Научная статья на тему 'Некоторые методические подходы к эконометрическому моделированию влияния бюджетной политики на экономику'

Некоторые методические подходы к эконометрическому моделированию влияния бюджетной политики на экономику Текст научной статьи по специальности «Экономика и экономические науки»

CC BY
355
84
Поделиться
Ключевые слова
БЮДЖЕТНАЯ ПОЛИТИКА / ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ / СИНТЕТИЧЕСКИЙ ПОКАЗАТЕЛЬ / ДИСКРЕЦИОННАЯ ПОЛИТИКА / КРИТЕРИЙ ОЦЕНКИ МОДЕЛИ / НУЛЕВАЯ ГИПОТЕЗА

Аннотация научной статьи по экономике и экономическим наукам, автор научной работы — Швецов Андрей Владимирович

В статье приводятся методические подходы, определяющие способы оценки влияния бюджетной политики на экономическое развитие с помощью эконометрического моделирования. Проанализированы недостатки, присущие данному способу исследования, сделаны выводы.

SOME METHODICAL APPROACHES TO ECONOMETRICAL MODELING OF INFLUENCE OF FISCAL POLICY ON ECONOMY

The article presents the methodological approaches that define the ways of assessing the influence of fiscal policy on economic development with the help of econometric modeling. The drawbacks of this method of research are analyzed, the conclusions are made.

Текст научной работы на тему «Некоторые методические подходы к эконометрическому моделированию влияния бюджетной политики на экономику»

УДК 336.025

Швецов Андрей Владимирович

Shvetsov Andrey Vladimirovich

кандидат экономических наук,

доцент кафедры информационных систем

в экономике

Марийского государственного технического университета shvetsoff@rambler.ru

Candidate of Economics, associate professor of the chair of information systems in the economy, Mari State Technical University shvetsoff@rambler.ru

НЕКОТОРЫЕ

МЕТОДИЧЕСКИЕ ПОДХОДЫ К ЭКОНОМЕТРИЧЕСКОМУ МОДЕЛИРОВАНИЮ ВЛИЯНИЯ БЮДЖЕТНОЙ ПОЛИТИКИ НА ЭКОНОМИКУ

SOME METHODICAL APPROACHES TO ECONOMETRICAL MODELING OF INFLUENCE OF FISCAL POLICY ON ECONOMY

Аннотация:

The summary:

В статье приводятся методические подходы, определяющие способы оценки влияния бюджетной политики на экономическое развитие с помощью эконометрического моделирования. Проанализированы недостатки, присущие данному способу исследования, сделаны выводы.

The article presents the methodological approaches that define the ways of assessing the influence of fiscal policy on economic development with the help of econometric modeling. The drawbacks of this method of research are analyzed, the conclusions are made.

Ключевые слова:

Бюджетная политика, эконометрическое моделирование, синтетический показатель, дискреционная политика, критерий оценки модели, нулевая гипотеза.

fiscal policy, econometric modeling, synthetic indicator, discretionary policy, criterion for model estimation, null hypothesis.

Keywords:

В последние годы по ряду причин наблюдается возрождение интереса к стабилизирующей роли налогово-бюджетной политики. Во многих странах периоды экономического спада порождают в академической и политической среде дискуссии о том, какой финансовый стимул должен использоваться. Во многих странах в настоящее время рассматривают более активную роль налоговой политики, предполагая, что национальная политика больше не может основываться на денежно-кредитной и курсовой политике, чтобы справиться с макроэкономическими потрясениями, которые затрагивают отдельные страны. Одним словом, во всех основных экономических регионах мира налогово-бюджетная политика вернулась на центральное место в политических и академических дискуссиях. После нескольких лет относительного пренебрежения в настоящее время горячо обсуждается ее влияние на рост производства и другие аспекты макроэкономики.

Для оценки влияния бюджетной политики на экономику, как правило, используются два подхода. Один из них основан на синтетических показателях. Они включают изменения в соотношениях баланса к ВВП. Иногда используются более сложные индикаторы, построенные путем взвешивания различных компонентов бюджета в соответствии с их предполагаемым воздействием на совокупный спрос. Второй подход основан на построении эконометрических моделей. Процедура оценки влияния налогово-бюджетной политики на экономику учитывает взаимодействие экономических показателей, изменяющихся во времени, с большим числом связей между ними, через синтетические показатели. Это обеспечивает не только оценку влияния бюджета на производство, но и его воздействие на цены и другие макроэкономические показатели. Такой подход также может использоваться для оценки эффектов различных бюджетных составляющих, в том числе динамические изменения уровня и структуры баланса и ежеквартального исполнения доходов и расходов в течение года. Следует подчеркнуть, что данная методика не делает различий между бюджетными изменениями. Индикатор указывает на общие последствия активного индуцированного поведения государства, но не может отнести эти последствия к автоматическому и контролирующему механизму. Для оценки последствий контролирующей политики был разработан ряд методик, часть из которых основывалась на эконометрических моделях [1]. Однако определение дискреционной политики требует принятия многочисленных гипотез, которые сильно влияют на результаты.

