Методы эконометрики. Что такое случайная величина

1) инструментарий эконометрики составляют методы математической и прикладной статистики;

2) инструментарий эконометрики составляют методы индукции и дедукции;

3) инструментарий эконометрики составляют методы коллокаций и поверхностей равного расхода;

4) инструментарий эконометрики составляют методы Якоби и Ньютона.

Какие ученые внесли существенный вклад в развитие эконометрики?

1) А.Бутлеров и В.Бехтерев;

2) Э.Резерфорд и М.Скалодовская-Кюри;

3) Р.Фриш и Я.Тинберген;

4) А.Нобель и К.Гаусс.

Что такое случайная величина?

1) величина, которая может принять случайные значения;

2) величина, которая может принять известный набор значений с известными вероятностями;

3) величина про которую ничего неизвестно;

4) величина, которая может принять одно единственное значение.

Что такое – числовая характеристика случайной величины?

1) число равное одному из значений случайной величины;

2) число равное наибольшему значению случайной величины;

3) число равное наименьшему значению случайной величины;

4) число, в концентрированной форме выражающее существенные черты распределения случайной величины.

Что такое матожидание случайной величины?

1) наименьшее значение случайной величины;

2) наибольшее значение случайной величины;

3) среднее по вероятности ожидаемое значение случайной величины;

4) разность между наибольшим и наименьшим значениями случайной величины.

Что такое дисперсия случайной величины?

1) дисперсия определяет величину разброса значений случайной величины относительно ее максимального значения;

2) дисперсия определяет величину разброса значений случайной величины относительно ее минимального значения;

3) дисперсия определяет величину разброса значений случайной величины относительно ее математического ожидания;

4) дисперсия определяет разницу между максимальным и минимальным значениями случайной величины.

Что характеризует коэффициент парной корреляции rху?

1) коэффициент парной корреляции дает количественную оценку тесноты квадратичной зависимости между переменными х и у;

2) коэффициент парной корреляции дает количественную оценку тесноты кубичной зависимости между переменными х и у;

3) коэффициент парной корреляции дает количественную оценку тесноты логарифмической зависимости между переменными х и у;

4) коэффициент парной корреляции дает количественную оценку тесноты линейной зависимости между переменными х и у.

9. В каком диапазоне изменяются значения коэффициента парной корреляции ρху между переменными х и у?

1) в диапазоне: 0 ≤ ρху ≤1;

2) в диапазоне: -1 ≤ ρху ≤ 0;

3) в диапазоне: -0,5 ≤ ρху ≤ 0,5;

4) в диапазоне: -1 ≤ ρху ≤ 1.

По какому критерию проверяется значимость коэффициента парной корреляции?

1) по критерию Стьюдента;

2) по критерию Фишера-Снедекора;

3) по критерию Кохрена;

4) по критерию Дарбина-Уотсона.

11. Что характеризует коэффициент детерминации R 2 ?

1) долю дисперсии, объясняемой переменной объясненную построенным уравнением регрессии;

2) долю дисперсии объясняемой переменной необъясненную построенным уравнением регрессии;

3) долю дисперсии объясняющей переменной объясненную построенным уравнением регрессии;

4) долю дисперсии объясняющей переменной не объясненную построенным уравнением регрессии;

12. В каком диапазоне изменяются значения коэффициента детерминации R 2 ?

1) в диапазоне: -1 ≤ R 2 ≤1;

2) в диапазоне: 0 ≤ R 2 ≤ 1;

3) в диапазоне: -1 ≤ R 2 ≤ 0;

4) в диапазоне: -0,5 ≤ R 2 ≤ 0,5

13. Коэффициентом детерминации R 2 называется отношение:

14. По какому критерию проверяется значимость коэффициента детерминации R 2 ?

1) по критерию Стьюдента;

2) по критерию Дарбина-Уотсона.

3) по критерию Фишера-Снедекора;

4) по критерию Кохрена;

Что означает условие гомоскедастичности?

1) независимость дисперсии случайного члена от номера наблюдения;

2) зависимость дисперсии случайного члена от номера наблюдения;

3) независимость дисперсии объясняемой переменной у от номера наблюдения;

4) зависимость дисперсии объясняемой переменной у от номера наблюдения.

Понятие эконометрики

Определение 1

Эконометрика представляет собой науку об экономических измерениях.

В современном понимании эконометрика является научной дисциплиной, которая объединила систему теоретических результатов (приемы, методы и модели) следующих направлений:

  • экономическая теория;
  • экономическая статистика;
  • математико-статистический инструментарий и др.

Замечание 1

Таким образом, эконометрика на основе положений экономической теории и базовых положений экономической статистики дает возможность при использовании необходимого математико-статистического инструментария придать определенное (количественное) выражение качественным (общим) закономерностям.

Практически методы эконометрики применяются для следующих целей:

  1. Вывести экономические законы,
  2. Сформулировать экономические модели, опираясь на знание экономической теории и эмпирических данных,
  3. Оценить неизвестные величины (параметры) рассматриваемых моделей,
  4. Планировать и оценивать точность прогнозов,
  5. Разрабатывать рекомендации в области экономической политики.

