кобба - Дугласа, включающая два фактора производства, имеет вид

где А, α, β - параметры модели. Величина А зависит от единиц измерения Q, К и L, а также от эффективности производственного процесса.

При фиксированных значениях К и L более высокое значение имеет та функция Q, которая характеризуется большей величиной параметра А, следовательно, и производственный процесс, описываемый такой функцией, более эффективен. Описываемая производственная функция однозначна и непрерывна (при положительных К и L). Параметры α и β называют коэффициентами эластичности. Они показывают, на какую величину в среднем изменится Q, если α или β увеличить на 1\%.

Рассмотрим поведение функции Q при изменении масштабов производства. Предположим, что затраты каждого фактора производства увеличились в с раз. Тогда новое значение функции будет определяться следующим образом:

При этом, если α + β = 1, то уровень эффективности не зависит от масштабов производства. Если α + β 1 - убывают по мере расширения масштабов производства. Следует отметить, что эти свойства не зависят от численных значений К, L производственной функции. Для определения параметров и вида производственной функции необходимо провести дополнительные наблюдения. Как правило, пользуются двумя видами данных - динамическими (временными) рядами и данными одновременных наблюдений (пространственной информацией). Динамические ряды экономических показателей характеризуют поведение одной и той же фирмы во времени, тогда как данные второго вида обычно относятся к одному и тому же моменту, но к различным фирмам. В случаях когда исследователь располагает временным рядом, например годовыми данными, характеризующими деятельность одной и той же фирмы, возникают трудности, с которыми не пришлось бы столкнуться при работе с пространственными данными. Так, относительные цены со временем становятся иными, а следовательно, меняется и оптимальное сочетание затрат отдельных факторов производства. Кроме того, с течением времени изменяется и уровень административного управления. Однако основные проблемы при использовании временных рядов порождаются последствиями технического прогресса, в результате которого меняются нормы затрат производственных факторов, соотношения, в которых они могут замещать друг друга, и параметры эффективности. Вследствие этого с течением времени могут меняться не только параметры, но и формы производственной функции. Поправка на технический прогресс может быть введена с помощью некоторого временного тренда, включаемого в состав производственной функции. Тогда

Производственная функция Кобба - Дугласа с учетом технического прогресса имеет вид

В этом выражении параметр θ, с помощью которого характеризуется технический прогресс, показывает, что объем выпускаемой продукции ежегодно увеличивается на θ процентов независимо от изменений в затратах производственных факторов и, в частности, от размера новых инвестиций. Такая форма технического прогресса, не связанная с какими-либо затратами труда или капитала, называется «нематеризованным техническим прогрессом». Однако подобный подход не вполне реалистичен, так как новые открытия не могут повлиять на функционирование старых машин, а расширение объема производства возможно только посредством новых инвестиций. При другом подходе к учету технического прогресса для каждой «возрастной группы» капитала строят свою производственную функцию. В этом случае функция Кобба - Дугласа будет иметь вид

где Qt(v) - объем продукции, произведенной за период t на оборудовании, введенном в строй в период v; Lt(v) - трудовые затраты в период t на обслуживание оборудования, введенного в строй в период v, и Кt(v) - основной капитал, введенный в строй в период v и использованный в период t. Параметр v в такой производственной функции отражает состояние технического прогресса. Затем для периода t строится агрегированная производственная функция, представляющая собой зависимость совокупного объема выпускаемой продукции Qt от общих затрат труда Lt, и капитала Кt на момент t. При использовании для построения производственной функции пространственной информации, т.е. данных о нескольких фирмах, соответствующих одному и тому же моменту времени, возникают проблемы другого рода. Так как результаты наблюдений относятся к разным фирмам, то при их использовании предполагается, что поведение всех фирм может быть описано с помощью одной и той же функции. Для успешной экономической интерпретации полученной модели желательно, чтобы все эти фирмы принадлежали одной и той же отрасли. Кроме того, считается, что они располагают примерно одинаковыми производственными возможностями и уровнями административного управления. Рассмотренные выше производственные функции носили детерминированный характер и не учитывали влияния случайных возмущений, присущих каждому экономическому явлению. Поэтому в каждое уравнение, параметры которого предстоит оценить, необходимо ввести и случайную переменную е, которая будет отражать воздействие на процесс производства всех тех факторов, которые не вошли в состав производственной функции в явном виде. Таким образом, в общем виде производственную функцию Кобба - Дугласа можно представить как

Мы получили степенную регрессионную модель, оценки параметров которой А, α и β можно найти методом наименьших квадратов, лишь прибегнув предварительно к логарифмическому преобразованию. Тогда для i-го наблюдения имеем

где Qi, Кi и Li - соответственно объемы выпуска, капитальных и трудовых затрат для i-го наблюдения (i = 1, 2, ..., п), а п - объем выборки, т.е. число наблюдений, используемых для получения оценок ln , и - параметров производственной функции. Относительно εi обычно предполагается, что они взаимно независимы между собой и εi Î N(0, σ). Исходя из априорных соображений значения α и β должны удовлетворять условиям 0