Следует также отметить, что в то время как, с одной стороны, можно четко определить эффективность эконометрической модели, с другой стороны, маловероятно, что она может определить некоторые потенциально значительные направления воздействия бюджетной политики на экономику. Это особенно верно в случаях определения поведения государственного сектора или ожидания экономических агентов в отношении процентных ставок и обменных курсов, учитывая весьма значительные трудности, связанные с определением этих отношений. Предпочтительно использовать только те направления воздействия, которые явно кодифицированы. Тем не менее можно исследовать чувствительность результатов к изменению основной структуры модели. Следует подчеркнуть, что данный анализ, как правило, учитывает воздействие налоговой политики года Т на экономику в том же году. Следовательно, отставание последствий воздействия государственного бюджета на экономику в значительной степени игнорируются. Можно ограничиться лишь краткосрочным эффектом бюджета, тогда гипотетическое моделирование становиться более бессмысленным. Сформулировать сценарии, которые могли бы вытекать с точки зрения вероятных последствий денежно-кредитной политики, валютного курса, ожидания и поведения потребителей и фирм практически не возможно. Другими словами, если на вопрос: «Чтобы произошло, если бы процесс коррек-

тировки был бы приостановлен для каждого года», кажется разумным один вопрос: «Что делать, если бы не было корректировки в какие либо временные периоды?» [2].

Воздействие бюджета связано с четырьмя различными факторами:

- изменениями в балансе при отсутствии каких либо изменений в составе и числе государственных служащих;

- изменения в составе бюджета;

- изменения занятости в государственном секторе;

- ежеквартальные сводки счетов.

Первые три фактора являются ограничительными, четвертый оказывает незначительное влияние на результат.

С теоретической точки зрения эконометрического моделирования основным понятием эконометрии является экономико-математическая модель, параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа и прогнозирования конкретных экономических процессов как на макро-, так и на микроэкономическом уровне на основе реальной статистической информации. Наиболее распространены эконометрические модели, представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых параметрами модели, а также лаго-выми переменными. Кроме регрессионных (как линейных, так и нелинейных) уравнений, применяются и другие математико-статистические модели.

Эконометрическая модель может быть представлена в двух формах: структурной и приведенной.

Известно, что в наиболее общем виде любую эконометрическую модель, построенную в виде системы линейных уравнений, можно записать так:

р

у £ =Ау1+^гу1 - 1 + схг,

1=1

где у - вектор текущих значений эндогенных переменных модели;

А - матрица коэффициентов взаимодействий между текущими значениями эндогенных переменных модели; Ъ - матрица коэффициентов влияния запаздывающих (лаговых) переменных модели на текущие значения эндогенных и моделируемых показателей; С - матрица коэффициентов внешних воздействий; х

- вектор значений экзогенных показателей модели; 1 - индекс временного периода; I - индекс запаздывания (лага); р - продолжительность максимального лага.

В литературе подобные системы часто называют системами одновременных уравнений, имея в виду, что здесь зависимая переменная одного уравнения может появляться одновременно в качестве независимой переменной в одном или нескольких других уравнениях. В таком случае теряет смысл традиционное различение зависимых и независимых переменных. Вместо этого устанавливается различие между двумя видами переменных. Это, во-первых, совместно зависимые переменные (эндогенные), влияние которых друг на друга должно быть исследовано (матрица А в слагаемом Аус приведенной выше системы уравнений). Во-вторых, предопределенные переменные, которые, как предполагается, оказывают влияние на первые, однако не испытывают их воздействия; это переменные с запаздыванием, то есть лаговые (второе слагаемое) и определенные вне данной системы уравнений экзогенные переменные.

В зависимости от характера ограничений и статистической структуры переменных эконометрические модели классифицируются на линейные модели с одной, двумя и большим числом переменных, а также на пробит-модели, логит-модели, тобит-модели и др.

