اقتصادسنجی و اقتصاد ریاضی در پایان­‌نامه‌­های دانشجویی

به گزارش بورس نیوز، هر روز هم مدل‌ها و آماره‌های جدیدی معرفی می‌شود. ابهام همیشگی من در بررسی این پایان ­نامه­‌ها که ناچارم حداقل کلیات مدل‌ها و آماره‌های آن­ها را دریابم، و درک عمیق‌تر و قضاوت در مورد صحت ­و سقم پژوهش‌های انجام ­شده از نظر آمار و ریاضیات را به اعضای اقتصادسنج و اقتصاددانان ریاضی تیم داوری واگذار ‌کنم، آن است که آیا دانشجویِ پژوهشگر تا حد لازم به این مباحث تسلط دارد؟ البته، احاطه به روش‌های آماری تنها بخشی از موضوع است؛ مهم‌تر آن است که دانشجو بتوانند از اقتصادسنجی برای هدایت و تفسیر مطالعات تجربی روی داده‌های اقتصادی به ­درستی استفاده کند.

همة نظریه‌های اقتصاد مالی بر شالوده مدل‌های ریاضی بنا شده‌اند: نظریه‌های تعادلی به دنبال تعیین نقطه‌های ثابت معینی هستند و دیگر مدل‌ها بحث بهینه‌سازی را دنبال می‌کنند. اما، اقتصادسنجی کار دیگری می‌کند؛ از آمار برای تحلیل داده‌های اقتصادی کمک می‌گیرد؛ یعنی، تکنیک‌های آماری به خدمت اقتصاد می‌آیند. البته، برای حل مسائل آزمون و تخمین هم از اقتصادسنجی کمک می‌گیریم، و البته اقتصادسنجی بیشتر با داده‌های واقعی سروکار دارد.

در جریان بررسی این پایان‌نامه‌ها، توجه من به‌ویژه به دو موضوع جلب می ­شود: پژوهشگران تا چه حد نقادانه و صحیح از مدل‌ها استفاده می‌کنند، و آیا دقیقاً می‌دانند که در سپهر کدام نظریة اقتصاد ریاضی و یا کدام مدل اقتصادسنجی‌اند؟ دانشجویان با استفاده از داده‌های مالی مشاهده­ شده تلاش می‌کنند به شکل نظام‌مند، پدیده‌های اقتصاد مالی را مطالعه کرده و توضیح دهند، و چنین است که از اقتصادسنجی به شکل وسیعی استفاده می‌کنند. البته، هر جا آنان از داده‌های بازارهای مالی استفاده می‌کنند، وارد حوزة تخصصی‌تری شده و از اقتصادسنجی‌ مالی استفاده می‌کنند.

طبعاً همة این دانشجویان اقتصادسنج نیستند که از آنان توقع داشته باشیم به آماردانان و ریاضیدانان قابلی بدل شوند و همزمان نظریة اقتصادی را هم بفهمند. اما بدون درک حداقلی از نظریة اقتصادی، داده‌های اقتصادی و روش‌های آماری، این دانشجویان نمی‌توانند پایان‌نامه‌های خود را کامل کنند. آنان دائماً به دنبال آزمون‌کردن هستند، اما نگرانی من در بررسی کارشان آن است که آیا آنان الگوهایی را می‌فهمند که با آن‌ها آزمون می‌کنند، آیا به­طور کامل از صحت داده‌هایی اطمینان دارند که با آن‌ها کار می‌کنند، و آیا به یافته‌های گذشته در این عرصه‌ها تسلط دارند.

احساس من آن است که غالبا در هر سه حوزه، دانش دانشجویان محدود و نسبتاً سطحی است. هم دانش عمیقی از مدل‌ها ندارند، هم داده‌هایشان باخطا اندازه‌گیری شده، و هم مطالعات مشابه گذشته را به ­دقت نخوانده‌اند.

