Значение исследования российской инфляции

     (1+R) = (1+p) (1+r). 

     Приближенно при низкой ставке процента и низких темпах инфляции его записывают следующим  образом: 

     R = p + r. 

     Если  использовать R как заменитель p, то тем самым вносится ошибка, величина которой приближенно равна реальной ставке процента r.

     В логарифмической форме уравнение, которое требуется оценить, чтобы  получить оценку полуэластичности по процентной ставке имеет вид 

     ln m(p) = ln m(0) + a ln w – gR + e,      (6) 

     где ошибка e включает в себя и ошибку, связанную с тем, что в уравнение не включена реальная процентная ставка r. По самому построению модели из-за проблемы пропущенной переменной применение к ней метода наименьших квадратов может дать смещенные и несостоятельные оценки. Если p и r некоррелированы между собой, то R и r должны быть коррелированы, откуда следует, что R и e коррелированы, а это нарушает стандартную гипотезу обычного метода наименьших квадратов, что регрессоры не коррелированы с ошибкой. Дополнительное смещение должно возникнуть в том случае, если реальная ставка процента r не является “белым шумом”. Остается надеяться, что смещение не настолько велико, чтобы сделать полученные оценки бессмысленными.

     Причинные механизмы

     В первой главе в обзоре исследований по российской инфляции приведены разные, зачастую диаметрально противоположные  взгляды на причинные механизмы  инфляции. Попытаемся применить эконометрические методы для анализа этих механизмов.

     Цель  данного раздела заключается  не столько в том, чтобы установить, что в конечном счете является “причиной” инфляции в России, а  в том, чтобы исследовать причинные  механизмы инфляционной экономики  современной России. Предметом исследования является система причинных взаимосвязей в целом. При этом в качестве причин рассматриваются не состояния, а процессы. Исследование причинных процессов меньше подтверждено субъективности, поскольку может быть исследовано количественно.

     Эконометрическое  моделирование причинных связей

     Для исследования причинных связей предлагается использовать следующую модель с  корректирующим механизмом: 

     DY = m₀ + m₁ t + m₂ t² + a₁ DY+ a₂ DY+ b₀ DX+ b₁ DX+ b₂ DX

     + g ₁ Y+ g ₂ X.    (7)

      В этом уравнении t — линейный временной  тренд, t² — квадрат тренда. Квадратичный тренд играет здесь двойную роль. Во-первых, он позволяет учесть изменения долгосрочного соотношения во времени. Так, временной тренд, как указывалось выше, может существовать в спросе на деньги и в динамике курса доллара. Во вторых, он нужен для тестирования ложной регрессии, которая может возникнуть, если X и Y включают детерминированный тренд (это в какой-то мере заменяет критерий коинтеграции, в случае, если переменные содержат стохастический тренд, но не исключает полностью проблему ложной регрессии).

     Максимальный  лаг в модели равен 2 месяцам. Как  показывают расчеты, этого в большинстве  случаев оказывается достаточно. Часто говорят о бoльших лагах, однако речь при этом идет о моделях, не содержащих уровней рассматриваемых процессов (в данной модели это соответствовало бы g ₁=0 и g ₂=0), что не позволяет учесть возможность существования механизма исправления ошибок. Добавление корректирующего механизма существенно сокращает требуемую длину лага.

     При расчетах использовался следующий  набор макроэкономических показателей:

     H — денежная база,

     M0 — денежная масса, наличные  деньги,

     M2 — денежная масса, агрегат  М2,

     P^C — индекс потребительских цен,

     P^I — индекс оптовых цен промышленности,

     W — средняя заработная плата  по народному хозяйству,

     $ — среднемесячный курс доллара  на Московской межбанковской  валютной бирже,

     P^E — индекс цен на энергоносители.

     В расчетах использовались помесячные ряды за период с весны 1992 г. по конец 1996 г. (индекс цен на энергоносители почти на год короче). В результате в каждой регрессии около 55 наблюдений.

     С точки зрения причинности представляют интерес три вида критериев:

     1) Критерий равенства коэффициентов b₀, b₁, b₂ и g₂ нулю. Если все эти коэффициенты равны нулю, то это говорит об отсутствии влияния X на Y.

     2) Критерий равенства коэффициентов b₁, b₂ и g₂ нулю. Если коэффициенты не равны нулю одновременно, то это говорит о том, что X_–1 влияет на Y.

     3) Критерий равенства коэффициента g₂ нулю. Если коэффициент не равен нулю, то это говорит о том, что действует корректирующий механизм в связи между X и Y, исправляющий динамику Y.

     В каждой клетке Таблицы 15 приведены уровни значимости в процентах для этих трех критериев (вероятность ошибки первого рода). Когда уровень значимости меньше принятого порогового уровня (обычно берут 5%.), то гипотеза о равенстве нулю соответствующего набора коэффициентов отвергается, т. е. следует признать наличие значимой статистической связи. Переменные, стоящие в правой части регрессии (предполагаемые переменные-следствия), расположены в таблице по столбцам, а предполагаемые переменные-причины — по строкам. Например, при 5%-ой критической границе гипотезу об отсутствии влиянии оптовых цен промышленности на курс доллара следует отвергнуть (0.51% < 5% и 3.84% < 5%), а гипотезу об отсутствии корректирующего механизма следует принять (13.92% > 5%). 

     Таблица 1

     Наличие сезонной составляющей в исследуемых  рядах могло бы привести к неправильным результатам в используемых критериях  причинности. Если сезонность имеет  детерминированный характер, то эта  проблема решается добавлением в  уравнение (7) сезонных фиктивных переменных: 

     DY = m₀ + m₁ t + m₂ t² + a₁ DY+ a₂ DY+ b₀ DX+ b₁ DX+ b₂ DX

     + g ₁ Y+ g ₂ X+ d ₁M₁ + ... + d ₁₂M₁₂.   (8) 

     Здесь M₁, ..., M₁₂ — сезонные месячные переменные. 

     Таблица 2 во всем аналогична Таблице 1, но при расчетах использовалось уравнение (8).  

     Таблица 2