Такой упрощенный подход породил еще одну проблему: модное понятие «эконометрика» вызвало появление большого количества преподавателей в этой области (я имею ввиду Россию, на Западе это не так). Практически любой подготовленный в области математической статистики преподаватель считает для себя возможным прочитать курс «Эконометрика», уходя от решения экономических задач к чисто технологическим (математическим) и, как правило, без связи с реальными ситуациями, возникающими в работе экономиста. Кроме того, вся методология эконометрического моделирования была создана в эпоху отсутствия современных программно – вычислительных комплексов, которые появились в последние 15 лет и поэтому сама терминология и алгоритмы решения способны не на шутку «напугать» студентов экономистов в части математических терминов. Однако расчеты на персональных компьютеров эконометрических моделей ничуть не сложнее работы с калькулятором.
Таким образом, эти подходы не решает главной задачи – научить студентов работе в реальной ситуации и отражает западные образовательные концепции без связи с образовательными концепциями и практическими задачами в России.
Второй подход к изучению «Эконометрики» основан на более широком понимании концепции изучения «Эконометрики », как науки о построении прикладных экономико – математических моделей на основе эмпирических данных для обоснования управленческих и экономическихрешений. В этом основное отличие концепции изучении дисциплины от других образовательных концепций, реализуемых в других вузах России. Программа изучения экономико-математических методов включает: методы эконометрического анализа при прогнозировании экономических и бизнес процессов и методы прогнозирования динамики процессов с использованием математических методов анализа временных рядов, крупных пространственных выборках и с использованием современных средств вычислительной техники. Необходимо добавить, что традиционная методология «Эконометрики» построенная на «ручных» технологиях вычислений всегда предусматривала максимальное «упрощение» количества обрабатываемой информации.
Такая методология дает неплохие результаты в науках, где можно получить выборки в лабораторных условиях. Другое дело социально – экономические науки, где лабораторные опыты невозможны, а количество факторов влияющих на результат огромно. В связи с этим упрощенные модели часто не являлись адекватными реальной картине. Другое дело автоматизированные расчеты – здесь вполне реально использовать большие факторы и исследовать много факторов в одной модели. Напомню, что эта возможность в практике экономистов предприятий стала возможной только в последние 10 – 15 лет.
В настоящее время статистическая обработка данных проводится 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 Statgraphics, SPSS и 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, в том числе в таких ответственных документах, как государственные стандарты по статистическим методам.
Ситуация с внедрением современных статистических (эконометрических) методов на предприятиях и в организациях различных отраслей 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.
Методологическая особенность эконометрики заключается в применении достаточно общих гипотез о статистических свойствах экономических параметров и ошибок при их измерении. Полученные при этом результаты могут оказаться нетождественными тому содержанию, которое вкладывается в реальный объект. Поэтому важная задача эконометрики - создание как более универсальных, так и специальных методов для обнаружения наиболее устойчивых характеристик в поведении реальных экономических показателей. Эконометрика разрабатывает методы подгонки формальной модели с целью наилучшего имитирования ею поведения моделируемого объекта на основе гипотезы о том, что отклонения модельных значений параметров от их, реально наблюдаемых случайны и вероятностные характеристики их известны.
Для анализа экономических данных могут применяться все разделы прикладной статистики, а именно:
- статистика случайных величин;
- многомерный статистический анализ;
- статистика временных рядов и случайных процессов;
- статистика объектов нечисловой природы, в том числе статистика интервальных данных.
Перечисленные четыре области выделены на основе математической природы элементов выборки: в первой из них это - числа, во второй - вектора, в третьей - функции, в четвертой - объекты нечисловой природы, т.е. элементы пространств, в которых нет операций сложения и умножения на число. Примерами объектов нечисловой природы являются значения качественных признаков, бинарные отношения (ранжировки, разбиения, толерантности), последовательности из 0 и 1, множества, нечеткие множества, интервалы, тексты.
