Οι οικονομετρικές μέθοδοι είναι χρήσιμες σχεδόν σε κάθε κλάδο της εφαρμοσμένης οικονομικής. Εφαρμόζονται είτε όταν έχουμε μια οικονομική θεωρία που χρειάζεται έλεγχο, είτε όταν έχουμε μια σχέση στο μυαλό μας που είναι σημαντική για τις επιχειρηματικές αποφάσεις ή την ανάλυση πολιτικής. Μια εμπειρική ανάλυση χρησιμοποιεί δεδομένα για να ελέγξει μια θεωρία ή να εκτιμήσει μια σχέση. Πώς μπορεί να δομηθεί μια εμπειρική οικονομική ανάλυση; Μπορεί να φαίνεται προφανές, αλλά αξίζει να τονιστεί ότι το πρώτο βήμα σε κάθε εμπειρική ανάλυση είναι η προσεκτική διατύπωση του ερευνητικού ερωτήματος. Το ερώτημα μπορεί να αφορά τον έλεγχο μιας συγκεκριμένης πτυχής μιας οικονομικής θεωρίας ή να σχετίζεται με την αξιολόγηση των επιπτώσεων μιας κυβερνητικής πολιτικής. Καταρχήν, οι οικονομετρικές μέθοδοι μπορούν να χρησιμοποιηθούν για να απαντήσουν σε ένα ευρύ φάσμα ερωτημάτων.
Σε ορισμένες περιπτώσεις, ειδικά όταν πρόκειται για τον έλεγχο οικονομικών θεωριών, κατασκευάζεται ένα επίσημο οικονομικό μοντέλο. Ένα οικονομικό μοντέλο αποτελείται από μαθηματικές εξισώσεις που περιγράφουν διάφορες σχέσεις. Οι οικονομολόγοι είναι γνωστοί για τη δημιουργία μοντέλων που περιγράφουν ένα ευρύ φάσμα συμπεριφορών. Για παράδειγμα, στη θεωρία της ενδιάμεσης μικροοικονομικής, οι ατομικές καταναλωτικές αποφάσεις, οι οποίες υπόκεινται σε έναν περιορισμό προϋπολογισμού, περιγράφονται με μαθηματικά μοντέλα. Η βασική υπόθεση που διέπει αυτά τα μοντέλα είναι η μεγιστοποίηση της χρησιμότητας.
Η υπόθεση ότι τα άτομα λαμβάνουν αποφάσεις με στόχο τη μεγιστοποίηση της ευημερίας τους, υπό τους περιορισμούς των διαθέσιμων πόρων, μας παρέχει ένα ισχυρό θεωρητικό πλαίσιο για τη δημιουργία οικονομικών μοντέλων που είναι διαχειρίσιμα και παράγουν σαφείς προβλέψεις. Στο πλαίσιο των καταναλωτικών αποφάσεων, η μεγιστοποίηση της χρησιμότητας οδηγεί σε ένα σύνολο εξισώσεων ζήτησης. Σε μια εξίσωση ζήτησης, η ζητούμενη ποσότητα ενός αγαθού εξαρτάται από την τιμή του προϊόντος, τις τιμές των υποκατάστατων και των συμπληρωματικών αγαθών, το εισόδημα του καταναλωτή και τα ατομικά χαρακτηριστικά που επηρεάζουν τις προτιμήσεις του. Αυτές οι εξισώσεις μπορούν να αποτελέσουν τη βάση μιας οικονομετρικής ανάλυσης της καταναλωτικής ζήτησης.
Οι οικονομολόγοι έχουν χρησιμοποιήσει βασικά οικονομικά εργαλεία, όπως το πλαίσιο μεγιστοποίησης της χρησιμότητας, για να εξηγήσουν συμπεριφορές που εκ πρώτης όψεως μπορεί να φαίνονται μη οικονομικής φύσης. Ένα κλασικό παράδειγμα αποτελεί το οικονομικό μοντέλο εγκληματικής συμπεριφοράς του Becker (1968). Η διαμόρφωση ενός επίσημου οικονομικού μοντέλου αποτελεί μερικές φορές το σημείο εκκίνησης για την εμπειρική ανάλυση, αλλά είναι πιο συνηθισμένο να χρησιμοποιείται η οικονομική θεωρία με λιγότερο αυστηρό τρόπο. Για παράδειγμα, ένας οικονομολόγος επιθυμεί να εξετάσει τις επιπτώσεις της επαγγελματικής κατάρτισης στην παραγωγικότητα των εργαζομένων. Μια βασική οικονομική κατανόηση είναι επαρκής για να αναγνωρίσουμε ότι παράγοντες όπως η εκπαίδευση, η εμπειρία και η κατάρτιση επηρεάζουν την παραγωγικότητα των εργαζομένων. Αυτή, λοιπόν η απλή συλλογιστική μπορεί να οδηγήσει σε ένα μοντέλο όπως:
$$\text{wage} = f(educ, exper, training)$$
, όπου
- educ = έτη εκπαίδευσης
- exper = έτη εμπειρίας
- training = ώρες επιμόρφωσης
Φυσικά, και άλλοι παράγοντες επηρεάζουν γενικά το ύψος των μισθών, αλλά η παραπάνω εξίσωση αποτυπώνει την ουσία του προβλήματος.
Αφού καθορίσουμε ένα οικονομικό μοντέλο, πρέπει να το μετατρέψουμε σε οικονομετρικό. Επειδή η οικονομετρική ανάλυση είναι η κύρια μέθοδος που θα χρησιμοποιήσουμε, είναι σημαντικό να κατανοήσουμε πώς ένα οικονομετρικό μοντέλο σχετίζεται με το αντίστοιχο οικονομικό.
