УДК 330.4

Эконометрический подход к прогнозированию инфляции

Юсиченко Сергей Сергеевич – студент Калужского государственного университета им. К.Э. Циолковского

Юсиченко Константин Сергеевич – студент Института мировой экономики и бизнеса Российского университета дружбы народов

Натробина Ольга Владиславовна – кандидат экономических наук, доцент кафедры Экономики и управления Калужского государственного университета им. К.Э. Циолковского

Аннотация: В статье предпринята попытка обобщить существующие подходы эконометрической оценки инфляции. Описаны основные методы эконометрики, используемые при  прогнозировании инфляции. Основываясь на официальных данных Росстата, сформирована регрессионная модель, выполненная в  MS Excel.

Ключевые слова: инфляция, эконометрика, методы эконометрики, линейная регрессия, MS Excel.

Инфляция является одним из ключевых показателей экономической стабильности и развития страны. Поэтому ее анализ и прогнозирование  ее темпов  в будущем позволяет определить направление тренда экономического развития страны. С этой целью принято выявлять причины возникновения инфляции, используя различные модели. В рамках микроэкономического анализа наиболее известна модель спроса и предложения. Макроэкономика опирается на такие модели как, модель монетарной теории инфляции и модель фискальной теории инфляции и др.. Существуют и другие подходы, которые в совокупности с указанными моделями позволяют выявить основные факторы, влияющие на уровень инфляции, и оценить их вклад в формирование инфляционного процесса. Следует отметить, что  в основе инфляции лежит взаимодействие большого количества  переменных-факторов: это и изменение цен на национальном и мировом рынках, и уровень безработицы, и ставка процента, и объем выпуска и т.д. Поэтому понимание этих факторов создает основу для формирования эффективных стратегий управления инфляцией. И эконометрика играет важную роль в определении ключевых причин инфляции и их влиянии на ценообразование.

Эконометрические модели при анализе инфляции позволяют выявить основные факторы, влияющие на уровень инфляции, а также оценить их воздействие. Они позволяют проводить прогнозирование инфляции на основе данных о различных экономических переменных.

Так как эконометрический анализ инфляции направлен на выявление причин ее возникновения, необходимо остановиться методах, которые эконометрика использует при  прогнозировании инфляции.

К  числу методов эконометрики, получивших широкое распространение относят: методы временных рядов, регрессионного анализа, VAR-модели и др.

Методы временных рядов играют важную роль в построении эконометрических моделей прогнозирования инфляции. Они позволяют анализировать изменения инфляции во времени и выявлять ее основные закономерности и тенденции.

Они позволяют  учесть трендовую составляющую в модели прогнозирования;  выявить сезонные колебания инфляции;  выявить автокорреляцию в изменениях уровня инфляции; анализировать волатильность инфляции.

Среди авторов, которые занимались разработкой эконометрических моделей прогнозирования инфляции с использованием методов временных рядов, можно выделить Р. Энгла, К. Грейнджера, Т. Кампбелла, Дж. Хэмилтона и др. В России также есть авторы, занимающиеся прогнозированием инфляции с использованием методов временных рядов, такие как В.М. Полтерович, А. Адамцевич, С. Щепанов и др.[3;4]

Метод линейной  регрессии является одним из наиболее распространенных методов анализа в эконометрике, позволяющим изучать взаимосвязи и зависимости между различными экономическими показателями. И потому  широко используется для построения эконометрической модели прогнозирования инфляции.

Линейная регрессия  - это математическая модель, которая используется для анализа данных и предсказания будущих значений зависимой переменной на основе значений независимых переменных.

Для того, чтобы построить линейную регрессию надо исходить из предположения, что эндогенная (зависимая) переменная Y связана с экзогенной или независимой переменной X линейным образом. Другими словами линейная регрессия выражена функцией зависимости от X знакомым еще из школьного курса математики уравнением:

Y = a + b * X,  где  параметры a и b – и представляют коэффициенты линейной регрессии, которые необходимо рассчитать.
Для расчета коэффициентов линейной регрессии используются методы наименьших квадратов (МНК). Они позволяют найти такие значения коэффициентов a и b, которые минимизируют сумму квадратов разностей между фактическими значениями Y и предсказанными значениями Y по модели. После расчета коэффициентов, мы можем использовать данную модель для прогнозирования значений Y при заданных значениях X.
В развитии регрессионного анализа при прогнозировании инфляции внесли свой вклад многие ученые – исследователи. Пожалуй, одним из самых известных является Нобелевский лауреат Пол Самуэльсон, который в 1939 г. в работе «Propagation Problems and Impulse Problems in Dynamic Economics»[3;6] впервые представил метод регрессионного анализа для прогнозирования инфляции. Помимо данного ученого, следует отметить и таких авторов как К. Беккер, Ст. Эксла, Г. Саймон, Р. Тейлор и др.

