Содержание к диссертации
Введение
1 Промышленное производство и безработица: понятие, взаимосвязь и подходы к исследованию 12
1.1 Экономическое содержание категорий промышленного производства и безработицы и природа их взаимосвязи 12
1.2 Тенденции изменения уровней производства и безработицы в переходной экономике России 20
1.3 Анализ существующих подходов к исследованию динамики промышленного производства и безработицы: экономико-математический инструментарий 30
1.4. Проблемы измерения статистических показателей промышленного производства и безработицы в условиях переходной экономики России 33
2 Макроэкономическое моделирование промышленного производства, безработицы и их взаимосвязи 39
2.1 Разработка комплекса моделей для анализа и прогнозирования промышленного производства, безработицы и их взаимосвязи 39
2.2 Проблемы моделирования макроэкономических данных и пути их решения 51
2.3 Исследование и выбор методов анализа изолированных временных рядов 57
2.4 Оценка возможности использования современных методов анализа взаимосвязанных временных рядов в условиях транзитивной экономики 72
3 Эконометрический анализ и прогнозирование выпуска промышленной продукции и уровня безработицы в условиях переходной экономики России 86
3.1 Статистический анализ исходных данных о динамике промышленного производства и безработицы в России 86
3.2 Дескриптивные эконометрические модели временных рядов индекса промышленного производства и уровня безработицы в России 95
3.2.1 Выделение долгосрочного тренда временных рядов индекса промышленного производства и уровня безработицы 95
3.2.2 Анализ структуры взаимозависимости промышленного производства и безработицы 104
3.3 Прогнозные эконометрические модели временных рядов индекса промышленного производства и уровня безработицы в условиях транзитивной экономики России 107
3.3.1 Прогнозные модели изолированных временных рядов индекса промышленного производства и уровня безработицы 107
3.3.2 Эконометрический анализ и прогноз взаимосвязанных временных рядов: векторная авторегрессия 117
3.3.3 Прогнозные регрессионные модели с лаговыми переменными индекса промышленного производства и уровня безработицы 132
3.3.4 Сравнительный анализ прогнозных свойств использованных моделей в динамике 146
3.4 Результаты применения комплекса моделей анализа и прогнозирования промышленного производства, безработицы и их взаимосвязи 154
Заключение 158
Список использованной литературы 161
Приложения 171
- Тенденции изменения уровней производства и безработицы в переходной экономике России
- Анализ существующих подходов к исследованию динамики промышленного производства и безработицы: экономико-математический инструментарий
- Проблемы моделирования макроэкономических данных и пути их решения
- Дескриптивные эконометрические модели временных рядов индекса промышленного производства и уровня безработицы в России
Введение к работе
Актуальность темы исследования. В последние годы в экономике России наметились позитивные тенденции, которые, однако, не приобрели пока устойчивого, долговременного характера, о чем свидетельствует некоторое снижение темпов экономического роста в 2002 году. Тем не менее, неуклонное наращивание объемов промышленного производства, наблюдающееся с 1998 года, не может не указывать на изменение к лучшему макроэкономических тенденций по сравнению с началом девяностых годов двадцатого столетия.
Состояние экономики в целом характеризуется набором макроэкономических показателей, среди которых можно выделить уровни безработицы и выпуска промышленной продукции, как одни из наиболее важных. Эти величины, являясь тесно связанными между собой, характеризуют «здоровье» экономической системы, ее потенциал и ближайшие перспективы развития.
Затянувшийся переход российской экономики из планового состояния в состояние рыночное породил существенные сдвиги в структуре и объемах промышленного производства, а также связанные с ними изменения в структуре занятости населения. Падение выпуска в большинстве отраслей промышленности, прежде всего в тяжелой промышленности и в отраслях военно-промышленного комплекса, повлекло увеличение численности безработных. Однако за десятилетие экономических преобразований темпы падения промышленного производства замедлились, а кризис августа 1998 года, приведший к существенному сокращению импорта, создал предпосылки для экономического роста, увеличения объемов промышленного производства, и, соответственно, для снижения уровня безработицы. Изучение этих двух макроэкономических явлений - безработицы и выпуска промышленной продукции - в их взаимосвязи является весьма актуальной задачей. Это определяется не только несомненной социальной значимостью данных
5 категорий, но и выявлением резервов и прогнозированием темпов экономического роста России.
