загрузка...

Еволюція кореляційного аналізу та використання його для дослідження зовнішньо-економічної діяльності підприємств АПК

Сорокун С.С.

Питання вибору тих чи інших методів при дослідженні нової проблеми завжди є актуальним для кожного науковця. Але багатогранність досліджуваних явищ вимагає великої кількості методичних підходів. Саме тому вибір використовувати чи ні кореляційний аналіз у тих чи інших випадках залишається суб´єктивним, а, отже, й недостатньо вивченим.

Зовнішньоекономічна діяльність АПК є не тільки запорукою успіху України на світовому ринку, а й можливою загрозою для внутрішнього ринку. Саме тому всі управлінські рішення в цій сфері мають бути ретельно виважені та обґрунтовані. В зв´язку з цим питання аналізу економічної ситуації в АПК України, зокрема за допомогою кореляційного аналізу, є пріоритетним.

Проблемою доцільності використання кореляційного аналізу ще з середини ХІХ ст. займалися багато вчених-економістів, зокрема: М.Кейнс, Маккензі, С. Фішер, П. Самуельсон, І. Лук´яненко та інші. Вони досліджували питання методологічного характеру, що дало нам можливість використовувати їхнє наукове надбання для вирішення суто конкретних, практичних питань. Саме тому аналіздоцільності використання кореляційного аналізу для тих чи інших ситуацій української економіки залишається відкритим.

Метою статті є опис етапів розвитку кореляційного аналізу зовнішньоекономічної діяльності та висвітлення його особливостей, а також критеріальних підходів до методики вибору типу завдань, які він здатен розв´язувати.

Наука економетрика в дослівному перекладі означає вимірювання економіки. Як видно з самої назви цієї науки, первинним у ній є саме вимірювання, а економічні процеси лише накладають певні особливості та закономірності на процес вимірювання. Отже, первинним у ній є методи, способи й принципи, за допомогою яких здійснюється кількісне і якісне обчислення економічних даних.

Першоосновою економетрики є так звана „вища статистика" і саме на основі статистичних методів відбувалося становлення її як науки. Серед базових методів статистики, що дали поштовх розвитку економетрики, були парна та багатофакторна регресія, кореляція, видалення тенденції з числових рядів й інші.

Поштовхом до всебічного визнання та впровадження економетрики стало саме виникнення численних задач і проблем, які не могли бути розв´язані за допомогою інших наук. Саме необхідність прогнозування, планування та оцінки економічних явищ і процесів привела до остаточного виділення економетрики із статистики й становлення її як науки.

Основною задачею методів новоствореної науки є відображення особливостей економічних змінних і взаємозв´язків між ними. Спочатку в рівняння статистичної регресії почали включати не тільки змінні першої, а й другої степені. Основною метою такого кроку було відобразити властивість оптимальності економічних змінних, тобто наявність значень, при яких досягається максимум або мінімум впливу на певний параметр з боку інших параметрів.

Наступним кроком у розвитку економетрики стало введення в рівняння регресії не тільки параметрів, а й окремого компонента взаємодії даних факторів:

у=а+b1х+b2q+b3хq,

де параметр Ь3 вимірює ефект впливу змінних х і q2.

У зв´язку з цим дослідження за допомогою регресії почали описувати набагато чіткіше, змістовніше та ґрунтовніше, а відповідно одержані результати повніше відображали суть явищ, що оцінювалися.

У 30-ті роки захоплення багатофакторною кореляцією змінилося розчаруванням. Будуючи рівняння багатофакторної регресії, дослідники намагалися включити в неї якомога більше пояснювальних змінних і дедалі частіше одержуючи результати, вони пересвідчувалися в їхній беззмістовності, невідповідності знаків при коефіцієнтах регресії апріорним базисам, що зумовлюються економічною суттю досліджуваних процесів. Причина криється в тому, що окремо взяте рівняння регресії не розкриває механізм залежності похідної змінної від вхідних змінних, а лише констатує факт її наявності.

Методи кореляції й регресії створювалися як методи описування сукупних змін двох або більше змінних. Сукупні зміни змінних можуть не виявляти причинних зв´язків між ними. Для причинного пояснення кореляції американський вчений С.Райт винайшов „метод причинного аналізу" (1910—1920) як одного із різновидів структурного моделювання. Причинний аналіз ґрунтується на вивченні всієї структури взаємозв´язків між змінними, тобто на виявленні графологічної суті взаємозв´язків і побудови відповідної рекурсивної системи рівнянь, які інтерпретуються як коефіцієнти впливу та розраховані на основі коефіцієнтів парної кореляції. Це дає змогу проаналізувати структуру кореляційного зв´язку з погляду причинності.

