Понятие Эконометрики.Математико-статистическая методология эконометрических исследований эконометрики

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Эконометрика = экономика + метрика 

Сначала необходимо выяснить, что обычно понимают под эконометрикой. Затем обсудим современное состояние  эконометрики как научно-практической дисциплины.

Во вводных монографиях  по экономической теории, как правило, выделяют в качестве ее разделовмакроэкономику, микроэкономику и эконометрику. При этом о макроэкономике и микроэкономике обычно подробно рассказывается в тех же монографиях или в дальнейших учебных пособиях, в то время как об эконометрике узнать что-либо самостоятельно российскому студенту почти невозможно. Лишь в последнее время появились отдельные курсы в нескольких московских экономических вузах и соответствующие учебники, увы, трактующие ее крайне узко.

В одном из наиболее распространенных в России вводном курсе западной экономической теории сказано: «Статистический анализ экономических данных называется эконометрикой, что буквально означает: наука об экономических измерениях» Действительно, термин «эконометрика» состоит из двух частей: «эконо-» — от «экономика» и «-метрика» — от «измерение». Эконометрика (в другом русско- и англоязычном варианте названия этой дисциплины — эконометрия) входит в обширное семейство дисциплин, посвященных измерениям и применению статистических методов в различных областях науки и практики. К этому семейству относятся, в частности, биометрика (или биометрия), технометрика, наукометрия, психометрика, хемометрика (наука об измерениях и применении статистических методов в химии), квалиметрика (или 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. Эконометрика, как и другие «метрики», посвящена развитию и применению статистических методов в конкретной области науки и практики — в экономике, прежде всего в теории и практике менеджмента.

В мировой науке эконометрика занимает достойное место. Нобелевские  премии по экономике получили эконометрики Ян Тинберген, Рагнар Фриш, Лоуренс Клейн, Трюгве Хаавельмо. В 2000 г. к ним добавились еще двое — Джеймс Хекман и Дэниель Мак-Фадден. 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).

Однако в нашей стране по ряду причин эконометрика не была сформирована как самостоятельное направление  научной и практической деятельности, в отличие, например, от Польши, которая  стараниями О.Ланге и его коллег покрыта сетью эконометрических «институтов» (в российской терминологии — кафедр вузов). В настоящее время в России начинают развертываться эконометрические исследования, в частности, начинается широкое преподавание этой дисциплины.

Кратко рассмотрим современную  структуру эконометрики. Знакомство с ней необходимо для обоснованных суждений о возможностях применения эконометрических методов и моделей  в экономических и технико-экономических  исследованиях.

 

Структура эконометрики 

В эконометрике, как дисциплине на стыке экономики (включая менеджмент) 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 (методов прикладной статистики) 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.

Кратко рассмотрим три  только что выделенных вида научной  и прикладной деятельности. По мере движения от а) к в) сужается широта области применения конкретного  эконометрического метода, но при  этом повышается его значение для  анализа конкретной экономической  ситуации. Если работам вида а) соответствуют  научные результаты, значимость которых  оценивается по общеэконометрическим критериям, то для работ вида в) основное — успешное решение задач конкретной области экономики. Работы вида б) занимают промежуточное положение, поскольку, с одной стороны, теоретическое изучение эконометрических моделей может быть весьма сложным и математизированным (см., например, монографию с другой — результаты представляют интерес не для всей экономической науки, а лишь для некоторого направления в ней.

Прикладная статистика — другая область знаний, чем математическая статистика. Это четко проявляется и при преподавании. Курс математической статистики состоит в основном из доказательств теорем, как и соответствующие учебные пособия. В курсах прикладной статистики и эконометрики основное — методология анализа данных и алгоритмы расчетов, а теоремы приводятся как обоснования этих алгоритмов, доказательства же, как правило, опускаются (их можно найти в научной литературе).

Внутренняя структура  статистики как науки была выявлена и обоснована при создании в 1990 г. Всесоюзной статистической ассоциации (см., например, статью. Прикладная статистика — методическая дисциплина, являющаяся центром статистики. При применении к конкретным областям знаний и отраслям народного хозяйства получаем научно-практические дисциплины типа «статистика в промышленности», «статистика в медицине» и др. С этой точки зрения эконометрика — это «статистические методы в экономике».

Математическая статистика играет роль математического фундамента для прикладной статистики. К настоящему времени очевидно четко выраженное размежевание этих двух научных направлений. Математическая статистика исходит из сформулированных в 1930-50 гг. постановок математических задач, происхождение которых связано с анализом статистических данных. В настоящее время исследования по математической статистике посвящены обобщению и дальнейшему математическому изучению этих задач. Поток новых математических результатов (теорем) не ослабевает, но новые практические рекомендации по обработке статистических данных при этом не появляются. Можно сказать, что математическая статистика как научное направление замкнулась внутри себя.

Сам термин «прикладная статистика», используемый в нашей стране в  отдельных публикациях с 1960-х  годов, а как название научной  области - с 1981г., возник как реакция  на описанную выше тенденцию. Прикладная статистика нацелена на решение реальных задач. Поэтому в ней возникают  новые постановки математических задач  анализа статистических данных, развиваются  и обосновываются новые методы. Обоснование  часто проводится математическими  методами, то есть путем доказательства теорем. Большую роль играет методологическая составляющая — как именно ставить  задачи, какие предположения принять  с целью дальнейшего математического  изучения. Велика роль современных  информационных технологий, в частности, компьютерного эксперимента.

Рассматриваемое соотношение  математической и прикладной статистик  отнюдь не являются исключением. Как  правило, математические дисциплины проходят в своем развитии ряд этапов.