Один из ведущих современных исследователей-эконометриков Дэвид Хендри [3] так определил основные проблемы, с которыми приходится сталкиваться экономисту, который применяет в своей работе эконометрические методы: «Проблемы в эконометрии многочисленны и разнообразны. Экономика — это сложный, динамический, многомерный и эволюционирующий объект, поэтому изучать ее трудно. Как общество, так и общественная система изменяются со временем, законы меняются, происходят технологические инновации, поэтому найти в этой системе инварианты непросто. Временные ряды коротки, сильно агрегированы, разнородны, нестационарны, зависят от времени и друг от друга, поэтому мы имеем мало эмпирической информации для изучения. Экономические величины измеряются неточно, подвержены значительным позднейшим исправлениям, а важные переменные часто не измеряются или ненаблюдае-мы, поэтому все наши выводы неточны и ненадежны. Экономические теории со временем меняются, соперничающие объяснения сосуществуют друг с другом, и поэтому надежная теоретическая основа для моделей отсутствует. И среди самих эконометристов, по-видимому, нет согласия по поводу того, как следует заниматься их предметом».

При использовании эконометрических методов исследователь сталкивается с огромным количеством сложных проблем, что делает полученные им результаты ненадежными и спорными. Поэтому должны быть веские причины, побуждающие использовать эти методы. Изложим некоторые из них.

Во-первых, не существует альтернативы статистическим методам в поиске общих закономерностей, связывающих наблюдаемые эмпирические факты. Поскольку любое измерение связано со случайными ошибками, то применение статистики неизбежно, кроме тех случаев, когда ошибки пренебрежимо малы. Экономические измерения нельзя отнести к разряду точных. Кроме того, многие экономические факторы являются ненаблюдаемыми и неизмеримыми, либо данные о них отсутствуют, и эти ненаблюдаемые величины приходится считать случайными. Таким образом, хочет этого исследователь или нет, он всегда получает оценки, имеющие некоторое случайное распределение. Если не использовать статистические методы, то вероятностные свойства получаемых оценок остаются неизвестными [4].

Предположим, что исследователь получил оценку определенной величины, которая оказалась положительным числом. Может ли он быть уверенным, что полученный результат значим, а не является

случайным совпадением? Эконометрические методы позволяют формально проверить гипотезу о знаке полученной оценки.

Не будет преувеличением утверждать, что любой вывод о наличие наблюдаемой закономерности делается осознано или неосознанно, исходя из того, насколько вероятно было бы такое сочетание данных при отсутствии связи. Если такое случайное совпадение представляется маловероятным, тогда с уверенностью делается вывод о наличии связи. Но описанная процедура есть не что иное, как неформальное описание проверки статистической гипотезы определенного вида. И, по-видимому, предпочтительнее применять менее субъективные формальные процедуры, что переводит получаемые результаты на универсальный язык статистики и стандартизирует их.

Во-вторых, применение эконометрии не исключает применения других прикладных методов. Эконометрические методы следует рассматривать скорее как инструмент, чем как самостоятельное прикладное моделирование.

Эконометрические методы позволяют не только получить оценки, но и проверить гипотезы, лежащие в основе используемой модели экономического явления, выявить, какие гипотезы нарушаются, и указать, в каком направлении следует модифицировать модель.

Большинство серьезных проблем, с которыми приходится сталкиваться при эконометрическом моделировании, на самом деле носят общий характер для экономической науки, поскольку они связаны с характером самого предмета исследований - экономических процессов.

Невозможность использования эконометрических методов и применение вследствие этого каких-то других методов является с этой точки зрения проблемой, а не достоинством.

Другой вопрос заключается в том, следует ли вообще моделировать экономические процессы. Можно предложить следующий аргумент: люди всегда, рассуждая об экономике, держат в голове некоторую неформализованную «модель» или «теорию». Отличие ученого-экономиста заключается в том, что он в явном виде описывает ту модель, с которой работает и поэтому может выявить, на каких именно предположениях он основывается, может увидеть слабые места своей концепции. Кроме того, в последние годы эконометрическая методология, доминировавшая в течение многих лет, подверглась критике.

Согласно этой методологии, полученные результаты считаются тем лучше, чем более сильно коррелированны те величины, которые должны быть связаны между собой согласно теории, чем точнее предсказания соответствуют наблюдаемым данным (где точность предсказаний, как правило, измеряется с помощью коэффициента детерминации), чем более значимыми являются полученные оценки с точки зрения 1- или Р-статистик. Некоторые эконометрические методики отводят значительное место тому, как наиболее эффективным образом организовать перебор потенциальных объясняющих переменных, чтобы наилучшим образом предсказать объясняемую переменную, чтобы коэффициент детерминации был как можно большим, а Р-статистика как можно более значимой. В некоторые статистические пакеты встроена такая автоматическая процедура перебора. Есть также программы, позволяющие быстро и удобно перебрать набор стандартных функциональных форм зависимостей между парой переменных (корни, логарифмы, обратные величины и т. д.).

