Информационные проблемы эконометрического моделирования

1. Требования к информации.

2. Информационные проблемы построения эконометрических моделей.

3. Подходы к решению информационных проблем эконометрического моделирования.

1. При построении эконометрических моделей прежде всего встает проблема наполнения существующего модельного аппарата качественной статистической информацией. В нынешних условиях в связи с наличием мощных компьютеров и необходимого программного обеспечения подготовка исходной информации занимает основную часть исследования.

Под качественностью информации понимаются требования, предъявляемые к исходным данным в части их сопоставимости, представительности, однородности и устойчивости.

Сопоставимость.

Сопоставимость достигается в результате одинакового подхода к наблюдениям на разных этапах формирования выборки. Наблюдения должны выражаться в одних и тех же единицах измерения, иметь одинаковый шаг наблюдений, рассчитывающийся для одного и того же интервала времени, по одной и той же методике, охватывать одни и те же элементы, принадлежащие одной территории.

Представительность.

Представительность данных характеризуется их полнотой. Необходимое число наблюдений определяется в зависимости от цели исследований и количества факторов в модели. В общем случае для построения однофакторного регрессионного уравнения наблюдений должно быть не менее 10-15. Для двухфакторного – 15-20, и т.д. Если целью исследования является построение прогнозной модели, то число уровней исходного динамического ряда должно как минимум в три раза превышать горизонт прогнозов и быть не менее 7.

Однородность.

Однородность предполагает отсутствие нетипичных аномальных наблюдений, а также изломов тенденций. Присутствие аномальных данных приводит к смещению оценок коэффициентов регрессии и, следовательно, к искажению результатов анализа.

Устойчивость.

Свойство устойчивости данных отражает преобладание закономерности над случайностью в изменениях наблюдений. На графиках неустойчивых рядов изменений последовательных уровней представляется хаотичными, поэтому поиск закономерностей в формировании их значений лишен смысла.

2. На практике помимо соблюдения требований, предъявляемых к информации, необходимо решать еще ряд вопросов. В первую очередь встает вопрос о длине шага наблюдений, т.е. на наших данных ежедневных, ежемесячных, ежеквартальных или ежегодных строят регрессионную модель. У каждого шага есть своя область применения, и достоинства и недостатки.

Для ежедневных и ежемесячных рядов эконометрических переменных характерна относительно большая представительность, что позволяет получать довольно длинные ряды времени, включающие в себя от нескольких десятков до тысяч наблюдений.

К недостаткам ежедневных и ежемесячных данных можно отнести большую несогласованность наблюдений. Выражается это прежде всего в том, что от периода к периоду меняются числовые измерители того или иного эконометрического явления (т.е. данные досчитываются). Второй существенный недостаток, затрудняющий использование помесячных данных, заключается в том, что последние десятилетия происходила перестройка всей системы статистического учета. Это привело к тому, что, с одной стороны, методики расчета некоторых показателей за этот период менялись не один раз. А с другой стороны ежемесячный расчет некоторых показателей прекращался, либо наоборот появлялись ежемесячные оценки некоторых статистических показателей.

Список достоинств и недостатков ежеквартальных данных практически совпадает с вышеописанными в силу того, что такие данные, как правило, оцениваются на основе ежемесячных наблюдений. Поэтому для построения квартальных данных необходим пересчет ежемесячных показателей в их квартальные аналоги. При этом полученные ряды короче ежемесячных в три раза, но, с другой стороны в таких рядах менее остро стоит проблема точности измерения показателей за счет меньшей доли различных досчетов. В наименьшей мере подвержены влиянию ошибок измерения ежегодные данные. Но при этом страдает оперативность их получения и, следовательно, возможность включения их в прогнозную модель. Например, темпы роста основных фондов по некоторым отраслям сопоставимы в ценах, окончательно публикующихся Госкомстатом, только через 1,5 года после окончания отчетного периода. Несомненным преимуществом годовых рядов является относительная простота приведения их к сопоставимому виду при изменении методики расчета того или иного показателя. Объясняется это, прежде всего, большей детальностью расчета ежегодных данных. Основным недостатком ежегодных данных можно считать относительно небольшую их длину по сравнению с ежемесячными и ежеквартальными данными. Однако, по некоторым ежегодным статистическим показателям есть довольно представительные временные ряды, на основании которых возможно построение смешанных систем модели. Такого рода системы состоят из нескольких регрессионных уравнений, в одних из которых используются только «длинные» ряды, а в других используются как «короткие», так и прогнозы, полученные на основе длинных моделей.

Еще одним недостатком, присущим нынешним статистическим данным, представленным временными рядами, является их неоднородность, вызванная различиями плановой и рыночной экономикой. Причины данной неоднородности заключаются в том, что изменились методики расчетов некоторых показателей, а также условия функционирования экономической системы. И, как следствие, изменились механизмы формирования тех или иных экономических показателей. Например, показатели производимого на территории продукта во времена плановой экономики не учитывали сферу услуг, а в современной системе статистического учета эта сфера включена в показатель ВВП в полном объеме.

Еще одним существенным вопросом при построении модели является учет так называемых качественных факторов, влияние которых в моделях иногда является весьма значимым. Например, качественный фактор инвестиционного климата, включающий в себя политическую ситуацию, правовые и налоговые условия, в значительной степени определяют количественный показатель инвестиции, которые в свою очередь влияют на объемы производства и темпы экономического роста. Или, трудноизмеримый показатель инфляционных ожиданий может существенно изменить индексы цен и объем спроса. Проблема учета качественных факторов в регрессионных уравнениях встает как на стадии сбора информации, так и на стадии непосредственного моделирования.