به نظرم، بسیاری از دانشجویان در جمع‌بندی از داده‌ها انتظارات نامعقولی دارند و ساده‌انگارانه با این داده‌های ناقص برخورد می‌کنند. به علاوه، تعداد زیادی متغیر بر پیکرة مدل‌های خود می­پوشانند، و امیدوارند با این شولا، با تعداد اندکی داده، به سطوح معناداری از نتیجه‌گیری برسند.

وقتی به تجربه ­های اواخر دهة 70 میلادی خودم مراجعه می‌کنم، روزهایی را به خاطر می‌آورم که به کتابخانة دانشگاه منچستر می‌رفتم تا مالامال از شوق توأمان با زجر کتاب‌های نوآورانه و درهمباف یان تینبرگن، جان فون نویمان و اسکار مورگن­اشترن را عاریه گیرم و از فرضیة انتظارات عقلایی و نظریة بازی‌ها سردرآورم. تا آن زمان هنوز بحثی از «اقتصادسنجی» در میان نبود؛ دانشجویانِ اقتصاد کشورهای در حال توسعه، تازه مکتب اقتصاد ریاضی ساموئلسون را درک کرده بودند. من هم دو جلد ترجمة فارسی کتاب درسی او را در دورة کارشناسی خوانده بودم که حاصل تلاش دکتر پیرنیا بود. آن روزها به دنبال چه بودم؟ طبعاً با ریاضیات ضعیف خودم از مباحث گردونسایی چون آنالیز تابعی، توپولوژی یا نظریة ارگودیک فون نویمان هیچ سردرنمی­آورم. شاید با طلب آن کتاب­ها از کتابدار دانشگاه، صرفاً از این سطح نازل موضوع را دنبال می­کردم که ریاضیات به اقتصاددانان اجازه داده بود حرف‌هایشان را جمع‌وجورتر و با ساخت مدل‌هایی بیان کنند که قدرت پیش‌بینی داشت. در همین حد ساده موضوع را دنبال می‌کردم که از بیان توصیفی اقتصاد فاصله می‌گیرم و می‌توانم مدل‌سازی اقتصادی کنم. حداکثر از اقتصاد ریاضی توصیف بهتر رشد اقتصادی، مسائل بهینه‌سازی و ماگزیمم‌کردن مطلوبیت را می‌فهمیدم. توهمی نداشتم که با این مدل­ها بشود از پوچ جهان حقایقی را ساخت یا نتیجه گرفت. البته اقرار می­کنم که به هیچ‌وجه، جزئیات ریاضی کتاب کلاسیک نویمان و مورگن­اشترن در نظریة بازی‌ها را درنمی‌یافتم.

هر چند می‌پذیریم که دانشجویان امروز با دانش ریاضیات بالاتر خود، مهارت‌های اقتصادسنجی و کامپیوتری کافی برای تدوین الگوهای پیچیده و غیرخطی در حوزة مالی را دارند، و کمی‌سازی آنان را ارج می‌نهم، اما احساس می‌کنم که برای تحلیل داده‌های اقتصادی، بسیاری از آنان مهارت‌های ترکیب، تفسیر و بررسی تجربی را ندارند. به­علاوه مطئمن نیستم که تا چه حد، یافته‌های آنان در سیاست‌های اقتصادی بخش عمومی و خصوصی تأثیر دارد. این دانشجویان از این قابلیت کم‌تر برخوردارند که مجموعة درستی از فرض‌های کاملاً روشن و واقعی فراهم آورند و از داده‌های در دسترس به شکل بهینه برای اثبات آن فرض‌ها استفاده کنند. آنان دست­ودلبازانه از متغیرهای جایگزین به جای متغیرهای غیرقابل اندازه‌گیری استفاده می‌کنند، و با جسارت تمام از داده‌هایشان جمع‌بندی کرده و نتایج تعمیم­ یافته‌ای می‌گیرند. این دانشجویان حتی گاهی برای جبران ضعف داده‌های خود، از مدل‌ها و روش‌های پیچیده‌تر و به‌زعم خود پیشرفته‌تری استفاده می‌کنند.