Как и для применений статистических методов в иных областях, в эконометрике решаются задачи описания данных (в том числе усреднения), оценивания, проверки гипотез, восстановления зависимостей, классификации объектов и признаков, прогнозирования, принятия статистических решений и др.
Однако в некоторых отношениях экономические данные отличаются от технических или астрономических, и эти отличия необходимо учитывать при выборе методов анализа конкретных экономических данных.
Многие экономические показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами. А вот нормальные распределения принципиально не подходят, поскольку для них вероятность отрицательных значений всегда положительна.
Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом в одних задачах больше внимания уделяют изучению трендов (средних значений, математических ожиданий), например, при анализе динамики цен. В других же - важны отклонения от средней тенденции, например, при применении контрольных карт (карт Шухарта, кумулятивных сумм и др.). Однако в целом спектральный анализ и выделение различных периодов, циклов и типов волн менее распространены, чем, скажем, в биометрике и медицине.
В экономике доля нечисловых данных существенно выше, чем в технике и технологии, соответственно больше применений для статистики объектов нечисловой природы.
Количество изучаемых объектов в экономическом исследовании часто ограничено, поэтому обоснование вероятностных моделей в ряде случаев затруднено. Уникальные объекты, например, город Москва, трудно рассматривать как элемент выборки из генеральной совокупности городов с каким-то определенным распределением, поскольку подобное рассмотрение противоречит здравому смыслу.
Поэтому в эконометрике часто применяются детерминированные методы анализа данных, в отличие от, например, технических наук, в которых обычным является использование вероятностных моделей. Неопределенность приходится описывать не в терминах вероятностно-статистических моделей, а иными способами, например, в терминах теории нечеткости (fuzzy sets theory) или математики и статистики интервальных данных.
Есть два принципиально различных подхода к изучению поведения организаций и людей. Согласно первому из них вполне допустимо описывать действия человека в вероятностных терминах, например, считать его ответ на заданный вопрос случайной величиной. Сторонники второго подхода полагают, что поведение человека или организации является детерминированным, определяется теми или иными причинами, а случайность при анализе выборки возникает лишь из-за случайности при отборе лиц для опроса или предприятий для изучения. Если ответ на вопрос имеет вид "да" - "нет", то число ответов "да" при первом подходе, как известно, имеет биномиальное распределение, а при втором - гипергеометрическое. К счастью для эконометриков, при увеличении объема генеральной совокупности эти два распределения сближаются (если доля выборки в генеральной совокупности мала, например, меньше 10%, то вместо гипергеометрического распределения можно использовать биномиальное), так что при обоих подходах можно применять одни и те же эконометрические методы, не тратя сил на решение философского вопроса о детерминированности или случайности поведения экономического агента- человека или организации.
Итак, специфика эконометрики проявляется не в перечне применяемых для анализа конкретных экономических данных статистических методов, а в частоте использования тех или иных методов.
В теоретических и практических задачах экономики и менеджмента используются различные величины, обычно рассматриваемые как числовые. Например, рыночная цена товара, прибыль предприятия, индекс инфляции, валовой внутренний продукт, чистая приведенная величина для потока платежей и т.д. При более тщательном анализе оказывается, что подобные величины не имеют определенного численного значения, они размыты, имеют нечисловой характер, и описывать их следует с помощью нечисловых математических понятий, относящихся к тем или иным классам объектов нечисловой природы, таким, как нечеткие множества, интервалы, распределения вероятностей и др.
Действительно, можно ли считать, что существует рыночная цена на некоторый товар, выраженная числом? Можно говорить о цене товара при конкретном акте купли-продажи, при покупке в конкретном магазине, но нельзя говорить о конкретном числовом значении рыночной цены товара. Так, говорить о "рыночной цене" конкретной квартиры (не в новостройке) бессмысленно. Цена выявится только в результате соглашения продавца и покупателе при совершении акта купли-продажи. С другой стороны, полностью отказываться от этого укоренившегося в литературе понятия нецелесообразно. Мы предлагаем принять, что рыночная цена - объект нечисловой природы, и описывать ее для конкретного товара, например, в виде интервала.
