Ekonometria

Ekonometria  on tiede, joka tutkii kvantitatiivisia ja laadullisia taloudellisia suhteita tilastollisten ja muiden matemaattisten menetelmien ja mallien avulla. Nykyaikainen ekonometria-aiheen määritelmä kehitettiin Econometric Societyn peruskirjassa, jossa päätavoitteiksi mainittiin tilastojen ja matematiikan käyttö talousteorian kehittämisessä [1] . Teoreettinen ekonometria käsittelee arvioiden ja testien tilastollisia ominaisuuksia , kun taas sovellettu ekonometria käsittelee ekonometristen menetelmien soveltamista talousteorioiden arvioinnissa. Econometria tarjoaa työkaluja taloudellisiin mittauksiin sekä metodologian mikro - ja makrotaloudellisten mallien parametrien arvioimiseen . Lisäksi ekonometriaa käytetään aktiivisesti ennustamaan taloudellisia prosesseja sekä koko talouden että yksittäisten yritysten tasolla [2] . Samaan aikaan ekonometria on osa talousteoriaa makro- ja mikrotalouden ohella [3] .

Termi "ekonometria" koostuu kahdesta osasta: "econo" - sanasta "ekonomiikka" ja "metriikka" - sanasta "mittaus". Ekonometria on osa laajaa tieteenalaperhettä, joka on omistettu tilastollisten menetelmien mittaamiseen ja soveltamiseen eri tieteen ja käytännön aloilla. Tähän perheeseen kuuluvat erityisesti biometriikka , teknometria , skienometria , psykometria , kemometria , qualimetria . Sosiometria erottuu  - tämä termi on annettu tilastollisille menetelmille suhteiden analysoimiseksi pienissä ryhmissä , eli pienelle osalle sellaista tieteenalaa, kuten sosiologian ja psykologian tilastollinen analyysi [4] .

Ekonometriikan historia

Edellytykset ekonometriikan syntymiselle

Ensimmäiset yritykset kvantitatiiviseen taloustieteen tutkimukseen ovat peräisin 1600-luvulta. Heitä yhdistettiin talousteorian uuden suunnan edustajiin - poliittiseen aritmetiikkaan [5] . W. Petty , C. Davenant , G. King käyttivät tutkimuksessaan erityistä taloudellista dataa ennen kaikkea kansantulon laskennassa . Tämä suunta on herättänyt etsimään taloudellisia lakeja analogisesti fysikaalisten , tähtitieteellisten ja muiden luonnontieteellisten lakien kanssa. Samaan aikaan talouden epävarmuuden olemassaoloa ei vielä ymmärretty [6] .

Tärkeä vaihe ekonometriikan kehittymisessä oli tilastoteorian kehittäminen F. Galtonin , K. Pearsonin ja F. Edgeworthin teoksissa . Nämä tiedemiehet määrittelivät ennalta ensimmäiset parikorrelaation sovellukset . Siten J. E. Yule määritteli köyhyyden tason ja köyhien avun muotojen välisen suhteen. G. Hooker puolestaan ​​mittasi avioliittoasteen ja varallisuuden välistä suhdetta , jossa käytettiin useita hyvinvoinnin indikaattoreita, hän tutki myös taloudellisten muuttujien aikasarjoja [6] .

1830-luvulta lähtien kehittyneimmät maat alkoivat kokea shokkeja, jotka olivat tuon ajan taloustieteen näkökulmasta käsittämättömiä - yritystoiminnan heikkeneminen, massatyöttömyyden ilmaantuminen . Nopea teollisuuden kehitys ja kaupungistuminen ovat paljastaneet valtavan kerroksen ratkaisemattomia sosiaalisia ongelmia. Jo XIX vuosisadan lopussa. uusklassinen teoria alettiin nähdä liian kaukana todellisuudesta. Teoriasta voisi tulla vakuuttava, jos se voisi selittää taloudessa tapahtuvat muutokset. Sen käytännön soveltamiseksi vaadittiin taloudellisten perustermien kvantitatiivisia ilmaisuja [6] .

Vuonna 1911 amerikkalainen taloustieteilijä G. Moore julkaisi julkaisun The Laws of Wages: Essays in Statistical Economics . Tilastohistorioitsija I. I. Eliseeva kutsuu tätä teosta ensimmäiseksi ekonometriaksi. G. Moore analysoi tutkimuksessaan työmarkkinoita , testasi tilastollisesti J. Clarkin tuottavuusteoriaa ja hahmotteli proletariaatin yhdistämisstrategian perusteita . G. Moore osoitti, että monimutkaisten todisteisiin perustuvien matemaattisten konstruktien avulla on mahdollista kehittää perusta sosiaalipolitiikalle . Samaan aikaan italialainen taloustieteilijä R. Benini käytti ensimmäisenä moninkertaista regressiota kysynnän funktion arvioinnissa [6] .