Актуальность научных разработок по данной проблеме обусловлена не только особой значимостью отслеживания этих параметров для принятия решений и разработки экономической политики России в условиях переходного периода, но и необходимостью выбора адекватного экономико-математического инструментария для анализа и прогнозирования взаимосвязи выпуска и безработицы. В частности, такие методы как фильтр Ходрика-Прескотта и векторные авторегрессии, прочно вошедшие в инструментарий макроэкономического анализа в странах с развитыми экономиками, до настоящего времени не нашли достойного применения в отечественной теории и практике. Поэтому важным представляется исследование возможности применения и апробация данных методов в условиях российской транзитивной экономики, их использование для выявления тенденций экономического развития и прогнозирования будущих значений макропоказателей уровня безработицы и индекса промышленного производства. Как известно, построение перспективных прогнозов служит базой для принятия решений в области экономической политики. Поэтому особенно актуальным является предсказание реакции одних макроэкономических переменных на изменения других, что диктует необходимость разработки адекватного условиям переходной экономики России экономико-математического инструментария.
Степень разработанности проблемы. Имеющиеся в научной литературе публикации в исследуемой области по тематической направленности можно условно сгруппировать следующим образом.
Проблемы формирующегося в России рынка труда и безработицы как его неотъемлемой части нашли свое отражение в работах Адамчук В.В., Белокрыловой О.С, Бреева Б.Д., Волгина Н.А., Горбачевой Т.Л., Жаромского B.C., Казначеевой Н.Л., Колосницыной М.Г., Ниворожкиной Л.И., Разумовой Т.О., Ромашова О.В., Рощина С.Ю., Рофе А.И., Сорокиной М.Е., Четверниной Т. и др.
Среди исследователей промышленного производства, его динамики, а также экономического роста, можно отметить Белоусова А.Р., Бессонова В.А., Глазьева С. Ю., Иванченко Н.И., Полосову О.И., Прокопова Ф., Райскую Н.Н., Сергиенко Я.В., Френкеля А.А., Ханина Г.И. и др.
В числе зарубежных авторов, исследовавших проблемы эконометрического анализа и прогнозирования выпуска и безработицы, а также их взаимосвязи, можно выделить таких как Evans G.W., Nelson C.R., Plosser C.I., Campbell J.Y., Mankiw N.G., Watson M.W., Harvey A., Clark P.K., Kidland F., Prescott E. и др.
Объектом исследования выступает система взаимодействия промышленного производства и безработицы в условиях переходной экономики.
Предметом исследования является динамика индекса промышленного производства и уровня безработицы России, их взаимосвязь, а также методы и модели их анализа и прогнозирования.
Цель исследования. Цель данного диссертационного исследования состоит в разработке комплекса экономико-математических моделей для изучения динамики промышленного производства и безработицы, выявления характера и структуры их взаимосвязи и прогнозирования их развития.
Для достижения поставленной цели в диссертационной работе решались следующие задачи:
анализ особенностей статистического учета показателей промышленного производства и рынка труда в современной России и обоснование выбора информационной базы исследования;
разработка комплекса моделей для анализа и прогнозирования индекса промышленного производства и уровня безработицы в условиях транзитивной экономики России;
выделение долгосрочных тенденций временных рядов индекса промышленного производства и уровня безработицы различными методами, анализ полученных результатов;
выбор спецификаций и оценка линейных параметрических моделей для анализа и прогнозирования динамики промышленного производства и безработицы;
прогнозирование значений индекса промышленного производства и уровня безработицы с помощью адаптивных методов прогнозирования;
выбор спецификации и оценка моделей векторной авторегрессии для выявления характера и силы взаимосвязи между промышленным производством и безработицей с учетом их прошлых значений и построение совместных прогнозов исследуемых макроэкономических показателей;
обоснование и оценка модели структуры взаимосвязи между промышленным производством и безработицей для проверки гипотезы о соответствии этой структуры эмпирическому аналогу закона Оукена.
Теоретической и методологической основой данного диссертационного исследования явились работы ведущих российских и зарубежных ученых по проблемам анализа динамики объемов промышленного производства и безработицы в условиях транзитивной экономики, их взаимовлияния и взаимозависимости, проблемам эконометрического моделирования процессов безработицы и промышленного производства на макроуровне. В качестве инструментария использовались методы системного анализа, экономической статистики, эконометрики и прикладной статистики.
В работе осуществлена взаимоувязка содержательного и экономико-математического аспекта изучаемой проблемы.