Основные методы эконометрики

Можно выделить несколько основных методов эконометрики:

  • Сводка и группировка информации;
  • Анализ, который может быть вариационным и дисперсионным;
  • Применение регрессионного и корреляционного анализа;
  • Уравнения зависимостей;
  • Индексы статистики.

Статистическая группировка и сводка

Статистическая сводка представляет собой научно-организованную обработку материалов наблюдения, которая состоит из следующих элементов:

  • систематизация,
  • группировка данных,
  • составление таблиц,
  • расчет итогов,
  • вычисление производных показателей (средние и относительные величины).

Статистическая группировка включает в себя процесс образования однородных групп следующими методами:

  • разделение статистических совокупностей на части,
  • объединение исследуемых единиц в частные совокупности по соответствующим признакам.

Дисперсия и вариация

Дисперсия признака представляет собой средний квадрат отклонений вариантов от их средней величины. В эконометрике используют несколько типов дисперсии:

  • Общая дисперсия, характеризующая вариацию признаков в статистической совокупности в процессе воздействия всех факторов;
  • Межгрупповая дисперсия, показывающая размеры отклонений средних групповых величин от общей средней величины, характеризуя при этом влияние фактора, который положен в основу данной группировки;
  • Внутригрупповая дисперсия (остаточная), характеризующая вариацию признака в середине каждой группы.

Замечание 2

Одним из методов эконометрики является использование среднего квадратического отклонения, которое представляет собой обобщающую характеристику размеров вариации признака в совокупности.

Квадратическое отклонение равно корню квадратному от дисперсии. При этом для сравнения изменения одного и того же признака в нескольких совокупностях применяют относительный показатель вариации, который называется коэффициент вариации.

Другие методы эконометрики

Рассмотрим еще несколько методов эконометрики:

  1. Метод наименьших квадратов определяет точные теоретические значения моделей однофакторной регрессии, включая ее графическое отображение;
  2. Статистические индексы, используемые в качестве меры изменения количества, вне зависимости от изменения качественных признаков (цена, себестоимость, производительность труда и др.). Также данные индексы применяют в процессе характеристики качественного признака независимо от изменений в количестве (объем товара в натуральном выражении, численность работников и др.).

Связь эконометрики с другими дисциплинами. В чем состоит специфика синтеза экономической теории и эконометрики? Эконометрика, исходя из объективно существующих экономических законов, которые определены в экономической теории качественно, на понятийном уровне, формирует подходы к их формализации, количественному выражению связей между экономическими показателями.

Экономическая статистика дает эконометрике методы формирования необходимых экономических показателей, способы их отбора, измерения и др.

Математико-статистический инструментарий, развиваемый в эконометрике, использует и развивает такие разделы математической статистики, как модели линейной регрессии, анализ временных рядов, построение систем одновременных уравнений.

Именно приземление экономической теории на базу конкретной экономической статистики и извлечение из этого приземления с помощью подходящего математического аппарата вполне определенных количественных взаимосвязей являются ключевыми моментами в понимании сущности эконометрики, разграничении её с математической экономикой, описательной статистикой и математической статистикой. Так математическая экономика – это математически сформулированная экономическая теория, которая изучает взаимосвязи между экономическими переменными на общем (неколичественном) уровне. Она становится эконометрикой, когда символически представленные в этих взаимосвязях коэффициенты заменяются конкретными численными оценками, полученными из конкретных экономических данных.

Этапы построения эконометрической модели. Главная цель эконометрики – это модельное описание конкретных количественных взаимосвязей, существующих между анализируемыми показателями в изучаемом социально-экономическом явлении.

Среди прикладных целей можно выделить три:

- прогноз экономических и социально-экономических показателей (переменных), характеризующих состояние и развитие анализируемой системы;

- имитация различных возможных сценариев социально-экономического развития анализируемой системы, когда статистически выявленные взаимосвязи между характеристиками производства, потребления, социальной и финансовой политики и т.п. используются для прослеживания того, как планируемые (возможные) изменения тех или иных поддающихся управлению параметров производства или распределения скажутся на значениях интересующих нас “выходных” характеристик;

- анализ механизма формирования и состояния анализируемого социально-экономического явления. Как работает механизм формирования доходов домохозяйств, реально ли существует дискриминация в оплате труда мужчин и женщин и насколько она велика? Знание реальных количественных соотношений в изучаемом явлении поможет глубже понять следствия принимаемых решений, проводимых экономических реформ, вовремя их откорректировать.

По уровню иерархии анализируемой экономической системы выделяются макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации), микроуровень (семьи, предприятия, фирмы).

Профиль эконометрического исследования определяет проблемы, на которых оно сконцентрировано: инвестиционная, финансовая, социальная политика, распределительные отношения, ценообразование и т.д. Чем конкретнее определен профиль исследования, тем, как правило, адекватнее выбранный метод и эффективнее результат.

Одна из фундаментальных концепций экономики состоит в связи между экономическими явлениями и, соответственно, характеризующими их признаками (переменными). Спрос на некоторый товар на рынке является функцией цены; потребительские расходы семьи – функция её доходов и др, себестоимость продукции зависит от производительности труда. Во всех этих примерах одна из переменных (факторов) играет роль объясняемой (результирующей), а другая – объясняющей (факторной).