Talouden syklisyyden tutkimukset antoivat merkittävän panoksen ekonometriikan kehitykseen . K. Zhuglyar havaitsi ensimmäisenä talouden syklisyyden . Hän tunnisti 7-11 vuoden sijoitussyklit . Välittömästi hänen jälkeensä J. Kitchin paljasti 3-5 vuoden jaksollisuuden käyttöpääoman uusimisessa , S. Kuznets , vuoden 1971 taloustieteen Nobelin voittaja, löysi rakentamisessa 15-20 vuoden syklit ja N. Kondratiev paljasti oman toimintansa. kuuluisa " pitkien aaltojen " kesto 45-60 vuotta [6] .

Tärkeä askel ekonometriikan muodostumisessa oli talousbarometrien rakentaminen . Talousbarometrien rakentaminen perustuu ajatukseen, että on olemassa indikaattoreita, jotka muuttuvat aikaisemmin kuin muut ja voivat siten toimia signaalina jälkimmäisten muutoksista. Ensimmäinen ja tunnetuin oli Harvardin barometri , joka luotiin vuonna 1903 W. Personsin ja W. Mitchellin johdolla . Se koostui osake- , hyödyke- ja rahamarkkinoita kuvaavista käyristä . Jokainen näistä käyristä oli useiden siihen sisältyvien indikaattoreiden aritmeettinen keskiarvo . Nämä sarjat esikäsiteltiin eliminoimalla trendi , kausivaihtelu ja saattamalla yksittäisten käyrien vaihtelut vertailukelpoiselle vaihteluasteikolle . Harvardin barometrin käytön menestys sai aikaan monia vastaavia ilmapuntareita ilmestymään muihin maihin. Kuitenkin noin 1925 lähtien hän menetti herkkyytensä. Sen romahdus selittyy voimakkaan säätelytekijän syntymisellä Yhdysvaltain talouteen . Näissä olosuhteissa VV Leontievin [6] sektorien välisen tasapainon muodostamismenetelmästä tulee makrotaloudellisen analyysin päämenetelmä . Samaan aikaan alettiin rakentaa taloudellisia malleja harmonisen analyysin menetelmin . Nämä menetelmät on siirretty taloustieteeseen tähtitiedestä , meteorologiasta ja fysiikasta [7] .

Kehityshistoria

1930-luvulle mennessä oli kehittynyt kaikki edellytykset ekonometiikan erottamiselle erilliseksi tieteeksi . Kävi selväksi, että taloudellisten prosessien syvempään ymmärtämiseen kannattaa jossain määrin käyttää tilastoja ja matematiikkaa. Tarvittiin uuden tieteen synty, jolla on oma aihe ja menetelmä, joka yhdistää kaiken tämänsuuntaisen tutkimuksen. 29. joulukuuta 1930 I. Fischerin , R. Frischin , J. Tinbergenin , J. Schumpeterin , O. Andersonin ja muiden tutkijoiden aloitteesta perustettiin ekonometrinen yhteiskunta . Vuonna 1933 R. Frisch perusti Econometrics -lehden , jolla on edelleen suuri merkitys ekonometiikan kehitykselle. Ja jo vuonna 1941 ilmestyi ensimmäinen uuden tieteenalan oppikirja, jonka kirjoitti J. Tinbergen [6] . Vuonna 1969 Frisch ja Tinbergen olivat ensimmäiset tutkijat, jotka voittivat taloustieteen Nobelin . Kuten Nobel-komitean virallisessa lausunnossa todetaan: " dynaamisten mallien luomiseen ja soveltamiseen taloudellisten prosessien analysointiin" [8] .

1970-luvulle asti ekonometria ymmärrettiin talousteorian puitteissa luotujen mallien empiiriseksi arvioimiseksi. Ajan taloustieteilijöiden mukaan tilastojen piti suojella teoriaa dogmatismin vaikutukselta . Samaan aikaan suurin osa tänä aikana rakennetuista talousmalleista oli keynesiläisiä . Mutta 1970-luvulta lähtien alettiin käyttää muodollisia menetelmiä teoreettisten käsitteiden kausaalisuuden valinnassa. Samaan aikaan monetaristit alkoivat käyttää aktiivisesti ekonometriaa [6] .