Эмпирической базой для теоретических выводов и практических разработок стали материалы Госкомстата РФ и Российско-европейского центра экономической политики (РЕЦЭП) совместно с Рабочим центром экономических реформ при Правительстве Российской Федерации.
Для первичной обработки данных применялось программное средство общего назначения Microsoft Excel 2000; для построения и анализа регрессионных моделей использовались встроенные процедуры и язык
8 программирования статистического пакета Econometric Views 3.11, а также статистический пакет Statistica 5.5 А.
Работа выполнена в соответствии со следующим пунктом Паспорта специальности 08.00.13 - «Математические и инструментальные методы экономики»:
п. 1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни: демографических процессов, рынка труда и занятости населения, качества жизни населения и др.
Положения диссертации, выносимые на защиту:
Выявлено, что долгосрочные тенденции изменения процессов безработицы и промышленного производства за период 1992-2002 гг. хорошо описываются с помощью методов аппроксимации полиномом и фильтра Ходрика-Прескотта. При этом изменения уровней исследуемых временных рядов имеют форму выпуклой вниз параболы для индекса промышленного производства, и выпуклой вверх параболы - для уровня безработицы. То есть тенденция падения индекса промышленного производства сопровождалась ростом уровня безработицы, а снижение уровня безработицы - ростом промышленного производства.
Доказано, что по своему характеру и структуре взаимосвязь индекса промышленного производства и уровня безработицы в России за исследуемый период (1992 - 2002 гг.) подчиняется закону, аналогичному закону Оукена. При этом снижение уровня промышленного производства, вызванное увеличением уровня безработицы на один процент, составляет 2,89 процента, что соответствует показателю, фиксируемому для стран с развитыми экономиками - от 2 до 3 процентов.
Установлено, что модели векторной авторегрессии являются адекватным инструментарием анализа и прогнозирования взаимосвязи
9 процессов промышленного производства и безработицы в условиях транзитивной экономики России, так как позволяют выявлять наличие, направленность и силу их взаимного влияния, строить достаточно точные прогнозы, без предварительных предположений о структуре зависимости, что упрощает процедуру исследования. 4. Показана адекватность моделей авторегрессии, адаптивных методов прогнозирования и моделей векторной авторегрессии для прогнозирования уровней безработицы и промышленного производства. В среднем отклонения прогнозных значений от фактических составляют около 2%. Наилучшие прогнозные свойства отмечены у моделей векторной авторегрессии. Однако невозможно сделать однозначный выбор в пользу того или иного метода, что обусловливает необходимость применения для конкретных задач прогнозирования нескольких методов, сравнение результатов которых позволяет получить более точную картину развития исследуемых процессов. Научная новизна диссертационного исследования определяется тем, что в нем с помощью методов статистического и эконометрического моделирования проведен анализ и построен прогноз процессов изменения уровней промышленного производства и безработицы в современной экономике России, как по отдельности, так и в их взаимосвязи. Новыми являются следующие положения и выводы:
Разработан комплекс моделей для анализа и прогнозирования динамики безработицы и промышленного производства в условиях переходной экономики России, преимуществами которого являются возможность исследования данных процессов как в их взаимосвязи, так и независимо друг от друга, а также возможность выбора адекватных моделей для конкретных макроэкономических ситуаций.
Специфицированы и идентифицированы модели векторной авторегрессии промышленного производства и уровня безработицы
10 России, использование которых позволяет сделать выводы о наличии и силе взаимосвязи между данными макроэкономическими процессами, рассчитывать реакцию одного из исследуемых параметров на шоковые изменения другого, и строить совместные прогнозы их значений.
Выявлено, что структура взаимосвязи индекса промышленного производства и уровня безработицы в России подчиняется аналогу закона Оукена, что дает возможность оценивать и прогнозировать потери в выпуске промышленной продукции, обусловленные ростом уровня безработицы.
Построен ряд оригинальных по структуре регрессионных моделей индекса промышленного производства и уровня безработицы с лаговыми переменными, позволяющих строить достаточно точные прогнозы на период от одного до двенадцати месяцев.
Теоретическая и практическая значимость диссертации определяется актуальностью поставленных задач и достигнутым уровнем их разработки. Теоретическая значимость заключается в формулировке и доказательстве того, что взаимосвязь индекса промышленного производства и уровня безработицы России подчиняется закону, аналогичному по структуре закону Оукена. Практическая значимость состоит в разработке экономико-математические моделей, позволяющих производить анализ взаимосвязи процессов промышленного производства и безработицы, исследовать их динамику и прогнозировать будущее состояние.