Кожний коефіцієнт парної кореляції розглядається як міра повного зв´язку двох змінних. Причинний аналіз дає можливість розкласти величину цього коефіцієнта на чотири компоненти:

1) Прямий вплив однієї змінної на іншу (у цьому випадку в причинному ланцюгу між однією й іншою змінними немає проміжних ланок).

2) Непрямий вплив, тобто передача дії однієї змінної на іншу за допомогою змінних, що специфіковані в моделі як проміжна ланка в причинному ланцюгу, що зв´язує досліджувані фактори.

3) Непричинна компонента, що пояснюється наявністю загальних причин, які впливають на одну й ту саму змінну.

4) Непричинна компонента, що залежить від кореляції вхідних змінних, яка не реалізована в моделі з певних причин. Якщо компоненти прямого і непрямого впливу дорівнюють нулю, то кореляція між змінними є помилковою. Відповідно причинний аналіз С. Райта, як і структурні моделі, дали змогу виявити проблему хибної кореляції, яку досліджували багато відомих статистиків.

При роботі з часовими рядами різних даних та вивченні взаємозв´язків між ними доволі швидко була вивчена проблема хибної кореляції й проблема лага, тобто розриву в часі, який дав можливість виявити наявність взаємозв´язку між факторами, але не в одному часовому періоді, а в різних.

Наявність хибної кореляції пояснюється впливом фактора часу, тобто через наявність тренда в даних, що аналізуються за допомогою кореляційного аналізу. Тобто два часових ряди причинно не пов´язані між собою, але вони можуть мати досить значну кореляцію, якщо й той, та інший мають яскраво виражену тенденцію (тренд), під впливом фактора часу t

Структура рівнів часового ряду, що включають тренд (Т), кон´юнктурний цикл (К), сезонну компоненту (S) і залишкову компоненту (R) дає змогу відобразити будь-який динамічний ряд як суму чотирьох вказаних складових. Отже, часовий ряд параметра Х можна записати наступним чином:

Xi = Т(Х)i + K(X)i + S(X)i + R(X)i

О. Андерсон запропонував вимірювати взаємозв´язки між усіма названими компонентами рядів і знаходити окремі кореляції між ними.

Метод оцінки різниць різних порядків у динамічних рядах для вибору найбільш оптимального полінома для опису тренда одночасно розвивали О. Андерсон і В. Госет (1876—1937). Виявилося, що до динамічних рядів не можна використовувати класичні методи кореляційного аналізу, оскільки не виконується основна умова — незалежність спостережень. Так був уперше виявлений ефект автокореляції, усунення якого є однією з найважливіших особливостей економетричного методу аналізу динамічних рядів даних.

Дослідження динаміки соціальних і економічних процесів виявило значну поширеність ефекту насичення: виходу на асимптоту при досягненні певних значень показника. У зв´язку з цим великого поширення в економетриці набули так звані „криві з насиченням". До цього типу кривих належить крива Гомперца — б-подібна крива, що має вигляд:

у = КаbТ

де К, а, b — параметри; t — час.

Крива Гомперца використовується для аналітичного відображення тенденції розвитку показника в часі, що має обмеження росту.

Велика увага в процесі аналізу результатів в економетриці приділяється проблемі даних — спеціальним методам дослідження за наявності даних із пропусками, впливу агрегованих даних на економетричні вимірювання. При агрегації даних у часі небезпека викривлення результатів досліджень набагато більша, ніж при узагальненні просторових даних. З одного боку додається ефект автокоре-ляції, а з іншого — відбувається процес погашення випадкової компоненти.

Проблеми даних включають у себе й проблеми селективної вибірки. Вибірка може бути не випадковою, не репрезентативною, обмеженою тільки певною ситуацією.

Ефект самоселекції досить поширений і виникає, якщо об´єктивний відбір підміняється „зручною" вибіркою, наприклад, коли з´являються добровільні респонденти, тобто ті, хто самі пропонують, щоб їх опитали. Є очевидним, що характеристики добровольців і не добровольців можуть бути відмінними, й це призведе до хибного висновку щодо генеральної сукупності.

Отже, кореляційний аналіз є універсальним механізмом аналізу економічної ситуації в вітчизняному АПК не тільки на макро, а й на мікрорівні. Таким чином, його слід використовувати при факторному аналізі, де досліджуване явище розглядається як сукупність факторів, що на нього впливають. Зважаючи на те, що кожен досліджуваний елемент складається з тренда, кон´юнктурного циклу, сезонного й залишкового компонента, нами зроблено висновок, що кореляційний аналіз доцільно застосовувати лише для тих елементів ЗЕД АПК, де ці компоненти піддаються чіткому математичному розмежуванню. Зважаючи на багатогранність економічних проблем, що постають перед українським АПК, розширення кола питань, які доцільно аналізувати за допомогою кореляційного аналізу, є надважливим для сучасних вчених—економістів.