Прибегнув к такой форме выражения производственной функции, можно устранить влияние мультиколлинеарности между ln К и ln L. В качестве примера приведем полученную на основе данных о 180 предприятиях, выпускающих верхнюю одежду, модель Кобба - Дугласа:

В скобках указаны значения t-критерия для коэффициентов регрессии уравнения. При этом множественный коэффициент детерминации и расчетное значение статистики F-критерия, соответственно равные r2 = 0,46 и F = 12,7, указывают на значимость полученного уравнения. Оценки параметров α и β функции Кобба - Дугласа равны = 0,19 и = 0,95 (1 - 0, 19 + 0,14). Так как = 1,14 > 1, то можно предположить, что происходит некоторое повышение эффективности по мере расширения масштаба производства. Параметры модели показывают также, что при увеличении капитала К на 1\% объем выпуска повышается в среднем на 0,19\%, а при увеличении трудовых затрат L на 1\% объем выпуска возрастает в среднем на 0,95\%.

Система одновременных эконометрических уравнений

Систему взаимосвязанных тождеств и регрессионных уравнений, в которой переменные могут одновременно выступать как результирующие в одних уравнениях и как объясняющие в других, принято называть системой одновременных (эконометрических) уравнений. При этом в соотношения могут входить переменные, относящиеся не только к моменту t, но и к предшествующим моментам. Такие переменные называются лаговыми (запаздывающими). Тождества отражают функциональную связь переменных. Техника оценивания параметров системы эконометрических уравнений имеет свои особенности. Это связано с тем, что в регрессионных уравнениях системы независимые переменные и случайные ошибки оказываются коррелированы между собой. Достаточно хорошо изучены статистические свойства и вопросы оценивания систем линейных уравнений. Будем рассматривать линейную модель следующего вида:

где i = 1, 2, ..., G; t = 1, 2, ..., n;

yit - значение эндогенной (результирующей) переменной в момент t;

xit - значение предопределенной переменной, т.е. экзогенной (объясняющей) переменной в момент t или лаговой эндогенной переменной;

uit -случайные возмущения, имеющие нулевые средние.

Совокупность равенства (53.60) называется системой одновременных уравнений в структурной форме. Наличие априорных ограничений, связанных, например, с тем, что часть коэффициентов считаются равными нулю, обеспечивает возможность статистического оценивания оставшихся. В матричном виде систему уравнений можно представить как

где В - матрица порядка G х G, состоящая из коэффициентов при текущих значениях эндогенных переменных;

Г - матрица порядка G х К, состоящая из коэффициентов экзогенных переменных.

yt = (y1t,…, yGti)T, xt = (x1t, … xkt)T, εt = (ε1t, … εGt)T - векторы-столбцы значений соответственно эндогенных и экзогенных переменных, случайных ошибок. Следует отметить, что Mεt = 0; Σ(ε) = MεtεtT = , где En - единичная матрица. Таким образом, если Mεt1εt2 = 0 при t1 ≠ t2 и t1, t2 = 1, 2, ..., п, то случайные ошибки независимы между собой. Если дисперсия ошибки постоянна Mε = = 2 и не зависит от t и хt, то это свидетельствует о гомоскедастичности остатков. Условием гетероскедастичности является зависимость значений Мε = от t и xt. Умножив все элементы уравнения (53.61) слева на обратную матрицу B-1, получим приведенную форму системы одновременных уравнений:

Среди систем одновременных уравнений наиболее простыми являются рекурсивные системы, для оценивания коэффициентов которых можно использовать метод наименьших квадратов. Систему (53.61) одновременных уравнений называют рекурсивной, если выполняются следующие условия:

матрица значений эндогенных переменных

является нижней треугольной матрицей, т.е. βij = 0 при j > 1 и βii = 1;

2) случайные ошибки не зависимы друг от друга, т.е. σii > 0, σij = 0 при i ≠ j, где i, j = 1, 2, ..., G. Отсюда следует, что ковариационная матрица ошибок МεtεtT = Σ(ε) диагональна;

3) каждое ограничение на структурные коэффициенты относится к отдельному уравнению. Процедура оценивания коэффициентов рекурсивной системы с помощью метода наименьших квадратов, примененного к отдельному уравнению, приводит к состоятельным оценкам.

В качестве примера рассмотрим ситуацию, которая приводит к рекурсивной системе уравнений. Предположим, что цены на рынке Pt в день t зависят от объема продаж в предыдущий день qt-1, а объем покупок qt в день t зависит от цены товара в день t. Математически систему уравнений можно представить в виде

Применение метода наименьших квадратов для получения оценок одновременных уравнений приводит к смещенным и несостоятельным оценкам, поэтому область его применения ограничена рекурсивными системами. Для оценивания систем одновременных уравнений в настоящее время наиболее часто используют двухшаговый метод наименьших квадратов, применяемый к каждому уравнению системы в отдельности, и трехшаговый метод наименьших квадратов, предназначенный для оценивания всей системы в целом. Сущность двухшагового метода состоит в том, что для оценивания параметров структурного уравнения метод наименьших квадратов применяют в два этапа. Он дает состоятельные, но в общем случае смещенные оценки коэффициентов уравнения, является достаточно простым с теоретической точки зрения и удобным для вычисления.