Конкретная практическая значимость диссертации заключается в том, что материалы исследования могут быть использованы:
органами государственной власти как Федерации, так и субъектов Федерации, при разработке экономической и социальной политики;
в учебном процессе при создании и совершенствовании программ учебных курсов по макроэкономике, эконометрике, а также моделированию макроэкономических процессов;
- в системе подготовки и переподготовки экономических кадров и специалистов.
Апробация результатов исследования. Основные теоретические и практические положения диссертационного исследования докладывались и обсуждались на: Международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (г. Новочеркасск, ЮРГТУ, 2002); Межвузовских научных чтениях «Математические и статистические методы в экономике и естествознании» (г. Ростов-на-Дону, РГЭУ, 2000); Межгосударственной научно-практической конференции «Экономико-организационные проблемы проектирования и применения информационных систем» (г. Ростов-на-Дону, РГЭУ, 2000).
По теме диссертации опубликовано 7 печатных работ (в т.ч. одна монография) общим объемом 12,68 п.л. (лично автора - 7,03 п.л.).
Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и 7 приложений. Основной текст занимает 170 страниц, включает в себя 54 таблицы и 35 рисунков. В приложениях содержатся исходные данные и результаты расчетов. Список использованной литературы состоит из 127 источников.
Тенденции изменения уровней производства и безработицы в переходной экономике России
На протяжении рассматриваемого периода - с 1992 по 2001 год, тенденции развития процессов производства и безработицы претерпевали существенные изменения. На начальном этапе реформ структурный кризис в промышленности породил спад производства, продолжавшийся до августа 1998 года, когда изменение экономической ситуации, обусловленное дефолтом и девальвацией национальной валюты не создало предпосылок для экономического роста. До кризиса 1998 года падение производства сопровождалось ростом безработицы.
Как отмечается в [11], с точки зрения экономического роста, посткризисный период (1999-2001) был одним из самых успешных за всю послевоенную историю - более высокие темпы наблюдались только в 50-е годы. За три года ВВП увеличился на одну пятую (в то время как мировой объем ВВП - на 11 %, ВВП развитых стран - на 9%), промышленное производство - почти на треть, продукция машиностроения - в полтора раза. Практически весь рост был обеспечен за счет повышения эффективности использования базовых ресурсов (основных фондов, труда, энергоносителей).
Посткризисный рост промышленного производства состоял из трех последовательных волн, различающихся факторами роста, механизмами и ведущими секторами.
Первая волна (октябрь 1998 г. - июль 1999 г.) была связана с импортозамещением и инвестированием возросших доходов предприятий в оборотный и, в меньшей степени, основной капитал. Главный вклад в прирост промышленной продукции внесло машиностроение (58%) и сырьевые отрасли (29%) при весьма умеренной роли потребительских отраслей (11%).
Вторая волна (декабрь 1999 г. - август 2000 г.) была вызвана расширением конечного спроса, что прямо или опосредовано связано с благоприятной мировой конъюнктурой. Основные источники роста производства - экспорт (вклад - 55%), потребительский спрос (31%), инвестиции в основной капитал. Соответственно более 40% прироста промышленной продукции было обеспечено экспортно-ориентированными сырьевыми отраслями, треть - машиностроением и около одной пятой -потребительскими отраслями.
Третья волна (февраль - август 2001 г.) опиралась на рост доходов и внутреннего спроса. Если в рамках второй волны вклады внутреннего и внешнего спроса в общий прирост конечного спроса соотносились как 45 к 55, то в рамках третьей - как 79 к 21. Три четверти прироста промышленной продукции было сосредоточено в трех отраслях: топливной промышленности (23%), машиностроении (20%), пищевой промышленности (33%).
Масштабы экономического роста 1999-2001 гг. не могут быть объяснены ни одной из составляющих шоков посткризисного периода: ни девальвацией рубля, ни повышением мировых цен на нефть. Очевидно, данный результат имеет системное происхождение: он получен вследствие комбинированного воздействия группы факторов, вызвавшего комплекс системных изменений, которые в свою очередь задействовали имеющиеся ресурсы роста и привели к формированию новой воспроизводственной модели [11].
