1.4.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;
- статистика объектов нечисловой природы, в том числе статистика интервальных
данных.
Перечисленные четыре области выделены на основе математической природы
элементов выборки: в первой из них это - числа, во второй - вектора,
в третьей - функции, в четвертой - объекты нечисловой природы, т.е.
элементы пространств, в которых нет операций сложения и умножения на
число. Примерами объектов нечисловой природы являются значения качественных
признаков, бинарные отношения (ранжировки, разбиения, толерантности),
последовательности из 0 и 1, множества, нечеткие множества, интервалы,
тексты (см. главы 8 и 9 ниже)..
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.
Поэтому в эконометрике часто применяются детерминированные методы анализа
данных, в отличие от, например, технических наук, в которых обычным
является использование вероятностных моделей. Неопределенность приходится
описывать не в терминах вероятностно-статистических моделей, а иными
способами, например, в терминах теории нечеткости (fuzzy sets theory)
или математики и статистики интервальных данных.
Есть два принципиально различных подхода к изучению поведения организаций
и людей. Согласно первому из них вполне допустимо описывать действия
человека в вероятностных терминах, например, считать его ответ на заданный
вопрос случайной величиной. Сторонники второго подхода полагают, что
поведение человека или организации является детерминированным, определяется
теми или иными причинами, а случайность при анализе выборки возникает
лишь из-за случайности при отборе лиц для опроса или предприятий для
изучения. Если ответ на вопрос имеет вид "да" - "нет",
то число ответов "да" при первом подходе, как известно, имеет
биномиальное распределение, а при втором - гипергеометрическое. К счастью
для эконометриков, при увеличении объема генеральной совокупности эти
два распределения сближаются (если доля выборки в генеральной совокупности
мала, например, меньше 10%, то вместо гипергеометрического распределения
можно использовать биномиальное), так что при обоих подходах можно применять
одни и те же эконометрические методы, не тратя сил на решение философского
вопроса о детерминированности или случайности поведения экономического
агента- человека или организации.
Итак, специфика эконометрики проявляется не в перечне применяемых для
анализа конкретных экономических данных статистических методов, а в
частоте использования тех или иных методов.