Если получены настораживающие значения в критериях спецификации, таких как критерий Дарби-на-Уотсона, то исследователь, следующий этой традиционной методологии вместо того, чтобы пересмотреть модель, данные и т. п., воспринимает это как сигнал к применению более продвинутых методов оценивания, которые бы позволили справиться с обнаруженными проблемами. В качестве примера можно привести корректирование регрессионной модели на наличие сериальной автокорреляции с помощью метода Кохрана-Оркатта или применение гребневой регрессии в случае мультиколлинеарности объясняющих переменных.

Для описываемого подхода характерно стремление во что бы то ни стало получить «наилучший» результат, вместо стремления получить результат осмысленный и надежный. К такой эконометрической практике можно отнести резкие слова Э. Лимера: « Существует две вещи, процесс изготовления которых лучше не видеть: сосиски и эконометрические оценки». В качестве примера можно привести эконометрическое уравнение зависимости потребления в некий период 1 от потребления в предшествующем периоде, доходов и величины процентной ставки, приведенное Тэйлором [5]. Данную модель отличает слишком большое значение коэффициента множественной детерминации - 0,999 при высокой значимости ^статистик коэффициентов регрессии.

Эвристическая ценность методов перебора с целью поиска наилучшей модели может быть высока. Однако очень важно понимать, что исследователя на этом пути подстерегает большая опасность. Поскольку он стремится максимально улучшить точность подбора, согласие предсказаний модели и реальных данных, то в проводимой после получения оценок проверке значимости переменных должны применяться модифицированные критические границы. Если этого не делать, то номинальная значимость переменных, оказывается преувеличенной. Другой важный момент состоит в том, что если используемые при оценивании гипотезы неверны, то полученные оценки должны рассматриваться как бессмысленные, и высокий уровень коэффициента детерминации не может придать им больше достоверности. Кроме того, следует помнить, что выбор модели, имеющей максимальный коэффициент детерминации, не имеет под собой достаточно прочного теоретического обоснования. Например, если зависимая переменная в двух регрессионных моделях имеет разную функциональную форму, то их нельзя сравнивать при помощи коэффициента детерминации.

Следует отдавать предпочтение тем моделям, которые проходят диагностические критерии, хотя, может быть, и имеют низкий коэффициент детерминации, перед теми моделями, которые имеют высокий коэффициент детерминации, однако диагностические критерии говорят о нарушении основополагающих гипотез, необходимых для того, чтобы обосновать применяемые методы оценивания.

Важное правило современного эконометрического моделирования заключается во всесторонней проверке оцениваемой модели на предмет нарушения тех или иных предположений. Основными критериями, применяемыми для проверки правильности спецификации регрессионной модели, могут служить:

- критерий пропущенных переменных;

- критерии функциональной формы. Критерий RESET;

- критерии структурных изменений (критерий Чоу, CUSUM и CUSUMSQ) и критерии выбросов;

- критерии автокорреляции остатков (критерий Дарбина-Уотсона, критерий Годфрея (альтернативный критерий Дарбина), точечно-оптимальные критерии Кинга);

- критерии экзогенности регрессоров (критерий Дарбина-Ву-Хаусмана);

- критерий первых разностей и другие критерии преобразования данных;

- невложенные критерии (nonnested tests);

- критерии стационарности переменных;

- критерии гетероскедастичности ошибки;

- критерии нормальности (критерий Жарка-Беры).

Сюда же можно отнести показатели, которые не связаны с проверкой статистических гипотез и не выявляют неправильность спецификации модели, но указывают на недостоверность оценок и их потенциальную плохую робастность:

- показатели влиятельности наблюдений (DFFITS, DFBETAS);

- показатели мультиколлинеарности (число обусловленности и т.п.).

Одно из условий, на которое опирается эконометрическое моделирование, состоит в том, что функциональное соотношение не меняется в течение рассматриваемого периода. Однако это условие часто нереалистично, особенно в случае, когда приходится иметь дело с переходной экономикой. Это обычная проблема, с которой экономист сталкивается при исследовании экономических процессов с изменчивой структурой. Как бы то ни было, приходится делать предположение о неизменности формы модели, иначе моделирование не было бы возможно.

