что не является основанием эконометрики
Тест по предмету «Эконометрика» с ответами
Нет времени или сил пройти тест онлайн? Поможем сдать тест дистанционно для любого учебного заведения: подробности.
Вопрос 1. Статистической зависимостью называется …
Вопрос 2. Универсальным способом задания случайной величины Х является задание ее … распределения
Вопрос 3. Дискретной называется случайная величина, …
Вопрос 4. Выборочная средняя является …
Вопрос 5. Выборочная дисперсия является …
Вопрос 6. В модели парной линейной регрессии величина У является …
Вопрос 8. Предположение о нормальности распределения случайного члена необходимо для …
Вопрос 9. Эконометрика – наука, изучающая …
Вопрос 10. M(X) и D(X) – это …
Вопрос 11. Для разных выборок, взятых из одной и той же генеральной совокупности, выборочные средние …
Вопрос 12. Стандартными уровнями значимости являются …% и …% уровни
Вопрос 13. Если наблюдаемое значение критерия больше критического значения, то гипотеза …
Вопрос 14. Величина var(y) – это дисперсия значений … переменной
Вопрос 15. Коэффициентом детерминации R2 характеризуют долю вариации переменной … с помощью уравнения регрессии
Вопрос 16. Пространственные данные – это данные, полученные от … моменту (ам) времени
Вопрос 17. При идентификации модели производится … модели
Вопрос 18. Геометрически, математическое ожидание случайной величины – это … распределения
Вопрос 19. Если случайные величины Х, У независимы, то …
Вопрос 20. Если случайные величины независимы, то теоретическая ковариация …
Вопрос 21. Некоррелированность случайных величин означает …
Вопрос 22. Коэффициенты регрессии (а, b) в выборочном уравнении регрессии определяются методом (ами) …
Вопрос 23. Коэффициент регрессии b показывает …
Что не является основанием эконометрики
Сборник итоговых тестов по теме Эконометрика с ответами
Правильный вариант ответа отмечен знаком +
1. Что является предметом изучения эконометрики?
— Количественная сторона экономических процессов и явлений
+ Массовые экономические процессы и явления
— Система внутренних связей между явлениями национальной экономики
2. Гетероскедастичность – это в эконометрике термин, обозначающий:
+ Неоднородность наблюдений, которая выражается в непостоянной (неодинаковой) дисперсии случайной ошибки эконометрической (регрессионной) модели
— Однородную вариантность значений наблюдений, которая выражена в относительной стабильности, гомогенности дисперсии случайной ошибки эконометрической (регрессионной) модели
— Меру разброса значений случайной величины относительно ее математического ожидания
3. Мультиколлинеарность – это в эконометрике термин, обозначающий:
— Метод, позволяющий оценить параметры модели, опираясь на случайные выборки
— Статистическую зависимость между последовательными элементами одного ряда, которые взяты со сдвигом
+ Наличие линейной зависимости между факторами (объясняющими переменными) регрессионной модели
4. Теорема Гаусса-Маркова в эконометрике опирается на:
+ Метод наименьших квадратов
— Метод наименьших модулей
— Метод инструментальных переменных
5. Эконометрика – это наука, которая изучает:
— Структуру, порядок и отношения, сложившиеся на основе операций подсчета, измерения и описания формы объектов
— Возможности применения методов математики для решения экономических задач
+ Количественные и качественные экономические взаимосвязи, и взаимозависимости, опираясь на методы и модели математики и статистики
6. Коэффициент эластичности (формула в общем виде) в эконометрике имеет вид:
+
—
—
7. Модели временных рядов в эконометрике – это модели:
— Которые используются для того, чтобы определить, как себя будет вести тот или иной фактор в течение определенного промежутка времени
— Которые позволяют максимально точно рассчитать период времени, требующийся для того, чтобы значение фактора изменилось на значимую величину
+ Для построения которых используются данные, характеризующие один объект за несколько последовательных периодов
8. Метод наименьших квадратов в эконометрике – это метод:
— Который используется для расчета наименьших отклонений случайных величин, влияющих на конечный результат
+ Который позволяет решать задачи, опираясь на минимизацию суммы квадратов отклонений некоторых функций от искомых переменных
— Который позволяет оценить значение неизвестного параметра, минимизируя значение функции правдоподобия
9. Линейный коэффициент корреляции в эконометрике выражается формулой:
—
+
—
тест 10. Истинный коэффициент детерминации в эконометрике выражается формулой:
—
—
+
11. Модели в эконометрике – это:
+ Средство прогнозирования значений определенных переменных
— Экономические и статистические зависимости, выраженные математическим языком
— Данные одного типа, сгруппированные определенным образом
12. Какие существуют типы данных в эконометрике?
— Определенные, неопределенные, качественные, количественные
+ Пространственные, временные, панельные
13. Зависимая переменная в эконометрике – это:
— Параметр, состоящий из случайной и неслучайной величин
+ Некоторая переменная регрессионной модели, которая является функцией регрессии с точностью до случайного возмущения
— Переменная, которая получается путем перевода качественных характеристик в количественные, т.е. путем присвоения цифровой метки
14. Какова цель эконометрики?
