Оценка параметров множественной регрессии

    Хаавельмо рассматривал экономические ряды как реализацию случайных процессов. Главными проблемами, возникающими при работе с такими данными, являются нестационарность и сильная волатильность. Если переменные нестационарны, то есть риск установить связь там, где её нет. Вариантом решения данной проблемы является переход от уровней ряда к их разностям. Недостатком данного метода является сложность экономической интерпретации полученных результатов. Для решения этой проблемы Клайв Грэнджер ввёл концепцию коинтеграции как стационарной комбинации между нестационарными переменными. Им была предложена модель корректировки отклонений (ЕСМ), для которой он разработал методы оценивания её параметров, обобщения и тестирования. Коинтеграция применяется в случае, если краткосрочная динамика отражает значительные дестабилизирующие факторы, а долгосрочная стремится к экономическому равновесию. Модели, созданные Грэнджером, в 1990 г. были обобщены С. Йохансеном для многомерного случая. В 2003 г. Гренджер совместно с Р. Инглом получили нобелевскую премию. Р. Ингл, в свою очередь, известен как создатель моделей с меняющейся во времени волатильностью (т. н. ARCH-модели). Эти модели получили широкое распространение на финансовых рынках.

2 Эконометрика сегодня

    Сегодня эконометрика занимает достойное место в ряду экономических наук. В мире выпускается ряд научных журналов, полностью посвящённых 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)[13]. Эконометрику изучают в ведущих мировых университетах, пришло понимание, что без эконометрических методов невозможно проводить современный макро- и микроэкономический анализ.

    На русском языке также существуют специализированные журналы. К ним относятся «Прикладная эконометрика» и «Квантиль». Отдельные публикации по эконометрике появляются в журналах «Экономика и математические методы», «Вопросы статистики», «Вопросы экономики» и некоторых других.

    Ранее в России по ряду причин эконометрика не была сформирована как самостоятельное направление научной и практической деятельности. Хотя в настоящее время начинают развертываться эконометрические исследования. В связи с этим начинается широкое преподавание этой дисциплины.

2.1 Непараметрическая эконометрика

    Одним из основных бурно развивающихся направлений эконометрики является непараметрическая эконометрика. Непараметрическая эконометрика — раздел эконометрики, который не требует спецификации функциональных форм оцениваемых объектов. Вместо этого данные сами формируют модель. Непараметрические методы становятся все более популярными в прикладных исследованиях. Они более пригодны для анализа большого объёма данных при малом количестве переменных. Также эти методы применяют, когда обычные параметрические спецификации не подходят для решения поставленной задачи. Непараметрическая эконометрика ослабляет параметрические предпосылки, что иногда является очень полезным при прикладном исследовании. Основными методами построения гибких моделей являются ядерные методы, сглаживание сплайнами, методы ближайших соседей, нейронные сети и гибкие методы сглаживания с помощью рядов данных.

    Также некоторые исследователи к непараметрической эконометрике относят эконометрический анализ нечисловых математических понятий, относящихся к тем или иным классам объектов нечисловой природы, таким, как нечёткие множества, интервалы, распределения вероятностей и т. д. Так, в статистике интервальных данных элементами выборки являются не числа, а интервалы. В статистике интервальных данных изучены практически все задачи классической прикладной математической статистики, в частности, задачи регрессионного анализа, планирования эксперимента, сравнения альтернатив и принятия решений в условиях интервальной неопределенности и т. д. Для данной отрасли науки разработана общая схема исследования, включающая расчет двух основных характеристик — нотны (максимально возможного отклонения статистики, вызванного интервальностью исходных данных) и рационального объёма выборки (превышение которого не даёт существенного повышения точности оценивания и статистических выводов, связанных с проверкой гипотез). Также разработаны подходы к учету интервальной неопределенности в основных постановках регрессионного, дискриминантного и кластерного анализов.

3.Специфика экономических измерений

    Специфические особенности экономических данных можно свести к 5 группам:

Измеряться могут только операционально определённые данные. При этом экономические измерения подвержены сильному влиянию теоретических представлений о данных величинах.

    Неэкспериментальный характер данных и короткие ряды наблюдений, которые ставят под сомнение адекватность полученных результатов.

Экономические данные, как правило, являются косвенными. При этом первичные измерения зачастую не носят никакого экономического характера.

Изменчивость единиц измерения.

    Остро стоит проблема влияния инструмента измерения на сам объект изучения.

4 Эконометрические методы

4.1 Регрессионный анализ

    Регрессионный анализ — статистический метод исследования зависимости между зависимой переменной и одной или несколькими независимыми переменными . При этом терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения. Для адекватного описания сложных внутренне неоднородных экономических процессов, как правило, применяются системы эконометрических уравнений. В более простых случаях можно использовать и простые изолированные уравнения.

4.2 Анализ временных рядов

    Анализ временных рядов — совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений. Прогнозирование также интересно тем, что оно рационализирует существование анализа временных рядов отдельно от экономической теории.

    Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (МНК, ММП, метод моментов). С другой стороны, достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей.

4.3 Панельный анализ

    Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, то есть они состоят из наблюдений одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Панельные данные насчитывают три измерения: признаки — объекты — время. Их использование даёт ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ временных рядов, так и анализ пространственных выборок. С помощью подобных данных изучают бедность, безработицу, преступность, а также оценивают результативность государственных программ в области социальной политик.

