Недостаточность используемых методов

Опишем основные технические методы анализа данных об экономических процессах в современной России, которые использовались в рассмотренных выше работах и разберем их сравнительные характеристики, недостатки и трудности, которые возникают при их применении. Это позволяет наметить способы действий, которые позволили бы избежать отмеченные трудности и недостатки.

1) Сравнение тенденций динамики. Визуальный анализ графиков.

Эти методы обладают очевидными недостатками. Прежде всего это неизбежная субъективность. Кроме того, такие методы не дают возможности получить точные количественные оценки и оценить количественно, насколько вероятно, что просматривающаяся связь между данными не является случайным совпадением.

2) Корреляционный анализ.

Применим только к данным определенного вида: случайным величинам с одинаковыми (по наблюдениям) мат. ожиданиями. В частности, корреляционный анализ неприменим к нестационарным временным рядам и к случайным величинам, математическое ожидание которых зависят от каких-либо других неучтенных переменных и меняется от наблюдения к наблюдению.

 

E(X_t)=const, E(Y_t)=const, E(X_t²)=const, E(Y_t²)=const, E(X_tY_t)=const, t=1,...,T.

 

Тогда корреляцию X и Y можно состоятельно оценить обычным способом.

Корреляционный анализ дает плохо интерпретируемые результаты в случае, когда рассматривается больше двух переменных. Кроме того, он не подходит, когда связи между переменными являются нелинейными.

3) Регрессионный анализ.

Является одним из самых мощных статистических инструментов. При его использовании, однако, необходимо учитывать, что теоретические доказательства хороших свойств получаемых оценок верны только при выполнении ряда стандартных предположений. Если используемые данные и оцениваемая модель не удовлетворяют этим гипотезам, то получается бессмысленный результат. В частности можно получить несостоятельные оценки в следующих случаях:

*  функциональная форма зависимости задана неверно,

*  объясняющие переменные коррелированы с ошибкой регрессионного уравнения (например, регрессоры измерены неточно или ошибка автокоррелирована, а среди регрессоров есть лаги зависимой переменной),

*  переменные в регрессии нестационарны.

Отсюда ясно, что важную роль в применении регрессионного анализа играет диагностическая проверка полученного регрессионного уравнения.

Таким образом, чтобы поставить рассуждения об инфляционных процессах на более прочную основу, необходимо включить в исследование следующие этапы:

1. В явном виде изложить предполагаемые связи между рассматриваемыми величинами и сформулировать используемую модель изучаемого явления. Это позволяет избавиться от двусмысленности, свойственной чисто словесному анализу, то есть позволяет понять, что же собственно утверждается. Также следует перечислить гипотезы, выполнение которых предполагается в данной теоретической модели.

2. Использовать статистические методы для количественного оценивания силы связи между исследуемыми переменными. Формальная модель дает возможность это сделать — в этом еще одно ее преимущество перед чисто словесными рассуждениями. Важно понимать, при каких предположениях применение данных статистических методов обосновано, годятся ли они для оценивания параметров эконометрической модели.

3. Проверить, адекватно ли формальная модель описывает данные и выполняются ли гипотезы, лежащие в основе применяемого статистического метода. Если тестирование указывает на то, что модель специфицирована неверно, то следует ее модифицировать: изменить функциональную форму, добавить пропущенные факторы, — либо использовать более адекватный статистический метод. [3]

Глава 2. Эконометрическое моделирование инфляционных процессов