Анализируя реальные данные, убеждаемся, что интервальный характер имеют рыночные цены на двигатели, черный и цветной металл, сплавы, электроэнергию, нефть, бензин, автоприборы и автомобили, трактора, различные виды приводной техники и другие промышленные товары, точно так же как и на разнообразные услуги. Цены зависят от конкретного договора между поставщиком и потребителем. Часто появляется дополнительный мешающий фактор – инфляция или санкции.
Нечисловой характер имеют не только цены. При обсуждении понятия "прибыль предприятия" начнем с очевидной бессмысленности выражения "максимизация прибыли" без указания интервала времени, за который прибыль максимизируется. Только задав интервал времени, можно принять оптимальные решения и рассчитать ожидаемую прибыль. Ясно, что оптимальные решения зависят от интервала планирования. Известная в экономической теории проблема "горизонта планирования" состоит в том, что оптимальное поведение зависит от того, на какое время вперед планируют, а выбор этого горизонта не имеет рационального обоснования.
Дополнительная сложность состоит в том, что будущая прибыль не может быть определена точно, а потому сама должна описываться как объект нечисловой природы. Итак, задача "максимизации прибыли" может приобрести точный смысл, например, лишь как максимизация нечеткой прибыли на нечетком интервале времени. Оптимизация в случае нечетких переменных рассматривалась в литературе, однако пока не получила широкого практического внедрения.
Для приведения экономических величин к одному моменту времени (к сопоставимым ценам) используются индексы инфляции, в другой терминологии, дефляторы. Рассчитывают их с помощью тех или иных потребительских корзин. При этом на нечеткость "рыночных цен" товаров накладывается произвол в выборе состава потребительской корзины и объемов потребления. Теоретический анализ этой ситуации привел нобелевского лауреата по экономике В. В. Леонтьева к выводу о принципиальной невозможности сравнения экономических величин, относящихся к различным моментам времени. Возможный выход состоит в задании индекса инфляции в интервальном виде.
Еще более размыты обобщенные макроэкономические показатели типа "валового внутреннего продукта" (ВВП), особенно при их сравнении по годам и странам. По мнению известного экономиста О.Моргенштерна подобные макроэкономические показатели могут быть определены лишь с точностью 5-10%. Однако, если пользоваться одной и той же методикой расчета, то можно заметить и изменения в 0,1 %. Проблема в том, что сама методика может вызывать сомнения. Например, по применяемой Госкомстатом РФ "системе национальных счетов" банковские услуги составляют 13% ВВП. С точки зрения здравого смысла это - абсурдно высокая величина. Она объясняется тем, что, например, выдача кредита в 1 миллион рублей рассматривается как услуга стоимостью в 1 миллион рублей, эквивалентная выпечке и продаже 150 000 батонов хлеба. При всей высокой оценке тяжкого труда банковских боссов, клерков и охранников трудозатраты крестьян, мукомолов, пекарей, транспортников и продавцов 150 000 батонов хлеба, очевидно, несоизмеримо выше.
Нечеткость в неявной форме присутствует и в натуральных показателях. Пусть, например, выпущена партия из 1000 автомашин определенной марки. Нечеткость, связанная с этой партией, состоит в неопределенности реального срока службы автомашин, полезных и вредных эффектов от их эксплуатации. Для снятия этих неопределенностей необходимо, в частности, экономически оценить потери от гибели людей в автокатастрофах. Сколько стоит жизнь человека? При всем уважении к оценкам страховых компаний сама постановка этого вопроса вызывает неловкость. Многие этические и религиозные учения исходят из бесценности человеческой жизни. Из-за принципиальной недопустимости выражения стоимости человеческой жизни в денежных единицах не получили распространения, в частности, методы статистического контроля качества, основанные на учете народнохозяйственного ущерба от пропуска дефектных изделий при контроле.