Заключение

    Эконометрического общества, которое главными целями назвало использование статистики и математики для развития экономической теории. Теоретическая эконометрика рассматривает статистические свойства оценок и испытаний, в то время как прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий. Эконометрика даёт инструментарий для экономических измерений, а также методологию оценки параметров моделей микро- и макроэкономики. Кроме того, эконометрика активно используется для прогнозирования экономических процессов как в масштабах экономики в целом, так и на уровне отдельных предприятий. При этом эконометрика является частью экономической теории, наряду с макро- и микроэкономикой.

    Важным этапом возникновения эконометрики явилось развитие статистической теории в трудах Ф. Гальтона, К. Пирсона, Ф. Эджворта. Эти учёные предопределили первые применения парной корреляции. Так, Дж.Э. Юл определял связь между уровнем бедности и формами помощи бедным.

    Вместе с развитием эконометрики происходил процесс создания маржиналистской теории, зарождение которой можно отнести к 60-м годами XIX в. (работы Джевонса, Вальраса, Менгера). С 30-х годов 19 века страны с наибольшим уровнем развития капитализма стали испытывать упадок деловой активности и возникновение массовой безработицы. Эти явления не находили объяснения с точки зрения теории. Быстрая индустриализация выявила большой спектр социальных проблем, которые тоже не согласовывались с теорией. Неоклассическая теория стала восприниматься как слишком далекая от реальности. Для ее практического значения потребовались количественные выражения базовых понятий, таких как «предельная полезность» или «эластичность спроса».

    Важным событием в формировании эконометрики стало построение экономических барометров, в первую очередь так называемого гарвардского барометра. Большинство экономических барометров, основано на следующем: в динамике разных показатели экономики существуют такие, которые в своих изменениях стоят впереди других, а потому могут служить предвестниками последних.

Список использованной литературы

   1.Большая советская энциклопедия. — 3-е издание. — Москва: Сов. энциклопедия, 1978. — Т. 28. Чаган—Экс-ле-Бен. — 640 с.

    2.1 2 3 4 5 6 Д. Хэндри. Эконометрика: алхимия или наука? (рус.) // Эковест. — 2003. — № 2. — С. 172-196.

    3.Суслов В. И., Ибрагимов Н. М., Талышева Л. П., Цыплаков А.А. Эконометрия. — Новосибирск: СО РАН, 2005. — 744 с. — ISBN 5-7692-0755-8

    4.Орлов А.И. Менеджмент. Учебник. — М.: Изумруд, 2003. — 298 с.

    5.Орлов А.И. Эконометрика. Учебник. — М.: Экзамен, 2002. — 576 с. — ISBN 5-472-00035

    6.1 2 3 4 5 6 7 8 9 10 Эконометрика. Учебник / Под ред. Елисеевой И.И.. — 2-е изд. — М.: Финансы и статистика, 2006. — 576 с. — ISBN 5-279-02786-3

    7.Вайнштейн А. Л. Эконометрия и статистика (рус.) // Тинтер Г. Введение в эконометрию. М.: Статистика, 1965. — С. 5-26.

    8.Лауреаты Нобелевской премии по экономике (рус). Архивировано из первоисточника    19 августа 2011. Проверено 19 июля 2009.

    9.Лауреаты Нобелевской премии по экономике (рус). Архивировано из первоисточника 19 августа 2011. Проверено 19 июля 2009.

     10.Лауреаты Нобелевской премии по экономике (рус). Архивировано из первоисточника 19 августа 2011. Проверено 19 июля 2009.

    11.Лауреаты Нобелевской премии по экономике (рус). Архивировано из первоисточника 19 августа 2011. Проверено 19 июля 2009.

   12.Лауреаты Нобелевской премии по экономике (рус). Архивировано из первоисточника 19 августа 2011. Проверено 19 июля 2009.

   13.Орлов А.И. Прикладная статистика. Учебник. — М.: Экзамен, 2006. — 672 с. — ISBN 5-472-01122-1

   14.Цыплаков А.А. Методология эконометрического моделирования (рус).    15.Эконометрический анализ процессов высокой инфляции (на примере России)(диссертация на соискание учёной степени кандидата экономических наук). Новосибирск (1998). Архивировано из первоисточника 19 августа 2011. Проверено 19 июля 2009.

    16.Дж. Расин. Непараметрическая эконометрика: вводный курс (рус.) // Квантиль. — 2008.

    17.Бабешко Л.О. Основы эконометрического моделирования: Учеб. пособие. — 2-е, исправленное. — М.: КомКнига, 2006. — 432 с. — ISBN 978-5-484-00757-8

    18.Берндт Э. Практика эконометрики: классика и современность. — М.: Юнити-Дана, 2005. — 848 с. — ISBN 5-238-00859-7

    19.Доугерти К. Введение в эконометрику: Пер. с англ.. — М.: ИНФРА-М, 1999. — 402 с. — ISBN 8-86225-458-7

    20.Кремер Н.Ш., Путко Б.А. Эконометрика. — М.: Юнити-Дана, 2003-2004. — 311 с.

3