Was ist Ökonometrie?

Ökonometrie ist die quantitative Anwendung statistischer und mathematischer Modelle unter Verwendung von Daten, um Theorien zu entwickeln oder bestehende Hypothesen in den Wirtschaftswissenschaften zu testen und um zukünftige Entwicklungen anhand historischer Daten vorherzusagen. Sie unterzieht reale Daten statistischen Tests und vergleicht und kontrastiert dann die Ergebnisse mit der Theorie oder den Theorien, die getestet werden sollen.

Abhängig davon, ob Sie daran interessiert sind, eine bestehende Theorie zu testen oder vorhandene Daten zu verwenden, um eine neue Hypothese auf der Grundlage dieser Beobachtungen zu entwickeln, kann die Ökonometrie in zwei große Kategorien unterteilt werden: theoretisch und angewandt. Diejenigen, die sich routinemäßig mit dieser Praxis befassen, werden gemeinhin als Ökonometriker bezeichnet.

Ökonometrie verstehen

Die Ökonometrie analysiert Daten mit Hilfe statistischer Methoden, um wirtschaftliche Theorien zu testen oder zu entwickeln. Diese Methoden stützen sich auf statistische Schlussfolgerungen, um ökonomische Theorien zu quantifizieren und zu analysieren, indem sie Werkzeuge wie Häufigkeitsverteilungen, Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen, statistische Schlussfolgerungen, Korrelationsanalysen, einfache und multiple Regressionsanalysen, Modelle für simultane Gleichungen und Zeitreihenmethoden nutzen.

Die Ökonometrie wurde von Lawrence Klein, Ragnar Frisch und Simon Kuznets begründet. Alle drei wurden 1971 für ihre Beiträge mit dem Nobelpreis für Wirtschaftswissenschaften ausgezeichnet. Heute wird sie sowohl von Akademikern als auch von Praktikern wie Händlern und Analysten an der Wall Street regelmäßig verwendet.

Ein Beispiel für die Anwendung der Ökonometrie ist die Untersuchung des Einkommenseffekts anhand beobachtbarer Daten. Ein Wirtschaftswissenschaftler kann die Hypothese aufstellen, dass mit der Erhöhung des Einkommens einer Person auch ihre Ausgaben steigen. Wenn die Daten zeigen, dass ein solcher Zusammenhang besteht, kann eine Regressionsanalyse durchgeführt werden, um die Stärke des Zusammenhangs zwischen Einkommen und Konsum zu ermitteln und um festzustellen, ob dieser Zusammenhang statistisch signifikant ist, d. h. ob es unwahrscheinlich ist, dass er allein auf Zufall beruht.

Die Methodik der Ökonometrie

Der erste Schritt der ökonometrischen Methodik besteht darin, eine Reihe von Daten zu erhalten und zu analysieren und eine spezifische Hypothese zu definieren, die die Art und Form der Reihe erklärt. Bei diesen Daten kann es sich zum Beispiel um die historischen Preise eines Aktienindexes, um Beobachtungen aus einer Umfrage über die Finanzen der Verbraucher oder um die Arbeitslosen- und Inflationsraten in verschiedenen Ländern handeln.

Wenn Sie sich für die Beziehung zwischen der jährlichen Preisänderung des S&P 500 und der Arbeitslosenquote interessieren, würden Sie beide Datensätze sammeln. In diesem Fall wollen Sie prüfen, ob eine höhere Arbeitslosigkeit zu niedrigeren Börsenkursen führt. Der Börsenkurs ist also Ihre abhängige Variable und die Arbeitslosenquote ist die unabhängige oder erklärende Variable.

Die häufigste Beziehung ist linear, was bedeutet, dass jede Änderung der erklärenden Variable eine positive Korrelation mit der abhängigen Variable hat. In diesem Fall wird häufig ein einfaches Regressionsmodell verwendet, um diese Beziehung zu untersuchen, was darauf hinausläuft, eine Best-Fit-Linie zwischen den beiden Datensätzen zu erstellen und dann zu testen, wie weit jeder Datenpunkt im Durchschnitt von dieser Linie entfernt ist.

Beachten Sie, dass Sie mehrere erklärende Variablen in Ihre Analyse einbeziehen können – zum Beispiel Veränderungen des BIP und der Inflation zusätzlich zur Arbeitslosigkeit zur Erklärung der Aktienmarktpreise. Wenn mehr als eine erklärende Variable verwendet wird, spricht man von multipler linearer Regression, dem in der Ökonometrie am häufigsten verwendeten Modell.

Verschiedene Regressionsmodelle

Es gibt mehrere verschiedene Regressionsmodelle, die je nach Art der zu analysierenden Daten und der Art der Fragestellung optimiert werden. Das gebräuchlichste Beispiel ist die gewöhnliche Regression nach der Methode der kleinsten Quadrate (OLS), die auf verschiedene Arten von Querschnitts- oder Zeitreihendaten angewendet werden kann. Wenn Sie an einem binären (Ja-Nein-) Ergebnis interessiert sind, z. B. daran, wie wahrscheinlich es ist, dass Sie aufgrund Ihrer Produktivität entlassen werden, können Sie eine logistische Regression oder ein Probit-Modell verwenden. Heutzutage stehen einem Ökonometriker Hunderte von Modellen zur Verfügung.

Ökonometrie wird heute mit Hilfe von Softwarepaketen für die statistische Analyse durchgeführt, die für diese Zwecke entwickelt wurden, z. B. STATA, SPSS oder R. Diese Softwarepakete können auch problemlos auf statistische Signifikanz testen, um zu belegen, dass die empirischen Ergebnisse dieser Modelle nicht nur das Ergebnis des Zufalls sind. R-Quadrat, t-Tests, p-Werte und Nullhypothesentests sind alles Methoden, die von Ökonometrikern verwendet werden, um die Gültigkeit ihrer Modellergebnisse zu bewerten.

Grenzen der Ökonometrie

Die Ökonometrie wird manchmal dafür kritisiert, dass sie sich zu sehr auf die Interpretation von Rohdaten verlässt, ohne sie mit der etablierten Wirtschaftstheorie zu verknüpfen oder nach kausalen Mechanismen zu suchen. Es ist von entscheidender Bedeutung, dass die aus den Daten gewonnenen Erkenntnisse durch eine Theorie angemessen erklärt werden können, selbst wenn dies bedeutet, dass man eine eigene Theorie der zugrunde liegenden Prozesse entwickeln muss.

Regressionsanalysen beweisen auch keine Kausalität, und nur weil zwei Datensätze einen Zusammenhang zeigen, kann dieser falsch sein. Zum Beispiel steigen die Todesfälle durch Ertrinken in Schwimmbädern mit dem BIP. Verursacht eine wachsende Wirtschaft, dass Menschen ertrinken? Natürlich nicht, aber vielleicht kaufen mehr Menschen Schwimmbecken, wenn die Wirtschaft boomt. Die Ökonometrie befasst sich weitgehend mit der Korrelationsanalyse, und denken Sie daran, dass Korrelation nicht gleich Kausalität ist.