— Поиск, трактовка (с использованием математического инструментария) и систематизация факторов, которые влияют на поведение экономического объекта
— Выявление качественных и количественных связей между характеристиками экономических объектов с целью построить экономическую модель их развития
+ Разработка инструментов для прогнозирования поведения экономического объекта в различных ситуациях и на их базе решение практических задач по управлению объектом, выбору поведения в сложившихся экономических условиях и т.д.
15. Что представляет собой выборочная дисперсия?
+ Несмещенную оценку генеральной дисперсии
— Смещенную оценку генеральной дисперсии
— Смещенную оценку моды
16. Какие приемы используют для идентификации модели?
— Проверка адекватности, статистический анализ
+ Оценка параметров, статистический анализ
— Расчет математических ожиданий, проверка адекватности
17. Предельно допустимое значение средней ошибки аппроксимации составляет … %.
18. Какие существуют типы переменных в эконометрике?
+ Предопределенные, экзогенные, эндогенные
— Пространственные, временные, панельные
19. Назовите ученого, который ввел термин «эконометрика».
тест_20. Какой показатель измеряет тесноту статистической связи между переменной и объясняющими переменными?
21. Укажите, какими способами оценивают параметры линейной регрессии:
— Дисперсия, метод наименьших квадратов, математическое ожидание
+ Дисперсия, математическое ожидание, ковариация, среднеквадратичное отклонение
— Математическое ожидание, регрессия, медиана
22. Критические значения статистики Дарбина-Уотсона зависят от следующих факторов:
+ Количество наблюдений в выборке и число объясняющих переменных
— Число объясняющих переменных и конкретные значения переменных
— Количество наблюдений в выборке и конкретные значения переменных
23. Для установления влияния какого-либо события на коэффициент линейной регрессии при не фиктивной переменной в модель включают:
— Фиктивную переменную взаимодействия
+ Фиктивную переменную для коэффициента наклона
24. Случайная величина, принимающая отдельные, изолированные друг от друга значения – это:
25. Перечислите этапы построения эконометрической модели:
— Априорный, контекстный, информационный, аналитический, прогностический, идентификация модели
— Постановочный, контекстный, информационный, аналитический, идентификация модели, параметризация модели
+ Постановочный, априорный, параметризация, информационный, идентификация модели, верификация модели
26. Эндогенные переменные – это переменные:
— Внешние, задаваемые вне социально-экономической модели и не зависящие от ее состояния
+ Внутренние, сформированные в результате функционирования социально-экономической системы
— Которые постоянно изменяются
27. Что представляет собой априорный этап построения эконометрической модели?
+ Предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации
— Сбор и регистрация информации об участвующих в модели факторах и показателях
— Независимое оценивание значений участвующих в модели факторах и показателях
28. Если увеличить размер выборки, то оценка математического ожидания:
— Станет менее точной
+ Станет более точной
тест № 29. Ситуация, при которой нулевая гипотеза была опровергнута, хотя и являлась истинной, называется:
30. Если предположение о природе гетероскедастичности верно, то дисперсия случайного члена для первых наблюдений в упорядоченном ряду будет … для последних.
Эконометрика
Эконометрика — это наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей. Эконометрические методы — это прежде всего методы статистического анализа конкретных экономических данных. В настоящее время, естественно, с помощью компьютеров, хотя начиналась эконометрика в докомпьютерную эру.
Содержание
Проблемы исторического развития эконометрики
Эконометрика сегодня
Статистические (эконометрические) методы используются в зарубежных и отечественных экономических и технико-экономических исследованиях, работах по управлению (менеджменту). Применение прикладной статистики и других статистических методовдаетзаметный экономический эффект. Например, в США — не менее 20 миллиардов долларов ежегодно только в области статистического контроля качества. В 1988 г. затраты на статистический анализ данных в нашей стране оценивались в 2 миллиарда рублей ежегодно [1]. Согласно расчетам сравнительной стоимости валют на основе потребительских паритетов, эту величину можно сопоставить с 2 миллиардами долларов США. Следовательно, объем отечественного «рынка статистических и эконометрических услуг» был на порядок меньше, чем в США, что совпадает с оценками и по другим показателям, например, по числу специалистов. Публикации по новым статистическим методам, по их применениям в технико-экономических исследованиях, в инженерном деле постоянно появляются, например, в журнале «Заводская лаборатория», в секции «Математические методы исследования». Надо назвать также журналы «Автоматика и телемеханика» (издается Институтом проблем управления Российской академии наук), «Экономика и математические методы» (издается Центральным экономико-математическим институтом РАН). Однако необходимо констатировать, что для большинства менеджеров, экономистов и инженеров эконометрика является экзотикой. Это объясняется тем, что в вузах современным статистическим методам почти не учат. Во всяком случае, по состоянию на 2001 г. каждый квалифицированный специалист в этой области — самоучка. Этому выводу не мешает то, что в вузовских программах обычно есть два курса, связанных со статистическими методами. Один из них — «Теория вероятностей и математическая статистика». Этот небольшой курс читают специалисты с математических кафедр и успевают дать лишь общее представление об основных понятиях математической статистики. Кроме того, внимание математиков обычно сосредоточено на внутриматематических проблемах, их больше интересует доказательства теорем, а не применение современных статистических методов в задачах экономики и менеджмента. Другой курс — «Статистика» или «Общая теория статистики», входящий в стандартный блок экономических дисциплин. Его читают экономисты, не всегда хорошо подкованные в математике. Фактически он является введением в прикладную статистику и содержит первые начала эконометрических методов (по состоянию на 1900 г.). Учебники по «Общей теории статистики» являются неисчерпаемой копилкой математико-статистических ошибок, они порождают поток публикаций, разоблачающих эти ошибки (см., например, [2]). Ничего удивительного в этом нет — такие учебники писали и пишут высококвалифицированные в своей области экономисты, однако они, как правило, плохо знают математику.
