Классическая макроэкономика как псевдонаука

// // Интересное в сети //

Думаю, многие видели в сети забавную картинку, представляющую собой график «Зависимость средней температуры на Земле от количества пиратов». Исходя из этого графика линейной зависимости можно сделать вывод, что с уменьшением количества пиратов на Земле средняя температура растёт, а значит уничтожение пиратства приводит к глобальному потеплению. Интуитивно мы все понимаем, что это шутка.

В действительности подобной антинаучной ерунды в нашей жизни полно, и не только в сети, но и в научных статьях и даже учебниках для ВУЗах. В сети же сейчас тут и там ходят ролики дилетанта Жданова с его теорией еврейского заговора, ролики с РЕН-ТВ о телегонии, репортаж канала «Россия» об университете с кафедрой уфологии, лекция академика Апина о связи календаря майа, Нострадамуса и инопланетян. А вслед за подобными лекциями ходят и толпы поклонников, включая и вполне взрослых и образованных людей. Вся эта лженаука бьёт по мозгам граждан, склоняя их ко всякого рода «измам».
 
Вышеуказанные «научные темы» — это, конечно, лакомый кусок для развенчания. Я же хочу показать материал по современным социальным наукам: менеджменту, экономике и маркетингу. В принципе, на тех же псевдонаучных методах основаны и многие другие «научные труды» из других сфер.
 
Когда-то один из австрийцев скинул мне одну интересную статью о фальсифицированных экономических теориях, связанных с применением математических методов. Суть проста – «теория считается тем более научной, чем больше в ней математики». Автор статьи указывал на недопустимость таких воззрений, на абсолютную сумбурность отдельных выводов и т.д. Но по мне – утверждение абсолютно верное, просто автор статьи сам не особо разбирался в статистике и поэтому не смог связать математические методы и сумбурность выводов подобных теорий.
 
Все далее приведённые математические термины не являются никакой тайной. Если какой-то термин кажется непонятным – его легко можно будет найти на википедии, в гугле или в учебнике по математической статистике.
 
Итак, первое, что бросается в глаза при взгляде на какую-нить эконометрическую теорию – это объекты измерений. Если вы посмотрите на определение какого-либо измеряемого параметра – то чуть ли не всегда он будет не объективным. Это не массы, длины, энергии, времена и т.д. – это всевозможные субъективные понятия и оценки. «Меры желания», «потенциалы ответственности» и т.п. (Для примера посмотрите определение спроса). Правда нужно добавить, что методы экспертной оценки неких субъективных вещей применяются и в реальной науке, когда специалист не может явно выразить некие зависимости и собственный опыт. Затем с помощью алгоритмов представления знаний законы той или иной области можно будет и формализовать, например, с помощью технологии нейронных сетей. Только одно «но» — формализация законов некой предметной области будет успешной лишь в одном случае – если они в действительности объективно существуют. В обратном случае экспертные оценки не дают ничего, а выводы специалиста в этом случае сравни суевериям.
 
Из первой проблемы вытекает вторая — размерности величин. Самый настоящий беспредел начинается, когда выделенными параметрами начинают оперировать в самовольно выдуманных формулах. Думаю, каждому хоть раз приходилось краснеть перед преподавателем физики, когда полученная в результате решения задачи формула не сходится по размерности. У современных экономистов такой проблемы не возникает. Рассмотрим на примере производственные функции. К примеру, пользующуюся популярностью формулу Кобба-Дугласа: Q=A*(L^al)*(K^bet). Эта формула показывает зависимость произведённого продукта Q, от затрат труда L, затрат капитала K, уровня технического развития A и долей труда и капитала в производстве, соответственно Al, bet. Грамотный человек уже увидит в одном определении полный математический конфуз. Понятия доли капитала и труда уже говорит о том, что они получены относительным сравнением двух величин разной размерности – труда (допустим человеко-часы) и капитала(допустим доллары США). Размерность уровня технического развития не определена вообще. А что уж говорить о том, что сам продукт будет иметь переменную размерность в зависимости от долей капитала и труда. Хотя должен иметь постоянную размерность в единицах товара.
 
Третья проблема лежит в области статистики и стохастических процессов. Любой выпускник экономического факультета на зубок знает свою отмазку о том, как предугадывать поведение людей, если невозможно предугадать поступки даже одного из них. Называется «Закон больших чисел» или же «сходимость по вероятности». Видимо больше ничего из целого курса математической статистики они для себя не взяли. Можно было бы добавить сюда пару слов о центрированных и нецентрированных оценках, но лучше указать в самую суть. Оценки случайных величин берутся из статистических выборок. Если исследуемый процесс нестационарен, то получение оценок из выборки по одной реализации не даёт никакого значимого результата. Если процесс неэргодичен, то получение оценок по ансамблю реализаций даёт такой же результат. Социальные же процессы в 95-98% случаев являются и нестационарными, и неэргодическими. Проще говоря – не существует математического аппарата для определения оценок параметров этих процессов. Справедливо будет сказано, что встречая подобные процессы в природе, грамотный специалист может намеренно описать их как квази-стационарные или квази-эргодические и провести оценки. Но в таком случае результаты и выводы такой работы априори исследователь описывает как незначащие, носящие больше теоретическую значимость. Саму такую деятельность же называют квази-наукой.
 
Четвёртая проблема заключается в неверном трактовании законов корреляционной зависимости. Я описал подобную ситуацию в начале, рассказав историю про пиратов и глобальное потепление. Дело вот в чём, если две случайных величины линейно зависимы- то их корреляция отлична от нуля и имеет по модулю довольно большое значение. При этом закон не имеет обратной силы. Корреляция процессов между собой не говорит об их линейной зависимости. Более того, если два процесса зависят друг от друга нелинейно – то их коэффициент корреляции будет ближе к нулю.
 
Пятая проблема заключается в поправочных коэффициентах сингулярности получаемых величин. Зная какую-либо формулу зависимости некой величины от некоторых параметров можно рассчитать доверительный интервал этой величины. Разумеется, если известны доверительные интервалы параметров, проще говоря, допустимые с некой степенью вероятности ошибки. Это довольно простая операция, получаемая дифференцированием основной величины по параметру. Если же мы берём хоть ту же функцию Кобба-Дугласа с описанием, то нет ни слова о степени её точности. К формуле добавляется лишь коэффициент сингулярности в виде множителя, априори неизвестный, на который списываются все грехи.
 
Ну и шестая проблема – это даже не попытка фальсифицировать теорию, а одно из её оправданий. Зачастую, когда исследователю задаётся вопрос – «Почему Ваши метод и теория не работают?», он отвечает «Существует слишком много различных факторов. И все эти факторы невозможно учесть». На деле исследователь не хочет признаваться в безолаберности своих работ. Потому что в реальности, вследствие действия центральной предельной теоремы, если исследуемый процесс включает в себя большое множество объективных случайных процессов, то его закон распределения стремится к нормальному. И нет никакой сложности в его прогнозировании.
 
Андрей Символоков