Впервые за время рыночных реформ в реальном секторе экономики России в 1999-2000 гг. был достигнут существенный рост основных экономических показателей, причем с некоторым ускорением в 2000 г.: ВВП - на 3,5 и 7,7% в 1999 и 2000 гг. соответственно, инвестиций в основной капитал - на 5 и 17,7%, продукции промышленности - на 8 и 9%, продукции сельского хозяйства - на 4 и 5%, грузооборота транспорта - на 5 и 4,8% [11].
Всесторонний анализ причин и факторов этой новой тенденции российской экономики имеет важное значение для прогнозирования ее дальнейшего развития и принятия адекватных практических мер по сохранению благоприятной ситуации. В числе главных позитивных факторов, сформировавших тенденции к росту, отечественные исследователи рассматривают такие традиционно обсуждавшиеся в той или иной степени в научной и публицистической литературе, как импортозамещение на внутреннем рынке, обусловленное удешевлением российских товаров по отношению к зарубежным после резкого падения курса рубля в 1998 г.; стимулирующее воздействие девальвации рубля на экспортоориентированные отрасли, получившие преимущества на международных рынках; рост монетизации экономики и снижение бартерных сделок и взаимозачетов; наличие свободных работоспособных производственных мощностей в реальном секторе и отсутствие жестких ограничений по энергетическим ресурсам, транспорту и производственной инфраструктуре; рост цен мирового рынка на экспортные товары, прежде всего на нефть. Особенности этих факторов состоят в том, что они не носят долговременного характера. Они в основном -конъюнктурного свойства и в значительной степени связаны с действием внешних факторов, а также с развитием экспортоориентированных отраслей, успешно работающие предприятия которых часто являются анклавами внутри экономики страны. Исчерпание воздействия многих из названных факторов отразилось на падении параметров роста промышленного производства уже во второй половине 2000 г.
Долговременные факторы роста производства в промышленности связывают с активной государственной политикой по управлению инвестиционной и инновационной деятельностью, создающей перспективы качественного роста и заделы технологической конкурентоспособности, регулированию в интересах всех участников производства цен и тарифов на продукцию естественных монополий [90].
Логика системных изменений, происходивших в экономике в 1999-2001 гг., по [11], состоит в следующем: в связи с девальвацией рубля и повышением мировых цен на нефть возник мощный источник дополнительных доходов от экспорта;
Анализ существующих подходов к исследованию динамики промышленного производства и безработицы: экономико-математический инструментарий
Проблемы динамики объема промышленного производства и безработицы, а также их взаимосвязи являются в достаточной степени разработанными для западных экономик. Однако для переходной экономики Российской Федерации имеют место в основном исследования этих явлений по отдельности. Совместно они затрагиваются в основном в работах, посвященных российской макроэкономической ситуации в целом.
Проблемы формирующегося в России рынка труда, и, соответственно, безработицы как его неотъемлемой части, нашли свое отражение в работах Адамчук В.В., Белокрыловой О.С., Волгина Н.А., Казначеевой Н.Л., Колосницыной М.Г., Ниворожкиной Л.И., Разумовой Т.О., Ромашова О.В., Рощина С.Ю., Рофе А.И., Сорокиной М.Е., Четверниной Т. и др. Среди исследователей промышленного производства, его динамики, а также экономического роста, можно отметить Белоусова А.Р., Бессонова В.А., Глазьева С. Ю., Иванченко Н.И., Полосову О.И., Прокопова Ф., Райскую Н.Н., Сергиенко Я.В., Френкеля А.А., Ханина Г.И. и др.
Основным экономико-математическим инструментарием отечественных исследований по рассматриваемой проблематике является корреляционный и регрессионный анализ. Например, работа Н.Н. Райской, Я.В. Сергиенко и А.А. Френкеля [66], посвященная анализу динамики инфляции, производства и финансовой эффективности в промышленности, базируется на расчетах взаимокорреляционных функций с различными периодами запаздывания влияющих факторов. В другом исследовании этих же авторов [67] изучается рост производства российской экономики в 1998-2001 гг. путем построения и анализа модели гребневой регрессии.
В работе Т.Л. Горбачевой, Б.Д. Бреева и B.C. Жаромского [20] оцениваются колебания уровня безработицы и прогнозируется численность безработных с помощью регрессионных моделей с фиктивными переменными, а также включаемыми в модель лаговыми переменными. При этом оцениваемые модели содержат большое число фиктивных переменных, значимость которых неочевидна.