Один из возможных способов учета структурных сдвигов состоит в использовании различного рода сконструированных переменных, таких как фиктивные переменные и тренды. Включение в эконометрическую модель трендов позволяет учитывать изменения во всех коэффициентах регрессионного уравнения: свободном члене и коэффициентах при «экономических» переменных. Фиктивные переменные (принимающие только два значения — 0 и 1) позволяют учесть резкие структурные скачки.

Кроме того, использование фиктивных переменных и гармонических трендов (синусов и косинусов) позволяет учесть в модели сезонные колебания.

Все же эти методы не позволяют адекватно учесть изменения, если неизвестен их характер или момент изменения (в случае скачка). Особенно большие проблемы создают структурные сдвиги для прогнозирования. Если резкое изменение в параметрах экономического процесса произошло в течение исследуемого периода, то это изменение можно заметить и учесть в модели. Если же неожиданное изменение произойдет после исследуемого периода, то сделанные прогнозы окажутся неверными.

Имеющихся данных может быть недостаточно для того, чтобы определить функциональную связь между переменными, либо они недостаточно варьируются, чтобы можно было отличить влияние одного фактора от влияния другого. Последняя проблема получила в эконометрическом моделировании название «мультиколлинеарности». В отличие от экспериментальных наук, у отдельного исследователя, изучающего экономические процессы, как правило, нет возможности сколько-нибудь заметно на них повлиять. Обычно за него это делает государство. «...От государственного манипулирования экономикой могла бы выиграть только эконометрика» [6].

Чтобы восполнить недостаток данных, исследователю приходится делать некоторые априорные допущения, зачастую недостаточно обоснованные.

Как правило, функциональная форма модели заранее неизвестна. В этом случае хорошим выходом из положения было бы использование непараметрических методов оценивания. Однако для применения таких методов необходим довольно значительный набор данных. Поэтому на практике, как правило, предполагают, что зависимость между двумя переменными линейна. Часто линейная зависимость дает хорошую аппроксимацию гладкой зависимости в некоторой небольшой окрестности, но, вообще говоря, нет никакой гарантии, что «истинная» зависимость не окажется сильно нелинейной как раз в том интервале, к которому относятся данные.

При применении статистических методов следует помнить, что постулируемые свойства, как правило, носят асимптотический характер, то есть проявляются в пределе, при стремлении количества наблюдений к бесконечности. В частности, если в линейной регрессии в качестве регрессоров используются лаги зависимой переменной, то, даже если выполнены стандартные предположения регрессионного анализа, полученные оценки будут состоятельными, но смещенными.

Для того, чтобы получить высокий коэффициент детерминации, достаточно, чтобы в зависимой переменной и в регрессоре имелся тренд и динамика трендов до некоторой степени совпала. Коэффициент детерминации, как правило, бывает высок в регрессии одного растущего показателя по другому растущему показателю.

С другой стороны, коэффициент детерминации, как правило, бывает низким в регрессии одного процесса типа «белый шум» по другому такому же процессу.

Двумя основными причинами наличия «тренда» во временных рядах являются детерминированная составляющая (тогда говорят о детерминированном тренде) и нестационарность (тогда говорят о стохастическом тренде).

Наличие детерминированного тренда может приводить к появлению ложной регрессии, с которой достаточно легко бороться, добавляя в уравнение тренд в качестве регрессора, при этом эффект ложной регрессии исчезает.

Если существует стационарная линейная комбинация нестационарных случайных процессов, то эти процессы называют коинтегрированными. Для больших выборок коинтегрированность гарантирует отсутствие ложной регрессии. Теория коинтеграции — быстро развивающийся раздел современной эконометрики.

Для оценивания моделей с нестационарными, но коинтегрированными переменными следует использовать специальные методы. К сожалению, методы оценивания коинтеграционных регрессий сложны с точки зрения реализации, и способы проверки их спецификации плохо разработаны. Поэтому, несмотря на указанные недостатки, обычный метод наименьших квадратов остается наиболее мощным инструментом эконометрики.

Особенной осторожности требует причинная интерпретация полученных закономерностей. Достаточно часто случается, что когда один исследователь получает результаты, которые он интерпретирует как причинное воздействие одной переменной на другую, находятся оппоненты, которые указывают, что те же результаты можно получить вследствие обратного причинного воздействия, либо воздействия на обе переменные третьего фактора, приводя при этом достаточно веские теоретические доводы.

