Пояснюючі моделі у структурі наукових теорій. Складові наукової теорії.

Критерії класифікації теорій: за глибиною відображення дійсності*Феноменологічні (пов’язані з поясненням окремих явищ) та нефеноменологічні (пов’язані з поясненням глибинних процесів) (Теорія інфляц,зайнятості, ек.зростання,заг, ек.рівноваги). за об’єктом дослідження: Теорії окремих сфер досліджуваної дійсності.(фінансові, монетарні). за точністю передбачень: Детерміністські (пояснюють причинно -наслідкові зв’язки) та імовірнісні (пояснюють зв’язки врахуванням ймовірності їх реалізації). за станом досліджуваного об’єкту: Динамічні (акцентують увагу на змінах) та статичні (акцентують увагу на структурі) (теорії коливань). Елементи пояснюючої моделі: припущення, зміст, висновки

 

 

 

92.Елементи пояснюючої моделі: припущення, зміст, висновки. "парадигма" - ? сукупність теорій, які утворюють певну мета теоретичну єдність; основна складова, ядро певної теорії (близьке значення має поняття "принцип"; очевидно, в цьому сенсі один із термінів є зайвим); ? поняття, тотожне поняттю "методологія" (зауваження є аналогічним попередньому).

Приклад моделі - нова інформаційна економетрична парадигма (стігліц, коулз).

Припущення:1) інформаційна (постіндустріаль-

на) економіка як нова парадигма економічної науки;

Зміст: Парадигма формує основу для утворення відповідної наукової спільноти, в рамках якої і відбувається розвиток науки. підведення економіки інформації під неокласичну аналітичну схему можна розглядати як методологічно некоректне. Як відомо, проблематика неокласичних досліджень сконцентрована навколо найбільш раціонального використання обмежених ресурсів. Інформація як економічний ресурс відрізняється від традиційних факторів виробництва тим, що її легко тиражувати, вона не зникає у процесі використання. Навпаки, за споживання певної інформації одразу ж створюється нова інформація. Тобто обмеженість доступної кількості інформації значною мірою долається внаслідок унікальних властивостей цього ресурсу. Інформація, яка є цілком доступною для будь-кого, не могла б стати об’єктом неокласичного аналізу. На практиці інформаційні ресурси стають штучно обмеженими, рідкісними завдяки механізму інтелектуаль ної власності, який упроваджує юридичні обмеження на вільне поширення інформації.

Висновки

 

93. Наукове передбачення на основі гіпотез.   Передбачення — це форма активної діяльності свідомості, яка дає людині можливість знати або припускати те, що має виникнути, статися. З цієї причини передбачення можна визначити також як пізнання майбутнього на основі минулого та сучасного. Передбачення включає результат діяльності мислення і сам процес мислення, який зумовлює цей результат.

    Специфіка пізнання явищ, які, можливо, існують у сучасності, але ще не зареєстровані, та явищ майбутнього фіксується у понятті "завбачення". Слід зазначити, що коли йдеться про соціальне передбачення, то розуміється перш за все пізнання майбутнього.

   Передбачення за гносеологічною природою близьке до висунення гіпотези, але гіпотеза — логічна форма знання, яка використовується у процесі пізнання і минулого, і сучасного, і майбутнього, а передбачення завжди спрямоване на майбутнє або на сучасне. Майбутнє корениться у сучасному у вигляді причини, що породжує наслідок як низку можливостей. Ці можливості за певних умов обов'язково перетворюються на дійсність у вигляді конкретних кількісних та структурних змін у явищах і процесах сучасного, які неминуче спричиняють появу нової якості в майбутньому, і т. ін.

    Наукова гіпотеза – формулюється разом з тим, що ми побачили проблему. Це – припущення з приводу вирішення проблеми, але істинність гіпотези ще треба довести.

    Вимоги до гіпотез: 1)Релевантність (чомусь відповідає), 2)Верифікація (здатність бути перевіреним), 3)Відповідність сучасним науковим уявленням (глобалізація, екологізація, інформатизація), 4)Простота.