Экономико-математический, эконометрический инструментарий, применяемый в исследованиях безработицы и промышленного производства России, представляется достигающим далеко не всех целей анализа этих показателей. Корреляционный анализ способен дать только первичное, поверхностное представление о наличии взаимосвязи между переменными, которое требует дальнейшего изучения с использованием более сложных, комплексных методов. Построение же конкретных регрессионных моделей проводится для проверки определенных гипотез исследования о виде взаимосвязи между переменными. Таким образом, описанный инструментарий не может претендовать на комплексность исследования экономических явлений. Более универсальным в этом смысле является применение к изучаемым временным рядам макроэкономических показателей спектра методов, позволяющих анализировать разные аспекты исследуемых явлений, и, тем самым, делать более обоснованные выводы и строить более точные прогнозы.
Подводя итог вышеизложенному, можно сказать, что эконометрическиЙ инструментарий, применяемый при макроэкономическом анализе и прогнозировании показателей безработицы и промышленного производства в исследованиях отечественных авторов, достаточно узок, и, к сожалению, не включает многие методы анализа временных рядов, успешно применяемые для подобных показателей в зарубежных исследованиях. Особенно это касается взаимной зависимости безработицы и промышленного производства, исследования которой для переходной экономики России отсутствуют.
В аспекте анализа изолированных временных рядов не находят применения методы построения и анализа моделей авторегрессии и скользящего среднего, методы адаптивного прогнозирования, методы выделения долговременной составляющей. Что же касается анализа взаимозависимости макроэкономических показателей, то в российской исследовательской практике не используется такой достаточно простой, и в то же время мощный инструментарий, как модели векторной авторегрессии.
В исследованиях выпуска и безработицы в странах с развитыми экономиками, например, в США, модели векторной авторегрессии находят широкое применение, и считаются одним из основных инструментов макроэкономического анализа [124].
Например, одной из наиболее влиятельных работ в этой области считается исследование G.W. Evans, посвященное анализу динамики выпуска и безработицы в Соединенных Штатах в 1950-1985 годы [115]. В этом исследовании на эмпирических данных доказывается наличие существенной обратной связи между безработицей и ростом объема выпуска, а также наличие сильной корреляции между ними для одного и того же момента времени. Для одновременного описания динамики выпуска и безработицы используется модель векторной авторегрессии, а также для оценки продолжительности действия эффекта изменения выпуска, и для декомпозиции выпуска на тренд и цикл. Помимо этого, в работе приводятся интерпретации полученных результатов и сравнение результатов декомпозиции с вычислениями разрыва, или отставания выпуска с использованием закона Оукена.
В числе зарубежных авторов, исследовавших проблемы анализа и прогнозирования выпуска и безработицы, а также их взаимосвязи, можно выделить таких как Nelson, Plosser, Campbell, Mankiw, Watson, Harvey, Clark, Kidland, Prescott и др. [112, 113, 118,120,121,126].
Проблемы моделирования макроэкономических данных и пути их решения
В своем анализе макроэкономика использует агрегированные величины, характеризующие движение экономики как единого целого. Эта агрегированность составляет основную специфику макроэкономических данных. В микроэкономике для анализа какого-либо экономического явления, как правило, используются пространственные данные по условно однородным объектам. Например, для микроэкономического моделирования состояния занятости или безработицы экономически активного индивида используются выборочные данные о занятости/незанятости определенного числа экономически активных индивидов. Для макроэкономического же анализа явления безработицы исследуется временной ряд уровня безработицы в целом по стране. Макроэкономические данные по методологии своего построения являются агрегированием данных микроэкономических: по отдельным индивидам, предприятиям, отраслям, регионам.
Таким образом, макроэкономические данные несут информацию о динамике показателей, развитии экономики страны, тенденциях и закономерностях этого развития. И в выявлении этих тенденций и закономерностей и заключается основная задача макроэкономического анализа (исключая международные сопоставления).
Поэтому основной проблемой анализа макроэкономических данных в нашей стране является то, что, по мнению В.А. Бессонова, «в России широко распространено мнение (доставшееся в наследство от времен плановой экономики), что анализ экономической динамики должен и может быть сведен к получению «цифры», которая и передается руководству государства... Под результатом ... таким образом понимается некая числовая величина (скажем, отношение к значению того же показателя прошлого года), а не временной ряд экономического индекса, то есть в качестве результата понимается не тот объект, который необходим для решения задач анализа экономической динамики» [12]. Таким образом, анализ временных рядов макроэкономических показателей России затруднен, в частности, небольшой длиной рядов сопоставимых данных.