Процесс эконометрического моделирования можно разбить на шесть основных этапов.

1. Постановочный. На данном этапе формулируется цель исследования, определяется набор участвующих в модели экономических переменных. Целями эконометрического исследования могут быть:

· анализ исследуемого экономического объекта;

· прогноз его экономических показателей;

· анализ возможного развития процесса при различных значениях независимых переменных и т.д.

2. Априорный. Представляет собой предмодельный анализ экономической сущности изучаемого явления, формирование и формализацию априорной информации, в частности, относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих.

3. Параметризация. Осуществляется собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей.

4. Информационный. Осуществляется сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей.

5. Идентификация модели. Осуществляется статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели.

6. Верификация модели. Проводится проверка адекватности модели; выясняется, насколько удачно решены проблемы спецификации, идентификации и идентифицируемости модели; осуществляется сопоставление реальных и модельных данных, оценка точности модельных данных.

Последние три этапа (4-й, 5-й, 6-й) сопровождаются крайне трудоемкой процедурой калибровки модели, которая заключается в переборе большого числа вариантов вычислений с целью получения совместной, непротиворечивой и идентифицируемой модели.

Собственно математическая модель изучаемого явления может быть сформулирована на общем уровне, без настройки на конкретные статистические данные, т.е. она может иметь смысл и без 4-го и 5-го этапов. Однако в таком случае она не является эконометрической. Суть эконометрической модели состоит в том, что она, будучи представленной в виде набора математических соотношений, описывает функционирование конкретной экономической системы, а не системы вообще. Поэтому она «настраивается» на работу с конкретными статистическими данными и, следовательно, предусматривает реализацию 4-го и 5-го этапов моделирования.

4. Статистическая база эконометрических моделей. Одним из важнейших этапов построения эконометрических моделей является сбор, агрегирование и классификация статистических данных.

Основной базой для эконометрических исследований служат данные официальной статистики, либо данные бухгалтерского учета, которые являются отправной точкой любого эконометрического исследования.

При моделировании экономических процессов используют три вида данных:

1) пространственные (структурные) данные, представляющие собой набор показателей экономических переменных полученных в конкретный момент времени (пространственный срез). К ним относят данные об объеме производства, количестве работников, доходе разных фирм в один и тот же момент времени;

2) временные данные, характеризующие один и тот же объект исследования в различные моменты времени (временной срез), например, ежеквартальные данные об инфляции, средней заработной плате и т.д.;

3) панельные (пространственно-временные) данные, занимающие промежуточное положение и отражающие наблюдения по большому количеству объектов, показателей в различные моменты времени. К ним относят: финансовые показатели работы нескольких крупных паевых инвестиционных фондов за несколько месяцев; суммы уплаченных налогов нефтяными компаниями за последние несколько лет и т.п.

Собранные данные могут быть представлены в виде таблиц, графиков и диаграмм.

5. Основные типы эконометрических моделей. В зависимости от имеющихся данных и целей моделирования в эконометрике различают следующие три класса моделей.

Регрессионные модели с одним уравнением. Регрессией принято называть зависимость среднего значения какой-либо величины (y) от некоторой другой величины или от нескольких величин (x i).

В таких моделях зависимая (объясняемая) переменная представляется в виде функции , где - независимые (объясняющие) переменные, а - параметры. В зависимости от количества факторов, включенных в уравнение регрессии, принято различать простую (парную) и множественную регрессии.

Простая (парная) регрессия представляет собой модель, где среднее значение зависимой (объясняемой) переменной у рассматривается как функция одной независимой (объясняющей) переменной х. В неявном виде парная регрессия – это модель вида:

В явном виде:

где a и b – оценки коэффициентов регрессии.

Множественная регрессия представляет собой модель, где среднее значение зависимой (объясняемой) переменной у рассматривается как функция нескольких независимых (объясняющих) переменных х 1 , х 2 , … х n . В неявном виде парная регрессия – это модель вида:

В явном виде:

где a и b 1 , b 2 , b n – оценки коэффициентов регрессии.

Примером такой модели может служить зависимость заработной платы работника от его возраста, образования, квалификации, стажа, отрасли и т.д.

Относительно формы зависимости различают:

· линейную регрессию;

· нелинейную регрессию, предполагающую существование нелинейных соотношений между факторами, выражающихся соответствующей нелинейной функцией. Зачастую нелинейные по внешнему виду модели могут быть приведены к линейному виду, что позволяет их относить к классу линейных.

Например, можно исследовать заработную плату, как функцию социально-демографических, квалификационных характеристик работника.

УДК: 336 ББК: 65.05

ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ ЭКОНОМЕТРИКИ ДЛЯ ФОРМИРОВАНИЯ МНОГОФАКТОРНОГО КРИТЕРИЯ ОЦЕНКИ СОСТОЯТЕЛЬНОСТИ ОРГАНИЗАЦИИ

Suvorova L. V., Suvorova T.E., Kuklina M.V.

USING THE TOOLS OF ECONOMETRICS FOR FORMATION OF

MULTIFACTOR EVALUATION CRITERIA OF ORGANIZATION VIABILITY

Ключевые слова: компания, вероятность, банкротство, вероятность банкротства, эконометрика, оценка состоятельности, интегральный критерий оценки, модель, оценка, критерий, прогнозная вероятность.

