Лекция 1

Основы эконометрического моделирования

Вопросы:
1. Характеристика дисциплины
2. Генеральная и выборочная совокупности, статистические гипотезы
3. Классификация эконометрических моделей
4. Основные этапы эконометрического моделирования

1. Характеристика дисциплины
Наиболее точно объяснил сущность эконометрики один из основателей этой науки,
норвежский экономист Рагнар Фриш, который и ввел это название в 1926 г.:
«Эконометрика – это не то же самое, что экономическая статистика. Она не идентична и
тому, что мы называем экономической теорией, хотя значительная часть этой теории
носит количественный характер. Эконометрика не является синонимом приложений
математики к экономике. Как показывает опыт, каждая из трех отправных точек –
статистика, экономическая теория и математика – необходимое, но не достаточное
условие для понимания количественных соотношений в современной экономической
жизни. Это единство всех трех составляющих. И это единство образует эконометрику»1.
Эконометрика – это самостоятельная научная дисциплина, объединяющая
совокупность теоретических результатов, приемов, методов и моделей, предназначенных
для того, чтобы на базе экономической теории, экономической статистики и
экономических измерений, математико-статистического инструментария придавать
конкретное количественное выражение общим (качественным) закономерностям,
обусловленным экономической теорией.
Эконометрика – это наука, изучающая методами математической статистики
количественные закономерности и связи в экономике, выражаемые в виде математических
моделей.
Основные задачи эконометрики:
1.Построение эконометрических моделей, т.е. представление экономических задач в
математической форме, удобной для проведения эмпирического анализа.
2. Оценка параметров построенной модели, делающих выбранную модель наиболее
адекватной реальным данным.
3. Проверка качества найденных параметров модели и самой модели в целом.
4. Использование построенных моделей для объяснения поведения исследуемых
экономических показателей, прогнозирования и предсказания, а также для осмысленного
проведения экономической политики
Процессы эконометрического анализа могут характеризоваться двумя типами
обрабатываемых данных: пространственными данными и временными рядами.
Пространственные данные – это относящиеся к одному и тому же моменту
времени данные о каком-либо экономическом показателе, характеризующем однотипные
объекты. Например, данные об объеме производства на разных промышленных
предприятиях за один и тот же период времени или о количестве работников разных
промышленных предприятий в один и тот же момент времени.
Временные ряды – это данные о каких-либо показателях, характеризующих одни
и те же объекты в различные моменты времени. К такому типу данных относятся
ежемесячные статистические данные за ряд лет по стране в целом или по отдельным
регионам. Например, по объему промышленного производства или о количестве
безработных. Особенность временных данных состоит в том, что они упорядочены во
времени.
На современном этапе своего развития эконометрика представляет собой сочетание
трех наук:
1

