Предмет, основные методы и задачи эконометрики

Дисперсия:

(9)

Дисперсия характеризует степень разброса данных относительно математического ожидания.

Следует отметить, что дисперсия еще не даёт представления об однородности выборки, по ней трудно дать экономическую интерпретацию, поскольку она рассчитывается в квадратных единицах. Поэтому при исследовании однородности совокупности рассчитывается среднеквадратическое отклонение, показывающее, насколько отклоняются конкретные данные от их среднего значения. Оно определяется как квадратный корень из дисперсии.

Среднеквадратическое отклонение:

(10)

Среднеквадратическое отклонение характеризует меру случайного рассеивания данных.

3.4 Графические методы анализа временных рядов Графические методы представления и анализа выборок позволяют лучше понять локализацию и концентрацию данных, а также их закон распределения. Табличное представление временного ряда и описательные статистики чаще всего не позволяют понять характер процесса, в то время как по графику временного ряда можно сделать довольно много выводов.

При анализе графиков можно достаточно уверенно определить:

наличие и характер тренда;

наличие сезонных и циклических компонент;

степень плавности или прерывистости изменений последовательных значений ряда после устранения тренда. По этому показателю можно судить о характере и величине корреляции между соседними элементами ряда.

Построение графика временного ряда на современном уровне анализа временных рядов предполагает использование компьютерных программ. Большинство статистических пакетов и электронных таблиц снабжено теми или иными методами настройки на оптимальное представление временного ряда, но даже при их использовании могут возникать различные проблемы отображения информации:

из-за ограниченности разрешающей способности мониторов;

из-за большого количества анализируемых рядов.

Иногда для улучшения воспроизведения длинных рядов используется децимация — прореживание ряда данных и отображение на графике каждой второй, пятой, десятой или иной точки временного ряда. Эта процедура позволяет сохранить целостное представление ряда и полезна для обнаружения трендов. На практике обычно используют как разбиение ряда на части, так и прореживание, так как они позволяют определить особенности поведения временного ряда.

Ещё одну проблему при воспроизведении графиков создают выбросы — наблюдения, в несколько раз отличающиеся по величине от большинства остальных значений ряда. Их присутствие тоже приводит к неразличимости колебаний временного ряда, так как меняется масштаб изображения выборки.

При анализе временных рядов часто используются вспомогательные графики для числовых характеристик ряда:

график выборочной автокорреляционной функции (коррелограмма) с доверительной зоной (трубкой) для нулевой автокорреляционной функции;

график выборочной частной автокорреляционной функции с доверительной зоной для нулевой частной автокорреляционной функции;

график периодограммы.

Первые два из этих графиков позволяют судить о связи (зависимости) соседних значений временного ряда, они используются при подборе параметрических моделей авторегрессии и скользящего среднего. График периодограммы позволяет судить о наличии гармонических составляющих во временном ряде.

В качестве примера приведу график выборки данных по содержанию кремния в чугуне на выпусках из доменной печи с линией тренда (рисунок 2).

Рисунок 2 — Выборка данных по содержанию кремния в чугуне на выпусках из доменной печи с линией тренда

3.5 Методы экспертных оценок Методы экспертных оценок — это методы организации работы со специалистами-экспертами и обработки мнений экспертов.

Экспертные оценки обычно выражены в количественной и в качественной форме. Подобные исследования проводятся с целью подготовки информации для процесса принятия решений ЛПР (ЛПР — лицо принимающее решение). При проведении исследований по методу экспертных оценок создаётся рабочая группа, которая по поручению ЛПР организует деятельность экспертов, объединённых в экспертную комиссию.

Различают экспертные оценки индивидуальные и коллективные. Индивидуальные оценки — это оценки одного специалиста. Коллективные оценки даёт множество специалистов.

Существует масса методов получения экспертных оценок. Один из наиболее известных методов экспертных оценок — это метод «Дельфи».

Метод «Дельфи» — это групповой метод, при котором проводится индивидуальный опрос группы экспертов относительно их предположений о будущих событиях в областях, где ожидаются новые открытия или усовершенствования. Метод «Дельфи» является наиболее формальным из всех методов экспертного прогнозирования и наиболее часто используется в технологическом прогнозировании. Опрос экспертов проводится анонимно с помощью специальных анкет, при этом исключаются личные контакты экспертов и коллективные обсуждения. Результаты опросов сопоставляются и обобщаются специальными работниками, результаты вновь направляются членам экспертной группы. На основе такой информации они, по-прежнему сохраняя анонимность, делают дальнейшие предположения, этот процесс может повторяться несколько раз, то есть применяется многоуровневая процедура опроса. Результаты используются в качестве прогноза после того, как начинает появляться совпадение мнений.