Keywords: company, probability, bankruptcy, the probability of bankruptcy, econometrics, viability assessment, integral evaluation criterion, model, evaluation, criterion, the forecast probability.

Аннотация: в статье рассматривается возможность применения эконометрическо-го инструментария для формирования многофакторного критерия оценки состоятельности организации. Модель оценки, сформированная с помощью метода анализа иерархий, тестируется на данных ста российских нефинансовых компаний, полученные результаты сравниваются с начальными параметрами модели, после чего делается вывод о ее практической применимости.

Abstract: the article discusses the possibility of using econometric tools for the formation of multifactor criteria for evaluating the organization viability. Assessment model, formed by the analytic hierarchy process is tested on data of hundred Russian non-financial companies; these results are compared with the initial parameters of the model, and then conclude its practical applicability.

В условиях ухудшения экономической ситуации как внутри, так и за пределами страны многие компании сталкиваются с финансовыми трудностями. Несостоятельность организации как субъекта экономических отношений может стать предметом судебного делопроизводства. Таким образом, перед современными финансовыми менеджерами встает задача не только предотвратить кризисные явления и обеспечить устойчивое финансовое положение своего предприятия, но и доказать его состоятельность третьим лицам.

В настоящее время существует достаточно много многофакторных критериев оценки состоятельности компаний, предложенных различными авторами, как отечественными, так и зарубежными (Э. Альтман, Р. Таффлер и Г. Тишоу, Р. Лис, Р.С. Сайфулин и Г.Г. Кадыков, ученые Иркутской государственной экономической академии, О.П. Зайцева, У. Бивер, Ж. Кон-

нан и М. Гольдер, Д. Фулмер, Г. Сприн-гейт). Следует отметить, что зарубежные модели не всегда приемлемы для российских организаций, поскольку в них используются коэффициенты-константы, рассчитанные в соответствии с иными экономическими условиями, особенностями кредитования и налогообложения.

Диагностика факторов, приводящих организации к банкротству, может проводится различными методами, в том числе аналитическим, экспертным, методами линейного и динамического программирования, а также с использованием имитационных моделей.

Цель работы - апробировать новую модель оценки состоятельности компаний при помощи эконометрического инструментария.

На основе метода анализа иерархий нами была разработана новая модель оценки состоятельности организации и опреде-

лено пороговое значение интегрального показателя1:

X = 0,194*P(12) + 0,186*P(15) + 0,19*P(27) + 0,232*P(30) + 0,197*P(33),

P(12) - степень платежеспособности организации;

P(15) - коэффициент текущей ликвидности;

P(27) - рентабельность оборотного капитала;

P(30) - фондоотдача;

P(33) - рентабельность продаж

Метод анализа иерархий представляет собой многокритериальный прием оценки, с помощью которого выбираются показатели-факторы, а также формируется многофакторная модель. В целях нахождения приоритетных показателей-факторов была использована шкала относительной важности Т.Саати и К.Кернса.2 С ее помощью построена матрица попарных сравнений показателей-факторов и сделан выбор локальных приоритетов.

Наиболее приоритетными среди рассматриваемых факторов были признаны: степень платежеспособности, коэффициент текущей ликвидности, рентабельность оборотного капитала, фондоотдача и рентабельность продаж.

Для дальнейшего исследования были скорректированы значения приоритетов выделенных факторов путем деления их начальных значений на сумму последних и таким образом получен нормализованный вектор приоритетов по усеченному набору критериев.

Пороговое значение было найдено с помощью эмпирического анализа на реальных данных. Была сформирована выборка из 100 нефинансовых российских компаний

Суворова Л.В., Суворова Т.Е., Куклина М.В.

с помощью базы данных выборку вошли 50 компаний, которые являются состоятельными, и 50 компаний, которые признаны судом банкротами. Для каждой организации был рассчитан интегральный показатель и построен график зависимости интегрального показателя от состояния компаний.

В рамках разработанной нами модели несостоятельными оказались компании, интегральный показатель которых не превышает 15.

Для оценки взаимосвязи вероятности банкротства организаций и значения интегрального критерия мы применили эконо-метрический инструментарий. Для этого использовалась та же выборка из 100 нефинансовых российских компаний.

Тестировались модели бинарного выбора: РгоЬк-модель4 (кумулятивная функция стандартного нормального распределения) и Logit-модель (интегральная функция вероятности логистического распределения). Бинарные модели позволяют определить зависимость вероятности банкротства компании и значения интегрального критерия.

Согласно моделям такого типа зависимая переменная принимает два значения: 0 и 1. В качестве зависимой переменной нами выбрано состояние компании. Значение «0» присваивается состоятельной организации, а значение «1» - несостоятельной компании. В сформированной выборке количество состоятельных и несостоятельных компаний совпадает и равно 50.

Все рассчитанные коэффициенты, в том числе и интегральный показатель по выбранным компаниям, представлены в таблице 1.

1 Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы VIII Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития». - Новосибирск: НГТУ, 2015.

2 Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. 2008. №3.

3 FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. -Загл. с экрана

4 Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. -№7. - С. 9-20.