Vuonna 1980 yhdysvaltalainen taloustieteilijä Lawrence Klein sai toisen taloustieteen Nobelin ekonometrisen palkinnon talousmallien luomisesta ja niiden soveltamisesta talouden vaihteluiden ja talouspolitiikan analysointiin . Yhdessä A. Goldbergin kanssa hän loi yhden Amerikan talouden tunnetuimmista malleista, joka tunnetaan nimellä " Klein-Goldberg malli ". Tämän mallin rakenne perustui hänen omaan kehitykseensä. Se koostui toisiinsa liittyvistä samanaikaisista ja suunnatuista yhtälösarjoista, joiden ratkaisu antoi kuvan maan tuotannosta. Tästä mallista puhuessaan R. J. Ball totesi: "Keynesiläisen järjestelmän perustan empiirisenä esityksenä tästä mallista tuli ehkä tunnetuin suurten kansantalouksien malleista ennen muiden mallien syntymistä 60-luvulla." [9] . Klein järjesti myös tunnetun Link-projektin integroidakseen eri maiden tilastomallit yhdeksi yhteiseksi järjestelmäksi parantaakseen kansainvälisten taloussuhteiden ymmärtämistä ja ennustamista maailmankaupan alalla [ 10] . Tällä hetkellä ei vain makro-, vaan mikroekonometria kehittyi aktiivisesti. Tämän suuntauksen pioneerit olivat J. Heckman ja D. McFadden . He kehittivät teorioita ja menetelmiä , joita käytetään laajasti yksilöiden ja kotitalouksien käyttäytymisen tilastollisessa analyysissä sekä taloustieteissä että muissa yhteiskuntatieteissä . Joten J. Heckman ratkaisi datan selektiivisyydestä ja itsevalinnasta johtuvan näytteen harhaongelman . Sen ratkaisemiseksi hän ehdotti Heckman-korjausmenetelmää , joka tehokkuutensa ja helppokäyttöisyytensä ansiosta on tullut laajalti käyttöön empiirisessä tutkimuksessa . D. McFaddenin tärkein panos tieteeseen on diskreetin valinnan analysointimenetelmien kehittäminen . Vuonna 1974 hän kehitti ehdollisen logit-analyysin , joka tunnustettiin välittömästi taloustieteen perustavanlaatuiseksi saavutukseksi. Hän loi myös ekonometrisiä menetelmiä tuotantoteknologioiden arvioimiseksi ja yritysten pääoman ja työvoiman kysynnän taustalla olevien tekijöiden selvittämiseksi . Näiden tiedemiesten erinomaiset saavutukset palkittiin taloustieteen Nobel-palkinnolla vuonna 1990 [11] .

Tärkeä tapahtuma ekonometriikan kehitykselle oli tietokoneiden tulo . Niiden ansiosta aikasarjojen tilastollinen analyysi on saanut voimakasta kehitystä. J. Box ja G. Jenkins loivat ARIMA-mallin vuonna 1970, ja K. Sims ja jotkut muut tutkijat loivat VAR-mallin 1980-luvun alussa. Stimuloitu ekonometrinen tutkimus sekä rahoitusmarkkinoiden ja johdannaisten nopea kehitys . Tämä sai vuoden 1981 taloustieteen Nobelin voittajan J. Tobinin kehittämään malleja sensuroitua dataa käyttäen [6] .

Hovelmo vaikutti suuresti myös moderniin ekonometriaan . Jovelmo osoitti, kuinka matemaattisten tilastojen menetelmien avulla voidaan tehdä järkeviä johtopäätöksiä monimutkaisista taloudellisista suhteista satunnaisotoksesta empiirisiä havaintoja. Näitä menetelmiä voidaan käyttää myös talousteorioista johdettujen suhdelukujen arvioimiseen ja näiden teorioiden testaamiseen. Vuonna 1989 hänelle myönnettiin taloustieteen Nobelin palkinto "ekonometriikan todennäköisyyspohjaisten perusteiden selvittämisestä ja samanaikaisten talousrakenteiden analyysistä" [12] .

Jovelmo näki taloussarjan satunnaisten prosessien toteutumisena . Tärkeimmät ongelmat, joita esiintyy työskenneltäessä tällaisten tietojen kanssa, ovat epästationaarisuus ja voimakas volatiliteetti . Jos muuttujat ovat ei-stationaarisia, on olemassa riski muodostaa yhteys sinne, missä sitä ei ole. Ratkaisu tähän ongelmaan on siirtyminen sarjan tasoilta niiden eroihin. Tämän menetelmän haittana on tulosten taloudellisen tulkinnan monimutkaisuus. Tämän ongelman ratkaisemiseksi Clive Granger esitteli kointegraation käsitteen kiinteänä yhdistelmänä ei-stationaaristen muuttujien välillä. Hän ehdotti poikkeaman korjausmallia (ECM) , jota varten hän kehitti menetelmiä sen parametrien arvioimiseksi, yleistämiseksi ja testaamiseksi. Yhteisintegraatiota käytetään, jos lyhyen aikavälin dynamiikka heijastelee merkittäviä epävakauttavia tekijöitä ja pitkällä aikavälillä on taipumus taloudelliseen tasapainoon . S. Johansen yleisti Grangerin luomat mallit vuonna 1990 moniulotteiseen tapaukseen. Vuonna 2003 Granger sai yhdessä R. Anglen kanssa Nobel-palkinnon. R. Engle puolestaan ​​tunnetaan ajassa vaihtelevan volatiliteetin mallien (ns. ARCH-mallit ) luojana. Näitä malleja käytetään laajasti rahoitusmarkkinoilla [6] .

Ekonometria tänään

Nykyään ekonometria on osa taloustieteitä. Maailmassa julkaistaan ​​useita tieteellisiä lehtiä , jotka on omistettu kokonaan ekonometrialle, mukaan lukien: Journal of Econometrics ( Ruotsi ), Econometric Reviews ( USA ), Econometrica ( USA ), Sankhya. Indian Journal of Statistics. Ser.D. Quantitative Economics ( Intia ), Publications Econometriques ( Ranska ) [13] . Ekonometriaa opiskellaan maailman johtavissa yliopistoissa - on tullut ymmärretty, että ilman ekonometrisia menetelmiä on mahdotonta tehdä nykyaikaista makro- ja mikrotaloudellista analyysiä [14] .