دانشجویانی که من پژوهش‌هایشان را می‌خوانم، طبعاً کم‌تر به تدوین فرمول ریاضی از نظریه‌های اقتصادی می‌پردازند؛ به بیان دیگر، در کار توسعة نظریه یا الگو نیستند. بلکه بیش‌تر از روش‌های آماری استفاده می­کنند تا داده‌های لازم برای مطالعات تجربی را فراهم کنند، تا چیزی را اندازه‌گیری کنند و یا صحت و درجة کاربست مدل خاصی را آزمون کنند. اگر دانشجویان به آن فعالیت اول می‌پرداختند، نتیجه می‌گرفتم که در حال توسعة نظریة اقتصاد ریاضی هستند. اما اکثر دانشجویان ایرانی مسیر مطالعات تجربی را مسیر کوتاه‌تری برای فارغ‌التحصیلی می‌یابند.

بی‌شک اقتصادسنجی نقش برجسته‌ای در توسعة اقتصاد به مثابة یک رشتة علمی ایفا کرده است. از تجربة دهة هفتاد میلادی خودم نیز نتیجه می‌گیرم که اقتصادسنجی در تبدیل علم مالی از یک رشتة توصیفی محدود به یک حوزة وسیع مشتمل بر نظریه‌ها و مدل‌های پیچیده و در عین­حال به­درد بخور نقش داشته است. به ما در آن سال‌ها هنوز کسی نظریة ساختار سرمایه، مدیریت سبد یا مدل‌های سنجش ریسک درس نمی‌داد. «مالی» کم­وبیش مثل رشتة «حقوق» تدریس می‌شد. هنوز بحث‌های مالی کمّی خیلی از محاسبة ارزش فعلی فراتر نمی‌رفت. پس ریاضیات و آمارِ اقتصادسنجی به داد این رشته رسید، و اقتصاد مالی را در راه بی­برگشت جدیدی قرار داد. اما پایان‌نامه‌نویس‌های ما در دانشگاه نباید از محدودیت‌های مهم اقتصادسنجی نیز غافل باشند.

غیر از کاستی‌های نظریة اقتصادی، مشکل داده‌های اقتصادی نیز بسیار جدی است. با داده ­ها تقریبا هر کار بی ­سر و تهی را می­ شود انجام داد؛ "تا جنون فاصله­ای نیست از این جا که منم." دانشجویان باید فرابگیرند که نمی‌توان مدل‌های اقتصادی را با قاطعیت به کمک روش‌های اقتصادسنجی رد کرده یا پذیرفت. تلاش برای آزمون فرضیه‌ها و تدوین مدل‌ها کاری مناسب است، و امکان مقایسه با فرضیه‌های رقیب را فراهم می‌آورد، اما توجه به کاستی‌های ابزاری که در اختیار داریم نیز ضرورت دارد. از این‌رو، ولنگارانه نمی‌شود با داده‌های محدودی به جمع‌بندی‌های بزرگ و تعمیم نتایج پرداخت. اقتصادسنجی به ما امکان آن را نمی­دهد که به­ اصطلاح همشهری­ های شمالی کشورمان با داده‌ها لاس بیدمشگی بزنیم. امکانات محاسباتی فرصتی برای استفادة بیشتر از داده­ هاست و استفاده از الگوهای اقتصادسنجی ساده شده است. اما، کمی‌سازیی که اکنون در پژوهش‌های دانشگاهی «قاعده» تلقی می‌شود، الزاماتی دارد که دانشجویان باید به آن­ها مجهز شوند: مهارت‌های آماری و ریاضی، مهارت‌های محاسباتی، نحوه کار با داده‌های بزرگ، توان تفسیر مطالعات تجربی، و تسلط نسبی بر روش‌های تحقیق.