Компания Показатель-фактор Интегральный критерий Y: 1- несостоятельная компания 0- состоятельная компания

Фондоотдача, доли Коэффициент текущей ликвидности, доли Степень пла-тежеспособ-ности по текущим обязательствам, доли Рентабельность оборотного капитала, % Рентабельность продаж, %

1 10,82 1,97 3,28 47,66 40 20,48 0

2 1,68 1,17 14,69 65,88 50 25,88 0

3 7,4 3,24 4,64 79,75 100 38,15 0

4 18,08 3,8 4,2 8,37 100 27,05 0

5 6,01 1,08 4,24 23,77 100 26,69 0

50 1,11 20,76 0,62 96,63 100 42,40 0

51 3,52 5,32 0,45 0,43 8,7 3,69 1

52 1,85 0,1 66,96 0,78 2,2 14,03 1

59 1,65 0,91 74,25 115 3,3 37,52 1

66 0,1 1 77,45 1 10 17,41 1

99 3,38 0,024 38,03 -1,47 -2,4 7,41 1

100 0,38 0,05 2,25 1,42 9,6 2,70 1

Две регрессионные модели тестирова- зультаты тестирования моделей представ-лись с помощью программы «Eviews». Ре- лены в таблице 2.

Таблица 2 - Тестирование моделей

Параметры Модель

Количество наблюдений 100 100

Интегральный показатель -0,149***(0,043) -0,338**(0,138)

Константа 2,391***(0,569) 5,155***(1,858)

Prob(LR statistic) 0,000 0,000

McFadden R-squared 0,769 0,804

Примечание. В скобках указаны стандартные ошибки, звездочками обозначены уровни значимости: *p <0,1; **p <0,05; ***p <0,01.

По полученным результатам был сделан вывод, что обе регрессии в целом значимы на 1% уровне. Оценки коэффициентов также значимы на 1% уровне для Probit-модели и нам 5% для Logit-модели. Оценка коэффициента перед переменной, отвечающей за значение интегрального показателя,

отрицательна. Это говорит о том, что чем выше значение интегрального показателя, тем ниже вероятность банкротства.

Полученные результаты оценки регрессий можно представить в следующем виде:

Рг = 2,391 - 0,149 * х{)

Pi =Л (5,155 - 0,338 * xt)

Зависимость значения интегрального показателя от прогнозной вероятности, определенной с помощью Logit и Probit моделей отражена на рисунке 1. Можно заме-

тить, что обе модели дают практически одинаковые результаты, не наблюдается никаких существенных различий. Однако имеется одно отклонение от общей динамики.

1-1-1-1-0 -,-■

♦ Logit-модель ■ Probit-модель

Значение интегрального показателя

Рисунок 1 - Графическое представление соотношения значения интегрального критерия

и оценки вероятности банкротства

Для определения порогового значения были построены прогнозные вероятности банкротства для всех компаний из выборки для обеих бинарных моделей. На рисунках 2 и 3 представлена зависимость прогнозной вероятности от номера наблюдения. Первые 50 компаний выборки являются состоятельными, а последние 50 компаний признаны судом банкротами.

Данные графики также показывают, что имеется одно отклонение. Компания, соответствующая номеру 59, в действительности является банкротом, однако интегральный критерий показал обратный вывод. Для данной компании была спрогнозирована очень низкая прогнозная вероятность банкротства.

Рисунок 2 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для Logit-модели

Таким образом, был сделан вывод, что тельной, а если прогнозная вероятность если прогнозная вероятность банкротства больше 50% - компания несостоятельна. меньше 50%, то компания является состоя-

10 20 30 40 50 60 70 80 90 100

Рисунок 3 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для РшЬк-модели

Как было отмечено ранее, при расчете многофакторного критерия с помощью МАИ были допущены две неточности, а именно, 2 компании с прогнозом состоятельности являются на самом деле несостоятельными. Это соответствует ошибке I рода. Аналогичная неточность произошла при прогнозировании вероятности банкротства с использованием эконометрического инструментария, но ошибка I рода в этом слу-

чае составила 1% (только для одной несостоятельной компании была спрогнозирована низкая вероятность банкротства). Ошибка II рода не наблюдалась в обоих случаях. Объясняющая способность модели находится как 100% за вычетом ошибок I и II рода. Обе сформированные модели, как с помощью МАИ, так и с помощью инструментария эконометрики, имеют высокую объясняющую способность (таблица 3).

Таблица 3 - Сравнительная характеристика МАИ и инструментария эконометрики

Критерий МАИ Инструментарий эконометрики

Пороговое значение Х<15 - компания несостоятельна, Х>15 - компания состоятельна Р <50% - компания состоятельна, Р >50% - компания несостоятельна

Ошибка I рода (компания с прогнозом состоятельности является несостоятельной) 2% 1%

Ошибка II рода (компания с прогнозом несостоятельности является состоятельной) 0% 0%

Объясняющая способность модели 98% 99%

Исходя из полученных результатов, полученная с помощью метода анализа можно сделать вывод, что новая модель, иерархий и проверенная с использованием

инструментария эконометрики, является ки банкротства российских компаний. оптимальной и применимой для диагности-

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. - 2008. - №3.

2. Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы 8 Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития», НГТУ, Новосибирск, 2015.

3. Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. - №7. - С. 9-20.