Вначале в какой-либо прикладной области возникает необходимость  в применении математических методов и накапливаются соответствующие эмпирические приемы (для геометрии это — «измерение земли» в т. н.Древнем Египте).

Затем возникает математическая дисциплина со своей аксиоматикой (для  геометрии это — время Евклида).

Следом идет внутриматематическое развитие и преподавание (считается, что большинство результатов элементарной геометрии получено учителями гимназий в XIX в.). При этом на запросы исходной прикладной области перестают обращать внимание, и та порождает новые научные дисциплины (сейчас «измерением земли» занимается не геометрия, а геодезия и картография).

Затем научный интерес  к исходной дисциплине иссякает, но преподавание по традиции продолжается (элементарная геометрия до сих пор изучается в средней школе, хотя трудно понять, в каких практических задачах может понадобиться, например, теорема о том, что высоты треугольника пересекаются в одной точке).

Следующий этап — окончательное  вытеснение дисциплины из реальной жизни  в историю науки (объем преподавания элементарной геометрии в настоящее  время постепенно сокращается, в  частности, ей все меньше уделяется  внимания на вступительных экзаменах  в вузах).

Сказанное не означает, что  геометрия не нужна человечеству. Базовые понятия и знания в  этой области необходимы для решения  многих практических задач. Речь о том, что абстрактные теоретические  изыскания приводят к получению  чисто научных результатов, не имеющих  практического значения (примером является теорема о высотах треугольника). Акцент на таких результатах приводит к постепенному вытеснению геометрии  из реальной жизни. При этом базовые  геометрические понятия и знания переносятся в другие дисциплины - инженерную графику, геодезию и др.

К интеллектуальным дисциплинам, закончившим свой жизненный путь, относится средневековая схоластика. Как отмечает проф. МГУ им. М. В. Ломоносова В. Н. Тутубалин , теория вероятностей и математическая статистика успешно двигаются по ее пути — вслед за элементарной геометрией.

Подведем итог. Хотя статистические данные собираются и анализируются с незапамятных времен (см., например, Книгу Чисел в Ветхом Завете), современная математическая статистика как наука была создана, по общему мнению специалистов, сравнительно недавно — в первой половине ХХ в. Именно тогда были разработаны основные идеи и получены результаты, излагаемые ныне в учебных курсах математической статистики. После чего специалисты по математической статистике занялись внутриматематическими проблемами, а для теоретического обслуживания проблем практического анализа статистических данных стала формироваться новая дисциплина — прикладная статистика. (Ее центральным печатным органом в нашей стране является упомянутая выше секция «Математические методы исследования» журнала «Заводская лаборатория», где за последние 30 лет опубликовано более 1000 статей по прикладной статистике.)

В настоящее время статистическая обработка данных проводится, как  правило, с помощью соответствующих  программных продуктов. Разрыв между математической и прикладной статистикой проявляется, в частности, в том, что большинство методов, включенных в статистические пакеты программ (например, в заслуженныеStatgraphics и SPSS или в более новую систему Statistica), даже не упоминается в учебниках по математической статистике. В результате специалист по математической статистике оказывается зачастую беспомощным при обработке реальных данных, а пакеты программ применяют (и что еще хуже — разрабатывают) лица, не имеющие необходимой теоретической подготовки. Естественно, что они допускают разнообразные ошибки (напомним, анализ типовых ошибок при применении критериев согласия Колмогороваиомега-квадрат дан в [2]), в том числе в таких ответственных документах, как государственные стандарты по статистическим методам (ниже подробнее рассказано об удручающих результатах анализа этих стандартов; итоги суммированы в статье [8]). Ситуация с внедрением современных статистических (эконометрических) методов на предприятиях и в организациях различных отраслей народного хозяйства противоречива. К сожалению, при развале отечественной промышленности в 1990-е годы больше всего пострадали структуры, наиболее нуждающиеся в эконометрических методах — службы качества, надежности, центральные заводские лаборатории и др. Однако толчок к развитию получили службы маркетинга и сбыта, сертификации, прогнозирования, инноваций и инвестиций, которым также полезны различные эконометрические методы, в частности, методы экспертных оценок.

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, нечеткие 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.

Многие экономические  показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами. А вот нормальные распределения принципиально не подходят, поскольку для них вероятность отрицательных значений всегда положительна.

Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом в одних задачах больше внимания уделяют изучению трендов (средних значений, математических ожиданий), например, при анализе динамики цен. В других же — важны отклонения от средней тенденции, например, при применении контрольных карт (карт Шухарта, кумулятивных сумм и др.). Однако в целом спектральный анализ и выделение различных периодов, циклов и типов волн менее распространены, чем, скажем, в биометрике и медицине.

В экономике доля нечисловых данных существенно выше, чем в  технике и технологии, соответственно больше применений для статистики объектов нечисловой природы (ниже разберем это  утверждение подробнее).

Количество изучаемых  объектов в экономическом исследовании часто ограничено в принципе, поэтому  обоснование вероятностных моделей  в ряде случаев затруднено. Уникальные объекты, например, город Москва, трудно рассматривать как элемент выборки  из генеральной совокупности с каким-то определенным распределением, поскольку  подобное рассмотрение противоречит здравому смыслу. Вспоминается давняя обложка  журнала «Крокодил», на которой изображены два хозяйственника с монетой  в руках: «Если упадет орлом, будем  строить завод, если решкой — не будем». Подобная рандомизация решений выглядит бессмысленной при принятии ровно одного решения, однако при контроле качества в массовом производстве такой подход оправдан.