Эконометрика = экономика + метрика
Сначала необходимо выяснить, что обычно понимают под эконометрикой. Затем обсудим современное состояние эконометрики как научно-практической дисциплины.
Однако в нашей стране по ряду причин эконометрика не была сформирована как самостоятельное направление научной и практической деятельности, в отличие, например, от Польши, которая стараниями О.Ланге и его коллег покрыта сетью эконометрических «институтов» (в российской терминологии — кафедр вузов). В настоящее время в России начинают развертываться эконометрические исследования, в частности, начинается широкое преподавание этой дисциплины.
Кратко рассмотрим современную структуру эконометрики. Знакомство с ней необходимо для обоснованных суждений о возможностях применения эконометрических методов и моделей в экономических и технико-экономических исследованиях.
Структура эконометрики
В эконометрике, как дисциплине на стыке экономики (включая менеджмент ) и статистического анализа, естественно выделить три вида научной и прикладной деятельности (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы): а) разработка и исследование эконометрических методов (методов прикладной статистики) с учетом специфики экономических данных;
б) разработка и исследование эконометрических моделей в соответствии с конкретными потребностями экономической науки и практики;
в) применение эконометрических методов и моделей для статистического анализа конкретных экономических данных.
Кратко рассмотрим три только что выделенных вида научной и прикладной деятельности. По мере движения от а) к в) сужается широта области применения конкретного эконометрического метода, но при этом повышается его значение для анализа конкретной экономической ситуации. Если работам вида а) соответствуют научные результаты, значимость которых оценивается по общеэконометрическим критериям, то для работ вида в) основное — успешное решение задач конкретной области экономики. Работы вида б) занимают промежуточное положение, поскольку, с одной стороны, теоретическое изучение эконометрических моделей может быть весьма сложным и математизированным (см., например, монографию [5]), с другой — результаты представляют интерес не для всей экономической науки, а лишь для некоторого направления в ней.
Прикладная статистика — другая область знаний, чем математическая статистика. Это четко проявляется и при преподавании. Курс математической статистики состоит в основном из доказательств теорем, как и соответствующие учебные пособия. В курсах прикладной статистики и эконометрики основное — методология анализа данных и алгоритмы расчетов, а теоремы приводятся как обоснования этих алгоритмов, доказательства же, как правило, опускаются (их можно найти в научной литературе).
Внутренняя структура статистики как науки была выявлена и обоснована при создании в 1990 г. Всесоюзной статистической ассоциации (см., например, статью [6]). Прикладная статистика — методическая дисциплина, являющаяся центром статистики. При применении к конкретным областям знаний и отраслям народного хозяйства получаем научно-практические дисциплины типа «статистика в промышленности», «статистика в медицине» и др. С этой точки зрения эконометрика — это «статистические методы в экономике».
Математическая статистика играет роль математического фундамента для прикладной статистики. К настоящему времени очевидно четко выраженное размежевание этих двух научных направлений. Математическая статистика исходит из сформулированных в 1930-50 гг. постановок математических задач, происхождение которых связано с анализом статистических данных. В настоящее время исследования по математической статистике посвящены обобщению и дальнейшему математическому изучению этих задач. Поток новых математических результатов (теорем) не ослабевает, но новые практические рекомендации по обработке статистических данных при этом не появляются. Можно сказать, что математическая статистика как научное направление замкнулась внутри себя.
Рассматриваемое соотношение математической и прикладной статистик отнюдь не являются исключением. Как правило, математические дисциплины проходят в своем развитии ряд этапов.
Вначале в какой-либо прикладной области возникает необходимость в применении математических методов и накапливаются соответствующие эмпирические приемы (для геометрии это — «измерение земли» в т. н. Древнем Египте ).
Затем возникает математическая дисциплина со своей аксиоматикой (для геометрии это — время Евклида ).
Следом идет внутриматематическое развитие и преподавание (считается, что большинство результатов элементарной геометрии получено учителями гимназий в XIX в.). При этом на запросы исходной прикладной области перестают обращать внимание, и та порождает новые научные дисциплины (сейчас «измерением земли» занимается не геометрия, а геодезия и картография).
Затем научный интерес к исходной дисциплине иссякает, но преподавание по традиции продолжается (элементарная геометрия до сих пор изучается в средней школе, хотя трудно понять, в каких практических задачах может понадобиться, например, теорема о том, что высоты треугольника пересекаются в одной точке).
Следующий этап — окончательное вытеснение дисциплины из реальной жизни в историю науки (объем преподавания элементарной геометрии в настоящее время постепенно сокращается, в частности, ей все меньше уделяется внимания на вступительных экзаменах в вузах).
К интеллектуальным дисциплинам, закончившим свой жизненный путь, относится средневековая схоластика. Как отмечает проф. МГУ им. М. В. Ломоносова В. Н. Тутубалин [7], теория вероятностей и математическая статистика успешно двигаются по ее пути — вслед за элементарной геометрией.