4. Altman, E. & Haldeman, R. (1977) ZETA Analysis: A new model to indentify bankruptcy risk of corporations. Journal of Banking and Finance, 1, 29-35.

5. Beaver, W. (1966) Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4,71-111.

6. Conan, J. & Holder, M. (1979) Explicatives variables of performance and management control, Doctoral Thesis, CERG, Universite Paris Dauphine.

7. FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. - Загл. с экрана

8. Fulmer, J. & Moon, J. (1984) A Bankruptcy Classification Model for Small Firms. Journal of commercial Bank Lending, 25-37.

9. Springate, G. (1978) Predicting the Possibilty of Falture in a Canadian Firm. Unpublished M.B.A. Research Project, Simon Fraser Universit

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Введение

1. Структура эконометрики

2. Эконометрические методы

3. Применения эконометрических методов

4. Эконометрические методы в практической и учебной деятельности

Заключение

Литература

Введение

Сегодня деятельность в любой области экономики (управлении, финансово-кредитной сфере, маркетинге, учете, аудите) требует от специалиста применения современных методов работы, знания достижения мировой экономической мысли, понимания научного языка. Большинство новых методов основано на эконометрических моделях, концепциях, приемах.

Язык экономики все больше становится языком математики, а экономику все чаще называют одной из наиболее математизированных наук.

Современное экономическое образование держится на трех китах:

Макроэкономике;

Микроэкономике;

Эконометрике.

Сам термин "эконометрика" был введен в 1926 году норвежским ученым Р. Фришем.

Эконометрика - это раздел экономики, занимающийся разработкой и применением статистических методов для измерений взаимосвязей между экономическими переменными.

Эконометрика - это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов на базе:

экономической теории;

экономической статистики;

математико-статистического инструментария.

Основные результаты экономической теории носят качественный характер, а эконометрика вносит в них эмпирическое содержание. Она дает методы экономических измерений, методы оценки параметров моделей микро-макроэкономики. Важно, что эконометрические методы, одновременно позволяют оценить ошибки измерений экономических величин и параметров моделей. Без эконометрических методов, нельзя построить сколько-нибудь надежного прогноза.

Можно выделить три основных класса методов, которые применяются для анализа и прогнозирования экономических систем. Они представлены в блок схеме.1.

1. Структура эконометрики

В эконометрике, как дисциплине на стыке экономики (включая менеджмент) и статистического анализа, естественно выделить три вида научной и прикладной деятельности (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):

а) разработка и исследование эконометрических методов (методов прикладной статистики) с учетом специфики экономических данных;

б) разработка и исследование эконометрических моделей в соответствии с конкретными потребностями экономической науки и практики;

в) применение эконометрических методов и моделей для статистического анализа конкретных экономических данных.

Кратко рассмотрим три только что выделенных вида научной и прикладной деятельности. По мере движения от а) к в) сужается широта области применения конкретного эконометрического метода, но при этом повышается его значение для анализа конкретной экономической ситуации. Если работам вида а) соответствуют научные результаты, значимость которых оценивается по общеэконометрическим критериям, то для работ вида в) основное - успешное решение задач конкретной области экономики. Работы вида б) занимают промежуточное положение, поскольку, с одной стороны, теоретическое изучение эконометрических моделей может быть весьма сложным и математизированным другой - результаты представляют интерес не для всей экономической науки, а лишь для некоторого направления в ней.

Прикладная статистика - другая область знаний, чем математическая статистика. Это четко проявляется и при преподавании. Курс математической статистики состоит в основном из доказательств теорем, как и соответствующие учебные пособия. В курсах прикладной статистики и эконометрики основное - методология анализа данных и алгоритмы расчетов, а теоремы приводятся как обоснования этих алгоритмов, доказательства же, как правило, опускаются (их можно найти в научной литературе). Внутренняя структура статистики как науки была выявлена и обоснована при создании в 1990 г. Всесоюзной статистической ассоциации. Прикладная статистика - методическая дисциплина, являющаяся центром статистики. При применении к конкретным областям знаний и отраслям народного хозяйства получаем научно-практические дисциплины типа "статистика в промышленности", "статистика в медицине" и др. С этой точки зрения эконометрика - это "статистические методы в экономике". Математическая статистика играет роль математического фундамента для прикладной статистики. К настоящему времени очевидно четко выраженное размежевание этих двух научных направлений. Математическая статистика исходит из сформулированных в 1930-50 гг. постановок математических задач, происхождение которых связано с анализом статистических данных. В настоящее время исследования по математической статистике посвящены обобщению и дальнейшему математическому изучению этих задач. Поток новых математических результатов (теорем) не ослабевает, но новые практические рекомендации по обработке статистических данных при этом не появляются. Можно сказать, что математическая статистика как научное направление замкнулась внутри себя. Сам термин "прикладная статистика", используемый с 1960-х годов, возник как реакция на описанную выше тенденцию. Прикладная статистика нацелена на решение реальных задач. Поэтому в ней возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими методами, т.е. путем доказательства теорем. Большую роль играет методологическая составляющая - как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных информационных технологий, в частности, компьютерного эксперимента.