Более подробно рассмотрим проблемы управления инвестиционными процессами. Одна из них - проблема сравнения инвестиционных проектов. С чисто финансовой точки зрения такой проект - это финансовый поток (cash flow), другими словами, поток платежей и поступлений, т.е. последовательность моментов времени, каждому из которых соответствует некоторая величина платежей (для определенности учитываем их со знаком "минус") или поступлений (учитываем со знаком "плюс"). Как оценивать такие потоки в целом, как их сравнивать? Из многих характеристик потоков платежей рассмотрим здесь две - чистую приведенную величину, называемую в отечественных публикациях также чистой текущей стоимостью или чистым дисконтированным доходом (есть и иные названия) и обозначаемую NPV (Net Present Value), и внутреннюю норму доходности, или прибыли IRR (Internal Rate of Return).
При определении NPV, как известно, для приведения величин платежей и поступлений к одному моменту времени используется постоянный дисконт-фактор. В реальности дисконт-фактор не является заранее известной функцией от времени и зависит от динамики как макроэкономических показателей - ставки рефинансирования Центрального банка РФ и индекса инфляции, так и микроэкономических - финансового положения инвестора, кредитной и депозитной ставок конкретного банка и др. Кроме того, размеры и моменты осуществления платежей и поступлений также могут быть известны лишь с некоторой точностью. Следовательно, как функция от неопределенных (размытых) величин такая характеристика инвестиционного проекта, как NPV, сама является неопределенной. Лишь частично эту неопределенность можно снять, рассматривая NPV как функцию одной независимой переменной - дисконт-фактора. Если все перечисленные неопределенности можно описать интервалами (т.е. задать границы - "от" и "до"), то NPV также описывается интервалом, границы которого можно рассчитать с помощью подходов, развитых в статистике интервальных данных. В результате в ряде случаев становится невозможным сделать однозначный выбор при сравнении двух инвестиционных проектов по NPV. Дело в том, что сравнение чисел можно провести всегда, а сравнение интервалов - лишь тогда, когда они не пересекаются. Если же пересекаются - целесообразно заявить об эквивалентности двух рассматриваемых инвестиционных проектов по чистой текущей стоимости NPV.
Внутренняя норма доходности IRR - это значение постоянного дисконт-фактора q, при котором NPV как функция q обращается в 0. К сожалению, как хорошо известно, при "неудачном" распределении поступлений и платежей уравнение NPV(q) = 0 может иметь не одно, а много решений. В литературе указывают и некоторые иные причины, по которым IRR нецелесообразно использовать для сравнения потоков платежей. Кроме того, в случае IRR имеются те же источники неопределенности, что и для NPV - размытость дисконт-фактора, моментов и величин поступлений и платежей. Эта размытость приводит к необходимости рассматривать IRR как интервал, а при непустоте пересечения интервалов, соответствующих двум инвестиционным проектам, сравнение этих проектов сводится к утверждению об их равноценности.
Итак, рассмотренные характеристики инвестиционных проектов NPV и IRR, как и любые иные, имеют неустранимые неопределенности. Игнорировать это объективное обстоятельство, завышать точность экономических расчетов - это значит обманываться самому либо вводить в заблуждение заказчиков расчетов.
Как же поступать при анализе инвестиционных проектов? Рассмотрим два корректных подхода к такому анализу. Во-первых, можно постараться явным образом учесть имеющиеся неопределенности (в том числе перечисленные выше) и применить те или иные способы анализа неопределенных величин, в частности, разработанные в теории нечеткости и в статистике объектов нечисловой природы. Другими словами, требуется более тщательный экономико-математический анализ ситуации, предполагающий построение соответствующих эконометрических моделей, разработку и/или применение необходимого программного обеспечения. А для этого нужны обученные кадры, время и деньги.
Во-вторых, вместо расчетов можно обратиться к интуиции специалистов, применив современные методы экспертных оценок, в частности, основанные на сборе оценок экспертами нечисловых экономических величин и их анализе методами статистики объектов нечисловой природы. Для практического использования представляется перспективным оценивание в виде интервалов (частный случай применения теории нечетких множеств) и соответственно их анализ методами статистики интервальных данных. Применение комбинированных подходов, предполагающих использование систем, интегрирующих как эконометрические и экономико-математические модели, так и методы экспертных оценок - пока дело будущего.
