Диссертация (1138514), страница 19
Текст из файла (страница 19)
Актуальность применения статистического подхода на основе модели VAR в контексте изучения МП обусловливается в том числе частой дестабилизацией деловой конъюнктуры.Приведем подробное описание алгоритма и ключевых понятий модели,предварительно представив основные этапы: проверка исследуемых временных рядов на стационарность; проверка исследуемых временных рядов на коинтеграцию; выбор модели (VAR или VECM178) на основе результатов, полученных вп.1 и п.2; построение модели; интерпретация полученных результатов с использованием импульснойфункции.177Лауреаты Нобелевской премии этого года разработали методы для оценки того, как экономическая политика и различные макроэкономические переменные – такие как ВВП, инфляция, безработица и инвестиции –зависят друг от друга.178VECM – Vector Error Correction Model).101Стационарность исследуемых рядов является необходимым условием построения адекватной модели.
Временной ряд называется стационарным, если еговероятностные характеристики (математическое ожидание и дисперсия) постоянны. Временной ряд называется нестационарным, если хотя бы одна из этих вероятностных характеристик непостоянна. Интегрированный временной ряд – нестационарный временной ряд, разности N-го порядка которого являются стационарным временным рядом. Для преобразования нестационарного ряда порядка интегрированности 1 в стационарный временной ряд необходимо использовать ихпервую разность.Проверка стационарности временного ряда производится с помощью расширенного теста Дикки-Фуллера.При построении модели на основе нестационарных (интегрированных) временных рядов необходимо также учитывать фактор коинтеграции (свойство нескольких нестационарных временных рядов, заключающееся в существованиинекоторой их стационарной линейной комбинации), отражающей долгосрочноеравновесие переменных.Коинтеграция является важным свойством многих экономических переменных, которое означает, что, несмотря на случайный (слабо предсказуемый) характер изменения отдельных переменных, существует долгосрочная зависимостьмежду ними, которая приводит к некоторому совместному (взаимосвязанному)изменению.
Фактически речь идёт о модели коррекции ошибок (ECM – ErrorCorrection Model), когда краткосрочные изменения корректируются в зависимостиот степени отклонения от долгосрочной зависимости, а именно такое поведениеприсуще коинтегрированным временным рядам. Таким образом, при выявлениикоинтеграции необходимо переходить к построению VECM-модели, которая учитывает долгосрочное равновесие.С целью анализа экономического развития МП была построена модель векторной авторегрессии VECM, на основе которой исследовалось поведение импульсной функции отклика каждого из исследуемых индикаторов. В качестве102справочной количественной переменной был избран индекс физического объемаоборота розничной торговли (REF).В построенную векторную авторегрессию были включены следующие переменные (КИ), способные своей динамикой достоверно характеризовать текущиеи ожидаемые краткосрочные изменения развития малых розничных организацийРоссии: Индикатор конъюнктуры розничной торговли (ИКрт); Индикатор бизнеспотенциала розничной торговли (ИБПрт); Индикатор конкурентной позиции малого розничного бизнеса (ИКПрт).Перед построением модели (VECM) исследуемые временные ряды проверялись на стационарность и коинтеграцию.
Интерпретация результатов моделирования проводилась с использованием импульсной функции.Для более детального изучения взаимосвязи между исследуемыми рядамииспользовался метод функции импульсного отклика. В динамику каждого ряданепосредственно на правой границе исследуемого интервала был искусственновведен положительный шок, способный оказывать влияние на динамику референтного ряда. Применение метода функции импульсного отклика позволило выявить взаимосвязь между рядами предложенной модели, оценить силу воздействия, направление и продолжительность воздействия подстройки референтногоряда к заданным шокам в течение анализируемого периода времени.
