Описательные модели

Описательные модели отображают реальные явления, не предрешая ни их объяснение, ни их предвидение, ни воздействие на их эволюцию. Используются статистические данные и распределения, эмпирические корреляции.

Задачей экономического исследования является уяснение природы экономического объекта, раскрытие взаимосвязи между важнейшими его переменными. Такое понимание позволяет разработать и осуществить необходимые меры по управлению данным объектом или экономическую политику. Для этого нужны адекватные задаче методы, учитывающие природу и специфику экономических данных, служащих основой для качественных и количественных утверждений об изучаемом экономическом объекте или явлении. Цель статистического анализа состоит в том, чтобы исследовать, какие выводы можно извлечь из данных, представить эти выводы с соответствующей точностью в простой и понятной форме.

Методы анализа можно сгруппировать по ряду признаков. Различают описательные и вероятностные методы; в описательной статистике вероятностные аспекты или совсем отсутствуют или им придается небольшое значение; во втором случае понятие вероятностной модели данных, вероятностные свойства оценок и законы их изменчивости появляются в явном виде.

Методы описательной статистики, не использующей в явном виде вероятностные результаты, в которых такие результаты являются основными, очень отличаются друг от друга.

В описательную статистику включают табулирование данных, предназначенных для изучения, и использование графических методов. Графические методы особенно важны как на предварительном этапе изучения данных, так и на этапе представления заключительных выводов. Современное развитие машинной графики привело к усовершенствованию методов анализа сложных зависимостей, особенно многомерных.

Строгого различия между описательными и вероятностными методами провести нельзя. Часто вычисление некоторых величин, а затем графическое или табличное их представление проводятся на основе вероятностных соображений. В дальнейшем эти величины рассматриваются как имеющие самостоятельный смысл вне зависимости от исходных соображении, приведших к их вычислению. Метод наименьших квадратов, центральный для неэлементарных статистических методов, имеет различные сложные вероятностные обоснования. Часто его рассматривают как интуитивно обоснованный метод подгонки. В то же время центральная мысль статистического анализа состоит в том что, важные выводы должны содержать оценку степени неопределенности. Хотя иногда это можно сделать и неформально обычно вероятностные соображения играют важнейшую роль при изменении степени неопределенности, особенно при вычислении границ ошибок оценок неизвестных параметров.