При прийнятті рішень дослідник проблеми займається відбором гіпотез, який спирається на теорію прийняття рішень. При виборі гіпотез до уваги береться ймовірність реалізації конкретного рішення, відкидаються ті, ймовірність яких є низькою. При відборі до уваги береться критерій корисності, переваг даного рішення.

 

94. Наукове передбачення на основі пояснюючих моделей.   Передбачення — це форма активної діяльності свідомості, яка дає людині можливість знати або припускати те, що має виникнути, статися. З цієї причини передбачення можна визначити також як пізнання майбутнього на основі минулого та сучасного. Передбачення включає результат діяльності мислення і сам процес мислення, який зумовлює цей результат.

Специфіка пізнання явищ, які, можливо, існують у сучасності, але ще не зареєстровані, та явищ майбутнього фіксується у понятті "завбачення". Слід зазначити, що коли йдеться про соціальне передбачення, то розуміється перш за все пізнання майбутнього.

    Тривалий час у рамках старого матеріалізму загальноприйнятою була ідея так званого вирішального експерименту, згідно з якою повинен існувати факт чи група фактів, які мають остаточно «підтвердити» (чи «спростувати») ту чи іншу теорію. Саме такого «вирішального експерименту» шукали в 20-ті роки «логічні позитивісти» на основі «верифікації», тлумачачи істину як результат «підтверджуваності» теорії фактами. К. Поппер цілком слушно заперечував проти такого тлумаченпя, оскільки варто з'явитися хоча б одному факту, що суперечить теорії (а такий факт рано чи пізно з'являється), і теорія «фальсифікується».

     Проте «аргумент» Поппера, попри всю його слушність, виходить з цієї ж ідеї «вирішального експерименту», тільки замість «позитивної» ролі факту (його «підтверджувальної сили») висувається його «негативна» роль (здатність факту «остаточно» заперечити, «сфальсифікувати» теорію). Спробу

вийти за межі «зачарованого кола» емпіричного (детермінованого фактами — «позитивно» чи «негативно») знаходимо в І. Лакатоша, в його так званій методології дослідницьких програм, згідно з якою зростання (розвиток) наукового знання відбувається як послідовна зміна серії теорій, які об'єднуються на основі певних базисних положень.    

 

95. Форми наукових передбачень: умовивід, аналогія, прогноз. Умовивід — це форма мислення, у якій з одного чи кількох істинних суджень на основі певних правил виводу виводять нове судження. Структура кожного умовиводу включає в себе засновки, висновок, логічний

зв’язок між засновками та висновком.

Умовивід буде правильним тоді і тільки тоді, коли в ньому виконуються основні закони логіки (тотожності, несуперечності, виключеного третього, закон достатньої підстави).

Логічним висновком з цих засновків є таке речення, яке не може бути хибним, коли ці засновки істинні. Умовиводи поділяються на дедуктивні, індуктивні і умовиводи за аналогією. Вони можуть бути необхідними та ймовірними (правдоподібними).

Дедуктивний умовивід — це умовивід, у якому висновок зроблено обов’язково із засновків, які виражають знання достатньо великого ступеня загальності і які самі є знанням меншого ступеня загальності:

1) усі ссавці годують своїх дітей молоком;

2) собака — ссавець;

3) отже, усі собаки годують своїх дітей молоком.

Логічне слідування іде від роду до виду, від загального класу до підкласу.

Аналогія в логіці — умовивід, в якому від схожості предметів за одними ознаками робиться висновок про можливу схожість цих предметів за ін. ознаками. Аналогія — традуктивний умовивід, у якому на підставі подібності двох предметів в одних ознаках робиться висновок про подібність їх і в інших ознаках.

Якщо в дедуктивних умовиводах знання рухаються від більш загального до менш загального, а в індуктивних — від одиничного до загального, то в аналогії відбувається перехід знань від одиничного до одиничного.