Один из российских авторов, который рассматривал регрессионный анализ при построении эконометрической модели инфляции, это А.Абрамов, профессор Московского государственного университета. В своих работах он исследовал влияние различных экономических факторов на инфляцию и использовал методы регрессионного анализа для построения моделей прогнозирования инфляции.

VAR-модели (векторная авторегрессионная модель) являются мощным инструментом для анализа взаимосвязей между несколькими временными рядами. При построении эконометрической модели прогноза инфляции VAR-модели могут быть использованы для анализа влияния различных экономических факторов (процентные ставки, уровень безработицы, объем денежной массы и др.) на инфляцию для прогнозирования ее будущего поведения.

Путем анализа VAR-моделей можно выявить, какие переменные имеют наибольшее влияние на инфляцию, и какие экономические факторы следует учитывать при прогнозировании инфляции. Таким образом, VAR-модели помогают выстроить более точную и учитывающую взаимосвязи модель прогнозирования инфляции, что позволяет более точно предсказывать ее будущее поведение.

В развитии VAR-моделей внесли вклад многие ученые, и первым, был Стэнли Эксла, который в своей работе в 1978 г. «An Econometric Model of the United Kingdom with Applications to Fiscal Policy and Trade Policy» впервые представил VAR-модель для прогнозирования инфляции[3;5]. К другим наиболее знаковым авторам можно отнести Г. Саймона, Р. Тейлора, Ф. Модильяни и многих других.

Один из российских авторов, который рассматривал VAR-модели при построении эконометрической модели инфляции, это А.Полтерович, профессор Высшей школы экономики. Он изучал влияние различных макроэкономических факторов на инфляцию в России с использованием VAR-моделей и проводил исследования в этой области.

VAR-модели  при всей мощности своего инструментария, позволяющего учитывать взаимосвязи между различными переменными и анализировать их влияние на инфляционные процессы, все же требуют  тщательной интерпретации результатов.

Таким образом, эконометрические модели играют важную роль при анализе инфляции. Они позволяют выявить основные факторы, влияющие на уровень инфляции, оценить их воздействие и провести прогнозирование инфляции на основе данных о различных экономических переменных.

Важно отметить, что использование эконометрических моделей при анализе инфляции требует аккуратности и профессионализма, поскольку неправильное построение моделей может привести к недостоверным результатам и ошибочным выводам.

В рамках изучаемого курса «Эконометрика», мы остановимся на методе регрессионного анализа – линейной регрессии, позволяющего определить взаимосвязь инфляции с не менее важным экономическим явлением – безработицей.

Оценим параметры уравнения линейной регрессии на примере построения регрессионной зависимости Y = a + b * X  уровня инфляции от уровня безработицы, основываясь на данных Росстата (таблица 1 )

Таблица 1. Данные Росстата по уровню инфляции и безработицы по годам[7; 8].

Год	Уровень инфляции, %	Уровень безработицы, %
2017	2,52	6,6
2018	4,27	6,2
2019	3,05	6,5
2020	4,91	7,8
2021	8,39	6,4
2022	11,92	5,2

MS Excel располагает набором инструментов для регрессионного анализа, поэтому  мы и воспользуемся его возможностями, построив диаграмму рассеивания (рисунок 1), а затем и рассчитав регрессионное уравнение.

Рисунок 1. Диаграмма рассеивания.

Оценку регрессии  и регрессионного уравнения осуществим, также используя MS Excel.

Вывод регрессионного анализа представлен в таблице 2

Таблица 2 Регрессионная статистика.