Это невыгодно отличает Россию от развитых стран. В США, например, официально ежемесячно публикуется временной ряд индекса промышленного производства начиная с января 1919 года, т.е. с того времени, когда начался официальный расчет индекса.
Данные о макроэкономических показателях отдельно взятой страны представляют собой временной ряд. Временной ряд - это тип статистических данных, отличающийся от пространственных данных тем, что члены выборки не являются независимыми и одинаково распределенными. Поэтому и методы эконометрического анализа и построения прогнозов для этих типов данных различны.
Как отмечают James Н. Stock и Mark W. Watson [124], применение эконометрики к данным макроэкономики (макроэконометрика) состоит в решении четырех типов задач: описания данных, построения макроэкономического прогноза, структурных выводов и анализа макроэкономической политики. Под описанием данных понимается описание свойств исследуемых временных рядов. Построение макроэкономического прогноза означает предсказание курса экономики (имеются в виду кратко- и среднесрочные прогнозы, так как прогнозы для больших горизонтов не обладают необходимой достоверностью). Структурные выводы представляют собой проверку, соответствуют ли макроэкономические данные конкретной экономической теории. Макроэконометрический анализ политики проходит по двум направлениям: оценивается влияние на экономику гипотетического изменения инструментов политики, и влияние изменения правил политики. Конкретное макроэконометрическое исследование может быть посвящено решению одной или нескольких из перечисленных задач. Решение каждой задачи требует применения различных методов анализа временных рядов. Основным инструментом анализа временных рядов в целом является моделирование — построение адекватной экономико-математической модели и ее анализ.
Существует множество методов анализа временных рядов. Наиболее укрупненно все они могут быть разделены на два класса — методы анализа изолированных временных рядов (методы одномерного анализа, univariate analysis) и методы анализа взаимосвязанных временных рядов (методы многомерного анализа, multivariate analysis). К методам анализа изолированных временных рядов относятся: методы сглаживания временных рядов, линейные параметрические модели (авторегрессии AR; скользящего среднего МА; обобщенные авторегрессии - скользящего среднего в остатках ARMA, авторегрессии-проинтегрированного скользящего среднего ARIMA; модели авторегрессионных условно гетероскедастичных остатков ARCH, GARCH), модели сезонных временных рядов и др. [5]. Среди методов анализа взаимосвязанных временных рядов можно выделить системы одновременных уравнений, модели с распределенными лагами, авторегрессионные модели с распределенными лагами, и модели векторной авторегрессии - VAR (vector autoregression).
Также методы и модели анализа временных рядов подразделяются в зависимости от того, является ли исследуемый временной ряд (ряды) стационарным.
Временной ряд называется строго стационарным (стационарным в узком смысле), если совместное распределение вероятностей т наблюдений x(t,), x(t2), ... x(tm) такое же, как и для т наблюдений x(tj + T), x(t2+r), ... x(tm+r), при любых т, th t2, ... tm и г[5].
Дескриптивные эконометрические модели временных рядов индекса промышленного производства и уровня безработицы в России
Комплекс моделей для анализа и прогнозирования, разработанный для изучения промышленного производства, безработицы и их взаимосвязи, позволил исследовать данные экономические процессы с разных сторон за десятилетний период с 1992 по 2002 гг., построить прогнозы и получить представление о тенденциях и закономерностях развития. Результаты применения комплекса моделей могут быть сформулированы следующим образом.
Разработанный комплекс моделей позволил: описать исследуемые временные ряды, получить их основные характеристики, выявить тенденции развития изучаемых экономических процессов за данный промежуток времени. Была выявлена и исследована структура взаимной зависимости индекса промышленного производства и уровня безработицы. На основании оцененных моделей были построены прогнозы изучаемых показателей, как совместно, так и по отдельности.