Siellä on myös venäjänkielisiä erikoislehtiä. Näitä ovat " Applied Econometrics " ja " Quantile ". Erillisiä ekonometriaa koskevia julkaisuja ilmestyy aikakauslehdissä " Economics and Mathematical Methods ", " Problems of Statistics ", " Problems of Economics " ja joissakin muissa.

Aikaisemmin Venäjällä ekonometriaa ei useista syistä muodostunut itsenäiseksi tieteellisen ja käytännön toiminnan alueeksi. Vaikka ekonometriset tutkimukset alkavat nyt avautua. Tässä suhteessa tämän tieteenalan laajalle levinnyt opetus alkaa [13] .

Ei-parametrinen ekonometria

Yksi tärkeimmistä nopeasti kehittyvistä ekonometria-alueista on ei-parametrinen ekonometria. Ei-parametrinen ekonometria on ekonometiikan haara, joka ei vaadi arvioitavien objektien toiminnallisten muotojen määrittelyä. Sen sijaan data itse muodostaa mallin . Ei-parametriset menetelmät ovat yhä suositumpia soveltavassa tutkimuksessa. Ne sopivat paremmin suuren tietomäärän analysointiin pienellä määrällä muuttujia . Näitä menetelmiä käytetään myös silloin, kun tavanomaiset parametriset määritykset eivät sovellu ongelman ratkaisemiseen. Ei-parametrinen ekonometria heikentää parametrisia oletuksia, mikä on joskus erittäin hyödyllistä soveltavassa tutkimuksessa. Tärkeimmät menetelmät joustavien mallien rakentamiseen ovat ydinmenetelmät , spline - tasoitus , lähin naapuri -menetelmät , hermoverkot ja joustavat tasoitusmenetelmät datasarjoja [15] .

Jotkut tutkijat viittaavat myös ei-parametriseen ekonometriaan ei-numeeristen matemaattisten käsitteiden ekonometriseksi analyysiksi, jotka liittyvät tiettyihin ei-numeeristen objektien luokkiin, kuten sumeisiin joukkoihin , intervalliin , todennäköisyysjakaumiin jne . Aikavälitietojen tilastoissa siis näyteelementit eivät ole numeroita, vaan intervalleja . Intervallitietojen tilastoissa on tutkittu lähes kaikkia klassisen sovelletun matemaattisen tilaston ongelmia, erityisesti regressioanalyysin, kokeiden suunnittelun , vaihtoehtojen vertailun ja päätöksenteon ongelmia intervalliepävarmuuden olosuhteissa jne. Tälle tieteenalalle , on kehitetty yleinen tutkimuskaavio, joka sisältää kahden pääominaisuuden laskennan - muistiinpanot (alkutietojen välin aiheuttama tilastojen suurin mahdollinen poikkeama) ja rationaalisen otoskoon (jonka ylittäminen ei lisää merkittävästi estimoinnin tarkkuutta). ja hypoteesien testaamiseen liittyvät tilastolliset päätelmät). On myös kehitetty lähestymistapoja intervallien epävarmuuden huomioon ottamiseksi regressio-, erottelu- ja klusterianalyysien pääformulaatioissa [4] .

Taloudellisten mittausten erityispiirteet

Taloustietojen erityispiirteet voidaan tiivistää viiteen ryhmään:

  1. Vain toiminnallisesti määriteltyjä tietoja voidaan mitata. Samaan aikaan teoreettiset käsitykset näistä suureista vaikuttavat voimakkaasti taloudellisiin mittauksiin.
  2. Tietojen ei -kokeellinen luonne ja lyhyet havaintosarjat asettivat kyseenalaiseksi saatujen tulosten riittävyyden.
  3. Taloustiedot ovat yleensä epäsuoria. Samaan aikaan ensisijaiset mittaukset eivät usein ole taloudellisia.
  4. Yksikkövaihtelu . _
  5. Mittaustyökalun vaikutuksesta itse tutkimuskohteeseen liittyy akuutti ongelma [2] .

Ekonometriset menetelmät

Regressioanalyysi

Regressioanalyysi on tilastollinen menetelmä riippuvan muuttujan ja yhden tai useamman riippumattoman muuttujan välisen suhteen tutkimiseksi . Samanaikaisesti riippuvien ja riippumattomien muuttujien terminologia heijastaa vain muuttujien matemaattista riippuvuutta, ei kausaalisia suhteita. Monimutkaisten sisäisesti heterogeenisten taloudellisten prosessien riittävään kuvaamiseen käytetään yleensä ekonometrisiä yhtälöjärjestelmiä . Yksinkertaisemmissa tapauksissa voidaan käyttää myös yksinkertaisia ​​eristettyjä yhtälöitä [16] .

Aikasarjaanalyysi

Aikasarjaanalyysi on joukko matemaattisia ja tilastollisia analyysimenetelmiä, jotka on suunniteltu tunnistamaan aikasarjojen rakenne ja ennustamaan niitä. Aikasarjojen rakenteen paljastaminen on tarpeen, jotta voidaan rakentaa matemaattinen malli ilmiöstä, joka on analysoitujen aikasarjojen lähteenä. Aikasarjan tulevien arvojen ennustetta käytetään päätöksenteossa [17] . Ennustaminen on kiinnostavaa myös siksi, että se rationalisoi aikasarjaanalyysin olemassaolon talousteorian lisäksi [18] .