Согласно алгоритму трехшагового метода наименьших квадратов, первоначально с целью оценки коэффициентов каждого структурного уравнения применяют двухшаговый метод наименьших квадратов, а затем определяют оценку для ковариационной матрицы случайных возмущений. После этого с целью оценивания коэффициентов всей системы применяется обобщенный метод наименьших квадратов.

Пример. Построение эконометрической модели мирового рынка нефти

Очевидно, что модель должна отражать взаимосвязь между тремя основными элементами рыночного механизма - спросом, ценой и предложением (эндогенными переменными). В свою очередь состояние указанных элементов в каждый момент можно охарактеризовать с помощью системы объясняющих, экзогенных, переменных.

Система включает общехозяйственные и товарно-рыночные показатели. Общехозяйственные показатели отражают экономические процессы, происходящие в мире и отдельных странах, и дают представление о фоне, на котором происходит развитие рынка. Вторая группа показателей отражает явления, которые характерны для рынка нефти. Особый интерес представляют показатели, обладающие опережающим эффектом (временным лагом) по отношению к динамике эндогенных переменных конъюнктуры рынка нефти.

При выборе экзогенных переменных учитывалось, что состояние рынка нефти в любой момент определяется не только его внутренними факторами, но и состоянием внешней среды, т.е. общехозяйственной конъюнктурой всего мирового хозяйства, и в первую очередь - динамикой воспроизводственного цикла, уровнем деловой активности в отраслях-потребителях, положением в кредитно-денежной и валютно-финансовой сферах экономики.

Завершающим этапом разработки модели исследуемого рынка является ее реализация. На данном этапе математическая модель формируется в общем виде, оцениваются ее параметры, проводится содержательная экономическая интерпретация, выясняются ее статистические и прогностические свойства.

При построении модели использовалась система показателей, основанная на ежеквартальных динамических рядах за последние 15 лет, которая характеризует основные стороны рынка нефти в экономическом, временном и географическом аспектах.

Проведение корреляционного анализа на этапе предварительной обработки данных позволило ограничить круг используемых показателей (первоначально их было более ста), выбрать для дальнейшего анализа такие, которые отражают воздействие основных факторов на рынок нефти и наиболее тесно связаны с динамикой показателей конъюнктуры. При этом решалась также задача исключения влияния мультиколлинеарности.

Модель строилась исходя из предпосылки, что величина спроса играет более активную роль, чем факторы предложения и цены. Рекурсивная модель включает линейные регрессионные уравнения для следующих эндогенных переменных в момент t:

y1,t - экспорт нефти из стран ОПЕК;

у2,t - добыча нефти в странах ОПЕК;

y3,t - цена на нефть легкую аравийскую.

В модель вошли предопределенные переменные:

у3,t-1 - цена на нефть легкую аравийскую с лагом в 1 квартал;

x6,t - поставки нефти на переработку в Японию;

х7,t-1 - поставки нефти на переработку в США в момент t-1;

x9,t - коммерческие запасы нефти в странах Западной Европы;

x10,t-1 - коммерческие запасы нефти в США с лагом в 1 квартал;

x12,t - экспорт нефти из бывшего СССР в развитые страны;

x20,t-2 - индекс экспортных цен ООН на топливо с лагом в 2 квартала, а x20,t-3 - в 3 квартала;

y1,t / y2,t - показатель, учитывающий дисбаланс на рынке нефти в момент t.

Эконометрическая модель конъюнктуры рынка нефти имеет следующий вид:

Анализ статистических характеристик модели показал, что в целом она адекватно описывает рынок нефти: все уравнения значимы, объясняют от 67 до 92\% дисперсии эндогенных переменных и характеризуются незначительными отклонениями расчетных значений эндогенных переменных от фактических. Значимость коэффициентов модели проверялась по t-критерию. Расчетные значения tj указаны в скобках под соответствующими коэффициентами.

Построенная модель позволяет анализировать различные ситуации развития рынка нефти.

Контрольные вопросы

Что характеризует парный, частный и множественный коэффициенты корреляции? Сформулируйте их основные свойства.

Какие задачи решаются методами регрессионного анализа?

В чем состоят отрицательные последствия мультиколлинеарности и как можно избавиться от этого негативного явления?

В чем состоит задача компонентного анализа, как интерпретировать главные компоненты и определить их вклад в суммарную дисперсию?

Какие задачи решает кластерный анализ? В чем особенности иерархических кластер-процедур?

Понятие эконометрики

Определение 1

Эконометрика представляет собой науку об экономических измерениях.

В современном понимании эконометрика является научной дисциплиной, которая объединила систему теоретических результатов (приемы, методы и модели) следующих направлений:

экономическая теория;
экономическая статистика;
математико-статистический инструментарий и др.

