1. Предмет и задачи эконометрики.

Эконометрика — это наука, в

которой на базе реальных статистических данных строятся, анализируются и

совершенствуются математические модели реальных экономических явлений.

Эконометрика позволяет найти количественное подтверждение либо опровержение того

или иного экономического закона либо гипотезы.

Таким образом, эконометрика – наука, которая дает количественное выражение

взаимосвязей экономических явлений и процессов.

Зарождение эконометрики является следствием междисциплинарного подхода к изучению

экономики. Эконометрика представляет собой комбинацию трех областей знания:

• Экономической теории

• Статистики

• Математики

Большинство эконометрических методов и приемов заимствовано из математической

статистики. Однако методы математической статистики универсальны и не учитывают

специфики экономических данных, которая заключается в следующем:

1) данные не являются результатом контролируемого эксперимента;

2) невозможность проводить многократные эксперименты (из-за изменения внешних условий);

3) экономические данные часто содержат ошибки измерения. В эконометрике разрабатываются

специальные методы анализа, позволяющие, если не устранить, то, по крайней мере, снизить

влияние этих ошибок на полученные результаты.

Эти особенности рождают ряд специфических проблем, решение которых не входит в

математическую статистику.

Таким образом, эконометрика связывает между собой экономическую теорию и

экономическую статистику и с помощью математико-статистических методов придает

конкретное количественное выражение общим закономерностям, устанавливаемым

экономической теорией.

Предмет исследования эконометрики как науки – экономические явления. Но в отличие

от экономической теории эконометрика делает упор на количественные, а не на

качественные аспекты этих явлений. Например, экономическая теория утверждает, что

спрос на товар с ростом его цены убывает. Но при этом практически неисследованным

остается вопрос, как быстро и по какому закону происходит это убывание для

определенного товара. Эконометрика отвечает на этот вопрос для каждого конкретного

случая.

Основные задачи эконометрики:

1. Построение эконометрических моделей, т.е. представление экономических моделей в

математической форме, удобной для проведения эмпирического анализа.

2. Оценка параметров построенной модели, делающих выбранную модель наиболее

адекватной реальным данным.

3. Проверка качества найденных параметров модели и самой модели в целом. 2

4. Использование построенных моделей для объяснения поведения исследуемых

экономических показателей, прогнозирования и предсказания, а также для

осмысленного проведения экономической политики

Таким образом, стандартная схема анализа зависимостей состоит в осуществлении ряда

последовательных процедур:

1. Подбор начальной модели (этап спецификации). Он осуществляется на основе

экономической теории, предыдущих знаний об объекте исследования, опыта

исследователя и его интуиции.

2. Оценка параметров модели на основе имеющихся статистических данных (этап

параметризации).

3. Осуществление проверки качества модели (этап верификации).

4. При наличии хотя бы одного неудовлетворительного ответа по какому-либо критерию

модель совершенствуется с целью устранения выявленного недостатка.

5. При положительных ответах по всем критериям модель считается качественной. Она

используется для анализа и прогноза объясняемой переменной.

Однако необходимо предостеречь от абсолютизации полученного результата, поскольку

даже качественная модель является подгонкой спецификации модели под имеющийся

набор данных. Поэтому вполне реальна картина, когда исследователи, обладающие

разными наборами данных, строят разные модели для объяснения одного и того же

явления. Проблематичным является и использование модели для прогнозирования

значений объясняемой переменной. Иногда хорошие с точки зрения критериев проверки

модели обладают весьма низкими прогнозными качествами

2.История возникновения и развития

Направление исследования, к. в XX в. втали называть эконометрикой, берет свое начало от англ. Экономиста Вильяма Петти, с к. связывают научное направление, наз. «политич. арифметикой»

Предпосылками развития эк-ки стали работы по методу наименьших квадратов Гаусса, целью к-х были методики, связанные с минимизацией при различ-х исследованиях.

В пер. половине XX в. были начаты работы по теоретич. моделированию структуры потребностей и х эмпирической оценки.

В 1930 г. было начато макроэкономической моделирование, к. получило развитие в теоретич. работах Кейнса и в разработке СНС США и в др. странах. Было создано эконометрическое общество.

В 1933 г. был выпущен журнал «Эконометрика»

В период с 1940-1970 гг. были сделаны важные разработки по эк-ке и ее применению. Она была расширена по многим направлениям:

А) метода анализа временных рядов

Б) модели дискретного выбора

В) модели фиктивных переменных

Г) анализ данных и прогноз и т. д.

 В 1985 г. в Кембридже проходил всемирных конгресс эко-кого общества, в 1988 — в Канберре, на кот. было выработано соглашение о единой методике эконометрич. исследований. В соответствии с ним эк-кий анализ должен проходить сверху вниз, т. е. начинать следует с большей модели, включ.-й множество переменных, к. затем тестируются на значимость для данной модели.Итогом развития эк-ки стало присуждение Нобелевской премии 2000 г в области эконометрики американским экономистом Хекману и Макфаудену за создание микроэкономич. теории и ее применение для анализа поведения личности в об-ве и домашнем хоз-ве. Ученые предложили статистические методы упорядоченной обработки выборочных данных для решения задач, связанных с индивид-ми различиями объектов исследования. Т. О. эк-ка является симбиозом: экономической статистики; эконом-ой статистики; высшей математики.

