Иконометрия: какво означава и как се използва

Какво е иконометрия?

Иконометрията е количествено приложение на статистически и математически модели, използващи данни за разработване на теории или тестване на съществуващи хипотези в икономиката и до прогноза бъдещи тенденции от исторически данни. Той подлага реални данни на статистически проучвания и след това сравнява и сравнява резултатите с теорията или теориите, които се тестват.

В зависимост от това дали се интересувате от тестване на съществуваща теория или от използване на съществуващи данни за разработване на нова хипотеза, основана на тези наблюдения, иконометрията може да бъде разделена на две големи категории: теоретични и приложен. Тези, които редовно се занимават с тази практика, са широко известни като иконометристи.

Разбиране на иконометрията

Иконометрията анализира данните, използвайки статистически методи, за да тества или развива икономическа теория. Тези методи разчитат на статистически изводи за количествено определяне и анализ на икономическите теории чрез използване на инструменти като честотни разпределения, вероятност и вероятностни разпределения, статистически изводи, корелационен анализ, прост и множествен регресионен анализ, модели на едновременни уравнения и методи на времеви редове.

Иконометрията е пионер от Лорънс Клайн, Рагнар Фриш и Симон Кузнец. И тримата печелят Нобелова награда за икономика през 1971 г. за приноса си. Днес той се използва редовно както сред учени, така и сред практикуващи като търговци и анализатори на Уолстрийт.

Пример за прилагане на иконометрията е да се изследва ефектът на дохода с помощта на наблюдаеми данни. Икономист може да предположи, че тъй като човек увеличава доходите си, неговите разходи също ще се увеличат. Ако данните показват, че има такава асоциация, тогава може да се извърши регресионен анализ, за ​​да се разбере силата на връзката между доход и потребление и дали тази връзка е статистически значима - тоест изглежда малко вероятно да се дължи на случайността сам.

Методологията на иконометрията

Първата стъпка към иконометричната методология е да се получи и анализира набор от данни и да се определи специфична хипотеза, която обяснява естеството и формата на набора. Тези данни могат да бъдат например историческите цени за борсов индекс, наблюденията, събрани от проучване на потребителските финанси, или равнището на безработица и инфлация в различни страни.

Ако се интересувате от връзката между годишната промяна на цената на S&P 500 и процента на безработица, ще съберете и двата набора от данни. Тук искате да тествате идеята, че по -високата безработица води до по -ниски цени на фондовия пазар. Следователно цената на фондовия пазар е вашата зависима променлива, а процентът на безработица е независимата или обяснителната променлива.

Най -често срещаната връзка е линейна, което означава, че всяка промяна в обяснителната променлива ще има положителна корелация с зависимата променлива, като в този случай прост регресионен модел често се използва за изследване на тази връзка, което означава генериране на най-подходяща линия между двата набора от данни и след това тестване, за да се види колко далеч е всяка точка от данни средно от тази линия.

Имайте предвид, че можете да имате няколко обяснителни променливи в анализа си - например промени в БВП и инфлацията в допълнение към безработицата при обясняване на борсовите цени. Когато се използват повече от една обяснителна променлива, тя се нарича множествена линейна регресия, моделът, който е най -често използваният инструмент в иконометрията.

Различни модели на регресия

Съществуват няколко различни модела на регресия, които са оптимизирани в зависимост от естеството на анализираните данни и вида на зададения въпрос. Най-често срещаният пример е обикновената регресия на най-малките квадрати (OLS), която може да се проведе на няколко типа напречно сечение или данни от времеви редове. Ако се интересувате от двоичен (да-не) резултат-например колко е вероятно да бъдете уволнени от работа въз основа на вашата производителност-можете да използвате логистична регресия или пробит модел. Днес има стотици модели, с които един иконометрист разполага.

Иконометрията сега се провежда с помощта на софтуерни пакети за статистически анализ, предназначени за тези цели, като STATA, SPSS или R. Тези софтуерни пакети също могат лесно да тестват за статистическа значимост, за да осигурят подкрепа, че емпиричните резултати, получени от тези модели, не са просто резултат от случайност. R-квадрат, t-тестове, p-стойности и тестване на нулева хипотеза са всички методи, използвани от иконометристите за оценка на валидността на резултатите от техния модел.

Ограничения на иконометрията

Иконометрията понякога се критикува, че разчита твърде много на тълкуването на необработени данни, без да ги свързва с утвърдената икономическа теория или да търси причинно -следствени механизми. От решаващо значение е констатациите, разкрити в данните, да могат да бъдат адекватно обяснени от теория, дори ако това означава разработване на собствена теория за основните процеси.

Регресионният анализ също не доказва причинно -следствена връзка и само защото два набора от данни показват асоциация, той може да бъде фалшив. Например смъртните случаи при удавяне в басейни се увеличават с БВП. Нарастващата икономика причинява ли удавяне на хората? Разбира се, че не, но може би повече хора купуват басейни, когато икономиката процъфтява. Иконометрията се занимава до голяма степен с корелационния анализ и не забравяйте, че корелацията не е равна на причинно -следствената връзка.