Теоретический обзор эконометрических моделей исследования реальных национальных экономик



В данной статье представлен теоретический обзор эконометрических моделей диагностики социально-экономических систем. Было рассмотрено два основных направления построения эконометрических моделей реальных национальных экономик: агрегированный и дезагрегированный. Выявлены особенности каждого из подходов и в заключении выделен метод более эффективный для моделирования макроэкономических систем.

Ключевые слова:эконометрические модели, агрегированный подход, дезагрегированный подход, социально-экономические системы

На современном этапе развития стран из-за глобализации экономики, ускорения урбанизации, роста потребления материальных благ одной из актуальных проблем является построение эффективного механизма управления социально-экономическим развитием, позволяющего увязать текущие процессы обеспечения всех сфер жизни с будущими долгосрочными перспективами.

Мировой опыт показывает, что наилучшим интсрументарием для исследования сложных социально-экономических систем и принятия макроэкономических решений явялется макроэкономитрическое моделирование. Выделяют два основных направления построения эконометрических моделей реальных национальных экономик:

1. Агрегированный (основоположник Л. Клейн);
2. Дезагрегированный (Р. Лукас).

К первому типу относятся модели, состоящие из систем уравнений и описывающие экономику в целом. Так, например, Дохолян С. В., Каллаева А. С. Петросянц В. З. в статье [1, c. 4–17] представляют региональную эконометрическую модель прогнозирования на примере Республики Дагестан с помощью системы рекурсивных уравнений. Для моделирования использовались показатели: I_{t —} объем инвестиции в основной капитал в году t; IP_{t —} объем инвестиции в промышленность в году t; IS_t — объем инвестиции в сельское хозяйство в году t; VPP_t — объем промышленного производства в году t; VSP_{t —} объем сельскохозяйственного производства в году t; VST_{t —} объем строительных работ в году t; VRP_{t —} валовой региональный продукт в году t; DOH_{t —} доходы населения в году t;

PLU_{t —} объем платных услуг в году t; ORT_{t —} оборот розничной торговли в году t; BD_{t —} доходы консолидированного бюджета в году t; NP_{t —} объем налоговых поступлений в бюджетную систему в году t; BR_{t —} численность безработных в году t; N_{t —} общая численность населения в году t; IN_{t —} инвестиции в основной капитал на душу населения в году t; VRPN_{t —} валовой региональный продукт на душу населения в году t; DOHN_{t —} доходы на душу населения в году t; PLUN_{t —} платные услуги на душу населения в году t; ORTN_{t —} оборот розничной торговли на душу населения в году t; BDN_{t —} бюджетные доходы на душу населения в году t; NPN_{t —} налоговые поступления на душу населения в году t, Q_{t —} удельный вес налоговых поступлений в ВРП в году t; UD_{t —} уровень дотационности консолидированного бюджета в году t.

При этом управляющими параметрами в модели являются инвестиции в основной капитал, промышленность и в сельское хозяйство. После расчета показателей на основе представленной модели были рассмотрены различные сценария стратегического развития Республики Дагестан на период до 2020 г.: инерционный, инвестиционный, инновационный и композиционный. Преимущество данной модели в том, что она учитывает специфические свойства региона и позволяет прогнозировать на несколько лет вперед, а также дает возможность рассмотреть различные сценария стратегического развития. Однако стоит отметить, что в данной статье некорректно были применены теоретические основы эконометрического моделирования: в модели присутствуют одновременно линейная и степенная зависимости.

Стоит выделить еще один класс моделей, относящиеся к первому типу, векторная авторегрессия (VAR) [2, c. 1590 –1595; 20].

В статье [2, c. 1590–1595] Суханова Е. И., Ширнаева С. Ю. представляют результаты построения модели векторной авторегрессии (VAR-модель) и прогнозные значения показателей, характеризующих стабилизационные процессы, которые наблюдаются в российской экономики. Основные показатели, используемые в модели, следующие: индекс промышленного производства, общая численность безработных, чистый экспорт, индекс потребительских цен, начисленная среднемесячная заработная плата, инвестиции в основной капитал. При этом период оценивания был выбран с 1999 г. по 2014 г., месячные данные. Моделирование осуществлялось в эконометрическом пакете EViews. Также в работе был проведен сравнительный анализ полученной модели с ранее разработанной эконометрической моделью исследования стабилизационных процессов экономики России, представленной в виде системы одновременных уравнений (СОУ). Эндогенными переменными в СОУ выступают все рассмотренные показатели, которые были учтены в VAR-модели. В результате были сделаны выводы, что прогнозные значения, найденные по векторной авторегрессии, ближе к фактическим, чем прогнозы, полученные на основе системы одновременных уравнений.

