Che cos’è l’econometria?

L’econometria è l’applicazione quantitativa di modelli statistici e matematici utilizzando i dati per sviluppare teorie o testare ipotesi esistenti in economia e per prevedere tendenze future a partire da dati storici. Sottopone i dati del mondo reale a prove statistiche e poi confronta e contrasta i risultati con la teoria o le teorie da testare.

A seconda che siate interessati a testare una teoria esistente o a usare i dati esistenti per sviluppare una nuova ipotesi basata su quelle osservazioni, l’econometria può essere suddivisa in due grandi categorie: teorica e applicata. Coloro che si impegnano abitualmente in questa pratica sono comunemente noti come econometrici.

Capire l’econometria

L’econometria analizza i dati usando metodi statistici per testare o sviluppare la teoria economica. Questi metodi si basano su inferenze statistiche per quantificare e analizzare teorie economiche sfruttando strumenti come distribuzioni di frequenza, probabilità e distribuzioni di probabilità, inferenza statistica, analisi di correlazione, analisi di regressione semplice e multipla, modelli di equazioni simultanee e metodi di serie temporali.

L’econometria è stata pioniera di Lawrence Klein, Ragnar Frisch e Simon Kuznets. Tutti e tre hanno vinto il premio Nobel per l’economia nel 1971 per i loro contributi. Oggi, è usata regolarmente tra gli accademici e i professionisti come i commercianti e gli analisti di Wall Street.

Un esempio di applicazione dell’econometria è studiare l’effetto del reddito usando dati osservabili. Un economista può ipotizzare che quando una persona aumenta il suo reddito, anche la sua spesa aumenterà. Se i dati mostrano che tale associazione è presente, un’analisi di regressione può essere condotta per capire la forza della relazione tra reddito e consumo e se tale relazione è statisticamente significativa o meno – cioè, appare improbabile che sia dovuta al solo caso.

La metodologia dell’econometria

Il primo passo della metodologia econometrica è quello di ottenere e analizzare una serie di dati e definire un’ipotesi specifica che spieghi la natura e la forma della serie. Questi dati possono essere, per esempio, i prezzi storici di un indice azionario, le osservazioni raccolte da un sondaggio sulle finanze dei consumatori, o i tassi di disoccupazione e di inflazione in diversi paesi.

Se siete interessati alla relazione tra la variazione annuale dei prezzi dell’S&P 500 e il tasso di disoccupazione, raccogliete entrambi i set di dati. Qui si vuole testare l’idea che una maggiore disoccupazione porti a prezzi di borsa più bassi. Il prezzo del mercato azionario è quindi la vostra variabile dipendente e il tasso di disoccupazione è la variabile indipendente o esplicativa.

La relazione più comune è lineare, il che significa che qualsiasi cambiamento nella variabile esplicativa avrà una correlazione positiva con la variabile dipendente, nel qual caso un semplice modello di regressione è spesso usato per esplorare questa relazione, il che equivale a generare una linea best-fit tra le due serie di dati e poi testare per vedere quanto ogni punto dei dati è, in media, da quella linea.

Nota che puoi avere diverse variabili esplicative nella tua analisi – per esempio, i cambiamenti del PIL e dell’inflazione oltre alla disoccupazione nello spiegare i prezzi del mercato azionario. Quando si usa più di una variabile esplicativa, si parla di regressione lineare multipla, il modello che è lo strumento più comunemente usato in econometria.

Diversi modelli di regressione

Esistono diversi modelli di regressione che vengono ottimizzati a seconda della natura dei dati da analizzare e del tipo di domanda da porre. L’esempio più comune è la regressione OLS (ordinary least-squares), che può essere condotta su diversi tipi di dati cross-sectional o time-series. Se siete interessati a un risultato binario (sì-no) – per esempio, quanto è probabile che siate licenziati da un lavoro in base alla vostra produttività – potete usare una regressione logistica o un modello probit. Oggi, ci sono centinaia di modelli che un econometrico ha a disposizione.

L’econometria è ora condotta utilizzando pacchetti software di analisi statistica progettati per questi scopi, come STATA, SPSS, o R. Questi pacchetti software possono anche facilmente testare la significatività statistica per fornire un supporto che i risultati empirici prodotti da questi modelli non siano semplicemente il risultato del caso. R-squared, t-test, p-values, e test di ipotesi nulla sono tutti metodi usati dagli econometrici per valutare la validità dei risultati dei loro modelli.

Limiti dell’econometria

L’econometria è talvolta criticata perché si basa troppo sull’interpretazione dei dati grezzi senza collegarli alla teoria economica stabilita o cercare meccanismi causali. È fondamentale che i risultati rivelati dai dati siano in grado di essere adeguatamente spiegati da una teoria, anche se questo significa sviluppare una propria teoria dei processi sottostanti.

L’analisi di regressione inoltre non prova la causalità, e solo perché due serie di dati mostrano un’associazione, questa può essere spuria. Per esempio, le morti per annegamento nelle piscine aumentano con il PIL. Un’economia in crescita causa l’annegamento delle persone? Certo che no, ma forse più persone comprano piscine quando l’economia è in crescita. L’econometria si occupa in gran parte dell’analisi di correlazione, e ricordate, la correlazione non è uguale alla causalità.