Подведем итог. Хотя статистические данные собираются и анализируются с незапамятных времен (см., например, Книгу Чисел в Ветхом Завете), современная математическая статистика как наука была создана, по общему мнению специалистов, сравнительно недавно — в первой половине ХХ в. Именно тогда были разработаны основные идеи и получены результаты, излагаемые ныне в учебных курсах математической статистики. После чего специалисты по математической статистике занялись внутриматематическими проблемами, а для теоретического обслуживания проблем практического анализа статистических данных стала формироваться новая дисциплина — прикладная статистика. (Ее центральным печатным органом в нашей стране является упомянутая выше секция «Математические методы исследования» журнала «Заводская лаборатория», где за последние 30 лет опубликовано более 1000 статей по прикладной статистике.)
Специфика экономических данных
Для анализа экономических данных могут применяться все разделы прикладной статистики, а именно:
статистика случайных величин ;
многомерный статистический анализ ;
статистика временных рядов и случайных процессов ;
Как и для применений статистических методов в иных областях, в эконометрике решаются задачи описания данных (в том числе усреднения), оценивания, проверки гипотез, восстановления зависимостей, классификации объектов и признаков, прогнозирования, принятия статистических решений и др.
Однако в некоторых отношениях экономические данные отличаются от технических или астрономических, и эти отличия необходимо учитывать при выборе методов анализа конкретных экономических данных.
Многие экономические показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами. А вот нормальные распределения принципиально не подходят, поскольку для них вероятность отрицательных значений всегда положительна.
Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом в одних задачах больше внимания уделяют изучению трендов (средних значений, математических ожиданий), например, при анализе динамики цен. В других же — важны отклонения от средней тенденции, например, при применении контрольных карт (карт Шухарта, кумулятивных сумм и др.). Однако в целом спектральный анализ и выделение различных периодов, циклов и типов волн менее распространены, чем, скажем, в биометрике и медицине.
В экономике доля нечисловых данных существенно выше, чем в технике и технологии, соответственно больше применений для статистики объектов нечисловой природы (ниже разберем это утверждение подробнее).
Количество изучаемых объектов в экономическом исследовании часто ограничено в принципе, поэтому обоснование вероятностных моделей в ряде случаев затруднено. Уникальные объекты, например, город Москва, трудно рассматривать как элемент выборки из генеральной совокупности с каким-то определенным распределением, поскольку подобное рассмотрение противоречит здравому смыслу. Вспоминается давняя обложка журнала «Крокодил», на которой изображены два хозяйственника с монетой в руках: «Если упадет орлом, будем строить завод, если решкой — не будем». Подобная рандомизация решений выглядит бессмысленной при принятии ровно одного решения, однако при контроле качества в массовом производстве такой подход оправдан.
Итак, специфика эконометрики проявляется не в перечне применяемых для анализа конкретных экономических данных статистических методов, а в частоте использования тех или иных методов.
Нечисловые экономические величины
Еще более размыты обобщенные макроэкономические показатели типа « валового внутреннего продукта » (ВВП), особенно при их сравнении по годам и странам. По мнению известного экономиста О.Моргенштерна [12] подобные макроэкономические показатели могут быть определены лишь с точностью 5-10 %. Однако, если пользоваться одной и той же методикой расчета, то можно заметить и изменения в 0,1 %. Проблема в том, что сама методика может вызывать сомнения. Например, по применяемой Росстатом « системе национальных счетов » банковские услуги составляют 13 % ВВП. С точки зрения здравого смысла это — абсурдно высокая величина. Она объясняется тем, что, например, выдача кредита в 1 миллион рублей рассматривается как услуга стоимостью в 1 миллион рублей, эквивалентная выпечке и продаже 150 000 батонов хлеба. При всей высокой оценке тяжкого труда банковских боссов, клерков и охранников трудозатраты крестьян, мукомолов, пекарей, транспортников и продавцов 150 000 батонов хлеба, очевидно, несоизмеримо выше.
Внутренняя норма доходности IRR — это значение постоянного дисконт-фактора q, при котором NPV как функция q обращается в 0. К сожалению, как хорошо известно, при «неудачном» распределении поступлений и платежей уравнение NPV(q) = 0 может иметь не одно, а много решений. В литературе указывают и некоторые иные причины, по которым IRR нецелесообразно использовать для сравнения потоков платежей. Кроме того, в случае IRR имеются те же источники неопределенности, что и для NPV — размытость дисконт-фактора, моментов и величин поступлений и платежей. Эта размытость приводит к необходимости рассматривать IRR как интервал, а при непустоте пересечения интервалов, соответствующих двум инвестиционным проектам, сравнение этих проектов сводится к утверждению об их равноценности.
Итак, рассмотренные характеристики инвестиционных проектов NPV и IRR, как и любые иные, имеют неустранимые неопределенности. Игнорировать это объективное обстоятельство, завышать точность экономических расчетов — это значит обманываться самому либо вводить в заблуждение заказчиков расчетов.