Ennustaminen perustuu pääsääntöisesti johonkin tiettyyn parametriseen malliin. Tässä tapauksessa käytetään standardimenetelmiä parametrisen estimoinnille ( LSM , MMP , momenttien metodi ). Toisaalta ei-parametrisiä estimointimenetelmiä sumeille malleille on kehitetty riittävästi [19] .

Paneelianalyysi

Paneelidata ovat spatiaalisia mikrotaloudellisia näytteitä, jotka on jäljitetty ajan kuluessa, eli ne koostuvat samojen taloudellisten yksiköiden havainnoista, jotka on otettu peräkkäisinä ajanjaksoina. Paneelitiedoilla on kolme ulottuvuutta: merkit - objektit - aika. Niiden käyttö tarjoaa useita merkittäviä etuja arvioitaessa regressioriippuvuusparametreja, koska ne mahdollistavat sekä aikasarjojen että tilanäytteiden analysoinnin. Tällaisten tietojen avulla he tutkivat köyhyyttä , työttömyyttä, rikollisuutta ja arvioivat myös hallituksen sosiaalipolitiikan alan ohjelmien tehokkuutta [20] .

Ekonometriikan kritiikki ja apologetiikka

Keynes ja Tinbergen kiistävät menetelmästä

Tinbergenin ja Keynesin välinen kiista ekonometrisesta tutkimusmenetelmästä tuli monessa suhteessa ratkaisevaksi ekonometriikan kehitykselle. Kuuluisassa artikkelissaan "Professori Tinbergenin menetelmä" Keynes kirjoittaa, että Tinbergen "pitää parempana aritmeettisia labyrinttejä logiikan labyrintteihin ". Hän sanoo, että ekonometrisesta analyysistä tulee kuin "lasten arvoituksia, joihin sinun täytyy kirjoittaa ikäsi, kertoa jollakin, lisätä jotain muuta, vähentää ja lopulta saada pedon luku Pyhän Johanneksen ilmestyksestä " [21] . .

Keynes väittää, että monikorrelaatioanalyysin tutkimuspotentiaali riippuu pitkälti ekonomistista. Hänen mielestään tätä menetelmää voidaan soveltaa vain silloin, kun ekonomisti pystyy esittämään etukäteen oikean ja moitteettoman täydellisen analyysin merkittävistä tekijöistä [21] . Tämä nostaa esiin epätäydellisen selittävien muuttujien joukon käytön ongelman (muuttujien poisjättämisen aiheuttama puolueellinen arvio ); rakentaa malleja, jotka sisältävät havaitsemattomia muuttujia (kuten rationaalisia odotuksia ), jotka on johdettu huonosti mitatusta indeksipohjaisesta tiedosta; väärän korrelaation saaminen korvaavien muuttujien käytön ja samanaikaisuuden seurauksena [1] .

Tinbergen vastaa tähän kritiikkiin sanomalla, että " epäolennaisia ​​selittäviä muuttujia voidaan käsitellä satunnaisina jäännöksinä, jotka eivät korreloi systemaattisesti muiden selittävien muuttujien kanssa. Jos suhdeluvun matemaattinen muoto on annettu, on mahdollista esittää tiettyjä tietoja residuaalien todennäköisyysjakaumista . Selittävät tekijät voidaan kuitenkin mitata ja residuaalien riippumattomuus testata jälkikäteen tutkimalla niiden autokorrelaatiota . Samalla ekonomisti ei saa unohtaa menetelmän ja tietojen validoinnin rajoituksia [22] .

Keynes yrittää myös esittää sovellettavalle moninkertaisen regression menetelmälle vaatimukset, jotka yleinen menetelmä täyttää. Hän painotti premissien todenperäisyyttä, olosuhteiden vertailukelpoisuutta, tarkasteltavien tekijöiden riippumattomuutta, toimintojen luonnetta jne., mutta hän ei vastaa kysymykseen, kuinka niiden totuus tarkistetaan, mitä kriteereiksi ottaa. totuuden, suhteellisuuden ja riippumattomuuden puolesta. Nykyaikainen tieteellinen metodologia on hylännyt edellytysten todentamisen periaatteen ja siirtynyt päätelmien tai ennusteen tarkkuuden tarkistamiseen [23] .

Keynes kritisoi myös aikatekijän lisäämistä regressioyhtälöön. On selvää, että lineaarisen trendin käyttö tarkoittaa, että aikasarjan ensimmäisen ja viimeisen vuoden välille vedetään suora viiva. Tästä johtuen paljon riippuu siitä, mitkä vuodet tutkimukselle valitaan. Analysoidessaan esimerkkiä aikasarjasta, joka on otettu Tinbergenin kirjasta vuosilta 1919-1933, hän sanoo, että "on paradoksi , että Yhdysvaltojen taloudelle oli ominaista vakava laskutrendi koko ajanjakson ajan, mukaan lukien vuonna 1929 päättynyt ajanjakso". Muutokset ovat yhteensä 20 %, kun taas jos Tinbergen olisi tarkastellut vuoteen 1929 päättyvää aikasarjaa, hän olisi käyttänyt samojen vuosien analyysissä nousevaa trendiä laskevan sijaan [21] . Trendikomponentti on Keynesin mukaan hyvin samanlainen kuin menetelmä huonojen tulosten korjaamiseksi ja hämärtää tosiasian, että "tämä selitys on itse asiassa väärä" [24] .