В настоящее время статистическая обработка данных проводится, как правило, с помощью соответствующих программных продуктов. Разрыв между математической и прикладной статистикой проявляется, в частности, в том, что большинство методов, включенных в статистические пакеты программ (например, в заслуженные Statgraphics и SPSS или в более новую систему Statistica), даже не упоминается в учебниках по математической статистике. В результате специалист по математической статистике оказывается зачастую беспомощным при обработке реальных данных, а пакеты программ применяют (что еще хуже - и разрабатывают) лица, не имеющие необходимой теоретической подготовки. Естественно, что они допускают разнообразные ошибки.

Ситуация с внедрением современных статистических (эконометрических) методов на предприятиях и в организациях различных отраслей народного хозяйства противоречива. К сожалению, при развале отечественной промышленности в 1990-е годы больше всего пострадали структуры, наиболее нуждающиеся в эконометрических методах - службы качества, надежности, центральные заводские лаборатории и др. Однако толчок к развитию получили службы маркетинга и сбыта, сертификации, прогнозирования, инноваций и инвестиций, которым также полезны различные эконометрические методы, в частности, методы экспертных оценок. статистика эконометрика математический

2 . Эконометрические методы

Регрессио нный (линейный) анализ - статистический метод исследования влияния одной или нескольких независимых переменных X1, X2,…,Xp на зависимую переменную Y. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные - критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.

Цели регрессионного анализа:

1. Определение степени детерминированности вариации критериальной (зависимой) переменной предикторами (независимыми переменными).

2. Предсказание значения зависимой переменной с помощью независимой (-ых).

3. Определение вклада отдельных независимых переменных в вариацию зависимой.

Регрессионный анализ нельзя использовать для определения наличия связи между переменными, поскольку наличие такой связи и есть предпосылка для применения анализа.

Анализ временных рядов - совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений. Прогнозирование также интересно тем, что оно рационализирует существование анализа временных рядов отдельно от экономической теории.

Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (МНК (метод наименьших квадратов), ММП (метод максимального правдоподобия), метод моментов). С другой стороны, достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей.

Панельный анализ. Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, то есть они состоят из наблюдений одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Панельные данные насчитывают три измерения: признаки - объекты - время. Их использование даёт ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ временных рядов, так и анализ пространственных выборок. С помощью подобных данных изучают бедность, безработицу, преступность, а также оценивают результативность государственных программ в области социальной политики.

3. Применения эконометрических методов

Эконометрика не так сильно оторвалась от реальных задач, как математическая статистика, специалисты в области которой зачастую ограничиваются доказательством теорем, не утруждая себя вопросом о том, для решения каких практических задач эти теоремы могут быть нужны. Поэтому эконометрические модели обычно доводятся "до числа", т.е. применяются для обработки конкретных эмпирических данных. Так, эконометрические методы нужны для оценки параметров экономико-математических моделей, например, моделей логистики (в частности, управления запасами).

В частности, инфляцию необходимо учитывать при анализе результатов финансовой деятельности предприятий и их подразделений за год или более длительные интервалы времени. Постепенно эта простая мысль становится все более близкой специалистам в указанной области, хотя до сих пор в большинстве случаев оперируют номинальными значениями, как будто инфляция полностью отсутствует.

Эконометрические методы следует использовать как составную часть научного инструментария практически любого технико-экономического исследования. Оценка точности и стабильности технологических процессов, разработка адекватных методов статистического приемочного контроля и статистического контроля технологических процессов, оптимизация выхода полезного продукта методами планирования экстремального эксперимента в химико-технологических системах, повышение качества и надежности изделий, сертификация продукции, диагностика материалов, изучение предпочтений потребителей в маркетинговых исследованиях, применение современных методов экспертных оценок в задачах принятия решений, в частности, в стратегическом, инновационном, инвестиционном менеджменте, при прогнозировании - везде полезна эконометрика.

Бесспорно совершенно, что практически любая область экономики и менеджмента имеет дело со статистическим анализом эмпирических данных, а потому имеет те или иные эконометрические методы в своем инструментарии. Например, перспективно применение этих методов для анализа научного потенциала России, при изучении рисков инновационных исследований, в задачах контроллинга, при проведении маркетинговых опросов, сравнении инвестиционных проектов, эколого-экономических исследований в области химической безопасности биосферы и уничтожения химического оружия, в задачах страхования, в том числе экологического, при разработке стратегии производства и продажи специальной техники и во многих других областях.

4. Эконометрические методы в практической и учебной деятельности

Компьютер на рабочем месте менеджера, экономиста, инженера - уже реальность. Практическое применение эконометрических методов обычно осуществляется с помощью диалоговых систем, соответствующих решаемым экономическим и технико-экономическим задачам. Для конкретных наборов задач таких систем разработано уже много. Создание подобных систем должны быть продолжено. Так, для налоговых служб должны быть подготовлены соответствующие оригинальные системы на базе действующих автоматизированных информационных систем (АИС).

Однако для того, чтобы грамотно применять компьютерную систему, надо иметь некоторые предварительные знания по эконометрике. В отсутствии подобных знаний у подавляющего большинства российских экономистов и инженеров, в том числе у менеджеров - директоров предприятий, государственных служащих, а также, например, у работников налоговых органов, - основная проблема. Лицо, ничего не знающее об эконометрике, не в состоянии понять, что эта научно-практическая дисциплина может помочь решить проблемы его организации, а потому ему и в голову не приходит пригласить бригаду эконометриков к сотрудничеству.