Замечание 1

Таким образом, эконометрика на основе положений экономической теории и базовых положений экономической статистики дает возможность при использовании необходимого математико-статистического инструментария придать определенное (количественное) выражение качественным (общим) закономерностям.

Практически методы эконометрики применяются для следующих целей:

Вывести экономические законы,
Сформулировать экономические модели, опираясь на знание экономической теории и эмпирических данных,
Оценить неизвестные величины (параметры) рассматриваемых моделей,
Планировать и оценивать точность прогнозов,
Разрабатывать рекомендации в области экономической политики.

Основные методы эконометрики

Можно выделить несколько основных методов эконометрики:

Сводка и группировка информации;
Анализ, который может быть вариационным и дисперсионным;
Применение регрессионного и корреляционного анализа;
Уравнения зависимостей;
Индексы статистики.

Статистическая группировка и сводка

Статистическая сводка представляет собой научно-организованную обработку материалов наблюдения, которая состоит из следующих элементов:

систематизация,
группировка данных,
составление таблиц,
расчет итогов,
вычисление производных показателей (средние и относительные величины).

Статистическая группировка включает в себя процесс образования однородных групп следующими методами:

разделение статистических совокупностей на части,
объединение исследуемых единиц в частные совокупности по соответствующим признакам.

Дисперсия и вариация

Дисперсия признака представляет собой средний квадрат отклонений вариантов от их средней величины. В эконометрике используют несколько типов дисперсии:

Общая дисперсия, характеризующая вариацию признаков в статистической совокупности в процессе воздействия всех факторов;
Межгрупповая дисперсия, показывающая размеры отклонений средних групповых величин от общей средней величины, характеризуя при этом влияние фактора, который положен в основу данной группировки;
Внутригрупповая дисперсия (остаточная), характеризующая вариацию признака в середине каждой группы.

Замечание 2

Одним из методов эконометрики является использование среднего квадратического отклонения, которое представляет собой обобщающую характеристику размеров вариации признака в совокупности.

Квадратическое отклонение равно корню квадратному от дисперсии. При этом для сравнения изменения одного и того же признака в нескольких совокупностях применяют относительный показатель вариации, который называется коэффициент вариации.

Другие методы эконометрики

Рассмотрим еще несколько методов эконометрики:

Метод наименьших квадратов определяет точные теоретические значения моделей однофакторной регрессии, включая ее графическое отображение;
Статистические индексы, используемые в качестве меры изменения количества, вне зависимости от изменения качественных признаков (цена, себестоимость, производительность труда и др.). Также данные индексы применяют в процессе характеристики качественного признака независимо от изменений в количестве (объем товара в натуральном выражении, численность работников и др.).

УДК: 336 ББК: 65.05

ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ ЭКОНОМЕТРИКИ ДЛЯ ФОРМИРОВАНИЯ МНОГОФАКТОРНОГО КРИТЕРИЯ ОЦЕНКИ СОСТОЯТЕЛЬНОСТИ ОРГАНИЗАЦИИ

Suvorova L. V., Suvorova T.E., Kuklina M.V.

USING THE TOOLS OF ECONOMETRICS FOR FORMATION OF

MULTIFACTOR EVALUATION CRITERIA OF ORGANIZATION VIABILITY

Ключевые слова: компания, вероятность, банкротство, вероятность банкротства, эконометрика, оценка состоятельности, интегральный критерий оценки, модель, оценка, критерий, прогнозная вероятность.

Keywords: company, probability, bankruptcy, the probability of bankruptcy, econometrics, viability assessment, integral evaluation criterion, model, evaluation, criterion, the forecast probability.

Аннотация: в статье рассматривается возможность применения эконометрическо-го инструментария для формирования многофакторного критерия оценки состоятельности организации. Модель оценки, сформированная с помощью метода анализа иерархий, тестируется на данных ста российских нефинансовых компаний, полученные результаты сравниваются с начальными параметрами модели, после чего делается вывод о ее практической применимости.

Abstract: the article discusses the possibility of using econometric tools for the formation of multifactor criteria for evaluating the organization viability. Assessment model, formed by the analytic hierarchy process is tested on data of hundred Russian non-financial companies; these results are compared with the initial parameters of the model, and then conclude its practical applicability.

В условиях ухудшения экономической ситуации как внутри, так и за пределами страны многие компании сталкиваются с финансовыми трудностями. Несостоятельность организации как субъекта экономических отношений может стать предметом судебного делопроизводства. Таким образом, перед современными финансовыми менеджерами встает задача не только предотвратить кризисные явления и обеспечить устойчивое финансовое положение своего предприятия, но и доказать его состоятельность третьим лицам.