Samalla hänen mielestään ei ole selvää, "missä määrin käyriä ja yhtälöitä pidetään vain osana kuvausta ja historiallista analyysiä käyrien valintaa varten ja missä määrin niitä käytetään induktiivisten johtopäätösten tekemiseen . tulevaisuus tai menneisyys." Keynes epäilee tällaisen lähestymistavan arvoa. Hänen mukaansa on selvää, että tämä menetelmä "ei ole selkein tapa kuvata menneisyyttä". Sellaisen analyysin tärkein ehto on, että " taloudellinen ympäristö tulee tietyn ajanjakson aikana pysyä muuttumattomana ja homogeenisena kaikilta olennaisilta osiltaan, lukuun ottamatta erikseen tarkasteltavien tekijöiden vaihtelua. Mutta on mahdotonta olla varma, että tällaiset olosuhteet jatkuvat tulevaisuudessa, vaikka ne olisivat menneisyydessä” [21] .

Tinbergen vastustaa tätä väittämällä, että "Usein käyrien ulkonäkö viittaa siihen, että jollakin tekijällä, jota ei mainita useimmissa taloustieteen oppikirjoissa , on suuri merkitys. Esittämällä yhden tai useamman regressiokertoimen numeerisen arvon voidaan arvostella yhtä tai useampaa aiemmin käytettyä teoriaa. Tinbergen antaa esimerkin sellaisesta tilanteesta, jossa "monet teoreetikot ovat yhtä mieltä siitä, että korko on merkittävä tekijä rahan kysynnässä tai sijoitustoiminnassa, ja analyysin jälkeen saadut tulokset osoittavat, että tällainen vaikutus on merkityksetön tai ainakin oli sitä. Yhdysvalloissa tänä aikana" [22] .

Keynes pitää kysymystä suhteiden oletetusta lineaarisuudesta erittäin tärkeänä. Hän väittää, ettei ole löytänyt esimerkkiä epälineaarisesta korrelaatiosta. Hän sanoo, että hän ei ymmärrä analyysiä siitä, mitkä empiiriset tiedot pakottavat käyttämään epälineaarista korrelaatiota [21] . Tinbergenin mukaan " Scatterplotit antavat kuitenkin mahdollisuuden ymmärtää, onko jokin korrelaatio lineaarinen vai ei. Epälineaarisuus ei missään tapauksessa ole kertoimien mielivaltaista manipulointia." Tarkkaan ottaen vain yksi kerroin on mahdollista kutakin selittävän muuttujan arvoa kohden, ja jatkuvuus huomioon ottaen vaaditaan, että nämä kertoimet eivät vaihtele liikaa. Keynesillä on erittäin huono asenne lineaarisiin suhteisiin, hän kutsuu niitä "naurettavaksi" [21] . On kuitenkin syitä, miksi heidän "naurettavuutensa" aste vähenee:

  1. Pienillä aikaväleillä jatkuva funktio voidaan approksimoida lineaarisilla funktioilla.
  2. Taloudellisten tietojen havainnointi osoittaa, että lineaarisia suhteita esiintyy usein käytännössä. Samalla on loogista aloittaa analyysi yksinkertaisimmasta lähtökohdasta, joka korreloi yleisen teorian kanssa. Tinbergenin mukaan "Tämä lähestymistapa on hyvin yleinen minkä tahansa tutkimuspaperin induktiivisessa osassa. Lineaarisuuteen on myös teoreettinen perustelu, jonka mukaan suurille yksilömassoille yhteinen vaste on paljon lineaarisempi kuin mikään yksittäinen vaste” [22] .

Keynesin ekonometriaa koskeva kritiikki johtuu pääasiassa hänen lähestymistavansa taloustieteeseen verrattuna valtavirran taloustieteeseen . Tämän eron pääkohta on kysymys "pitäisikö taloustiedettä kohdella eksakti tieteenä ". Keynes itse antoi kielteisen vastauksen tähän kysymykseen. Hänen perinteensä mukaan taloudellinen ympäristö on muuttuva ja arvaamaton, ja useimmat taloudelliset muuttujat liittyvät toisiinsa monien monimutkaisten epälineaaristen suhteiden avulla. Tämä johtaa korrelaatiokertoimien epävakauteen ja ennusteongelmien ratkaisemisen mahdottomuuteen. Siksi taloustiede ei voi vaatia tarkkoja kvantitatiivisia mittauksia. Sen tulee perustua realistisiin oletuksiin ja sisältää työkaluja, jotka auttavat ymmärtämään ja selittämään tätä ympäristöä. Tinbergenin lähestymistapa on varsin yhdenmukainen nykyajan valtavirran kanssa : taloudellisen analyysin tulee olla mahdollisimman formalisoitua ja pyrkiä ratkaisemaan tiettyjä määrällisiä ongelmia. Tämän lähestymistavan puitteissa taloustieteen on oltava tarkkaa ja sen tutkimuskohde on samanlainen kuin tekniikan ja luonnontieteen tieteenalojen objektit [25] .