Как же поступать при анализе инвестиционных проектов? Рассмотрим два корректных подхода к такому анализу. Во-первых, можно постараться явным образом учесть имеющиеся неопределенности (в том числе перечисленные выше) и применить те или иные способы анализа неопределенных величин, в частности, разработанные в теории нечеткости и в статистике объектов нечисловой природы (см., например, монографии [5,10]). Другими словами, требуется более тщательный экономико-математический анализ ситуации, предполагающий построение соответствующих эконометрических моделей, разработку и/или применение необходимого программного обеспечения. А для этого нужны обученные кадры, время и деньги.
Статистика интервальных данных — научное направление на стыке метрологии и математической статистики
В статистике интервальных данных (СИД) элементами выборки являются не числа, а интервалы, в частности, порожденные наложением ошибок измерения на значения случайных величин. Подробнее этот сравнительно новый, но весьма перспективный раздел эконометрики рассмотрим в главе 9. Здесь дадим лишь общее представление о статистике интервальных данных в сравнении с классической математической статистикой. Прежде всего отметим, что СИД входит в теорию устойчивости (робастности) статистических процедур и примыкает к интервальной математике. В СИД 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 др. Основная идея СИД является общеинженерной — каждая величина должна приводиться вместе с погрешностью ее определения. К сожалению, эта идея еще не стала общеэкономической.
Рассмотрим развитие в течение последних 15 лет асимптотических методов статистического анализа интервальных данных при больших объемах выборок и малых погрешностях измерений. В отличие от классической математической статистики, сначала устремляется к бесконечности объем выборки и только потом — уменьшаются до нуля погрешности. Разработана общая схема исследования, включающая расчет двух основных характеристик — нотны (максимально возможного отклонения статистики, вызванного интервальностью исходных данных) и рационального объема выборки (превышение которого не дает существенного повышения точности оценивания и статистических выводов, связанных с проверкой гипотез). Она применена к оцениванию математического ожидания и дисперсии, медианы и коэффициента вариации, параметров гамма-распределения в ГОСТ 11.011-83 и характеристик аддитивных статистик, для проверки гипотез о параметрах нормального распределения, в том числе с помощью критерия Стьюдента, а также гипотезы однородности двух выборок по критерию Смирнова, и т. д.. Разработаны подходы к учету интервальной неопределенности в основных постановках регрессионного, дискриминантного и кластерного анализов.
Многие утверждения СИД отличаются от аналогов из классической математической статистики. В частности, не существует состоятельных оценок: средний квадрат ошибки оценки, как правило, асимптотически равен сумме дисперсии этой оценки, рассчитанной согласно классической теории, и квадрата нотны. Метод моментов иногда оказывается точнее метода максимального правдоподобия (см. ГОСТ 11.011-83). Нецелесообразно с целью повышения точности выводов увеличивать объем выборки сверх некоторого предела. В СИД классические доверительные интервалы должны быть расширены вправо и влево на величину нотны, и длина их не стремится к 0 при росте объема выборки.
СИД позволяет снять некоторые противоречия между метрологией и классической математической статистикой. Например, вторая из названных дисциплин утверждает, что путем увеличения числа измерений можно сколь угодно точно оценить параметр, а первая вполне справедливо оспаривает это утверждение. Результаты СИД уточняют интуитивные представления метрологов (которые сосредотачивались, впрочем, вокруг весьма частного с точки зрения эконометрики вопроса — оценивания математического ожидания) и развенчивают «гордыню» математической статистики.
Эконометрические модели
Статистические и математические модели экономических явлений и процессов определяются спецификой той или иной области экономических исследований. Так, в экономике качества модели, на которых основаны статистические методы сертификации и управления качеством — модели статистического приемочного контроля, статистического контроля (статистического регулирования) технологических процессов (обычно с помощью контрольных карт Шухарта или кумулятивных контрольных карт), планирования экспериментов, оценки и контроля надежности и другие — используют как технические, так и экономические характеристики, а потому относятся к эконометрике, равно как и многие модели теории массового обслуживания (теории очередей). Экономический эффект только от использования статистического контроля в промышленности США оценивается как 0,8 % валового национального продукта (20 миллиардов долларов в год), что существенно больше, чем от любого иного экономико-математического или эконометрического метода.
К эконометрике качества относятся многие публикации научно-технического журнал «Заводская лаборатория (диагностика материалов)». Этот журнал посвящен аналитической химии, физическим, математическим и механическим методам исследования, а также сертификации материалов. Он создан в 1932 г. и адресован специалистам черной и цветной металлургии, химической промышленности и др. Кроме сотрудников центральных заводских лабораторий, служб качества, надежности и других заводских подразделений, он ориентирован в основном на работников прикладных научно-исследовательских организаций. Сейчас журнал базируется в Институте металлургии им. А. А. Байкова Российской академии наук. С 60-х годов в нем действует секция редколлегии «Математические методы исследования», отвечающая за публикацию статей по статистическим методам в промышленности, в частности, в метрологии, диагностике материалов, стандартизации, управлении качеством и сертификации. Технические и экономические вопросы обычно рассматриваются в неразрывном единстве. С рассматриваемой тематикой должен быть знаком каждый специалист по эконометрике, а также по экономике и организации производства.