Значит. вклад в развитие прикладной матем. статистики являющейся основой эк-ки, внесли отечеств. Ученые Марков, Ляпунов, Чебышев, Слуцкий.

В течении 10 лет эк-кие исследования провоились в ведущих вузах России(МГУ), а с переходом в 2000 г. на новые образовательные стандарты этот курс являлся обязательным по всем экономическим специальностям.

3.Методы исследования эконометрики

конометрические методы представляют собой не экспериментальные методы оценивания и заключаются в совместном применении математического, статистического и экономического инструментария к анализу эмпирических данных с целью оценки эффекта программы.

Самым очевидным способом оценки изменений, произошедших в ходе реализации программы, являлось бы сравнение параметров двух состояний для каждого бенефициара: до и после проведения программы (например уровень образования индивида до и после проведения государством образовательной программы). Однако никто, чаще всего, не обладает таким массивом информации, так как до начала реализации программы средства на сбор подобных данных, как правило, не выделяются. Использование же эконометрических методов без привлечения значительных средств позволяет «оценить, что было бы, если бы индивид не участвовал в программе, то есть „рассчитать“ условное значение (англ. counterfractual) интересующего нас параметра в отсутствие программы» на основании данных только лишь одного периода.

В число эконометрических методов оценивания входят:

• метод сравнения средних,

• построение уравнения регрессии методом наименьших квадратов

• метод подбора контрольной группы

• метод подбора контрольной группы по индексу соответствия

• метод построения регрессии с переключением режимов

Метод сравнения средних 

Исходя из названия становится понятно, что оценка программы данным методом осуществляется на основании сравнения среднего значения интересующего нас показателя (уровня занятости, образования, дохода и т. д.) у тех кто участвовал в программе со средним значением этого же показателя в контрольной группе. В контрольную группу, для простоты вычислений, включают всех индивидов, в данной программе не участвовавших. Иными словами, метод сравнения средних акцентирует внимание на разнице средних значений показателей у двух групп индивидов:

d Y = E(Y | D=1) — E(Y | D=0)

Где Y₁ и Y₂ — средние значения показателя у участвовавших (D=1) и не участвовавших (D=0) в программе индивидов. Однако данный метод обладает существенными недостатками и подчас дает противоречивые оценки. В той или иной ситуации разница средних значений может получиться отрицательной: среднее значение интересующего нас показателя может быть больше при отсутствии программы, — однако это совсем не значит, что программа неэффективна. Включая в контрольную группу всех «остальных» людей, мы тем самым сравниваем «несопоставимых» индивидов: ведь программа изначально нацелена на людей с заниженным значением показателя (например, программа повышения уровня дохода населения направлена на людей, уровень дохода которых ниже среднего по стране), а контрольная группа может включать в себя миллионеров и очень состоятельных людей.

Построение уравнения регрессии методом наименьших квадратов (МНК-регрессия) 

Метод оценивания заключается в построении двух уравнений регрессиисредних значений интересующего нас показателя для двух сравниваемых групп индивидов в зависимости от контрольных показателейметодом наименьших квадратов. Общий принцип данного метода схож с первым: мы по-прежнему сравниваем средние значения интересующего нас показателя. Однако теперь вместо двух средних значений мы можем составить уравнение регрессии для каждой группы:

Y_i = βx_i + sD_i + u_i

Где Y_i — среднее значение интересующего нас показателя, D_i — так называемая «дамми» — переменная участия в программе (D=0, 1), а s — показатель эффекта от проведения программы. Однако есть в данном подходе и существенные отличия: если раньше мы делили общество на бенефициарови тех, кто в программе не участвовал, не учитывая их различий не по одному из критериев, то в рамках метода построения регрессии мы вводим некоторый контроль ряда переменных (x_i), решая тем самым проблему «несопоставимости» сравниваемых индивидов. Если в рамках первого метода нам приходилось сравнивать индивидов, живущих за чертой бедности, и миллионеров по уровню образования, то сейчас мы можем контролировать переменную x_i — «уровень дохода» и сравнить уровень образования участвовавших и не участвовавших в программе индивидов, изначально обладающих одинаковым уровнем дохода (живущих в одном регионе и т. д.).

Благодаря этому методу, таким образом, мы можем получить два уравнения регрессии — то есть две линейные зависимости интересующего нас показателя от контрольных характеристик, на основании чего можем делать соответствующие оценивающие выводы. В простейшем виде это может выглядеть так: для простоты рассмотрим все тот же пример реализации образовательной программы. Для получения оценки её эффективности необходимо сравнить средний уровень образования после проведения программы у тех, кто в ней участвовал (Y (D₁), и тех, кого данная программа не касалась (Y (D₀). Однако теперь мы производим сравнение только между индивидами, обладающими одним уровнем дохода (X_i) тем самым решая проблему несопоставимости индивидов: сравнивать бенефициара с индивидов больше не придется.

