3. Особенности эконометрического метода.

Эконометрические методы строятся на синтезе трех областей знаний: экономики, математики и статистики. Основой является экономическая модель – схематическое представление социально-экономического явления или процесса с помощью научной абстракции, выраженная математическими символами.

Процесс построения эконометрической модели включает 6 основных этапов: 1 этап (постановочный) – определение конечных целей моделирования, набора участвующих в моделях факторов и показателей, их роли;

2 этап (априорный¹) – предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации, в частности, относящейся к природе и генезису исходных статистический данных и случайных остаточных составляющих;

3 этап (параметризация) – собственно моделирование, т. е. выбор общего вида модели, в том числе состава и формы входящих в нее связей;

4 этап (информационный) – сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей на различных временных или пространственных тактах функционирования изучаемого явления;

5 этап (идентификация модели) – статистический анализ модели, и, в первую очередь, статистическое оценивание неизвестных параметров модели;

6 этап (верификация модели) – сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.

Дальше по тем или иным причинам может возникнуть необходимость в изменении первоначально выдвинутых гипотез или в такой их формулировке, которая в большей степени отвечает новым эмпирическим данным, полученным к этому моменту. И до тех пор, пока мы будем менять формулировку гипотезы, нам придется повторять все описанные выше процедуры, начиная с третьего этапа.

В идеальном случае полученные результаты должны обладать тремя свойствами.

1. мы должны убедиться в том, что некоторая теоретически обоснованная гипотеза значительно лучше соответствует имеющимся данным, чем любая альтернативная гипотеза.

2. все оцененные параметры модели будут характеризоваться высокой значимостью, поэтому их можно будет с уверенностью считать точными оценками параметров генеральной совокупности.

3. поскольку прогнозным свойствам модели часто придается большое значение, необходимо, чтобы они оказались удовлетворительными.

4. Типы моделей и данных

При моделировании экономических процессов мы встречаемся с двумя типами исходных данных:

• Данные, характеризующие совокупность различных объектов в определенный момент (период) времени;

• Данные, характеризующие один объект за ряд последовательных моментов (периодов) времени.

Модели, построенные по данным первого типа, называются пространственными моделями. Модели, построенные на основе второго типа данных, называются моделями временных рядов.

Типы моделей

Можно выделить три основных класса моделей, которые применяются для анализа и/или прогноза:

• модели временных рядов.

Временной ряд (ряд динамики) – это последовательность упорядоченных во времени числовых показателей,

К этому классу относят модели:

Тренда: y(t)=T(t)+ε_t,

Где T(t) – временной тренд заданного параметрического вида (например, линейный T(t)=a+bt), ε – случайная (стохастическая) компонента;

Сезонности y(t)=S(t)+ε_t,

где S(t) – периодическая (сезонная) компонента;

Тренда и сезонности: y(t)=T(t)+S(t)+ ε_t (аддитивная) или

y(t)= T(t)*S(t)+ ε_t (мультипликативная)

• регрессионные модели с одним уравнением

В таких моделях эндогенная (зависимая) переменная y представляется в виде функции f(x,ß)=f(x₁,…,x_k ß₁,… ß_p), где x₁,…,x_k – независимые переменные, а ß₁,…, ß_p – параметры. В зависимости от вида функции f(x,ß) модели делятся на линейные и нелинейные.

• системы одновременных уравнений.

Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых может, кроме объясняющих переменных (экзогенных), включать в себя также объясняемые переменные (эндогенные) из других уравнений системы.