Современное состояние и перспективы развития эконометрики

    В области асимптотической математической статистики интервальных данных российская наука имеет мировой приоритет. Развертывание работ по рассматриваемой тематике позволит закрепить этот приоритет, получить теоретические результаты, основополагающие в новой области математической статистики и необходимые для обоснованного статистического анализа почти всех типов данных. Со временем во все виды статистического программного обеспечения должны быть включены алгоритмы интервальной статистики, "параллельные" обычно используемым алгоритмам прикладной математической статистики. Это позволит в явном виде учесть наличие погрешностей у результатов наблюдений, сблизить позиции метрологов и статистиков.

 Статистика объектов нечисловой природы как часть прикладной статистики. Согласно общепринятой в настоящее время классификации статистических методов прикладная статистика делится на следующие четыре области:

– статистика (числовых) случайных величин,

– многомерный статистический анализ,

– статистика временных рядов и случайных процессов,

– статистика объектов нечисловой природы.

Первые три из этих областей являются классическими. Они были хорошо известны еще в первой половине ХХ в. Остановимся на четвертой, сравнительно недавно вошедшей в массовое сознание специалистов. Ее именуют также статистикой нечисловых данных или попросту нечисловой статистикой. Анализ динамики развития эконометрики и прикладной статистики приводит к выводу, что в XXI в. она станет центральной областью прикладной статистики, поскольку содержит наиболее общие подходы и результаты.

   В нечисловой статистике элементы выборки - это объекты нечисловой природы, которые нельзя складывать и умножать на числа. Другими словами, объекты нечисловой природы лежат в пространствах, не имеющих векторной структуры.

С начала 70-х годов под влиянием запросов прикладных исследований в социально-экономических, технических, медицинских науках в России активно развивается статистика объектов нечисловой природы. В создании этой сравнительно новой области эконометрики и прикладной математической статистики приоритет принадлежит российским ученым.

   Следует отметить, что в статистике объектов нечисловой природы, как и в других областях эконометрики, прикладной математической статистики и прикладной математики вообще, одна и та же математическая схема может с успехом применяться и в технических исследованиях, и в менеджменте, и в экономике, и в геологии, и в медицине, и в социологии, и для анализа экспертных оценок, и во многих иных областях, а потому ее лучше всего формулировать и изучать в наиболее общем виде, для объектов произвольной природы.

Выше рассмотрены пять перспективных направлений эконометрики и прикладной статистики. Разумеется, они не исчерпывают все многообразие фронта научных исследований в рассматриваемых областях.

 Как правило, те, кто обрабатывает реальные данные, недостаточно знакомы с теоретическими основами алгоритмов и тем более не следят за событиями "на переднем крае" обсуждаемой научно-методической дисциплины. Это вполне естественно, поскольку основная специальность у таких специалистов - иная.

 Несколько обобщая, можно сказать, что реально используется только то, что имеется в учебниках и справочниках, в широко распространенных программных продуктах, а научные публикации с точки зрения прикладника представляют собой "информационный шум". Ситуация усугубляется традиционным ненормальным положением в отечественной статистике, наличием ошибок во многих изданиях.

  К сожалению, учебная и научная литература на русском языке по эконометрике и прикладной статистике в целом далека от совершенства, переполнена устаревшими методологическими подходами и прямыми ошибками. Хотя студенты почти всех специальностей изучают в конце курса высшей математики раздел "теория вероятностей и математическая статистика", реально они знакомятся лишь с некоторыми основными понятиями и результатами, которых явно не достаточно для практической работы. С некоторыми математическими методами исследования студенты встречаются в специальных курсах (например, таких, как "Прогнозирование и технико-экономическое планирование", "Технико-экономический анализ", "Контроль качества продукции", "Маркетинг", "Контроллинг", "Математические методы прогнозирования" и др.), однако изложение в большинстве случаев носит весьма сокращенный и рецептурный характер. В результате подавляющую часть специалистов по эконометрике, прикладной математической статистике и их применению следует считать самоучками.

 Поэтому  большое значение имеет введение  в технических вузах курса "Прикладная  математическая статистика", а  на экономических факультетах  таких вузов – курса "Эконометрика", поскольку эконометрика – это, как известно, статистический анализ  конкретных экономических данных. Это естественно делать, например, в рамках подпрограммы "Технологии  подготовки кадров для национальной  технологической базы" федеральной  целевой программы "Национальная  технологическая база". Естественно, что курсы "Прикладная математическая  статистика" и "Эконометрика" должны  быть обеспечены соответствующими  учебниками и учебными пособиями, методическими материалами и  обучающими компьютерными системами.