Метод подбора контрольной группы имитирует естественный эксперимент и по своей идее наиболее близок к сопоставлению двух состояний одного индивида: до и после программы. Метод заключается в сравнении участвовавшего в программе индивида (D=1) и в ней не участвовавшего, но фактически сопоставимого по наблюдаемым характеристикам (Х) с первым:

d Y = E (Y₁ |D = 1, X) — E (Y₀ |D = 1, X)

Суть метода заключается в сравнении двух состояний будто бы одного и того же индивида. Значение интересующего нас показателя после проведения программы мы можем оценить по состоянию участвовавшего в программе индивида (D=1), а значение показателя до проведения программы — по состоянию не участвовавшего в программе индивида, очень схожего по многим наблюдаемым характеристикам с первым. Два индивида должны быть настолько похожи между собой, что второй также вполне мог бы участвовать в программе — поэтому D=1. Поиск таких схожих индивидов и представляет собой подбор контрольной группы. Таким образом, данный метод решает проблему формального отбора, с которой сталкивается предыдущий метод: мы фактически сравнивали тех индивидов, которые в ней участвовали, и тех, кого по разным причинам не взяли — и получали смещенные оценки. Кроме того, в рамках данного метода не фиксируется форма функциональной зависимости Y от X. Однако, порой бывает довольно сложно найти максимально схожих по многим характеристикам людей, что существенно затрудняет оценивание данным методом.

Метод подбора контрольной группы по индексу соответствия 

Данный метод является вариацией вышеизложенного метода подбора контрольной группы с тем лишь отклонением, что позволяет значительно экономить время и сокращает число критериев, по которым ведется отбор участников контрольной группы. Теперь вместо подсчета многочисленных характеристик для того, чтобы найти схожих по наблюдаемым признакам индивидов, достаточно подсчитать индекс, характеризующий вероятность участия этого индивида в программе. Фактически это одно и то же: раз два человека с одинаковой вероятностью попали бы в данную программу — значит они непременно схожи по многим наблюдаемым характеристикам, а это в свою очередь значит, что их можно сравнивать между собой не боясь проблемы несопоставимости. Таким образом, два «схожих» индивида, независимо от того, участвовали они фактически в программе или нет, имеют близкие значения данных вероятностей, в связи с чем оценивание сводится к сравнению их значений интересующих показателей.

Метод построения регрессии с переключением режимов 

Метод построения регрессиис переключением режимов заключается в составлении трех уравнений для участвовавших и неучаствовавших в программе индивидов: первое уравнение — уравнение, определяющее вероятность участия в программе:

I* = β(Y_0i — Y_1i) + γZ_i + ε_i

I*>0 — участник

I*<0 — неучастник

Два вторых уравнения показывают функциональную зависимость интересующего нас показателя Y от наблюдаемых контрольных характеристик X с учётов воздействия на Y также и ненаблюдаемых характеристик. Контрольной группой, исходя из этого, являются все те же формально сопоставимые по наблюдаемым характеристикам (Х) с адресатами, не участвовавшие в программе индивиды с учётом ненаблюдаемых характеристик, влияющих на принятие решения об участии (или неучастии) в программе.

Явным преимуществом данного метода является то, что он вбирает в себя ключевые идеи всех вышеизложенных методов: сравнивает средние значения интересующих нас показателей участвовавших и неучаствовавших в программе индивидов, сопоставимых однако по многим наблюдаемым критериям, — но и преодолевает главный их недостаток — обращает внимание на ненаблюдаемые характеристики индивидов.

Метод подбора контрольной группы на практике обнаруживает свой главный недостаток: крайне сложно найти максимально соответствующих по множеству наблюдаемых характеристик работников частного сектора — подчас оказывается, что это все невозможно просчитать. На практике оказалось, что неучёт даже одной характеристики — региона приводит к существенным различиям. Без учёта регионов разница между уровнями оплаты труда составляет 21 %, с учётом регионов — 23 %.

Метод подбора контрольной группы по индексу соответствия  являющийся в данном случае более уместным, экономит время и позволяет получить более точное значение, учитывая, однако же, тот же самый набор характеристик. Согласно этому методу, средние уровни заработных плат различаются по секторам примерно на 21-22 %.

Учет ненаблюдаемых характеристик в рамках метода регрессии с переключением режимов привел к сокращению разницы между оплатой труда в двух секторах до 17 %. Однако очень сложно найти способ выявления ненаблюдаемых характеристик, не влияющих на уровень заработной платы того или иного сотрудника, но которые бы воздействовали на показатель принятия решения о выборе сектора.

Таким образом, мы можем ясно видеть, что все без исключения методы дают схожие значения, которые тем точнее, чем большее число наблюдаемых и ненаблюдаемых характеристик мы берем в учёт.