Регрессионная статистика
Множественный R			0,642320511
R-квадрат			0,412575639
Нормированный R-квадрат			0,216767519
Стандартная ошибка			0,821672927
Наблюдения			5
Дисперсионный анализ
				df		SS			MS	F		Значимость F
Регрессия				1		1,422560805			1,422561	2,107041		0,242537214
Остаток				3		2,025439195			0,675146
Итого				4		3,448
	Коэффициенты	Стандартная ошибка			t-статистика			P-Значение	Нижние 95%		Верхние 95%		Нижние 95,0%	Верхние 95,0%
Y-пересечение	7,492797251	0,82537432			9,078059577			0,002823828	4,866087796		10,11950671		4,866087796	10,11950671
2,52	-0,164842847	0,113562166			-1,451564845			0,242537214	-0,526248342		0,196562647		-0,526248342	0,196562647

Основываясь на данных регрессионного анализа, сформируем уравнение регрессии:

У=7,492797251 – 0,164842847Х

R² = 0,412575639

 Это означает, что 41,26% уровня безработицы объясняется существующим уровнем инфляции.

Опираясь на уравнение регрессии можно увидеть, что при повышении безработицы на 1%, уровень инфляции сокращается на 0,16%

Так как, нашей целью был прогноз инфляции на 2025 г. в зависимости от уровня безработицы, то график подбора  показывает, какие параметры уровня инфляции мы можем получить в рамках регрессионного анализа: уровень инфляции прогнозируется на уровне 2,52% при предполагаемом уровне безработицы в 6,6% (рисунок 2).

Рисунок 2. Прогнозирование уровня инфляции.

Главным преимуществом линейной регрессии является ее простота и понятность. Вместе с тем надо понимать, что  оцененные параметры Х и У – это приближенные оценки, а  уравнение регрессии отражает  лишь общую тенденцию выборки.

Поэтому линейная связь между переменными, может оказаться недостаточной для описания такого сложного экономического явления как инфляция, т.к. она не учитывает другие факторы, которые могут влиять на зависимую переменную. Поэтому, для более точного анализа в эконометрике, рекомендуется использовать более сложные модели или учитывать другие факторы.

Инфляция относится к тем экономическим процессам, которые не могут не интересовать общество ни в период относительной стабильности, ни тем более  в периоды экономических потрясений,  к которым относят санкционные  мероприятия [1]. Поэтому  прогнозные ориентиры инфляции и разработка решений по ее уменьшению, играют решающую роль и для национальной безопасности любой страны [2].

Список литературы

1. Мельниченко Т.Ю. Антиинфляционная политика России в условиях санкций / Научные труды Калужского государственного университета имени К.Э. Циолковского. Серия: Гуманитарные науки. 2022. – Калуга: Издательство КГУ им. К.Э. Циолковского, 2023.
2. Юсиченко С.С., Мельниченко Т. Ю. Современные угрозы экономической безопасности / Современные проблемы обеспечения экономической безопасности [Электронный ресурс]: материалы I Междунар. науч.- практ. конф., Минск, 20 апр. 2023 г. / Белорус. гос. ун-т; редкол.: А. А. Королёва (гл. ред.) [и др.]. – Минск: БГУ, 2023.
3. Пелюгаева Н.И., Кривченко А.И., Дашкина А.Х., Аладьев А.А. / Развитие эконометрики в работах Нобелевских лауреатов по экономике [Электронный ресурс] htpps// scienceforum.ru (дата обращения 23.12.23).
4. Полтерович В.М. Экономическое равновесие и хозяйственный механизм. – М.: Наука, 1990. – 256 с.
5. Stanley Axl An Econometric Model of the United Kingdom with Applications to Fiscal Policy and Trade Policy/Oxford: Basil Blackwell. 1961. Pp. xii, 312. 60s.
6. Paul Samuelson Propagation Problems and Impulse Problems in Dynamic Economics/ Economic Essays in Honour of Gustav Cassel, Allen & Unwin, London, 1933, pp. 171–3, 181–90, 197–203(дата обращения: 21.12.2023).
7. https:// xn----ctbjnaatncev9av3a8f8b.xn--p1ai/уровень инфляции. рф./таблицы-инфляции.
8. https://rosstat.gov.ru/labour_force(дата обращения: 21.12.2023).