Когда экономисты пытаются объяснить причины неприятных явлений вроде текущего кризиса, это обычно бывает душераздирающим зрелищем. Чего только не услышишь! Удручает не только то, что нелепые речи начинают звучать громче, чем обычно, но и общая бесперспективность, глухая безнадёжность этих дискуссий. Совершенно ясно, что никакого профессионального консенсуса в них не возникнет. Не будет ни конца, ни явного победителя, ни компромиссной точки зрения, вокруг которой все с удовольствием могли бы объединиться. И социалисты, и рыночники, и сторонники промежуточного пути по-прежнему будут настаивать на благодетельности своих рецептов. Никто не скажет: моя доктрина обанкротилась, поэтому я отказываюсь от неё и присоединяюсь к точке зрения моих оппонентов.
По-моему, ключевая причина этого явления в том, что доминирующая сегодня методология экономических исследований позволяет, по большому счёту, «доказать» всё что угодно. С её помощью можно обосновать любые причинно-следственные связи, какие придут в голову. И опровергнуть тоже. Причём без передёргиваний.
Возьмём несколько популярных экономико-теоретических суждений. Первое: инфляция ведёт к спаду производства. Второе: дефляция ведёт к спаду производства. Третье: спад производства ведёт к инфляции. Четвёртое: спад производства ведёт к дефляции. Каждое из них неоднократно высказывалось влиятельными людьми, которые профессионально изучали вопрос и пользуются доверием широкой публики. В пользу каждого из них можно привести большое количество исторических примеров. А каждый из этих примеров можно переосмыслить так, что изначальный вывод вывернется наизнанку.
Простейший случай: в первый год некая страна переживала инфляцию, во второй — дефляцию, а на третий год там случился спад производства. Является ли спад прямым следствием дефляции второго года или же отдалённым следствием инфляции первого года? Или он вообще с ними не связан? Девять из десяти профессоров экономики скажут вам: чтобы разобраться в этом вопросе, нужны данные не по одной стране за три года, а по сорока странам за пятьдесят лет. И при этом желательно отслеживать не только динамику цен и производства, но ещё уровень безработицы, процентную ставку, темпы роста денежной массы, сальдо внешнеторгового баланса, дефицит государственного бюджета, величину долговой нагрузки на ВВП, соотношение цен на предметы экспорта и импорта и, пожалуй, пару десятков других параметров. Потому что именно они, неучтённые параметры, могут быть важными причинами изменения цен или объёмов производства. А чтобы анализ был по-настоящему строгим и аккуратным, необходимо исключить из выборки социалистические страны, так как для них большая часть названных показателей не имеет смысла. И страны-нефтеэкспортёры, потому что у них всё завязано на цену нефти, которая сильно колеблется. И слаборазвитые аграрные страны, потому что тамошние статистические данные ненадёжны (безработица в Зимбабве 80%, источник — The World Factbook от ЦРУ США). А также карликовые, мелкие страны, потому что их экономическая динамика определяется не столько внутренними факторами, сколько состоянием и действиями их ключевых партнёров и соседей. И, по-видимому, долларизованные латиноамериканские страны — много ли смысла учитывать для них динамику общего уровня цен в национальной валюте, если на практике тамошнее население все расчёты ведёт в долларах? И вполне логично при таком подходе все страны еврозоны считать за одну.
Допустим, мы преодолели все эти трудности. Допустим, мы не поддались соблазну подогнать выборку под результат, который хочется получить (а это можно было бы сделать, подбирая определения социалистической, нефтеэкспортирующей, слаборазвитой, карликовой или долларизованной страны). Допустим, мы знаем, как с помощью эконометрики можно найти в нашем чудовищном массиве данных некие закономерности. И вот мы выводим формулу, сообщающую, что темп экономического роста в год N есть такая-то функция от значений двадцати пяти параметров в год N-M, где M — оптимально подобранный лаг... Стоп! Любой человек, у которого в голове что-то осталось от институтского курса эконометрики, не даст соврать: такого не бывает. Никто не строит регрессионные уравнения от двадцати пяти переменных. Переменных может быть не более шести-семи. А если их больше, то практически неизбежно возникает мультиколлинеарность, которая обессмысливает все наши построения. Чтобы все объясняющие переменные были значимыми и независимыми друг от друга, их должно быть немного. Следовательно, мы должны выкинуть из модели большую часть всех параметров и вручную подобрать такую их комбинацию, чтобы для каждого из них коэффициент «t-статистика» был не меньше двух, а коэффициент «нормированный R-квадрат» для всей формулы — как можно ближе к единице.
Вдумаемся: мы перебираем необозримое множество комбинаций, пока не найдём ту, которая нас устраивает. Может быть, темп экономического роста — это функция от темпа инфляции в прошлом году? Нет, R-квадрат слишком мал, такая формула не может с должной точностью «предсказать» даже данные массива, на основе которого она выведена. Тогда, может быть, рост — это функция от инфляции, уровня безработицы, процентной ставки и индекса условий торговли? Теперь получается, что инфляция и процентная ставка не значимы. Тогда попробуем заменить процентную ставку на… хм… например, на бюджетный дефицит, выраженный в процентах от ВВП? Получилось! Но что это: безработица у нас с положительным коэффициентом. Наша модель предсказывает, что чем выше безработица, тем быстрее при прочих равных будет экономический рост. Не бред ли это? Не добавить ли ещё какой-нибудь параметр? Или, может быть, заменить значения всех показателей на их логарифмы? Или на первые лог-разности (непрерывный аналог темпов прироста)? Или же мы наткнулись на истину: самый быстрый экономический рост бывает в периоды послекризисного восстановления, когда безработица ещё остаётся высокой, но стремительно снижается? Хотя если вот эти переменные добавить, а эти убрать, а эти взять в квадратных корнях, зависимость между безработицей и темпами роста изменится на противоположную. Что же мы сочтём результатом своего исследования? Да что захотим.
Мы подбирали данные для выборки, подбирали лаги (а ведь они могут быть переменной длины или даже распределённые), подбирали комплект объясняющих переменных и решали, подвергать ли их логарифмированию и прочим преобразованиям. Мы воспользовались таким количеством степеней свободы, что можем вывести просто безумное количество самых разнообразных формул, в том числе и соответствующих формальным критериям состоятельности. С таким методом доказать на одном и том же массиве данных прямо противоположные утверждения — дело техники. Доказать самому себе правильность своей изначальной гипотезы — ещё проще. А убедиться в правоте своего оппонента — только если специально этого захочется.
Так выглядит самый рафинированный и строгий способ «выводить экономические закономерности из эмпирических данных». Несмотря на свою сложность, несмотря на то что он требует математических знаний, этот способ позволяет научно обосновывать любой вздор. Чем и занимаются на страницах академических журналов научные светила, алчущие Нобелевских премий. Что же касается более простой и массовой публики, то для неё вздор обосновывают не столь утончёнными методами. Для низкой жизни у нас не числа, а историософия и социогуманитарное мышление. И об этом — следующая статья.
ОТПРАВИТЬ:
| Читать @chaskor |