В настоящее время существует достаточно много многофакторных критериев оценки состоятельности компаний, предложенных различными авторами, как отечественными, так и зарубежными (Э. Альтман, Р. Таффлер и Г. Тишоу, Р. Лис, Р.С. Сайфулин и Г.Г. Кадыков, ученые Иркутской государственной экономической академии, О.П. Зайцева, У. Бивер, Ж. Кон-

нан и М. Гольдер, Д. Фулмер, Г. Сприн-гейт). Следует отметить, что зарубежные модели не всегда приемлемы для российских организаций, поскольку в них используются коэффициенты-константы, рассчитанные в соответствии с иными экономическими условиями, особенностями кредитования и налогообложения.

Диагностика факторов, приводящих организации к банкротству, может проводится различными методами, в том числе аналитическим, экспертным, методами линейного и динамического программирования, а также с использованием имитационных моделей.

Цель работы - апробировать новую модель оценки состоятельности компаний при помощи эконометрического инструментария.

На основе метода анализа иерархий нами была разработана новая модель оценки состоятельности организации и опреде-

лено пороговое значение интегрального показателя1:

X = 0,194*P(12) + 0,186*P(15) + 0,19*P(27) + 0,232*P(30) + 0,197*P(33),

P(12) - степень платежеспособности организации;

P(15) - коэффициент текущей ликвидности;

P(27) - рентабельность оборотного капитала;

P(30) - фондоотдача;

P(33) - рентабельность продаж

Метод анализа иерархий представляет собой многокритериальный прием оценки, с помощью которого выбираются показатели-факторы, а также формируется многофакторная модель. В целях нахождения приоритетных показателей-факторов была использована шкала относительной важности Т.Саати и К.Кернса.2 С ее помощью построена матрица попарных сравнений показателей-факторов и сделан выбор локальных приоритетов.

Наиболее приоритетными среди рассматриваемых факторов были признаны: степень платежеспособности, коэффициент текущей ликвидности, рентабельность оборотного капитала, фондоотдача и рентабельность продаж.

Для дальнейшего исследования были скорректированы значения приоритетов выделенных факторов путем деления их начальных значений на сумму последних и таким образом получен нормализованный вектор приоритетов по усеченному набору критериев.

Пороговое значение было найдено с помощью эмпирического анализа на реальных данных. Была сформирована выборка из 100 нефинансовых российских компаний

Суворова Л.В., Суворова Т.Е., Куклина М.В.

с помощью базы данных выборку вошли 50 компаний, которые являются состоятельными, и 50 компаний, которые признаны судом банкротами. Для каждой организации был рассчитан интегральный показатель и построен график зависимости интегрального показателя от состояния компаний.

В рамках разработанной нами модели несостоятельными оказались компании, интегральный показатель которых не превышает 15.

Для оценки взаимосвязи вероятности банкротства организаций и значения интегрального критерия мы применили эконо-метрический инструментарий. Для этого использовалась та же выборка из 100 нефинансовых российских компаний.

Тестировались модели бинарного выбора: РгоЬк-модель4 (кумулятивная функция стандартного нормального распределения) и Logit-модель (интегральная функция вероятности логистического распределения). Бинарные модели позволяют определить зависимость вероятности банкротства компании и значения интегрального критерия.

Согласно моделям такого типа зависимая переменная принимает два значения: 0 и 1. В качестве зависимой переменной нами выбрано состояние компании. Значение «0» присваивается состоятельной организации, а значение «1» - несостоятельной компании. В сформированной выборке количество состоятельных и несостоятельных компаний совпадает и равно 50.

Все рассчитанные коэффициенты, в том числе и интегральный показатель по выбранным компаниям, представлены в таблице 1.

1 Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы VIII Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития». - Новосибирск: НГТУ, 2015.

2 Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. 2008. №3.

3 FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. -Загл. с экрана

4 Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. -№7. - С. 9-20.

Компания Показатель-фактор Интегральный критерий Y: 1- несостоятельная компания 0- состоятельная компания

Фондоотдача, доли Коэффициент текущей ликвидности, доли Степень пла-тежеспособ-ности по текущим обязательствам, доли Рентабельность оборотного капитала, % Рентабельность продаж, %

1 10,82 1,97 3,28 47,66 40 20,48 0

2 1,68 1,17 14,69 65,88 50 25,88 0

3 7,4 3,24 4,64 79,75 100 38,15 0

4 18,08 3,8 4,2 8,37 100 27,05 0

5 6,01 1,08 4,24 23,77 100 26,69 0

50 1,11 20,76 0,62 96,63 100 42,40 0

51 3,52 5,32 0,45 0,43 8,7 3,69 1

52 1,85 0,1 66,96 0,78 2,2 14,03 1

59 1,65 0,91 74,25 115 3,3 37,52 1

66 0,1 1 77,45 1 10 17,41 1

99 3,38 0,024 38,03 -1,47 -2,4 7,41 1

100 0,38 0,05 2,25 1,42 9,6 2,70 1

Две регрессионные модели тестирова- зультаты тестирования моделей представ-лись с помощью программы «Eviews». Ре- лены в таблице 2.