Ввиду важности статистических методов в стандартизации и управления качеством в СССР с начала 70-х годов разрабатывались государственные стандарты по статистическим методам в рассматриваемой области. По мнению ряда специалистов, из-за неграмотности разработчиков государственные стандарты содержали многочисленные ошибки. Для анализа ситуации в 1985 г. была организована т. н. Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам. В этот научный коллектив входили 66 научных работников и специалистов из различных отраслей народного хозяйства и вузов, в том числе более 20 докторов наук. Оказалось, что существенная часть стандартов по статистическим методам действительно содержала грубые ошибки. Основная часть ошибочных стандартов была отменена, некоторые действуют до сих пор. Затем с целью исправления положения был организован Всесоюзный центр по статистическим методам и информатике (ныне — Институт высоких статистических технологий и эконометрики МГТУ им. Н. Э. Баумана), который разработал около 30 компьютерных систем по современным статистическим методам управления качеством. Наибольшее распространение получила система НАДИС (НАДежность и ИСпытания), созданная под руководством проф. О. И. Тескина (МГТУ им. Н. Э. Баумана). Итоги описанного направления работ подведены в журнале «Заводская лаборатория» в статье [8].
Работы по эконометрическим моделям статистического контроля постоянно публикуются в «Заводской лаборатории». Эти модели мы рассмотрим в главе 13. Рассмотрим здесь только одну конкретную рекомендацию, основанную на сравнении по экономическим показателям различных схем организации контроля и технического обслуживания. Этот подход приводит к принципиальному изменению технико-экономической политики при контроле качества. Он позволяет «снять» парадокс классической теории статистического контроля — чем выше достигнутый уровень качества, тем больше необходимый объем контроля. Предлагаемый выход состоит в переходе к расширению возможностей менеджера при выборе технической политики на основе учета экономических рисков. «Перекладывание» контроля на потребителя может быть экономически выгодно, если производитель организовал защиту от риска методом пополнения партий (путем включение запасных изделий) или путем развития технического обслуживания, позволяющего быстро заменять дефектное изделие.
Другой важный раздел эконометрики — теория и практика экспертных оценок. Экспертные оценки используют для решения ряда экономических задач, например, выбора оптимального направления инвестиций, или наилучшего образца определенного вида продукции для организации массового выпуска, или при прогнозировании развития экономической ситуации, или при распределении финансирования… Следовательно, используемые в теории экспертных оценок модели [ являются эконометрическими.
Менее полезными практически (с точки зрения достигаемого экономического эффекта), но более известными в теоретических и учебных публикациях являются различные эконометрические модели, предназначенные для прогнозирования макроэкономических показателей. Это обычно модели весьма частного вида, имеющие целью прогнозирование многомерного временного ряда. Они представляют собой систему линейных зависимостей между прошлыми и настоящими значениями переменных. В таких задачах оценивают как структуру модели, то есть вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент (то есть проводят т. н. идентификацию модели), так и коэффициенты, входящие в эту зависимость. Структура такой модели — объект нечисловой природы, что и объясняет сложность соответствующей теории.
Каждой области экономических исследований, связанной с анализом эмпирических данных, как правило, соответствуют свои эконометрические модели. Например, для моделирования процессов налогообложения с целью оценки результатов применения управляющих воздействий (например, изменения ставок налогов) на процессы налогообложения должен быть разработан комплекс соответствующих эконометрических моделей. Кроме системы уравнений, описывающей динамику системы налогообложения под влиянием общей экономической ситуации, управляющих воздействий и случайных отклонений, необходим блок экспертных оценок. Полезен блок статистического контроля, включающий как методы выборочного контроля правильности уплаты налогов (налогового аудита), так и блок выявления резких отклонений параметров, описывающих работу налоговых служб. Подходам к проблеме математического моделирования процессов налогообложения посвящена монография [13], содержащая также информацию о современных статистических (эконометрических) методах и экономико-математических моделях, в том числе имитационных.
С помощью эконометрических методов следует оценивать различные величины и зависимости, используемые при построении имитационных моделей процессов налогообложения, в частности, функции распределения предприятий по различным параметрам налоговой базы. При анализе потоков платежей необходимо использовать эконометрические модели инфляционных процессов, поскольку без оценки индекса инфляции невозможно вычислить дисконт-функцию, а потому нельзя установить реальное соотношение авансовых и «итоговых» платежей. Прогнозирование сбора налогов может осуществляться с помощью системы временных рядов — на первом этапе по каждому одномерному параметру отдельно, а затем — с помощью некоторой линейной эконометрической системы уравнений, дающей возможность прогнозировать векторный параметр с учетом связей между координатами и лагов, то есть влияния значений переменных в определенные прошлые моменты времени. Возможно, более полезными окажутся имитационные модели более общего вида, основанные на интенсивном использовании современной вычислительной техники.
Применения эконометрических методов
Эконометрика не так сильно оторвалась от реальных задач, как математическая статистика, специалисты в области которой зачастую ограничиваются доказательством теорем, не утруждая себя вопросом о том, для решения каких практических задач эти теоремы могут быть нужны. Поэтому эконометрические модели обычно доводятся «до числа», то есть применяются для обработки конкретных эмпирических данных. Так, эконометрические методы нужны для оценки параметров экономико-математических моделей, например, моделей логистики (в частности, управления запасами [5]).