В работе [3] продемонстрирована методология и результаты применения расширенной VAR-модели для 14 основных макроэкономических показателей, характеризующих экономику РФ. Моделирование осуществлялось на интервале с 1 квартала 2000 г. по 3 квартал 2013 г. Адекватность оцененной байесовской авторегрессионной модели проверялось на основе анализа импульсных откликов, рекурсивного безусловного прогнозирования и контрафактических симуляций. В результате был сделан вывод, что данный эконометрический инструментарий применим для российской экономики. Однако авторы отмечают: предложенная модель не является окончательной и оптимальной версией, она в процессе будет преобразована с помощью добавления новых переменных, что позволит исследовать все стороны экономической сферы страны и выявить новые взаимосвязи.

Модель векторной авторегрессии и ее модификации являются эффективными инструментами прогнозирования, способные находить прогнозы на краткосрочную перспективу, и учитывать влияния лаговых значений и факторов на динамику основных показателей экономики.

Ко второму типу можно отнести множество эконометрических моделей, которые в свою очередь условно разделяются на два типа:

1) модели, в которых анализируются только предыдущие временные значения экономического показателя без учета влияния экзогенных переменных и определяются прогнозные значения, например, модели временных рядов ARIMA, представленные в работе [4, с. 2–17], с помощью которых были получены прогнозные значения основных макроэкономических показателей экономики РФ. Расчеты осуществлялись на месячных данных с сентября 1998 г. по декабрь 2012 г., источником послужил ЦБ РФ. В данных моделях был учтен мировой кризис 2008 г. Основные анализируемые показатели следующие: промышленное производство (индекс промышленного производства), розничный товарооборот, инвестиции в основной капитал, внешнеторговые показатели (объемы экспорта и импорта), индекс потребительских цен и индексы цен производителей, индексы транспортных тарифов на грузовые перевозки, денежные показатели (денежная база), международные резервы РФ, валютные курсы, показатели уровня жизни населения (реальная заработная плата, реальный располагаемый денежный доход), показатели численности занятого в экономике населения, общая численность безработных. Исследование представлено в два этапа. На первом осуществлялся предварительный анализ временных рядов на основе исследования коррелограмм, проведения теста Дики — Фуллера, а также тестирование на наличия структурных сдвигов с помощью критериев Перрона и Зивота — Эндрюса. На втором происходила оценка моделей и нахождение прогнозных значений. Стоит отметить, что прогнозирование по данным моделям осуществляется только на краткосрочную перспективу и не учитывается влияние факторов.

2) модели, учитывающие влияние факторов на динамику того или иного макроэкономического показателя. Так, к последним относятся ряд следующих эконометрических моделей и методов:

a) коинтеграционный анализ и модели коррекции ошибками [5 c. 243–266; 6 c. 85 –111];

b) пространственные модели [7, c. 164–180];

c) панельный анализ [8c. 187–191].

Дмитриев А. С., Шугаль Н. Б. в работе [5, c. 243–266] рассмотрели влияние факторов на основные компоненты ВВП РФ: потребление населения, инвестиции в основной капитал, параметры внешней торговли, с помощью построения коинтеграционных соотношений и моделей коррекции ошибками (ECM). Для разработки моделей были выбраны месячные данные с 1999 г. по 2004 г. Предварительно все временные ряды были исследованы на стационарность с помощью расширенного теста Дикки — Фуллера (ADF-тест) и теста Квятковского — Филлипса — Шмидта — Шина (KPSS). Построение ECM осуществлялось на основе двухшаговой процедуры Энгла — Грэнджера. Все полученные модели были проверены на адекватность. После оделирования отдельных компонент ВВП была построена объединенная модель реального и внешнего сектора в виде системы уравнений. Данная модель позволила выявить основные факторы, влияющие на изменение темпов экономического роста, и рассмотреть сценария развития будущего состояния экономики страны.