Одним из самых известных примеров является количественная теория денег. Ее слабой стороной является предположение об экзогенности эмиссии. По тем же причинам положительную связь между темпом инфляции и политической нестабильностью можно интерпретировать двояко: высокая инфляция может вызывать политическую нестабильность, но, с другой стороны, можно утверждать, что политическая нестабильность часто приводит к возникновению инфляции.

Приведем пример альтернативной интерпретации, говорящей о возможном влиянии неучтенного третьего фактора. Рядом исследователей получена сильная отрицательная корреляция между темпом инфляции в стране и темпом экономического роста в ней. Из этого делается вывод о том, что инфляция отрицательно влияет на экономический рост. Альтернативная интерпретация заключается в том, что неблагоприятные шоки предложения могут вызывать как усиление инфляции, так и сокращение роста. Кроме того, правительства, проводящие политику, отрицательно влияющую на темпы экономического роста, - такую как протекционизм, большие бюджетные дефициты, - также скорее всего проводят и политику, стимулирующую инфляцию.

Особенно большую сложность в интерпретации причинных связей в экономике создает эффект ожиданий. Здесь наиболее наглядно проявляется недостаточность рассуждений по правилу «после этого, значит, вследствие этого».

Учитывая указанные трудности, можно утверждать, что любое суждение о причинности в экономике очень субъективно и опирается на множество гипотез, в правильности многих из которых нельзя быть полностью уверенным.

Классические направления математической статистики - корреляционный и регрессионный анализ - практически с момента появления применяются для выявления причинных связей. Даже если отвлечься от эффектов ложной корреляции и ложной регрессии и принять, что связь действительно существует, то все равно следует понимать, что полученные оценки сами по себе не говорят ничего о виде и направлении связи. «На уравнения регрессии нельзя смотреть шаблонно как на структурные уравнения, непосредственно представляющие причинные процессы».

Обобщая вышесказанное, следует подчеркнуть, что использование эконометрического моделирования дает эффект в случае всестороннего анализа самого экономического процесса, проверки множества гипотез и допущений. Это тем более важно в случае моделирования в бюджетно-финансовой сфере, так как последствия неверной интерпретации могут быть катастрофичными. Вероятно, именно с этим связано недостаточное распространение данных подходов в практике финансовой сферы, а имеет лишь теоретическое или оценочное значение. Выводы из полученных оценок можно делать, только опираясь на предварительные допущения и гипотезы, то есть на положения, не вытекающие из рассматриваемых наблюдений. Так, корреляционный анализ устанавливает только наличие связи, а выводы о ее направлении делает уже исследователь.

Ссылки:

References (transliterated):

1. Artis M.J.R. and C.J. Green, «Using the Treasury Model to Measure the Impact of Fiscal Policy», in M.J. Artis, C.J. Green, D. Leslie and G. W. Smith, Demand Management, Supply Constraints and Inflation. 1982. Manchester, Manchester University Press.

2. Bosi P. Modelli Macroeconometrici e Valutazione della Politica Fiscale in Italia, Politica Economica, 1986. Vol. II. № 1. pp. 3-43.

3. Hendry D.F. Testing Feedback vs. Feedforward Econometric Formulations, Oxford Economic Papers, 1988. pp. 132-49.

4. Цыплаков А.А.. Эконометрический анализ процессов высокой инфляции (на примере России): диссертация на соискание ученой степени кандидата экономических наук. Новосибирск, 1998.

5. Taylor J.B. Macroeconomic Policy in a World Economy, New York, 1999.

6. Ibid.

1. Artis M.J.R. and C.J. Green, «Using the Treasury Model to Measure the Impact of Fiscal Policy», in M.J. Artis, C.J. Green, D. Leslie and G. W. Smith, Demand Management, Supply Constraints and Inflation. 1982. Manchester, Manchester University Press.

2. Bosi P. Modelli Macroeconometrici e Valutazione della Politica Fiscale in Italia, Politica Economica, 1986. Vol. II. № 1. pp. 3-43.

3. Hendry D.F. Testing Feedback vs. Feedforward Econometric Formulations, Oxford Economic Papers, 1988. pp. 132-49.

4. Tsyplakov A.A.. Ekonometricheskiy analiz protsessov vysokoy inflyatsii (na primere Rossii): dissertatsiya na soiskanie uchenoy stepeni kandidata ekonomicheskih nauk. Novosibirsk, 1998.

5. Taylor J.B. Macroeconomic Policy in a World Economy, New York, 1999.

6. Ibid.