Приведение к сопоставимым ценам — составная часть любого экономического расчета, связанного более чем с одним моментом времени. Как показали наши наблюдения над ценами, использование публикуемых Госкомстатом РФ значений индексов инфляции приводит к систематическим ошибкам. Так, по нашим данным цены за 5 лет (с декабря 1990 г. по декабрь 1995 г.) выросли в среднем в 9989 раз, а по данным Госкомстата РФ — в 4700 раз. Различие — в 2 раза! Оно сохраняется и в настоящее время. Сказанное определяет актуальность использования независимой информации о ценах и индексах инфляции при анализе экономического положения российских предприятий и граждан России.
В частности, инфляцию необходимо учитывать при анализе результатов финансовой деятельности предприятий и их подразделений за год или более длительные интервалы времени. Постепенно эта простая мысль становится все более близкой специалистам в указанной области, хотя до сих пор в большинстве случаев оперируют номинальными значениями, как будто инфляция полностью отсутствует.
Эконометрические методы следует использовать как составную часть научного инструментария практически любого технико-экономического исследования. Оценка точности и стабильности технологических процессов, разработка адекватных методов статистического приемочного контроля и статистического контроля технологических процессов, оптимизация выхода полезного продукта методами планирования экстремального эксперимента в химико-технологических системах, повышение качества и надежности изделий, сертификация продукции, диагностика материалов, изучение предпочтений потребителей в маркетинговых исследованиях, применение современных методов экспертных оценок в задачах принятия решений, в частности, в стратегическом, инновационном, инвестиционном менеджменте, при прогнозировании — везде полезна эконометрика.
Эконометрика как область научно-практической деятельности
Подводя итоги сказанному выше, обратимся к вопросам подготовки кадров в области эконометрики. В настоящее время в классификаторах специальностей научных работников и специальностей, по которым идет подготовка студентов, эконометрика не представлена вообще, а статистика — двумя отдельными позициями: в специальности «теория вероятностей и математическая статистика» как часть математики и как одна из экономических специальностей. Такие практически важные области, как статистические методы в промышленности, в частности, статистические методы управления качеством и надежностью (то есть обеспечения, повышения качества промышленной продукции), технической диагностики, планирования эксперимента, а татавлены в рассматриваемых классификаторах. Можно сказать, что они существуют нелегально, потому что, например, научным работникам при защите диссертаций приходится «маскироваться» под другие специальности.
Поскольку кадры по статистическим методам и эконометрике не готовятся, то каждый специалист — самоучка, то общее их число на порядок меньше, чем в Великобритании. США и других странах, в которых науки «эконометрика» и «статистика» рассматривается в одном ряду с такими общепризнанными науками, как математикой, физикой, химией, биологией и др. Разрыв между математической статистикой и статистикой как экономической дисциплиной обернулся тем, что математики «замкнулись в себе», доказывая теоремы на основе постановок 30-50 гг. и почти ничего не давая для анализа реальных данных, а экономисты, хотя и помещают математико-статистические методы в свои книги, но, не зная математики, дают непрекращающийся поток ошибок в учебниках.
Давно стало ясно, что положение в области статистических методов и эконометрики надо менять. В 1985-90 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики и эконометрики в нашей стране. В итоге в октябре 1990 г. создана Всесоюзная статистическая ассоциация (ВСА). Как единое целое ВСА после развала СССР перестала действовать, хотя де-юре продолжает существовать, поскольку решение о роспуске ВСА в соответствии с ее Уставом может принять только съезд ВСА. Такого съезда не было.
В соответствии с реальной структурой статистики ВСА делилась на четыре секции, а именно: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности (состояла из работников оборонной промышленности), 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состояла из работников Госкомстата, большинство членов второй и третьей занимаются научной и практической деятельностью, в том числе в социально-экономической области (в частности, ведут научные и практические работы по эконометрике), а четвертая состояла из преподавателей статистических дисциплин в рамках экономического образования. Вторая секция (во взаимодействии с третьей) «породила» в 1992 г. Российскую ассоциацию статистических методов, а в 1996 г. — Российскую академию статистических методов. В настоящее время эти структуры занимаются в основном поддержкой проведения научных исследований и публикацией их результатов.
По ряду исторических причин отечественная статистика расколота на кланы, практически не взаимодействующие друг с другом. Создание ВСА преследовало, в частности, цель налаживания контактов между секциями 1 и 4, с одной стороны, и секциями 2 и 3, с другой. К сожалению, в обстановке, наступившей с 1992 г., было не до перестройки теории статистики, ее применений и преподавания.
Однако необходимость налаживания контактов не отпала. Так, вряд ли можно считать допустимой ситуацию, когда практически в каждом учебнике по «общей теории статистики» даются абсолютно неверные рекомендации по применению критерия Колмогорова, используемого для проверки согласия эмпирического распределения с теоретическим [2]. Очевидно, необходимы постоянные контакты между специалистами по социально-экономическим применениям статистических методов, с одной стороны, и математической статистике, с другой стороны. Эконометрика находится именно на этом стыке.
Эконометрические методы в практической и учебной деятельности
Компьютер на рабочем месте менеджера, экономиста, инженера — уже реальность. Практическое применение эконометрических методов обычно осуществляется с помощью диалоговых систем, соответствующих решаемым экономическим и технико-экономическим задачам. Для конкретных наборов задач таких систем разработано уже много, некоторые перечислены в статье [8]. Создание подобных систем должны быть продолжено. Так, для налоговых служб должны быть подготовлены соответствующие оригинальные системы на базе действующих автоматизированных информационных систем (АИС).
