T-статистика — это характеристика «статистической значимости» независимой переменной, т. е. вероятности, что ее коэффициент отличен от нуля21. Чем выше t-статистика, тем выше вероятность того, что взаимосвязь между независимой и зависимой переменными реальна, а не случайна. Чтобы экономисты приняли независимую переменную в качестве «причины» изменения зависимой переменной, t-статистика, положительная или отрицательная, должна быть выше 2,0. Оценочная функция Ньюи — Уэста характеризует смещение t-статистики в результате сериальной корреляции и корректирует ее значения так, чтобы они более точно отражали реальные вероятности.

Еще одно заметное смещение во многих экономических корреляциях возникает, когда два временных ряда, связанных очень слабо либо не связанных вовсе, демонстрируют высокий R2 при определении регрессионной зависимости относительно друг друга, поскольку оба ряда отражают рост населения. Это смещение в значительной мере устраняется, если представить зависимую и независимую переменные в расчете на душу населения.

В примере 7.3 представлен типичный образец регрессионного анализа. Зависимая переменная — капиталовложения как доля денежного потока в нефинансовых организациях. Мы собираем квартальные данные не только по зависимым переменным, но и по трем независимым22 с 1970 г. по сей день. Регрессия зависимой переменной строится по трем независимым переменным, и в результате мы получаем аппроксимированную оценку доли капиталовложений от денежного потока. При R2, равном 0,76, мы фактически «объясняем» три четверти разброса этой доли. Как видно на графике в этом примере, аппроксимированный ряд близок к реальной доле. С учетом корректировки Ньюи — Уэста значения t-статистики значительно превышают 2,0, а значит вероятность того, что эта взаимосвязь случайна, можно исключить. D — W составляет всего 0,94, показывая, что сериальная корреляция умеренна. Но как следует из графика, это не мешает независимым переменным следовать за зависимыми во время взлетов и падений. Более того, если мы разделим 43-летний период регрессии на две равные части, результаты для более коротких периодов будут идентичны результатам полной регрессии. Это полезный тест, позволяющий понять, изменилось ли за 43 года влияние независимых переменных на зависимые. Результаты этого теста показывают, что не изменилось.

Кроме того, в примере B.1 я разделяю вклад независимых переменных в прогнозное значение. Это наглядно демонстрирует, что в разные моменты 40-летнего периода вклад каждой независимой переменной неодинаков. Так, коэффициент загрузки был преобладающим фактором в 2008 г., а в последующие кварталы наибольший вклад вносили дефицит бюджета с учетом цикличности и спред доходностей, а также, если взять шире, капиталовложения как доля денежного потока в нефинансовых организациях.

Деформации вероятностных распределений в поведенческой экономике не влияют на принципы эконометрики. Экономические действия руководителей компаний и потребителей определяются вероятностными распределениями, которые я привожу в приложении А. Они, являясь результатом взаимодействия рационального и иррационального начал, представляют собой