Ας εξετάσουμε την εξίσωση του παραπάνω παραδείγματος, η οποία περιγράφει τη σχέση μεταξύ του ωριαίου μισθού και παραγόντων όπως η εκπαίδευση, η εμπειρία και η επαγγελματική κατάρτιση. Για να πραγματοποιήσουμε μια οικονομετρική ανάλυση, πρέπει πρώτα να προσδιορίσουμε τη μορφή της συνάρτησης `f(⋅)`, δηλαδή αν η σχέση μεταξύ των μεταβλητών είναι γραμμική ή μη γραμμική και πώς θα διαμορφώσουμε το υπόδειγμά μας.
Ένα άλλο σημαντικό ζήτημα αφορά τη διαχείριση μεταβλητών που δεν μπορούν να παρατηρηθούν άμεσα. Για παράδειγμα, εκτός από την εκπαίδευση και την εμπειρία, παράγοντες όπως οι προσωπικές ικανότητες, τα κίνητρα και η ποιότητα της εκπαίδευσης μπορεί επίσης να επηρεάζουν τον μισθό ενός εργαζομένου, αλλά είναι δύσκολο να μετρηθούν με ακρίβεια. Παρόμοια, οι ευκαιρίες δικτύωσης ή οι συνθήκες της αγοράς εργασίας μπορεί να έχουν σημαντικό αντίκτυπο στους μισθούς, αλλά δεν καταγράφονται εύκολα σε ένα απλό οικονομετρικό μοντέλο.
Για να αντιμετωπίσουμε αυτές τις αόρατες επιρροές, μπορούμε ενσωματόνουμε στοχαστικούς όρους σφάλματος στο οικονομετρικό μας μοντέλο, ώστε να ληφθούν υπόψη οι παράγοντες που δεν μπορούν να μετρηθούν απευθείας. Επιπλέον, χρησιμοποιώντας τεχνικές όπως οι ψευδομεταβλητές (dummy variables) ή οι σταθερές επιδράσεις (fixed effects), μπορούμε να ελέγξουμε για ορισμένες από αυτές τις αόρατες διαφορές μεταξύ των εργαζομένων. Με άλλα λόγια το οικονομετρικό μοντέλο που προκείπτει είναι:
$$\text{wage} = \beta_0 + \beta_1 \times educ + \beta_2 \times exper + \beta_3 \times training + u$$
,όπου
- `\beta_0`: Η σταθερά του μοντέλου, δηλαδή η εκτιμώμενη τιμή του ωριαίου μισθού όταν όλες οι ανεξάρτητες μεταβλητές (εκπαίδευση, εμπειρία, κατάρτιση) είναι μηδενικές. Αν και δεν έχει απαραίτητα οικονομική σημασία, βοηθά στη σωστή προσαρμογή του υποδείγματος στα δεδομένα.
- `\beta_1`: Οριακή επίδραση της εκπαίδευσης στον μισθό, δηλαδή η μεταβολή του ωριαίου μισθού για κάθε επιπλέον έτος επίσημης εκπαίδευσης, κρατώντας τις άλλες μεταβλητές σταθερές.
- `\beta_2`: Οριακή επίδραση της εργασιακής εμπειρίας στον μισθό, δηλαδή η μεταβολή του ωριαίου μισθού για κάθε επιπλέον έτος εργασιακής εμπειρίας, υπό την προϋπόθεση ότι η εκπαίδευση και η κατάρτιση παραμένουν αμετάβλητες.
- `\beta_2`: Οριακή επίδραση της επαγγελματικής κατάρτισης στον μισθό, δηλαδή η μεταβολή του ωριαίου μισθού για κάθε επιπλέον εβδομάδα συμμετοχής σε πρόγραμμα κατάρτισης, κρατώντας σταθερές τις υπόλοιπες μεταβλητές.
- `u`: Ο στοχαστικός όρος σφάλματος, που περιλαμβάνει όλους τους παράγοντες που επηρεάζουν τον μισθό αλλά δεν περιλαμβάνονται ρητά στο μοντέλο, όπως ατομικές ικανότητες, κοινωνικές και οικονομικές συνθήκες ή τυχόν σφάλματα μέτρησης.
Μόλις ένα οικονομετρικό μοντέλο, όπως οι εξισώσεις έχει καθοριστεί, μπορούν να διατυπωθούν διάφορες υποθέσεις σχετικά με τις άγνωστες παραμέτρους. Για παράδειγμα, στην εξίσωση (1.2), θα μπορούσαμε να διατυπώσουμε την υπόθεση ότι η επαγγελματική κατάρτιση (training) δεν επηρεάζει τον ωριαίο μισθό ενός εργαζομένου. Στο πλαίσιο του οικονομετρικού μοντέλου, η υπόθεση αυτή ισοδυναμεί με τη δήλωση ότι η αντίστοιχη παράμετρος είναι μηδενική:
$$H_0: \beta_3 = 0 $$
$$H_1: \beta_3 \neq 0 $$
Αν η μηδενική υπόθεση `(H_0)` είναι αληθής, τότε η συμμετοχή σε προγράμματα επαγγελματικής κατάρτισης δεν έχει στατιστικά σημαντική επίδραση στον ωριαίο μισθό. Αντίθετα, αν απορριφθεί η `H_0` επικρατεί η εναλλακτική `Η_1`. Αυτό σημαίνει ότι υπάρχει στατιστικά σημαντική σχέση μεταξύ της κατάρτισης και του μισθού, υποδηλώνοντας ότι η επαγγελματική εκπαίδευση μπορεί να επηρεάζει θετικά ή αρνητικά το εισόδημα των εργαζομένων.