Myöhempi kritiikki

Potentiaalistaan ​​huolimatta ekonometria ei ole saanut tukea monilta merkittäviltä ekonomeilta. 1970-luvun alussa Worswick kritisoi jyrkästi matemaattisia taloustieteilijöitä "yhteyden puutteesta konkreettisiin tosiasioihin" [1] . Hän väitti, että ekonometrit "eivät ole niinkään sitoutuneet keksimään keinoja systematisoida ja mitata olemassa olevia tosiasioita, vaan luomaan lukemattomia tapoja tehdä niin" [1] . Samaan aikaan F. Brown väitti, että "aikasarjaregressioiden rakentaminen sopii vain huijaamiseen". V. Leontiev luonnehti ekonometriaa "yritykseksi kompensoida käytettävissä olevien tietojen ilmeistä puutetta käyttämällä yhä kehittyneempiä tilastotekniikoita". Hicks puhui samanlaisessa hengessä , hän sanoi, että "emme saa liioitella ekonometristen menetelmien merkitystä talousteoriassa" [1] . Ja E. Leamer kirjoitti, että "on kaksi asiaa, joiden valmistusprosessia on parempi olla huomaamatta: makkarat ja ekonometriset arviot" [26] .

Myös itävaltalaisen taloustieteellisen koulukunnan edustajat suhtautuivat ekonometriaan jyrkästi kielteisesti . Niinpä Mises kirjoitti: "Harhaan ajatuksena, että ihmisen toimintaa koskevien tieteiden tulisi jäljitellä luonnontieteiden menetelmää, monet kirjailijat ovat uppoaneet taloustieteen kvantifiointiin. He ajattelevat, että taloustieteen tulee jäljitellä kemiaa, joka on kehittynyt laadullisesta määrälliseen tilaan. Heidän mottonsa on positivistinen periaate: tiede on mittaa. Mutta he eivät ymmärrä, että ihmisten toiminnan alueella tilastot ovat aina historiaa ja että hypoteettiset korrelaatiot ja funktiot kuvaavat vain sitä, mitä tapahtui tietyllä ajankohtana tietyllä maantieteellisellä alueella ihmisen toiminnan seurauksena. tietty määrä ihmisiä. Taloudellisen analyysin menetelmänä ekonometria on lapsellinen peli numeroilla, joka ei lisää mitään taloudellisen todellisuuden ongelmien selventämiseen .

Lisätty moninkertaisen regression yksityiskohtaisempaan kritiikkiin Keynesin jälkeen: kyvyttömyys erottaa monikollineaarisuus , dynaamisten vasteiden virheellinen määrittely ja pitkät viiveet, oletus lineaarisuudesta ilman tarkkaa tietoa vastaavista regressioarvoista, virheellinen tietojen esisuodatus , kohtuuttomat johtopäätökset korrelaatiosta. , regressioyhtälön parametrien vaihtelevuus, taloudellisen ja tilastollisen merkitsevyyden tunnistaminen ja mahdottomuus korreloida talousteoriaa ekonometriaan sekä riittämätön otoskoko [1] .

Tämän ja muunkin kritiikin ansiosta soveltavan tutkimuksen metodologiaa on uudistettu. Klassisen ekonometrisen metodologian mukaan saatuja tuloksia pidetään riittävämpinä, jos tutkittavat muuttujat korreloivat vahvemmin, ennusteet vastaavat paremmin dataa ja mitä merkityksellisempiä saadut estimaatit ovat t- tai F-tilaston kannalta . Huomiota kiinnitetään siihen, miten mahdollisten selittävien muuttujien luettelointi järjestetään mahdollisimman tehokkaasti, jotta selitettävä muuttuja voidaan ennustaa parhaiten, samalla kun varmistetaan, että determinaatiokerroin on mahdollisimman suuri ja F-tilasto on yhtä merkittävä kuin mahdollista. mahdollista. Jos määrittelykriteereissä saadaan epätyydyttäviä tuloksia, niin perinteistä metodologiaa noudattava tutkija alkaa mallin tarkistamisen sijaan soveltaa kehittyneempiä arviointimenetelmiä. Tämän lähestymistavan puitteissa on ominaista halu saada "paras" tulos sen sijaan, että haluttaisiin saada mielekäs ja luotettava tulos . Ekonometriikan nykyisessä kehitysvaiheessa kuitenkin suositaan niitä malleja, jotka läpäisevät diagnostiset kriteerit, vaikka niillä olisikin pienempi determinaatiokerroin [14] .