Достоинством метода «Дельфи» является использование в ходе опроса обратной связи, что в значительной мере повышает эффективность экспертных оценок. Но этот метод требует времени на реализацию всей своей многоэтапной процедуры.

Основные этапы процесса экспертного оценивания:

формирование цели и задачи экспертного оценивания;

формирование управленческой группы и оформление решения на экспертное оценивание;

выбор метода получения и обработки экспертной информации;

подбор экспертной группы и формирование анкет опроса;

экспертиза;

обработки и анализ результатов экспертизы;

интерпретация полученных данных;

составление отчёта.

Ещё одним методом экспертных оценок является метод сценариев, применяемый для экспертного прогнозирования.

Метод сценариев — это метод декомпозиции задачи прогнозирования, предусматривающий выделение набора отдельных вариантов развития событий (сценариев), в совокупности охватывающих все возможные варианты развития. Метод сценариев представляет собой набор правил изложения в письменном виде предположений специалистов по решаемой задаче. Сценарий — это документ, который содержит анализ проблемы и предложения по её решению, которые вначале пишутся индивидуально, а затем согласуются и оформляются в один отчёт. Каждый отдельный сценарий должен допускать возможность достаточно точного прогнозирования, а общее число сценариев должно быть обозримо, как и набор сценариев. Приходится исключать различные маловероятные события, например, падение крупного астероида, массовые эпидемии неизвестных болезней и т. д. Само создание набора сценариев — это предмет экспертного исследования. Кроме всего прочего, эксперты могут оценить вероятности реализации того или иного сценария.

Прогнозирование в рамках каждого конкретного сценария с целью получения ответов на интересующие исследователя вопросы также осуществляется в соответствии с описанной выше методологией прогнозирования. При стабильных условиях могут быть применены статистические методы прогнозирования временных рядов. Однако этому предшествует анализ с помощью экспертов, причём зачастую прогнозирование на словесном уровне является достаточным (для получения интересующих исследователя и ЛПР выводов) и не требующим количественного уточнения.

Основным преимуществом сценария является комплексный охват решаемой проблемы в доступной форме. К недостаткам относятся неоднозначность, нечёткость решаемых вопросов и недостаточная обоснованность отдельных решений.

Как известно, при принятии решений на основе анализа ситуации (как говорят, при ситуационном анализе), в том числе анализе результатов прогнозных исследований, можно исходить из различных критериев. Так, можно ориентироваться на то, что ситуация сложится наихудшим, или наилучшим, или средним (в каком-либо смысле) образом. Можно попытаться наметить мероприятия, обеспечивающие минимально допустимые полезные результаты при любом варианте развития ситуации, и т. д.

Метод «Мозговой атаки», известный также под названием коллективной генерации идей, мозгового штурма, дискуссионного метода, основан на свободном выдвижении идей, направленных на решение проблемы, из которых выбираются наиболее ценные.

Достоинством метода «Мозговой атаки» является высокая оперативность получения результатов, то есть требуемого решения. Основной недостаток — сложность организации экспертизы из необходимых специалистов.

Таким образом, при существовании значительного количества эконометрических методов определить действительно важные и необходимые в эконометрике методы представляется довольно трудным делом. Если считать, что большое количество экономических данных количественно отражает долговременную динамику процессов, то очень важными являются методы оценивания временных рядов данных, в том числе графические и методы прогнозирования. Применение методов анализа временных рядов в экономике позволяет сделать обоснованный прогноз изменения исследуемых показателей при определённых условиях и свойствах временного ряда. Немаловажны и методы экспертных оценок, применяемые тогда, когда невозможно, что называется, технически измерить некоторые нужные параметры, например, для принятия управленческих решений.

Заключение

По результатам проделанной работы можно сделать следующие выводы. Эконометрику можно представить в качестве связующего звена между экономической теорией и практикой статистической обработки данных. Основными составляющими этого звена являются математический аппарат и статистические методы анализа с активным применением компьютерной техники. С помощью эконометрики выбираются оптимальные инструменты управления окружающей действительностью, достигаются экономические и политические цели. Эти и другие возможности эконометрика реализует с помощью инструментов количественной оценки экономических взаимосвязей, статистического тестирования гипотез и прогнозирования.

Количественные оценки экономических взаимосвязей представляют собой расчёты, позволяющие ответить на следующие важные вопросы, например, на сколько увеличивается объём продаж конкретного товара или услуги в результате роста расходов на рекламу на 1000 руб. в день; как изменится индекс потребительских цен, если денежный агрегат М1 возрастает на 1 млрд руб. при прочих равных условиях; в каком интервале лежат значения эластичностей спроса на товар или услугу по цене и по доходу потребителя; чему равен мультипликатор государственных расходов?