Таблица 2 - Тестирование моделей

Параметры Модель

Количество наблюдений 100 100

Интегральный показатель -0,149***(0,043) -0,338**(0,138)

Константа 2,391***(0,569) 5,155***(1,858)

Prob(LR statistic) 0,000 0,000

McFadden R-squared 0,769 0,804

Примечание. В скобках указаны стандартные ошибки, звездочками обозначены уровни значимости: *p <0,1; **p <0,05; ***p <0,01.

По полученным результатам был сделан вывод, что обе регрессии в целом значимы на 1% уровне. Оценки коэффициентов также значимы на 1% уровне для Probit-модели и нам 5% для Logit-модели. Оценка коэффициента перед переменной, отвечающей за значение интегрального показателя,

отрицательна. Это говорит о том, что чем выше значение интегрального показателя, тем ниже вероятность банкротства.

Полученные результаты оценки регрессий можно представить в следующем виде:

Рг = 2,391 - 0,149 * х{)

Pi =Л (5,155 - 0,338 * xt)

Зависимость значения интегрального показателя от прогнозной вероятности, определенной с помощью Logit и Probit моделей отражена на рисунке 1. Можно заме-

тить, что обе модели дают практически одинаковые результаты, не наблюдается никаких существенных различий. Однако имеется одно отклонение от общей динамики.

1-1-1-1-0 -,-■

♦ Logit-модель ■ Probit-модель

Значение интегрального показателя

Рисунок 1 - Графическое представление соотношения значения интегрального критерия

и оценки вероятности банкротства

Для определения порогового значения были построены прогнозные вероятности банкротства для всех компаний из выборки для обеих бинарных моделей. На рисунках 2 и 3 представлена зависимость прогнозной вероятности от номера наблюдения. Первые 50 компаний выборки являются состоятельными, а последние 50 компаний признаны судом банкротами.

Данные графики также показывают, что имеется одно отклонение. Компания, соответствующая номеру 59, в действительности является банкротом, однако интегральный критерий показал обратный вывод. Для данной компании была спрогнозирована очень низкая прогнозная вероятность банкротства.

Рисунок 2 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для Logit-модели

Таким образом, был сделан вывод, что тельной, а если прогнозная вероятность если прогнозная вероятность банкротства больше 50% - компания несостоятельна. меньше 50%, то компания является состоя-

10 20 30 40 50 60 70 80 90 100

Рисунок 3 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для РшЬк-модели

Как было отмечено ранее, при расчете многофакторного критерия с помощью МАИ были допущены две неточности, а именно, 2 компании с прогнозом состоятельности являются на самом деле несостоятельными. Это соответствует ошибке I рода. Аналогичная неточность произошла при прогнозировании вероятности банкротства с использованием эконометрического инструментария, но ошибка I рода в этом слу-

чае составила 1% (только для одной несостоятельной компании была спрогнозирована низкая вероятность банкротства). Ошибка II рода не наблюдалась в обоих случаях. Объясняющая способность модели находится как 100% за вычетом ошибок I и II рода. Обе сформированные модели, как с помощью МАИ, так и с помощью инструментария эконометрики, имеют высокую объясняющую способность (таблица 3).

Таблица 3 - Сравнительная характеристика МАИ и инструментария эконометрики

Критерий МАИ Инструментарий эконометрики

Пороговое значение Х<15 - компания несостоятельна, Х>15 - компания состоятельна Р <50% - компания состоятельна, Р >50% - компания несостоятельна

Ошибка I рода (компания с прогнозом состоятельности является несостоятельной) 2% 1%

Ошибка II рода (компания с прогнозом несостоятельности является состоятельной) 0% 0%

Объясняющая способность модели 98% 99%

Исходя из полученных результатов, полученная с помощью метода анализа можно сделать вывод, что новая модель, иерархий и проверенная с использованием

инструментария эконометрики, является ки банкротства российских компаний. оптимальной и применимой для диагности-

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. - 2008. - №3.

2. Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы 8 Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития», НГТУ, Новосибирск, 2015.

3. Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. - №7. - С. 9-20.

4. Altman, E. & Haldeman, R. (1977) ZETA Analysis: A new model to indentify bankruptcy risk of corporations. Journal of Banking and Finance, 1, 29-35.

5. Beaver, W. (1966) Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4,71-111.

6. Conan, J. & Holder, M. (1979) Explicatives variables of performance and management control, Doctoral Thesis, CERG, Universite Paris Dauphine.

7. FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. - Загл. с экрана

8. Fulmer, J. & Moon, J. (1984) A Bankruptcy Classification Model for Small Firms. Journal of commercial Bank Lending, 25-37.

9. Springate, G. (1978) Predicting the Possibilty of Falture in a Canadian Firm. Unpublished M.B.A. Research Project, Simon Fraser Universit

Которые используются в курсе эконометрики. Цель этой главы - напомнить читателю некоторые сведения, но никак не заменить изучение курса теории вероятностей и математической статистики , например, в объеме учебника .

В этом смысле большими преимуществами обладает статистический метод моментных наблюдений , в основе которого лежат фундаментальные положения теории вероятностей и математической статистики . Изучение данного и подобных ему методов проводится в курсах статистики и эконометрики.