 Прикладом аналогії може бути міркування Галілея, який, відкривши чотири супутники Юпітера і виявивши спільність між системою «Юпітер — його супутники» і Сонячною системою, зробив висновок, згідно з яким подібно до того, як у системі Юпітера в Центрі перебуває найбільше за розмірами тіло, так і в Центрі руху планет перебуває найбільше за об'ємом тіло цієї системи — Сонце.

Прогноз — це результат процесу прогнозування, виражений у текстовій, математичній, графічній або іншій формі судження про можливий стан об'єкта в майбутньому.Прогнози можна класифікувати за декількома ознаками:

1. Залежно від тимчасового охоплення:

- короткостроковий прогноз — це прогноз строком до 1 місяця (наприклад,тижневі прогнози руху готівки);

- середньостроковий прогноз — це прогноз строком до 1 року (наприклад,місячні й квартальні прогнози темпів інфляції);

- довгостроковий або перспективний прогноз — це прогноз строком понад 1рік (наприклад, прогноз змін інвестиційного клімату в країні).

2. Залежно від типу прогнозування:

- пошуковий прогноз — це прогноз, отриманий методом наукового прогнозування від сьогодення до майбутнього;

- нормативний прогноз — це прогноз, отриманий методом нормативно-цільового прогнозування, у рамках якого спочатку визначаються цілі й орієнтири на майбутній період часу, а потім оцінюється розвиток

об'єкта виходячи із цих орієнтирів;

- прогноз, заснований на творчому баченні — це прогноз, отриманий на основі суб'єктивних знань прогнозиста, його інтуїції.

96. Економетричний інструментарій в економічному дослідженні. Економетрика дає інструментарій для економічних вимірювань, а також методологію оцінки параметрів моделей мікро- і макроекономіки. Крім того, економетрика активно використовується для прогнозування економічних процесів як в масштабах економіки в цілому, так і на рівні окремих підприємств . При цьому економетрика є частиною економічної теорії, поряд з макро-і мікроекономікою.

 Специфіка економічних вимірювань

Специфічні особливості економічних даних можна звести до 5 груп:

1.Вимірюватися можуть тільки операціонально певні дані. При цьому економічні виміри піддаються сильному впливу теоретичних уявлень про дані величинах.

2.Неекспериментальні характер даних і короткі ряди спостережень, які ставлять під сумнів адекватність отриманих результатів.

3.Економічні дані, як правило, є непрямими. При цьому первинні вимірювання часто не носять ніякого економічного характеру.

4.Мінливість одиниць виміру.

5.Гостро стоїть проблема впливу інструменту виміру на сам об'єкт вивчення.

Економетричні методи.

Регресійний аналіз - статистичний метод дослідження залежності між залежною змінною Y та однією чи кількома незалежними змінними X _1, X ₂,..., X _p . При цьому термінологія залежних і незалежних змінних відображає лише математичну залежність змінних, а не причинно-наслідкові відносини. Для адекватного опису складних внутрішньо неоднорідних економічних процесів, як правило, застосовуються системи економетричних рівнянь. У простіших випадках можна використовувати і прості ізольовані рівняння.

Аналіз часових рядів - сукупність математико-статистичних методів аналізу, призначених для виявлення структури часових рядів і для їх прогнозу. Виявлення структури часового ряду необхідно для того, щоб побудувати математичну модель того явища, яке є джерелом аналізованого часового ряду. Прогноз майбутніх значень часового ряду використовується при прийнятті рішень . Прогнозування також цікаве тим, що воно раціоналізує існування аналізу часових рядів окремо від економічної теорії