2.11.2. Эконометрические модели
Статистические и математические модели экономических явлений и процессов определяются спецификой той или иной области экономических исследований. Так, в экономике качества модели, на которых основаны статистические методы сертификации и управления качеством - модели статистического приемочного контроля, статистического контроля (статистического регулирования) технологических процессов (обычно с помощью контрольных карт Шухарта или кумулятивных контрольных карт), планирования экспериментов, оценки и контроля надежности и другие - используют как технические, так и экономические характеристики, а потому относятся к эконометрике, равно как и многие модели теории массового обслуживания (теории очередей).
Цель эконометрического анализа – разработка эконометрических моделей, позволяющих прогнозировать тенденции развития экономических и бизнес процессов для получения наиболее эффективных и обоснованных решений. Эконометрические модели позволяют выявить особенности функционирования экономического объекта и на основе этого предсказывать будущее его поведение при изменении каких-либо параметров. Предсказание будущих изменений, например, повышение обменного курса, ухудшение экономической конъюнктуры, падение прибыли может опираться и на интуицию. Однако при этом могут быть упущены, неправильно определены или неверно оценены важные взаимосвязи экономических показателей, влияющие на рассматриваемую ситуацию.
В модели все взаимосвязи переменных могут быть оценены количественно, что позволяет получить более качественный и надежный прогноз. Для любого экономического субъекта возможность прогнозирования ситуации означает, прежде всего, получение лучших результатов, избежание потерь или минимизации рисков.
Модели управления рыночной экономикой подразделяются на 4 основных вида:
1) Ординарная модель.
Она предназначена для расчета оптимизации т.н. бизнес-планов, структур управления, где структурированная схема модели предполагает построение графа, не содержащее контуров “дерево решение”, где каждой вершине приписывается вполне конкретный объект. Связь между вершинами “траекторий графов” есть цели, которые бывают 3-х видов.
основные задачи, решаемые ординарной моделью:
1. Оптимальное распределение финансовых средств, выделенных на создание проектируемого объекта, по критерию минимизации времени реализации бизнес-плана.
2. Расчет максимальной окупаемости величины финансовых затрат, необходимых для создания проектируемого объекта.
3. Расчет определения оптимальных значений мощности каждой из подсистем объекта.
2) Композиционная модель.
Состоит в точном формировании и последующей оптимизации бизнес-плана, проектируемой коммерческой структуры. Основа модели – метод анализа иерархий, с точным указанием весовых характеристик каждой из составляющих. С помощью композиционной системы решаются аналогичные задачи. Разница лишь в том, что операционные характеристики модели строятся с учетом “интересов”, т.н. весов для моделируемого объекта в целом.
3) Модель планирования.
Она предназначена для системного планирования в условиях неопределенности и риска принимаемых решений.
4) Комплексная модель.
Комплексная модель, состоящая из 2-х моделей:
1. Модель по формированию и ведению оптимальных портфелей ценных бумаг;
2. Модель по оценке ликвидности выдаваемых заемщиком кредитов.
Прежде всего, сформируем основные задачи и этапы статистической обработки эксперимента:
1) Анализ данных, обработка анализируемых измерений. Этот этап связан с неоднородностью по качеству экспериментальных измерений.
2) Экспериментальная проверка законов распределения, оценка параметров экономических показателей и индексов измерений.
3) Сжатие (группировка) исходной информации при большом объеме данных.
4) Модель как таковая (из выше отмеченных 4-х видов)
5) Уточнение модели и ее идентификация.
Перечислим основные методы, применяемые в экспериментах:
1) Корреляционный анализ. Его суть – определение случайных связей (как правило, линейной) между двумя и более признаками, входящими в эксперимент. Он позволяет отобрать факторы, имеющие существенный характер и построить соответствующее уравнение регрессии. Далее, оценить точность выбранной модели с помощью коэффициента корреляции, к детерминации к общей ошибке аппроксимации. На основе 1-го можно производить прогнозирование.