 Только через систему образования можно поднять уровень массового применения эконометрики и прикладной статистики и сократить отставание от "переднего края" теории.

 Какие  бы новые научные результаты  ни были получены, если они  остаются неизвестными студентам, то новое поколение исследователей  и инженеров вынуждено осваивать  их по одиночке, а то и переоткрывать. Т.е. практически новые научные результаты почти исчезают, едва появившись.

   Важная часть эконометрики - применение высоких статистических технологий к анализу конкретных экономических данных, что зачастую требует дополнительной теоретической работы по доработке статистических технологий применительно к конкретной ситуации. Большое значение имеют конкретные эконометрические модели, например, модели экспертных оценок или экономики качества. И конечно, такие конкретные применения, как расчет и прогнозирование индекса инфляции. Сейчас уже многим ясно, что годовой бухгалтерский баланс предприятия может быть использован для оценки его финансово-хозяйственной деятельности только с привлечением данных об инфляции.

 Применение эконометрики дает заметный экономический эффект. Например, в США - не менее 20 миллиардов долларов ежегодно только в области статистического контроля качества. Однако в нашей стране по ряду причин эконометрика не была сформирована как самостоятельное направление научной и практической деятельности, в отличие, например, от Польши, не говоря уже об англосаксонских странах. В результате специалистов - эконометриков у нас на порядок меньше, чем в США и Великобритании (Американская статистическая ассоциация включает более 20000 членов).

Приходится с сожалением констатировать, что в России практически отсутствует подготовка специалистов по высоким статистическим технологиям. В курсах по теории вероятностей и математической статистике обычно даются лишь классические основы этих дисциплин, разработанные в первой половине ХХ в., а преподаватели свою научную деятельность предпочитают посвящать доказательству теорем, имеющих лишь внутриматематический интерес, а не высоким статистическим технологиям.

В настоящее время в России только начинают развертываться эконометрические исследования и преподавание эконометрики. Преподавание этой дисциплины ведется в Московском государственном университете экономики, статистики и информатики (МЭСИ), на экономическом факультете МГУ им. М.В. Ломоносова, в Высшей школе экономики и еще в нескольких экономических учебных заведениях. Среди технических вузов факультет "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана имеет в настоящее время приоритет в преподавания эконометрики.

 Экономисты, менеджеры и инженеры, прежде всего специалисты по контроллингу, должны быть вооружены современными средствами информационной поддержки, в том числе высокими статистическими технологиями и эконометрикой. Очевидно, преподавание должно идти впереди практического применения. 

 

 

 

 

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

 

 

1Берн Э. Игры, в которые играют люди. Люди, которые играют в игры. — СПб.: Социальная литература, 1996.

2Вайнштейн А. Л. Эконометрия и статистика (рус.) // Тинтер Г. Введение в эконометрию. — М.: Статистика, 1965. — С. 5-26.

3Дж. Расин. Непараметрическая  эконометрика: вводный курс (рус.) // Квантиль. — 2008. — № 4. — С. 7-56.

4Доугерти  К. Введение в эконометрику: Пер. с англ. — М.: ИНФРА-М, 1999. — 402 с.

5Елисеева  И. И. Эконометрика. Учебник / Под ред. — 2-е изд. — М.: Финансы и статистика, 2006. — 576

6Лауреаты  Нобелевской премии по экономике.-[Электронный ресурс]. – Режим доступа: http://n-t.ru/nl/ek– Дата доступа: 07.11.2013.

7Орлов А. И. Эконометрика. Учебник. — М.: Экзамен, 2002. — 576 с.

8Орлов А. И. Прикладная статистика. Учебник. — М.: Экзамен, 2006. — 672 с

9Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика. Начальный курс. — М.: Дело, 2007. — 504 с.

10Суслов  В. И., Ибрагимов Н. М., Талышева Л. П., Цыплаков А. А. Эконометрия. — Новосибирск: СО РАН, 2005. — 744 с.

11Фляжникова  Е.В.-[Электронный ресурс]. – Режим доступа: http://www.phlygnikova.ru/Pyblikacii/page687/index.html– Дата доступа: 07.11.2013.