В работедлина такого промежутка составила 8 кварталов (два года).На рисунке (Рисунок 22) приведена реакция референтного ряда – ИФО товарооборота в ответ на шок в каждом из трех композитных индикаторов: ИКрт(KI_1), ИБПрт (KI_2), ИКПрт (KI_3).103Response of REF to CholeskyOne S.D. Innovations2.42.01.61.20.80.40.0-0.4-0.8-1.21234KI_15KI_2678KI_3Рисунок 22 - Степень и направление воздействия шоков на количественныйреферентный ряд – ИФО товарооборотаРезультаты свидетельствуют, что в среднем подстройка ИФО товарооборота к шокам в индикаторах длится около года (4 квартала на графике). При этомможно выделить ИБПрт (KI_2), который обладает самым «длинным» негативнымэффектом – 5 кварталов.
Напротив, шок в ИКПрт (KI_3) оказывает негативноевлияние на товарооборот в течение 3 кварталов, затем эффект идет на убыль. Следовательно, шок в обоих этих индикаторах имеет негативный эффект, т.е. приводит к снижению товарооборота.При этом выделяется индикатор ИКрт (KI_1), который при любом воздействии положительно влияет на товарооборот продолжительностью 4-6 кварталов.При этом степень положительного воздействия ИКрт на товарооборот почти в 2раза превышает негативное влияние прочих показателей (ИБПрт, ИКПрт) и максимально составляет 2 процентных пункта.104ГЛАВА 3 Аналитические и методические подходы развитияконъюнктурных обследований малого предпринимательства3.1 Система неколичественного наблюдения за динамикой развитиямалого розничного предпринимательстваСпецифика результатов конъюнктурных обследований, характеризующихфактические и ожидаемые краткосрочные тенденции финансово-экономическойдеятельности организаций, заключается в их неколичественном характере.
Какправило, для лучшей интерпретации и визуализации такой информации для различных категорий пользователей ответы респондентов агрегируются в простые икомпозитные индексы. В Главе 2 на примере розничного и оптового сегмента малого предпринимательства мы показали существующие возможности квантификации непараметрической информации, высокую информативность полученныхиндикаторов деловой конъюнктуры, их сопоставимость макроэкономическим количественным агрегатам и полезность подобных статистических инструментовдля отраслевого анализа Лола, 2016].Тем не менее, приведенным доказательным эмпирическим опытом не исчерпываются возможности использования качественной информации в статистической практике.
Циклический анализ, базирующийся на расчетах балансов оценок респондентов и различных композитных индикаторах деловой конъюнктуры– не единственная мера информационного потенциала обследований, способствующая аналитической проработке отраслевых тенденций179.Подобная точка зрения встречается в различных зарубежных исследованиях, направленных на изучение практического применения и распространения результатов бизнес-опросов Mitchell, 2002], Crosilla, Malgarini, 2011].
В частности,после анализа, проведенного Carlson and Parkin (1975), во многих работах про-Лола И.С., Китрар Л.А. Кластеризация предпринимательских оценок отраслевых событий в малом торговом бизнесе// Вопросы статистики . – 2016. - №1 – С.26.179105слеживалась критика использования только балансового метода квантификацииитоговых данных обследований.180 Среди обширных зарубежных исследований,изучающих проблемы квантификации информации, можно отметить работу итальянских исследователей института ISAE Proietti, Frale, 2010] «New proposals forthe quantification of qualitative survey data», основанную на спектральном анализеданных конъюнктурных обследований. Различные методы квантификации рассматриваются также в одном из последних исследований специалистов ISAECrosilla et al, 2009] и в работе их немецких коллег из института ifo (CESifo GroupMunich) Pesaran, Weale, 2005]181.Действительно, логика обработки и интерпретации результатов обследований такова, что первоначальный информационный массив предстает в виде распределения мнений респондентов, указавших один из ответов – «увеличение»,«без изменения», «уменьшение» или, если это уровневый показатель, то «вышенормального уровня», «нормальный уровень», «ниже нормального уровня» (см.Приложение А ( А.5) А.6)).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