1
 1) экономической теории;
2) математики в экономике,
3) математической и экономической статистики.
Помимо вышеназванных дисциплин, одним из основных факторов развития
эконометрики является развитие компьютерных технологий и специализированных
пакетов прикладных программ. Следовательно, эконометрика с помощью статистических
и математических методов анализирует экономические закономерности, доказанные
экономической теорией.
2. Генеральная и выборочная совокупности,
статистические гипотезы
В основе математической статистики лежат понятия: генеральная совокупность и
выборка. Под генеральной совокупностью подразумеваем все возможные наблюдения
интересующего показателя, все исходы случайного испытания или всю совокупность
реализаций случайной величины x.
Пример генеральной совокупности – данные о доходах всех жителей какой-либо страны, о
результатах голосования населения по какому-либо вопросу и т.д. Однако в большинстве
случаев доступна только часть возможных наблюдений, взятых из генеральной
совокупности, и называем это множество (точнее подмножество) значений выборкой.
Таким образом, выборка – это множество наблюдений, составляющих лишь часть
генеральной совокупности. Выборка объема n – это результат наблюдения случайной
величины в генеральной совокупности, который повторяется n раз в одних и тех же
условиях.
Мы обычно говорим о генеральной совокупности, когда используем определенные
теоретические модели, но на практике в нашем распоряжении имеются лишь выборочные
данные, и поэтому можем строить оценки теоретических характеристик, основываясь
лишь на данных выборочных наблюдений. Целью математической статистики является
получение выводов о параметрах, виде распределения и других свойствах случайных
величин в генеральной совокупности по конечным наблюдениям – выборке.
Выборку называют репрезентативной (представительной), если она достаточно
полно представляет изучаемые признаки и параметры генеральной совокупности. Для
обеспечения репрезентативности выборки применяют следующие способы отбора:
простой отбор (последовательно отбирается первый случайно попавшийся объект),
типический отбор (объекты отбираются пропорционально представительству различных
типов объектов в генеральной совокупности), случайный отбор (например, с помощью
таблицы случайных чисел) и т.п.
В эконометрике всегда известна только выборка из некоторого количества
наблюдений случайной величины, и по данным выборки можно рассчитать только
выборочные, а не теоретические характеристики этой случайной величины.
Статистической гипотезой называется любое предложение о виде или параметре
неизвестного закона распределения.
Проверяемую гипотезу обычно называют нулевой и обозначают Н0. Наряду с нулевой
гипотезой Н0 рассматривают альтернативную, или конкурирующую гипотезу Н1,
являющуюся логическим отрицанием Н0. Нулевая или альтернативная гипотезы
представляют собой две возможности выбора, осуществляемого в задачах проверки
статистических гипотез.

2
 Правило, по которому гипотеза Н0 отвергается или принимается, называется
статистическим критерием или статистическим тестом.
Ошибка первого рода состоит в том, что гипотеза  Н0 будет отвергнута, хотя на самом
деле она правильная.  
Ошибка второго рода состоит в том, что гипотеза  Н0 будет принята, но на самом деле
она неправильная. 
Ковариация – числовая характеристика совместного распределения двух
случайных величин, равная математическому ожиданию произведения отклонений этих
случайных величин от их математических ожиданий
Ковариация — это мера того, как две случайные величины изменятся при
сравнении друг с другом. Если ковариация положительна, то с ростом значений одной
случайной величины, значения второй имеют тенденцию возрастать, а если знак
отрицательный — то убывать. Случайные величины, имеющие нулевую ковариацию,
называются некоррелированными.
n
1
cov ( x , y )= ∑ ( x i − x̄ )⋅( y− ȳ )
n i =1
cov ( x , y )=xy −x ∙ y
где: cov ( x , y )− ковариация случайных величин x и y;
x i и y i− i -е значения случайных величин x и y ;
x̄ и ȳ− средние значения случайных величин x и y ;
i− порядковый номер дискретного значения пар случайных величин x и y ;
n− общее число дискретных значений пар случайных величин x и y .
Дисперсия – характеристика случайной величины, определяемая как
математическое ожидание квадрата отклонения случайной величины от ее
математического ожидания.
1
σ 2x =
n
∑ ( x i − x̄ )2

σ 2x =x2 − x̄ 2

3. Классификация эконометрических моделей

Моделью называется материальный или мысленно представляемый объект,
замещающий в процессе исследования объект-оригинал таким образом, что его
непосредственное изучение дает новые знания об объекте-оригинале. Модель выступает в
качестве средства анализа и прогнозирования конкретных экономических процессов на
базе реальной статистической информации.
Существует три основных класса эконометрических моделей.
1. Модели временных рядов представляют собой зависимость результативной
переменной от переменной времени или переменных, относящихся к другим моментам
времени.
Модели временных рядов, в которых результативная переменная зависит от
времени:
1) модель тренда (зависимость результативной переменной от трендовой
компоненты);
2) модель сезонности (зависимость результативной переменной от сезонной
компоненты);
3) модель тренда и сезонности.
2. Регрессионные модели с одним уравнением, в которых результативная
(зависимая) переменная у может быть представлена в виде функции факторных
(независимых) переменных.

