در دانشگاه استیونس نیوجرسی اقتصاد درس میدهم. حوزه تخصصم اقتصاد خرد کاربردی، اقتصاد انرژی و منابع طبیعی، مدیریت ریسک و کنترل بهینه تصادفی است. به علوم انسانی هم علاقهمندم. مسایل توسعه و سیاستگذاری ایران را دنبال میکنم و گاهی چیزهایی مینویسم.
مصایب و خوشیهای اقتصادسنجی، قسمت سوم
مصایب و خوشیهای اقتصادسنجی، قسمت سوم
بخش دوم مطلب را با این مقدمه شروع کردم که اقتصادسنجی سری زمانی و اقتصادسنجی دادههای مقطعی به لحاظ قابلیت شناسایی علی با هم تفاوت اساسی دارند. در اقتصادسنجی مقطعی و به لطف تکنیکهای مختلف شناسایی علی که در سالهای اخیر توسعه داده شدهاند -مثل متغیر ابزاری، تفاضل-در-تفاضل، ناپیوستگی رگرسیون و ... - تا حد خوبی میتواند به تفکیک علیت و همبستگی (و جدا کردن اثر متغیرهای غیرقابل کنترل) نزدیک شود و تاثیر «خالص» یک عامل برونزا را روی رفتار یک متغیر وابسته تخمین بزند.
فلسفه طراحی و شناسایی علی سیستمها در مشاهدات مبتنی بر سریهای زمانی کمی متفاوت است چون عامل زمان و دینامیک سیستم هم در این ماجرا دخیل است. معیار رایج و استاندارد علیت در روش سری زمانی، معیار «علیت گرنجر» (Granger Causality) است.
علیت گرنجر به ما میگوید که اگر دخیل کردن مقدار گذشته متغیر X در پیشبینی متغیر Y باعث بهبود در دقت پیشبینی شود، میتوانیم نتیجه بگیریم که X عامل علی برای متغیر Y بوده است. شهود اصلی هم این است که اگر دخیل کردن تغییرات یک متغیر (پس از امتحان کردن سایر متغیرها) باعث ارتقاء پیشبینی یک متغیر در دورههای بعدی شود، یک رابطه ای بین این دو متغیر باید باشد.
ولی علیت گرنجر واقعا معیاری برای علیت به معنی عقل سلیم و فلسفی آن نیست و بیشتر معنی از جنس «پیشبینی» دارد. چرا؟ چون نظامها و عاملهای اقتصادی پیشنگر (Forward-Looking) هستند و در نتیجه خیلی محتمل است که از دید اقتصادسنج متغیر X همیشه قبل از متغیر Y حرکت کند ولی در واقع حرکت X به خاطر «انتظاراتی» باشد که از رفتار.
مثال: ما احتمالا با دیدن خرید لباس گرم توسط مردم میتوانیم انتظار داشته باشیم که دمای هوا در ماه آینده بالا خواهد رفت. از دید علیت گرنجری، خرید لباس قدرت پیشبینی ما برای دوره بعد را ارتقاء میدهد ولی واقعا خرید لباس علتی برای سردی هوا نیست. برعکس «انتظار سرمای هوا» باعث خرید لباس میشود ولی این قسمت از اطلاعات از دید اقتصادسنج پنهان است.
خلاصه این که بر خلاف اقتصادسنجی دادههای مقطعی که طراحی شناسایی علی نیازمند هنر و خلاقیت و دقت زیاد است، در بستر سریهای زمانی صرفا با یک کلیدی روی نرمافزار آزمون «علیت گرنجر» انجام میشود و ممکن است محقق را به نتیجهگیری سریع وادار کند. من بارها مقالاتی را - خصوصا از ایران و خاورمیانه - داوری کرده ام که نویسنده با اجرای علیت گرنجر روی مثلا ۴۰ مشاهده سالیانه از دادههای تاریخی، نتایج بزرگی در مورد تحولات اجتماعی و اقتصادی در این جوامع گرفته است. این روزها این نوع نتیجهگیریها خیلی جدی گرفته نمیشود و جای اما و اگر زیادی دارد. در نتیجه این نوع کاربرد سنجی هم کمکم جزو کاربردهای خستهکننده و غیرمفید قرار میگیرد.
مطلب ادامه دارد ...
تماس با نویسنده @hamed_ghoddusi
@hamedghoddusi