1. Эконометрика и ее место в ряду других экономических и статистических дисциплин. Типы моделей и типы данных в эконометрике.

Эконометрика как наука расположена где-то между экономикой, статистикой и математикой. Эконометрика - это наука, связанная с эм­пирическим выводом экономических законов. То есть мы исполь­зуем данные или «наблюдения» для того, чтобы получить количе­ственные зависимости для экономических соотношений. Данные, как правило, не являются экспериментальными, так как в эконо­мике мы не можем проводить (многократные) эксперименты.

Эконометрика – это наука о приложении статистических методов к экономическим задачам.

Общая задача. При помощи статистических методов выразить те закономерности, которые экономическая теория определяет лишь количественно.

В основе любого эконометрического исследования лежит эконометрическая модель.

Эконометрическая модель.

Y = f(X) + ε , где Y - объясняемая переменная; X - объясняющая переменная (фактор); ε - случайная часть.

Задача: на основе эмпирических данных определить объясняемую часть и получить оценки распределения случайной части.

Типичные причины присутствия ε:

• отсутствие в модели существенных факторов;

• использование агрегированных переменных;

• неправильный вид функции в модели;

• ошибки в измерении данных.

Типовые задачи:

• на основе эмпирических данных определить объясняемую часть;

• проверить качество модели (точность, надежность);

• выявить факторы, кот. можно добавить, или те, кот. можно исключить;

• проверить корректность предположений;

• проверить линейность относительно параметров и переменных;

• рассмотреть модель в динамике.

Типы моделей в эконометрике:

1. регрессионная модель с 1 уравнением. В таких моделях зависимая (объясняемая) переменная y пред­ставляется в виде функции f(x, β) = f (x₁,..., x_k, β₁,...,β_p), где x₁,..., x_k - независимые (объясняющие) переменные, а β₁,...,β_p - параметры. В зависимости от вида функции f(x, β) модели делятся на линейные и нелинейные. Например, можно ис­следовать спрос на мороженое как функцию от времени, темпера­туры воздуха, среднего уровня доходов или зависимость зарплаты от возраста, пола, уровня образования, стажа работы и т. п. Область применения таких моделей, даже линейных, значи­тельно шире, чем моделей временных рядов.

2. модель временных рядов. К этому классу относятся модели:

a) тренда: у(t) = Т(t) + ε_t, где Т(t) - временной тренд заданного параметрического вида (например, линейный Т(t) = а + bt), ε_t - случайная (стохастиче­ская) компонента;

b) сезонности: у(t) = S(t) + ε_t, где S(t) - периодическая (сезонная) компонента, ε_t - случайная (стохастическая) компонента;

c) тренда и сезонности: у(t} = Т(t) + S(t) + ε_t (аддитивная) или

у(t) =Т(t)*S(t)+ ε_t (мультипликативная), где Т(t) - временной тренд заданного параметрического вида, S(t) - периодическая (сезонная) компонента, ε_t - случайная (стохастическая) компонента.

К моделям временных рядов относится множество более слож­ных моделей, таких, как модели адаптивного прогноза, модели авторегрессии и скользящего среднего (АRIМА) и др. Их об­щей чертой является то, что они объясняют поведение временного _ ряда исходя только из его предыдущих значений. Такие модели могут применяться, например, для изучения и прогнозирования объема продаж авиабилетов, спроса на мороженое, краткосроч­ного прогноза процентных ставок и т. п.

3. система одновременных уравнений. Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из ко­торых может, кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы. Таким образом, мы имеем здесь набор объясняемых переменных, связанных через уравнения системы. Системы одно­временных уравнений требуют относительно более сложный ма­тематический аппарат. Они могут использоваться для моделей страновой экономики и др.

Типы данных:

- пространственные данные (примеры: набор сведений (объем производства, количество работников, доход и др.) по разным фирмам в один и тот же момент времени (про­странственный срез).

- временные ряды (примеры: ежеквартальные данные по инфляции, средней заработной плате, национальному доходу, денежной эмиссии за последние годы).

Отличительной чертой временных данных является то, что они естественным образом упорядочены по времени, кроме того, наблюдения в близкие моменты времени часто бывают зависимыми.