97.                  Моделі багатофакторної регресії у економічному дослідженні Будь-який економічний процес, особливо якщо його всебічно можна виразити чи визначити через кількісні характеристики, часто піддається математичному моделюванню, тобто його вираженню через рівняння регресії. При цьому, під регресією розуміється залежність однієї випадкової величини від іншої випадкової величини. Такий процес побудови математичних залежностей між факторною (факторними) ознакою та залежною змінною дозволяє не тільки визначити наявний тісний зв'язок між даними показниками (що вирішується за допомогою кореляційного аналізу), але й прогнозувати одну (залежну) змінну (у) на основі іншої (інших) змінної (х). Таким чином, регресійний аналіз дозволяє робити аргументовані висновки щодо розвитку даного економічного процесу, що базуються та підкріплюються конкретними математичними розрахунками. Більш актуальними для економічного моделювання є багатофакторні регресії, оскільки рідко економічне явище можна пояснити переважно одним фактором впливу. У процесі побудови багатофакторних регресійних моделей можна виділити такі етапи:1. Вибір та аналіз всіх можливих факторів, які впливають на процес (або показник), що вивчається. 2. Вимір та аналіз знайдених факторів – якщо деякі фактори неможливо кількісно чи якісно визначити або для них недоступна статистика, то вони вилучаються з подальшого розгляду.  3. Математико-статистичний аналіз факторів – на цьому етапі при наявності у динамічних рядах недостатньої інформації за допомогою спеціальних методів проводиться її відтворення, а також здійснюється перевірка основних припущень класичного регресійного аналізу.  4. Вибір вигляду регресійної багатофакторної моделі. 5. Оцінка невідомих параметрів регресійної моделі. 6. Перевірка значимості знайдених параметрів моделі та її оцінка на адекватність реальній дійсності– здійснюється за допомогою F- критерію Фішера та t- критерію Ст’юдента.  7. Розрахунок основної характеристики (коефіцієнт множинної кореляції R), аналіз отриманих результатів, висновки. За допомогою побудованих багатофакторних регресійних моделей, які є адекватними наявним статистичним та розрахунковим даним та мають високі ступені значимості оцінених параметрів, можна здійснювати прогнозування зміни змодельованого економічного явища в результаті зміни одного чи більше його факторів. Слід констатувати, що такі моделі на сьогодні не є сталими в довгостроковому періоді, оскільки в українській економіці зовнішнє середовище та його умови змінюються досить часто. Тому в майбутньому доцільно розрахувати нові параметри регресійних моделей на основі представлених методів та здійснювати прогнозування згідно отриманих даних.

98. Моделі векторної авторегресії у економічному аналізіМатематичним принципом моделі авторегресії є побудова функції для кожної ендогенної змінної як залежності від лагових значень інших ендогенних змінних, а також від екзогенних змінних без накладення обмежень на коефіцієнти та кількість лагів [6]. Дані моделі відносять до атеоретичного підходу, так як дана модель є статистичною і будується на базі минулих спостережень та не враховує майбутні очікування. Модель придатна для короткострокового прогнозування та для аналізу статистично значимих макроекономічних індикаторів. Векторна авторегресія (VAR) є економетричною моделлю, що використовуються для описання еволюції і взаємозалежності між кількома часовими рядами, узагальнюючи одномірні AR моделі. Всі змінні в VAR розглядаються симетрично, в тому числі для кожної змінної рівняння, пояснюючи її еволюцію на основі власних лагів (значень за попередні періоди) і лагів всіх інших змінних у моделі. На основі цієї функції, Крістофер Сімс є прихильником використання VAR моделей як вільного від теорії методу оцінки економічних відносин, що є альтернативою "неймовірного обмеження ідентифікації" у структурних моделях. VAR модель описує еволюцію набору k змінних (так званих ендогенних змінних) за той же вибірковий період (t = 1, ..., Т), як лінійну функцію тільки своїх минулих значень (еволюції). Змінні зібрані в k × 1 вектор уt, який має своїм iим елементом уi,t - спостереження в час t змінної уi. Наприклад, якщо iта змінна ВВП, то уi,t - це значення ВВП в час t. (Скорочена) р-го порядку VAR, позначається VAR (р ), є де c - це k × 1 вектор констант (точка перетину), Ai є k × k матрицею (для кожного i = 1, ..., p) і et є k × 1 вектор похибок, що задовольняє

 - кожна похибка має середнє, що дорівнює нулю;

 - одночасна коваріаційна матриця похибок Ω (k × k позитивно визначена матриця);

 - для будь-якого ненульового k кореляція в часі відсутня; зокрема, немає серійної кореляції між окремими похибками.