Эконометрика - это научная дисциплина, объединяющая совокупность теоретических результатов, приёмов, методов и моделей, предназначенных для того, чтобы на базе экономической теории (математической экономики), социально-экономической статистики теории вероятностей и математической статистики придать конкретное количественное выражение общим качественным закономерностям, обусловленным экономической теорией.

Предполагается, что студенты, изучающие эконометрику, уже прослушали базовые курсы по высшей математике, теории вероятностей и математической статистике , микро- и макроэкономике. Однако опыт показывает, что многим начинающим изучение вводного курса эконометрики необходимо восстановить знания основных положений теории вероятностей и математической статистики , без которых невозможно понимание излагаемого материала. Именно на ликвидацию пробелов в этой области направлены первая и вторая главы данного пособия. При этом особое внимание уделяется экономическим приложениям рассматриваемых понятий.

Эконометрика как научная дисциплина зародилась и получила развитие на основе слияния экономической теории , математической экономики , экономической статистики и математической статистики.

Целью этой и последующих глав является ознакомление читателя с методами исследования (проверки, обоснования, оценивания) количественных закономерностей и качественных утверждений (гипотез) в экономике на основе анализа статистических данных. Эти методы являются составной частью эконометрики - науки, изучающей экономические явления с количественной точки зрения . Эконометрика устанавливает и исследует количественные закономерности в экономике на основе методов теории вероятности и математической статистики , адаптированных к обработке экономических данных.

Авторы данного учебника попытались хотя бы в некоторой степени восполнить имеющийся пробел. Учебник написан в соответствии с требованиями Государственного образовательного стандарта по дисциплине Эконометрика для экономических специальностей вузов. При изложении учебного материала предполагается, что читатель владеет основами теории вероятностей , математической статистики и линейной алгебры в объеме курса математики экономического вуза (например, и ).

Практикум может быть полезен при освоении не только эконометрики, но и курса Математическая статистика.

Эти методы взяты эконометрикой из статистики и хорошо знакомы студентам, изучавшим такие дисциплины, как Статистика, Математическая статистика . Таким образом обеспечивается преемственность дисциплин.. При изложении проблем анализа взаимосвязей на основе пространственных данных в учебнике уделяется внимание спецификации модели . Отмечается, что любое изолированно взятое уравнение регрессии не позволяет раскрыть структуру связей между переменными. Из этого следует естественный переход к изложению структурных моделей и путевого анализа как разновидности такого подхода.

ГЕТЕРОСКЕДАСТИЧНОСТЬ - понятие, используемое в математической статистике и эконометрике, которое означает случай, когда дисперсия ошибки в уравнении регрессии изменяется от наблюдения к наблюдению.

Эконометрика - наука, исследующая количественные закономерности и взаимозависимости в экономике при помощи методов математической статистики. Основа этих методов - корреляционно-регрессионный анализ . Использование современных методов математической статистики началось в биологии. В последней четверти XIX века английский биолог К.Пирсон положил начало современной математической статистике изучением кривых распределения числовых характеристик человеческого организма. Затем он и его школа перешли к изучению корреляций в биологии и построению линейных функций регрессии.

Данная глава несколько отличается от других глав. Разделы 10.1-10.4 фактически содержат справочный материал по , широко применяемому в математической статистике . Подробное изложение этого материала можно найти, например, в (Айвазян (1983), Крамер (1975), Рао (1968)). Раздел 10.5 во многом повторяет описанные кратко в разделах 2.7, 5.3 и приложении МС (п. 7) способы применения этого метода к моделям парной и множественной регрессии . Причина, по которой мы поместили этот материал не в приложении МС, а здесь, состоит в следующем. Первое, метод максимального правдоподобия является традиционно трудным для студентов разделом курса математической статистики , и его, по нашему мнению, следует повторить в курсе эконометрики, включающем в себя темы временных рядов и дискретных зависимых переменных , в которых этот метод интенсивно используется. Второе, удобство читателя, для которого все необходимые факты по методу максимального правдоподобия собраны в одном месте книги.

Подведем итоги. Классические экономико-математические теории не отражают реального существа экономических объектов и уж совсем не замечают их динамики, т.е. фактора времени, создающего их постоянное изменение. Механизм самоорганизации экономики существует только в головах теоретиков, не знающих реальной жизни. Оптимальные решения в управлении экономикой вообще не -су-ществуют. Математическая статистика (и эконометрика в том числе) традиционно применяется для создания рекомендаций по управлению экономикой , но это напоминает управление автомобилем на весьма узкой горной дороге с большим количеством автомашин при закрытом переднем стекле с использованием только зеркала заднего обзора. Можно представить себе, какие рекомендации можно предложить в таких условиях Все сказанное подводит нас к кризису в области управления экономикой старыми экономико -математическими инструментами. Чтобы возникли корректные теории, необходимо сначала разработать инструмент, который позволит достаточно адекватно отражать моделируемый макроэкономический объект.