Айвазян С. А., Бродский Б. Е.в работе [6, c. 85–11] рассматривают влияние факторов на важнейшие показатели, относящиеся к основным секторам экономики РФ (экспортно-ориентированный, естественные монополии,газовая отрасль, внутренне-ориентированный сектор). Для этого разрабатывают коинтеграционные соотношения и модели коррекции ошибками (ECM). Оценивание осуществляется с использованием квартальных данных с 1995 г. по 2005 г. Модель российской экономики содержит 64 регрессионных и коинтеграционных уравнения, включает 17 балансовых соотношений. Она позволяет проанализировать воздействие внешних «шоков»и основных параметров экономической политики на конъюнктуру экономики страны, а также разработать сценария развития на будущую перспективу.

Демидова в своей работе [7, c. 164–180] использует дезагрегированные модели пространственной эконометрики для выявления взаимосвязи в экономическом развитии регионов западной и восточной России. Для каждого региона разрабатывается модель экономики на основе трех индикаторов: уровень безработицы, реальные заработные платы, валовой региональный продукт и осуществляется проверка наличия пространственных эффектов. В результате исследования был получен вывод, что в России существует асимметричное влияние социально-экономического развития западных и восточных регионов друг на друга.

Гурьянова Л. С. в статье [8, c. 187–191] представляет применение производственных функции панельных данных с учетом научно-технического прогресса и без учета данного фактора. Оценивание осуществляется с использованием данных с 2005 г. по 2010 г. и рассматривается 15 видов экономической деятельности регионов Украины. Полученные модели были проверены на адекватность. В результате исследования были выявлены отрасли, где наиболее эффективно применяются технологии, а также определены регионы Украины, использующие эффективные технологии в инвестируемых отраслях производства. Однако в работе не обоснован выбор типа моделей, а именно, не представлены результаты специфических тестов панельного анализа.

Таким образом, сравнивая два подхода построения эконометрических моделей макроэкономики можно сделать вывод, что дезагрегированный подход позволяет более детально описать все социально-экономические процессы, выявить конкурентные преимущества и проблемы функционирования. Данный метод является актуальным инструментарием государственного регулирования социально-экономического развития на уровне города, региона и страны. Детализированный анализ основных макроэкономических показателей и составления верных прогнозов на будущую перспективу позволяют принимать научно-обоснованные управленческие решения, сглаживать межрегиональные противоречия и решать вопросы, связанные с ростом благосостояния населения и улучшением качества жизни. Обоснованные прогнозные значения могут применяться муниципальными органами власти для определения и обоснования социально-экономической политики, способов рационализации и оптимизации использования ограниченных производственных ресурсов.

Литература:

1. Дохолян С. В., Каллаева А. С., Петросянц В. З., Эконометрическая модель прогнозирования и сценарные варианты модернизации региональной экономики // Региональные проблемы преобразования экономики. 2008. № 1. С. 4–17.
2. Суханова Е. И., Ширнаева С. Ю. Прогнозирование показателей стабилизационных процессов экономики России на основе моделей векторной авторегрессии // EconomicSciences. Fundamentalresearch. 2014. № 9. C. 1590–1595.
3. Дерюгина Е., Пономаренко А. Большая байесовская векторная авторегрессионная модель для российской экономки //Серия докладов об экономических исследованиях. Банк России. Март 2015. № 1
4. Астафьева Е., Баева М., Божечкова А., Бузаева А., Киблицкая Т., Турунцева М., Пономарева Ю., Скроботов А. Модельные расчеты краткосрочных прогнозов социально-экономических показателей РФ // Научный вестник ИЭП им. Гайдара.ру. 2013.№ 2. С. 2–17.
5. Дмитриев А. С., Шугаль Н. Б. Макроэкономическое моделирование взаимосвязей реального и денежного секторов российской экономики (часть 1) // Экономический журнал ВШЭ. 2006. № 2. С. 243–266.
6. Айвазян С. А., Бродский Б. Е. Макроэкономическое моделирование: подходы, проблемы, пример эконометрической модели российской экономике //Прикладная эконометрика. 2006.№ 2. C. 85–111.
7. Demidova O. (2014). The asymmetric spatial effects for western and eastern regions of Russia. Post-Communist Economies, v.26, n.4, p. 164–180. London: Taylor & Francis Group.
8. Гурьянова Л. С. Применение производственных функций панельных данных в анализе регионального развития // Проблемы экономики. 2012.№ 3. C. 187–191.