Эта проблема наглядно выявилась в ходе работ Всесоюзного центра статистических методов и информатики (ныне - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана). Центром был разработан широкий спектр программных систем по эконометрике. Однако число их продаж было явно неадекватно проведенным оценкам емкости рынка, т.е. числу предприятий, которым были бы полезны эти системы. Это объяснялось попросту отсутствием на подавляющем числе предприятий специалистов, знакомых с эконометрическими методами хотя бы на том элементарном уровне, который позволяет понять, что им такие системы нужны. Например, нужны для того, чтобы обоснованно анализировать и выбирать планы статистического приемочного контроля, что необходимо делать практически на любом предприятии, независимо от отрасли и форм собственности. В любом договоре на поставку есть раздел "Правила приемки и методы контроля", и подготовлен он обычно отнюдь не на современном уровне. Если же на предприятии были квалифицированные специалисты, то они стремились расширить свой инструментарий за счет программных систем по эконометрике Всесоюзного центра статистических методов и информатики.

Заключение

Эконометрические методы - эффективный инструмент в работе менеджера и инженера, занимающегося конкретными проблемами, и задача высшей школы - дать его в руки выпускников экономических и технических специальностей. Кроме теоретических знаний, менеджеры и инженеры должны иметь практические инструменты - сделанные на основе современных достижений эконометрической науки компьютерные системы, предназначенные для анализа статистических данных и построения эконометрических моделей конкретных экономических и технико-экономических явлений и процессов.

Литература

1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник для вузов / С.А. Айвазян, В.С. Мхитарян. - М.: ЮНИТИ, 2005.

2. Елисеева, И.И. Эконометрика: учебное пособие /И.И. Елисеева, С.В. Курышева, Д.М. Гордиенко и др. - М.: Финансы и статистика, 2004.

3. Джонстон, Дж. Эконометрические методы. - М.: Статистика, 2007.

4. Доугерти, К. Введение в эконометрику. - М.: ИНФРА-М, 2007.

5. Магнус, Я.Р. Эконометрика. Начальный курс / Я.Р. Магнус, П.К. Катышев, А.А. Пересецкий. - М.: Дело, 2007.

6. Практикум по эконометрике: учебное пособие / под ред. Елисеевой И.И. - М.: Финансы и статистика, 2005.

Размещено на Allbest.ru

...

Подобные документы

    Определение временных и пространственных данных в эконометрике. Коэффициент детерминации и средняя ошибка аппроксимации как показатели качества однофакторной модели в эконометрике. Особенности построения множественной регрессивной модели. Временные ряды.

    контрольная работа , добавлен 15.11.2012

    Задачи эконометрики, ее математический аппарат. Взаимосвязь между экономическими переменными, примеры оценки линейности и аддитивности. Основные понятия и проблемы эконометрического моделирования. Определение коэффициентов линейной парной регрессии.

    контрольная работа , добавлен 28.07.2013

    Разработка и исследование эконометрических методов с учетом специфики экономических данных и в соответствии с потребностями экономической науки и практики. Применение эконометрических методов и моделей для статистического анализа экономических данных.

    реферат , добавлен 10.01.2009

    Эконометрика как наука, позволяющая анализировать связи между различными экономическими показателями на основании реальных статистических данных. Структурная форма эконометрической модели. Метод наименьших квадратов: общее понятие, главные функции.

    курсовая работа , добавлен 05.12.2014

    Теория измерений является составной частью эконометрики, которая входит в состав статистики объектов нечисловой природы. Краткая история теории измерений. Основные шкалы измерения. Инвариантные алгоритмы и средние величины – в т. ч. в порядковой шкале.

    реферат , добавлен 08.01.2009

    Обоснование целесообразности применения статистических данных в анализе устойчивого развития региона. Сбор, обработка статистических данных по основным секторам Кемеровской области. Оценка их полноты и качества. Принципы построения математической модели.

    дипломная работа , добавлен 30.05.2013

    Современная экономическая теория. Экономические процессы. Использование моделирования и количественного анализа. Выражение взаимосвязи экономических явлений и процессов. Определение, объект исследования, основные принципы, цели и задачи эконометрики.

    реферат , добавлен 04.12.2008

    Понятие о взаимосвязях в эконометрике. Сопоставление параллельных рядов. Корреляция альтернативных признаков. Оценка надежности параметров парной линейной регрессии и корреляции. Коэффициенты эластичности в парных моделях. Парная нелинейная корреляция.

    курсовая работа , добавлен 29.06.2015

    Теория измерений. Использование чисел в жизни и хозяйственной деятельности людей. Инвариантные алгоритмы и средние величины. Численность работников различных категорий, их заработная плата и доходы. Величины в порядковой шкале. Средние по Колмогорову.

    реферат , добавлен 09.01.2009

    История эконометрики и прикладной статистики. Прикладная статистика в народном хозяйстве. Точки роста. Непараметрическая статистика. Статистика объектов нечисловой природы - часть прикладной статистики.

СХОЖИЕ СТАТЬИ