3
 По количеству факторных переменных регрессионные модели делятся на парные
(с одной переменной) и множественные регрессии.
По виду функции регрессионные модели делятся на линейные и нелинейные
регрессии.
3. Системы одновременных уравнений, которые описываются системами
взаимозависимых регрессионных уравнений.
Системы состоят из тождеств и регрессионных уравнений, каждое из которых
может включать в себя как факторные переменные, так и результативные переменные из
других уравнений системы. Отличие тождеств от регрессионных уравнений заключается в
том, что их вид и значения параметров известны.
Регрессионные уравнения, входящие в состав системы, называются
поведенческими уравнениями. Значения параметров этих уравнений являются
неизвестными и подлежат оцениванию.
Примером системы одновременных уравнений служит модель спроса и
предложения, состоящая из трех уравнений: (уравнения предложения, уравнения спроса,
тождества равновесия).
В эконометрическом моделировании наиболее распространенными являются следующие
эконометрические модели:
1) модели потребительского и сберегательного потребления;
2) модели взаимосвязи риска и доходности ценных бумаг;
3) модели предложения труда;
4) макроэкономические модели (модель роста);
5) модели инвестиций.
4. Основные этапы эконометрического моделирования
Эконометрическая модель, как правило, основана на теоретическом предположении о
круге взаимосвязанных переменных и характере связи между ними. При всем стремлении
к «наилучшему» описанию связей приоритет отдается качественному анализу. Поэтому в
качестве этапов эконометрического исследования можно указать:
1) постановочный этап, в процессе осуществления кᴏᴛᴏрого определяются
конечные цели и задачи исследования, а также совокупность включённых в
модель факторных и результативных экономических переменных;
2) априорный этап, в процессе осуществления кᴏᴛᴏрого проводится теоретический
анализ сущности исследуемого процесса, а также формирование и формализация
известной до начала моделирования (априорной) информации и исходных
допущений, касающихся в частности природы исходных статистических данных и
случайных остаточных составляющих в виде ряда гипотез;
3) этап параметризации (моделирования), в процессе осуществления кᴏᴛᴏрого
выбирается общий вид модели и определяется состав и формы входящих в неё
связей, т. е. происходит непосредственно моделирование.
4) информационный этап, в процессе осуществления кᴏᴛᴏрого происходит сбор
необходимых статистических данных, а также анализируется качество собранной
информации
5) этап идентификации модели, в ходе осуществления кᴏᴛᴏрого происходит
статистический анализ модели и оценивание неизвестных параметров.
6) этап оценки качества модели, в ходе осуществления кᴏᴛᴏрого проверяется
достоверность и адекватность модели, т. е. определяется, насколько успешно
решены задачи спецификации и идентификации модели, какова точность
расчётов, полученных на её основе.
7) этап интерпретации результатов моделирования.

4
 Контрольные вопросы:
1. Что изучает предмет эконометрика?
2. Основные задачи эконометрики.
3. Типы обрабатываемых данных в эконометрике
4. Что называют генеральной совокупностью?
5. Что называют выборкой?
6. Какая выборка называется репрезентативной?
7. Классификация эконометрических моделей
8. Признаки по которым классифицируются эконометрические модели.
9. Классы эконометрических моделей.
10. Основные этапы эконометрического моделирования
11. Что называется метематическим ожиданием дискретной случайной величины?
12. Что называется дисперсией дискретной случайной величины?
13. Что называется средне квадратическим отклонением случайной величины?
14. Что такое ковариация случайных величин?

Основная литература
1. Эконометрика. Учебник для бакалавров Под ред. И.И. Елисеевой М.: Проспект, 2013. –
288 с.
2. Эконометрика: Учебник для вузов Кремер Н.Ш., Путко Б.А. / Под ред. проф. Н.Ш.
Кремера М.: ЮНИТИ-ДАНА, 2012. – 311 с.
3. Эконометрика. Практикум: Учебное пособие С.А. Бородич М.: ИНФРА – М, 2014 г. –
229 с.
4. Эконометрика: теория и практика: электронный ресурс для вузов А.Н. Герасимов, А.В.
Гладилин, ЕИ. Громов М.: КНОРУС, 2011