Однако для того, чтобы грамотно применять компьютерную систему, надо иметь некоторые предварительные знания по эконометрике. В отсутствии подобных знаний у подавляющего большинства российских экономистов и инженеров, в том числе у менеджеров — директоров предприятий, государственных служащих, а также, например, у работников налоговых органов, — основная проблема. Лицо, ничего не знающее об эконометрике, не в состоянии понять, что эта научно-практическая дисциплина может помочь решить проблемы его организации, а потому ему и в голову не приходит пригласить бригаду эконометриков к сотрудничеству. Эта проблема наглядно выявилась в ходе работ Всесоюзного центра статистических методов и информатики (ныне — Институт высоких статистических технологий и эконометрики МГТУ им. Н. Э. Баумана). Центром был разработан широкий спектр программных систем по эконометрике. Однако число их продаж было явно неадекватно проведенным оценкам емкости рынка, то есть числу предприятий, которым были бы полезны эти системы. Это объяснялось попросту отсутствием на подавляющем числе предприятий специалистов, знакомых с эконометрическими методами хотя бы на том элементарном уровне, который позволяет понять, что им такие системы нужны. Например, нужны для того, чтобы обоснованно анализировать и выбирать планы статистического приемочного контроля, что необходимо делать практически на любом предприятии, независимо от отрасли и форм собственности. В любом договоре на поставку есть раздел «Правила приемки и методы контроля», и подготовлен он обычно отнюдь не на современном уровне. Если же на предприятии были квалифицированные специалисты, то они стремились расширить свой инструментарий за счет программных систем по эконометрике Всесоюзного центра статистических методов и информатики. Поэтому надо широко преподавать эконометрику. Без этого разработанные для нужд организаций и предприятий имитационные компьютерные модели на основе эконометрических методов останутся омертвленным капиталом, не будут грамотно использоваться.
Но не следует сосредотачиваться лишь на подготовке специалистов по разработке эконометрических методов, умеющих доказывать теоремы и писать программы. Прежде всего нужны пользователи, понимающие, для решения каких задач годится тот или иной эконометрический метод, какая нужна исходная информация, как интерпретировать выдаваемые компьютером результаты.
Современное обучение эконометрическим методам возможно лишь при использовании компьютерных систем статистического анализа, включающих, в частности, методы статистики объектов нечисловой природы и другие идеи последних десятилетий. Большой интерес у студентов вызывает использование конкретных эконометрических данных, например, таких: на июнь 2001 г. индекс инфляции составил, по нашим данным, более 42,5 (по сравнению с декабрем 1990 г.), следовательно, средняя начисленная зарплата по стране (2260 руб. в месяц) в ценах декабря 1990 г. равна 2260/42,5 = 53 руб.18 коп., то есть за 10,5 лет уменьшилась в 5,6 раз (в декабре 1990 г. средняя зарплата составляла 297 руб.). Прежняя минимальная зарплата в 70 руб. (декабрь 1990 г.) при индексации соответствует примерно 3000 руб., то есть заметно больше средней зарплаты июня 2001 г. Эконометрическому анализу инфляции посвящена глава 7 ниже.
Эконометрические методы — эффективный инструмент в работе менеджера и инженера, занимающегося конкретными проблемами, и задача высшей школы — дать его в руки выпускников экономических и технических специальностей. Кроме теоретических знаний, менеджеры и инженеры должны иметь практические инструменты — сделанные на основе современных достижений эконометрической науки компьютерные системы, предназначенные для анализа статистических данных и построения эконометрических моделей конкретных экономических и технико-экономических явлений и процессов.
Эконометрика — эффективный инструмент научного анализа и моделирования в руках квалифицированного менеджера, экономиста, инженера.
Литература
1. Комаров Д. М., Орлов А. И. Роль методологических исследований в разработке методоориентированных экспертных систем (на примере оптимизационных и статистических методов). — В сб.: Вопросы применения экспертных систем. — Минск: Центросистем, 1988. С.151-160.
2. Орлов А. И. Распространенная ошибка при использовании критериев Колмогорова и омега-квадрат. — Журнал « Заводская лаборатория». 1985. Т.51. № 1. С.60-62.
3. The teaching of statistics / Studies in mathematical education, vol.7. — Paris, UNESCO, 1991. — 258 pp.
4. Долан Э.Дж., Линдсей Д. Е. Рынок: микроэкономическая модель. — СПб: СП «Автокомп», 1992. — 496 с.
5. Орлов А. И. Устойчивость в социально-экономических моделях. — М.: Наука, 1979. — 296 с.
6. Орлов А. И. О перестройке статистической науки и её применений. — Журнал «Вестник статистики». 1990. No.1. С.65 — 71.
10. Орлов А. И. Задачи оптимизации и нечеткие переменные. — М.: Знание, 1980. −64 с.
11. Леонтьев В. Экономические эссе. Теория, исследования, факты и политика: Пер. с англ. — М.: Политиздат, 1990. — 415 с.
12. Моргенштерн О. О точности экономико-статистических наблюдений. — М.: Статистика, 1968. — 324 с.
14. Карминский А. М., Оленев Н. И., Примак А. Г., Фалько С. Г. Контроллинг в бизнесе. Методологические и практические основы построения контроллинга в организациях. — М.: Финансы и статистика, 1998. — 256 с.