Статистическое тестирование гипотез с математической точки зрения характеризуется как попытка суждения о математических ожиданиях случайных величин по ограниченной выборке наблюдений. Этот формальный аппарат позволяет, например, ответить на следующие вопросы: оказывает ли влияние рекламная компания определённой продукции на доходы от продажи этой продукции; зависит ли индекс потребительских цен от величины денежного агрегата М1; следует ли повышать цену на продукцию для увеличения выручки фирмы; эффективны ли фискальная и монетарная политики правительства и Центробанка; влияет ли смена процессора новой модели компьютера на его рыночную цену; как зависит объём продаж от расположения товара на торговых рядах в супермаркете (высоты полки, на которой расположен товар; удалённости от начала торгового ряда и т. п.); зависит ли объём продаж товара от упаковки?

Прогнозирование является чрезвычайно важным в практике эконометрики, это попытка построения оценки значения экономических показателей за пределами интервала наблюдавшихся выборочных значений его аргументов. Примерами прогнозирования может, например, быть: прогноз выручки от продажи продукции фирмы в следующем месяце; прогноз доходности проекта; прогноз вероятностей выбора определённой категории товара из предложенных альтернатив покупателем, имеющим определённые социальные и экономические характеристики и т. д.

Следует отметить, что все вычисления, прогнозы и выводы имеют вероятностный характер, этому в эконометрике уделяется особое внимание.

Как показывает опыт, эконометрика помогает и не специалистам в области статистического анализа понять и уверенно использовать на практике понятия теории вероятностей и математической статистики, ранее казавшиеся им оторванными от жизни.

Список литературы

Аистов А. В. Эконометрика шаг за шагом: Учебное пособие для вузов. — М.: Изд. ВШЭ, 2006. — 178 с.

Афанасьев В.Н., Юзбашев М. М., Гуляева Т. И. Эконометрика: Учебник. — М.: Финансы и статистика, 2006. — 256 с.

Герасимов Б. И. Статистические исследования в маркетинге: введение в экономический анализ. — Тамбов: Изд. ТГТУ, 2006. — 136 с.

Гусынин А.Б., Минашкин В. Г. Теория выборочного обследования. — М.: Изд. МЭСИ, 2003. — 67 с.

Дуброва Т. А. Статистические методы прогнозирования в экономике: Учебное пособие. — М.: Изд. МЭСИ, 2004. — 136 с.

Минашкин В.Г. и др. Теория статистики: Учебное пособие. — М.: Изд. МЭСИ, 2005. — 296 с.

Минзов А. С. Эконометрика: Учебное пособие. — М.: Изд. МФА, 2001. — 54 с.

Орлов А. И. Эконометрика: Учебник. — 2-е изд., перераб. и доп. — М.: Экзамен, 2003. — 576 с.

Орлов А. И. Менеджмент: Учебник. — М.: Изумруд, 2004. — 298 с.

Суслов В.И., Ибрагимов Н. М., Талышева Л. П., Цыплаков А. А. Эконометрия. — Новосибирск: Изд. СО РАН, 2005. — 744 с.

Эконометрика: Учебник. / Под ред. И. И. Елисеевой. -

2-е изд., перераб. и доп. — М.: Финансы и статистика. — 2005. — 576 с.

Орлов А. И. Эконометрика: Учебник. — 2-е изд., перераб. и доп. — М.: Экзамен, 2003.

— 576 с. — С. 13.

Эконометрика: Учебник. / Под ред. И. И. Елисеевой. — 2-е изд., перераб.

и доп. — М.: Финансы и статистика. — 2005. — 576 с. — С.

15.

Афанасьев В.Н., Юзбашев М. М., Гуляева Т. И. Эконометрика: Учебник. — М.: Финансы и статистика, 2006. — 256 с. — С. 7.

Орлов А. И. Указ. соч. — С. 19.

K.F. Popper, The Logic of Scientific Discovery (London, Hutchinson, 1959), p. 142.

M. Friedman. «The Methodology of Positive Economics» in Essays in Positive Economics (Chicago: University of Chicago Press, 1953), p. 14.

Дуброва Т. А. Статистические методы прогнозирования в экономике: Учебное пособие. — М.: Изд. МЭСИ, 2004. — 136 с. — С. 49.

Гусынин А.Б., Минашкин В. Г. Теория выборочного обследования. — М.: Изд. МЭСИ, 2003. — 67 с. — С. 8.

Получение начальных коэффициентов модели

Модификация модели с учётом ошибки прогнозирования

Прогнозирование на шаг вперёд, получение

Вычисление ошибки прогноза,

Закончен период обучения модели?

нет

да

Использование полученной модели для прогнозирования на k шагов вперёд