2) Факторный анализ. Итак, во всякой модели есть фактор признаки, часть из которых носят количественный характер, другая часть – качественный характер. Суть факторного анализа состоит в том, что внешние факторы, используемые в модели и сильно коррелированные между собой должны быть заменены внутренними факторами, которые определяют поведение внешних факторов, и в целом экономический процесс.
Р = ((Ц-С)/C) * 100% (определение рентабельности) (220)
Ясно, что эти факторы влияют на производительность. Задача в том, чтобы выделить из них более существенные внутренние факторы и определить долю каждого в процессе.
3) Дисперсионный анализ. Он предназначен для обработки и соответствующего прогнозирования экспериментальных данных, зависящих только от качественных факторов. Сущность его состоит в том, чтобы разложить дисперсию результата на независимые составляющие эксперимента, каждое из которых характеризует влияние того или иного фактора на результат. Сравнения этих составляющих дисперсий есть оценка существенности этих факторов.
Другой важный раздел эконометрики - теория и практика экспертных оценок. Экспертные оценки используют для решения ряда экономических задач, например, выбора оптимального направления инвестиций, или наилучшего образца определенного вида продукции для организации массового выпуска, или при прогнозировании развития экономической ситуации, или при распределении финансирования... Следовательно, используемые в теории экспертных оценок модели являются эконометрическими..
Эконометрические модели, предназначенные для прогнозирования макроэкономических показателей это обычно модели весьма частного вида, имеющие целью прогнозирование многомерного временного ряда. Они представляют собой систему линейных зависимостей между прошлыми и настоящими значениями переменных. В таких задачах оценивают как структуру модели, т.е. вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент (т.е. проводят т.н. идентификацию модели), так и коэффициенты, входящие в эту зависимость.
Каждой области экономических исследований, связанной с анализом эмпирических данных, как правило, соответствуют свои эконометрические модели. Например, для моделирования процессов налогообложения с целью оценки результатов применения управляющих воздействий (например, изменения ставок налогов) на процессы налогообложения должен быть разработан комплекс соответствующих эконометрических моделей. Кроме системы уравнений, описывающей динамику системы налогообложения под влиянием общей экономической ситуации, управляющих воздействий и случайных отклонений, необходим блок экспертных оценок. Полезен блок статистического контроля, включающий как методы выборочного контроля правильности уплаты налогов (налогового аудита), так и блок выявления резких отклонений параметров, описывающих работу налоговых служб.
С помощью эконометрических методов следует оценивать различные величины и зависимости, используемые при построении имитационных моделей процессов налогообложения, в частности, функции распределения предприятий по различным параметрам налоговой базы. При анализе потоков платежей необходимо использовать эконометрические модели инфляционных процессов, поскольку без оценки индекса инфляции невозможно вычислить дисконт-функцию, а потому нельзя установить реальное соотношение авансовых и "итоговых" платежей. Прогнозирование сбора налогов может осуществляться с помощью системы временных рядов - на первом этапе по каждому одномерному параметру отдельно, а затем - с помощью некоторой линейной эконометрической системы уравнений, дающей возможность прогнозировать векторный параметр с учетом связей между координатами и лагов, т.е. влияния значений переменных в определенные прошлые моменты времени. Возможно, более полезными окажутся имитационные модели более общего вида, основанные на интенсивном использовании современной вычислительной техники.
Применения эконометрических методов иосновы теории измерений
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.
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.
Теория измерений (в дальнейшем сокращенно ТИ) является одной из составных частей эконометрики. Она входит в состав статистики объектов нечисловой природы. Необходимость использования ТИ при анализе экономических данных рассмотрим на примере экспертного оценивания, в частности, в связи с агрегированием мнений экспертов, построением обобщенных показателей и рейтингов.