Katso myös

Muistiinpanot

  1. 1 2 3 4 5 6 D. Hendry. Ekonometria: alkemia vai tiede?  (venäjä)  // Ekovest. - 2003. - Nro 2 . - S. 172-196 .  (linkki ei saatavilla)
  2. 1 2 Suslov V. I., Ibragimov N. M., Talysheva L. P., Tsyplakov A. A. Econometrics. - Novosibirsk: SO RAN, 2005. - 744 s. — ISBN 5-7692-0755-8 .
  3. Orlov A. I. Johto. Oppikirja. - M .: Izumrud, 2003. - 298 s.
  4. 1 2 Orlov A. I. Econometrics. Oppikirja. - M . : Tentti, 2002. - 576 s. — ISBN 5-472-00035-1 .
  5. Poliittinen aritmetiikka  // Suuri venäläinen tietosanakirja  : [35 nidettä]  / ch. toim. Yu. S. Osipov . - M .  : Suuri venäläinen tietosanakirja, 2004-2017.
  6. 1 2 3 4 5 6 7 8 9 10 Ekonometria. Oppikirja / Toim. Eliseeva I. I .. - 2. painos. - M. : Talous ja tilastot, 2008. - 576 s. — ISBN 5-279-02786-3 .
  7. Weinstein A. L. Econometrics and Statistics  (venäjäksi)  // Tintner G. Johdanto ekonometriaan. - M .: Tilastot, 1965. - S. 5-26 .
  8. Taloustieteen Nobel-palkinnon saajat  (Venäjä)  ? (linkki ei saatavilla) . Haettu 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 6. maaliskuuta 2009. 
  9. Taloustieteen Nobel-palkinnon saajat  (Venäjä)  ? (linkki ei saatavilla) . Käyttöpäivä: 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 7. elokuuta 2009. 
  10. Taloustieteen Nobel-palkinnon saajat  (Venäjä)  ? (linkki ei saatavilla) . Haettu 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 16. elokuuta 2009. 
  11. Taloustieteen Nobel-palkinnon saajat  (Venäjä)  ? (linkki ei saatavilla) . Käyttöpäivä: 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 9. helmikuuta 2010. 
  12. Taloustieteen Nobel-palkinnon saajat  (Venäjä)  ? (linkki ei saatavilla) . Käyttöpäivä: 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 19. helmikuuta 2009. 
  13. 1 2 Orlov A.I. Sovellettavat tilastot. Oppikirja. - M . : Tentti, 2006. - 672 s. — ISBN 5-472-01122-1 .
  14. 1 2 Tsyplakov A.A. Ekonometrisen mallinnuksen metodologia  (venäläinen)  ? (linkki ei saatavilla) . Korkean inflaation prosessien ekonometrinen analyysi (Venäjän esimerkissä) (väitöskirja taloustieteiden kandidaatin tutkintoa varten) . Novosibirsk (1998). Käyttöpäivä: 19. heinäkuuta 2009. Arkistoitu alkuperäisestä 26. toukokuuta 2008. 
  15. J. Racine. Ei-parametrinen ekonometria: johdantokurssi  (venäjä)  // Kvantiili. - 2008. - Nro 4 . - S. 7-56 .
  16. Babeshko L.O. Ekonometrisen mallinnuksen perusteet: Proc. korvaus. — 2. painos, korjattu. - M .: KomKniga, 2006. - 432 s. - ISBN 978-5-484-00757-8 .
  17. Afanasiev V.N., Yuzbashev M.M. Aikasarjaanalyysi ja ennustaminen: Proc. korvaus. - M. : Talous ja tilastot, 2001. - 228 s. — ISBN 5-279-02419-8 .
  18. Cochrane J. Ennustaminen ja impulssivasteet lineaarisissa järjestelmissä  (venäjä)  // Kvantiili. - 2006. - Nro 1 . - S. 21-26 .
  19. Tsyplakov A. Johdatus ennustamiseen klassisissa aikasarjamalleissa  (venäläinen)  // Kvantiili. - 2006. - Nro 1 . - S. 3-19 .
  20. Ratnikova T. A. Johdatus paneelitietojen ekonometriseen analyysiin  (venäjäksi)  // HSE Economic Journal. - 2006. - Nro 2 . - S. 267-316 . Arkistoitu alkuperäisestä 15. kesäkuuta 2016.
  21. 1 2 3 4 5 6 J. M. Keynes. Professori Tinbergenin menetelmä  (venäjä)  // Taloustieteen kysymyksiä. - 2007. - Nro 4 .
  22. 1 2 3 Ya. Tinbergen. Suhdannekierron tilastollisen tutkimuksen menetelmästä. Vastaus J.M. Keynesille  (venäläinen)  // Taloustieteen kysymyksiä. - 2007. - Nro 4 .
  23. N. Shapiro. J. M. Keynes "valtavirran" lopullisena taloustieteilijänä ja teoreettisen ja metodologisen moniarvoisuuden saarnaajana  (venäjäksi)  // Taloustieteen kysymyksiä. - 2008. - Nro 1 .
  24. J. M. Keynes. Kommentti  (venäjä)  // Taloustieteen kysymyksiä. - 2007. - Nro 4 .
  25. I. Rozmainsky. Keynesin teorian metodologiset perusteet ja hänen "kiista menetelmästä" Tinbergenin  (venäläinen) kanssa  // Taloustieteen kysymyksiä. - 2007. - Nro 4 .
  26. E.E. Leamer, "Lets' Take the Con out of Econometrics", American Economic Review, 73 (1983), 31-43.
  27. Ludwig von Mises. Taloustieteen lopullinen perusta: essee menetelmästä. Princeton: D. Van Nostrand, 1962. (s. 62)

Kirjallisuus

Linkit