Во-вторых, неверно традиционное представление о том, что погрешности измерений нормально распределены. Тщательный анализ погрешностей реальных наблюдений показал, что их распределение в подавляющем большинстве случаев отличается от нормального . Среди специалистов распространено такое шуточное мнение Прикладники обычно думают, что математики доказали нормальное распределение погрешностей, а математики считают, что прикладники установили это экспериментально. К сожалению, в настоящее время в экологической и экономической литературе существует ряд ошибочных утверждений. Существенная часть ошибок относится к прямолинейному использованию математических методов в области статистики и эконометрики . "

В этой, заключительной, главе мы обсудим, чем собственно занимается эконометрист, рассмотрим связь между эконометрикой и физикой, эконометрикой и математической экономикой , эконометрикой и математической статистикой , разрыв между теорией и практикой, методологиями сверху вниз и снизу вверх, слабые звенья , агрегирование и как использовать опыт других исследований. Это попытка суммировать все то, что могло бы быть образно названо патологией эконометрики.

Фриш (Fris h) Рагнар Антон Киттиль (1895-1973), норвежский экономист, один из основоположников эконометрики, автор норвежского варианта системы национальных счетов . Окончил университет в Осло, с 1931 г. до выхода на пенсию в 1965 г. - профессор экономических дисциплин в том же университете. Преподавал также в Йельском (США) и Парижском университетах. Научная и практическая деятельность Фриша охватывает теорию программирования и макроэкономического планирования, анализ спроса и теорию индекса стоимости жизни , теорию экономических моделей циклического, общего равновесного и неравновесного экономического развития , методологию макроэкономической динамики и математической статистики . Фриш первым определил эконометрию как синтез экономической теории , статистики и математики, он был в 1930 г. организатором Эконо-метрического общества и первым редактором журнала "Эконометрика". Нобелевская премия по экономике (1969) - за научный вклад в формирование понятий эконометрии и математической экономики . Почетный член АН США, Швеции и ряда других стран.

ЭКОНОМЕТРИКА - научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа . (Близкое, но не тождественное значение имеет термин "эконометрия", под ним обычно понимается наука, которая тесно связана с математической экономией и отличается от последней в основном применением конкретного числового материала.) В Э. как бы синтезируются достижения теоретического анализа экономики с достижениями математики и статистики (прежде всего математической статистики).

В течение длительного времени существовала потребность в книге, специально написанной для статистиков и эконометриков, которая содержала бы замкнутое в себе и единое изложение матричного дифференциального исчисления . Предполагается, что данная книга удовлетворит эту потребность. Она может служить учебником при изучении курса эконометрики в магистратуре, углубленных курсов эконометрики в бакалавриате, а также в качестве справочника для прикладных эконометриков. Специалисты по математической статистике и психометрике также могут найти что-то интересное для них в этой книге.

ЭКОНОМЕТРИКА (англ, e onometri s) - комплекс методов, с помощью которых проводится анализ взаимосвязей различных экономических факторов и показателей, при данном исследовании используется статистический аппарат (в том числе аппарат математической статистики), а также теория вероятностей . На основании этих методов представляется возможным выявление неизвестных взаимосвязей, доказательство или отвержение гипотез, предлагаемых экономической теорией , о существовании некоторых из них (взаимосвязей экономических показателей).

Мощным инструментом эконометрических исследований является аппарат математической статистики. Действительно, большинство экономических показателей носит характер случайных величин , предсказать точные значения которых практически невозможно. Например, весьма сложно предвидеть доход или потребление какого-либо индивидуума, объемы экспорта и импорта страны в течение следующего года и т. д. Связи между экономическими показателями практически всегда не носят строгий функциональный характер, а допускают наличие каких-либо случайных отклонений (особенно это касается макроэкономических данных). Вследствие этого использование методов математической статистики в эконометрике естественно и обосновано. Однако в силу специфики получения статистических данных в экономике (например, в экономике невозможно проведение управляемого эксперимента) эконометристам приходится использовать свои собственные наработки и специальные приемы анализа, которые в математической статистике не встречаются.

В физике, химии, биологии, медицине можно проводить контролируемые эксперименты, но только не в экономике. (Астрономические данные также не являются экспериментальными мы не можем изменить орбиту Марса, чтобы посмотреть, как это повлияет на орбиту Земли.) Отсюда следуют серьезные последствия для экоиометрической теории. Традиционные методы математической статистики - теория оценивания и проверки гипотез - были развиты для экспериментальных наук, но не для экономики. Эти методы, таким образом, не могут быть без какой-либо модификации применены в эконометрике.

Второй фактор успеха РЭШ - двуязычие и тщательный отбор преподавателей. Среди российских профессоров РЭШ 2 академика РАН, 14 докторов наук - ведущих ученых из РАН, МГУ, ВШЭ, 8 опытных кандидатов наук, а также 15-20 ежегодно приглашаемых зарубежных профессоров из университетов США, Англии, Европы, Израиля и др. Если в 1992-1993 гг. российские профессора читали в основном математические дисциплины - математику для экономистов,