Vad är ekonometri?

Ekonometri är den kvantitativa tillämpningen av statistiska och matematiska modeller med hjälp av data för att utveckla teorier eller testa befintliga hypoteser inom ekonomi och för att förutse framtida trender utifrån historiska data. Den utsätter data från den verkliga världen för statistiska försök och jämför sedan resultaten med den eller de teorier som testas.

Avhängigt av om du är intresserad av att testa en befintlig teori eller av att använda befintliga data för att utveckla en ny hypotes baserad på dessa observationer, kan ekonometri delas in i två huvudkategorier: teoretisk och tillämpad. De som rutinmässigt ägnar sig åt detta arbete kallas vanligen ekonometriker.

Förståelse för ekonometri

Ekonometri analyserar data med hjälp av statistiska metoder i syfte att testa eller utveckla ekonomisk teori. Dessa metoder bygger på statistiska slutsatser för att kvantifiera och analysera ekonomiska teorier genom att utnyttja verktyg som frekvensfördelningar, sannolikhet och sannolikhetsfördelningar, statistisk inferens, korrelationsanalys, enkel och multipel regressionsanalys, simultana ekvationsmodeller och tidsseriemetoder.

Ekonometri var en pionjär inom ekonometrin och lanserades av Lawrence Klein, Ragnar Frisch och Simon Kuznets. Alla tre fick Nobelpriset i ekonomi 1971 för sina bidrag. I dag används den regelbundet av såväl akademiker som praktiker, t.ex. handlare och analytiker på Wall Street.

Ett exempel på tillämpning av ekonometri är att studera inkomsteffekten med hjälp av observerbara data. En ekonom kan anta att när en person ökar sin inkomst kommer hans utgifter också att öka. Om uppgifterna visar att ett sådant samband föreligger kan en regressionsanalys utföras för att förstå styrkan i sambandet mellan inkomst och konsumtion och huruvida sambandet är statistiskt signifikant eller inte – det vill säga att det förefaller osannolikt att det enbart beror på slumpen.

Ekonometrikens metodik

Det första steget i den ekonometriska metodiken är att erhålla och analysera en uppsättning data och definiera en specifik hypotes som förklarar arten och formen av uppsättningen. Dessa data kan till exempel vara de historiska priserna för ett aktieindex, observationer som samlats in från en undersökning av konsumenternas ekonomi eller arbetslöshets- och inflationssiffror i olika länder.

Om du är intresserad av förhållandet mellan den årliga prisförändringen för S&P 500 och arbetslöshetssiffrorna skulle du samla in båda uppsättningarna av data. Här vill du testa idén att högre arbetslöshet leder till lägre börspriser. Aktiemarknadspriset är alltså din beroende variabel och arbetslösheten är den oberoende eller förklarande variabeln.

Det vanligaste förhållandet är linjärt, vilket innebär att varje förändring i den förklarande variabeln kommer att ha en positiv korrelation med den beroende variabeln, och i så fall används ofta en enkel regressionsmodell för att utforska detta förhållande, vilket går ut på att generera en linje som passar bäst mellan de två uppsättningarna data och sedan testa för att se hur långt varje datapunkt i genomsnitt ligger från denna linje.

Notera att du kan ha flera förklarande variabler i din analys – till exempel förändringar i BNP och inflation utöver arbetslöshet för att förklara aktiemarknadspriser. När mer än en förklarande variabel används kallas det multipel linjär regression, den modell som är det vanligaste verktyget inom ekonometri.

Olika regressionsmodeller

Det finns flera olika regressionsmodeller som optimeras beroende på arten av de data som analyseras och den typ av fråga som ställs. Det vanligaste exemplet är OLS-regressionen (ordinary least-squares), som kan utföras på flera typer av tvärsnittsdata eller tidsseriedata. Om du är intresserad av ett binärt (ja-nej) resultat – till exempel hur sannolikt det är att du får sparken från ett jobb baserat på din produktivitet – kan du använda en logistisk regression eller en probitmodell. I dag finns det hundratals modeller som en ekonometriker har till sitt förfogande.

Ekonometri utförs numera med hjälp av programvarupaket för statistisk analys som är utformade för dessa ändamål, t.ex. STATA, SPSS eller R. Dessa programvarupaket kan också enkelt testa statistisk signifikans för att ge stöd för att de empiriska resultat som modellerna ger upphov till inte bara är ett resultat av slumpen. R-kvadrat, t-test, p-värden och testning av nollhypoteser är alla metoder som ekonometriker använder för att utvärdera giltigheten av sina modellresultat.

Begränsningar av ekonometri

Ekonometri kritiseras ibland för att i alltför hög grad förlita sig på tolkningen av rådata utan att koppla den till etablerad ekonomisk teori eller leta efter kausala mekanismer. Det är avgörande att de resultat som avslöjas i data kan förklaras på ett adekvat sätt av en teori, även om det innebär att man måste utveckla en egen teori om de underliggande processerna.

Regressionsanalyser bevisar inte heller orsakssamband, och bara för att två datamängder visar ett samband kan det vara falskt. Till exempel ökar antalet drunkningsdödsfall i simbassänger med BNP. Orsakar en växande ekonomi att människor drunknar? Naturligtvis inte, men kanske köper fler människor pooler när ekonomin blomstrar. Ekonometri handlar till stor del om korrelationsanalys, och kom ihåg att korrelation inte är lika med orsakssamband.