Уровень безработицы в России за исследуемый период имел тенденцию к росту до 1998 года, затем стал снижаться. Однако в целом за период он вырос с 2,59 процента в январе 1992 года до 7,5 процента в августе 2002 года. Временной ряд в целом, по всей совокупности наблюдений, не является стационарным рядом, что требует применения методологии Бокса-Дженкинса при его моделировании. Долгосрочные тенденции изменения ряда достаточно хорошо аппроксимируются полиномом второго порядка (выпуклой вверх параболой), а также с помощью адаптивного метода - фильтра Ходрика-Прескотта. Сезонных или циклических колебаний данного ряда динамики не обнаружено. С экономической точки зрения долгосрочная тенденция изменения уровня безработицы за исследуемый период свидетельствует о смене спада в отечественной экономике подъемом после кризиса августа 1998 года, и сохранении положительной динамики создания новых рабочих мест и сокращения отношения числа безработных к экономически активному населению. Однако к концу исследуемого периода темпы снижения уровня безработицы несколько замедлились, что может говорить об исчерпании резервов для быстрого роста числа рабочих мест, и стабилизации экономической обстановки.
Для прогнозирования уровня безработицы были построены модели авторегрессии и экспоненциального сглаживания, а также модели векторной авторегрессии индекса промышленного производства и уровня безработицы для всех наблюдений и для периода после кризиса 1998 года. Все модели показали наличие хороших прогнозных свойств, но по критерию минимального среднего относительного отклонения наилучшие результаты показали модели векторной авторегрессии и авторегрессии.
В динамике индекса промышленного производства за исследуемый период преобладали тенденции, противоположные тенденциям изменения уровня безработицы. До кризиса августа 1998 года отмечается падение уровня производства, после кризиса - рост. Индекс промышленного производства снизился со 164,4 процента в январе 1992 года до 128,7 процента в августе 2002 года (в процентах к 1997 году).
Долгосрочные тенденции изменения индекса промышленного производства аппроксимируются полиномом второго порядка (выпуклой вниз параболой) и с помощью фильтра Ходрика-Прескотта. Таким образом, исследуемым временным рядам свойственны противоположные тенденции на протяжении всего периода исследования, что говорит об обратном характере их взаимосвязи: снижение индекса промышленного производства сопровождается ростом безработицы, уменьшение уровня безработицы происходит при росте индекса промышленного производства.
Прогнозные модели авторегрессии, экспоненциального сглаживания и векторной авторегрессии для индекса промышленного производства обладают хорошими прогнозными свойствами. Наиболее точные прогнозы по критерию минимального среднего относительного отклонения были получены по модели векторной авторегрессии. Далее следуют модели одномерной авторегрессии и экспоненциального сглаживания. Все типы использованных моделей при оценивании их на разных частях рассмотренной выборки показали устойчивость прогнозных свойств, что выразилось в невысоких значениях средних относительных отклонений (не более 22 процентов, в среднем около 7 процентов). То, что наилучшие прогнозы получены по VAR модели свидетельствует о ее пригодности для прогнозирования данных макроэкономической динамики индекса промышленного производства и уровня безработицы России. Ценность моделей данного типа заключается в возможности одновременного прогнозирования взаимосвязанных показателей. Помимо этого, она обладает хорошими аналитическими свойствами, позволяющими анализировать направленность и силу взаимозависимости параметров.
Наличие взаимной зависимости между индексом промышленного производства и уровнем безработицы подтверждается на всех этапах применения системы моделирования. Коэффициент корреляции между ними равен -0,78, что говорит о достаточно сильной обратной взаимосвязи. Долгосрочные тенденции их изменения за исследуемый период аналогичны и аппроксимируются полиномом одного и того же порядка - второго, только с разными знаками коэффициентов, свидетельствующими о разной направленности выпуклости параболы. Коэффициенты моделей векторной авторегрессии и анализ их статистик: обусловленности по Грэнжеру, функций реакции на импульсы и разложения дисперсий также подтверждает наличие статистической взаимосвязи, носящей обратный характер. Однако структура этой взаимозависимости не может быть выявлена с помощью этих методов. Для определения структуры была проверена гипотеза о ее соответствии аналогу закона Оукена. Гипотеза подтвердилась, было получено, что рост безработицы на один процент влечет снижение индекса промышленного производства на 2,89 процента.
Таким образом, в результате применение построенного комплекса моделей для анализа и прогнозирования индекса промышленного производства и уровня безработицы к данным по России за период 1992-2002 гг., был проведен анализ изолированных временных рядов, выявлены их характеристики и тенденции, построены адекватные прогнозные модели с высокой точностью получаемых прогнозов; изучен характер, сила, направленность и структура взаимной зависимости рядов динамики.
