• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Профессор Анна Микушева: "От эконометрики никуда не отвертеться"


Анна, расскажите, пожалуйста, почему Вы изначально выбрали математику? Были ли у Вас планы стать экономистом, когда Вы учились на Мехмате?

Математику я всегда очень любила — с самого детства. У меня просто не было других вариантов, чем заниматься. Я всегда знала, что я пойду на Мехмат, с очень раннего возраста.

А вот экономистом я быть не хотела. Во время учебы на Мехмате я не считала экономику наукой, как и многие математики.

 

А сейчас считаете? 

Да, сейчас считаю. Очень хорошей наукой, очень интересной. Я думаю, что экономика очень сильно меняет мозги, очень сильно меняет способ мышления. Да, я действительно считаю, что это очень замечательная наука.

 

А как вы узнали о РЭШ и почему решили туда пойти? Какие у Вас были ожидания относительно школы?  

В РЭШ я попала достаточно случайно. Я окончила Мехмат и поступила в аспирантуру, попутно думая, чем бы заняться. В это время надо было уже работать, потому что времена были очень голодные и работы для математиков практически не было. Мне хотелось заниматься чем-то осмысленным, применять полученные на Мехмате знания, а вот цели заработать состояние не стояло.

Мой друг, тогда учившийся в РЭШ, принялся меня убеждать, что мне тоже надо обязательно туда пойти. Он говорил, что в Школе учатся и работают хорошие люди, что мне будет интересно и очень понравится. И я подумала — почему бы и нет? Я тогда считала, что, получив экономическое образование, мне будет проще найти работу.

 

Расскажите, пожалуйста, про годы учебы в Школе. Тяжело ли в Вашем случае происходила трансформация из математика в экономиста? 

Трансформация из математика в экономиста происходила тяжело, и я не уверена, что в РЭШ я целиком трансформировалась... В Школе мы получили некоторое ощущение того, что такое экономика, но я не думаю, что в реальности трансформация может происходить так быстро.

В РЭШ, во всяком случае, в мои времена, были какие-то очень сильные области, и какие-то менее сильные. Среди студентов и профессоров было тогда много хороших физиков и математиков, так что сильными областями экономики были наиболее «математизированные» — их было проще понять математику. Такими областями были теория игр, микроэкономическая теория. Эконометрика.

Нам было гораздо сложнее понять макроэкономику, потому что мы этого не чувствовали вокруг. Когда живешь в западном обществе, ты понимаешь, что есть такая вещь, как валютный курс, что существует процент, под который люди берут кредит, начинаешь понимать, какой процент «хороший», какой – «плохой».  Как курс валют связан с процентом —  с процентом в рублях, с процентом в валюте, как процент связан с риском. А вот когда я пришла в РЭШ, у меня этого понимания не было. У меня ушло много лет просто на то, чтобы это осознать, ведь изначально для меня процент был весьма механической операцией. Так что уже после того, как я переехала в Америку, ко мне пришло понимание и экономики в общем, и макроэкономики в частности.

 

А первый ли это раз, когда Вы приезжаете в РЭШ после вашего выпуска из Гарварда? Что Вы чувствуете, когда сегодня посещаете Школу? 

Я сначала думала, что первый, но мне потом напомнили, что я однажды приезжала на семинар в ЦЭФИР — тогда я рассказывала свою самую первую статью.

Что я здесь чувствую? Во-первых, я, конечно, жутко благодарна Школе. Я считаю, что это настолько сильно изменило мою жизнь и мою карьеру!.. Я никогда не думала, что я буду любить экономику, что я буду профессором.. И вдруг это все реализовалось!

Очень жаль, что многие профессора, которые нам преподавали, ушли. Но при этом есть радость, что есть и те, кто остались в Школе: у меня преподавал Стас Анатольев, Наташа Волчкова, Ирина Денисова. И, кроме того, у меня здесь много друзей. Я одновременно училась с Костей Стыриным, была однокурсницей на Мехмате с Джоном Яковлевым, почти одновременно училась в РЭШ с Мишей Друговым. Очень-очень приятно, что видишь одновременно столько знакомых людей. И очень радостно, что атмосфера в Школе сохранились. Студенты по-прежнему совершенно замечательные!

 

У Вас, наверняка, есть много коллег, которые по первому образованию были экономистами, а не математиками. Можете рассказать, отличаются ли как-то подход к исследованиям и предпочтения в областях экономики у «математиков» и «экономистов»?

Есть некоторое расхождение, разумеется. Те, кто больше любят формальные доказательства, то есть больше думают как математики, идут в более теоретические области. Даже в каждой подобласти — например, в макро — они идут в более теоретическую часть, менее прикладную. 

Но я не уверена, что знаю так уж много экономистов, которые одновременно с этим не являются хорошими математиками — откровенно говоря, я стала сомневаться в том, что это возможно. Хорошо знать математику — это требование для экономиста, но, возможно, не всякую математику. В математике тоже ведь есть подобласти — есть более прикладные, есть менее прикладные. Например, человек, который изначально занимался функциональным анализом, может захотеть заниматься теорией игр.

 

А как Вы вышли на научную стезю? Почему Вы выбрали науку после РЭШ? 

Я была первая по рейтингу (смеется). Я училась хорошо, мне очень нравилось, и я очень много училась. Бывало, что не замечала, как за домашкой проходили многие часы.

К науке меня начали «подталкивать» мои тогда еще будущие научные руководители — спрашивали, не собираюсь ли я подавать на PhD. И я, на самом деле, изначально не собиралась. Но мне все говорили: «Кто, если не ты? Давай-давай, подавай, тебе же интересно, ты же правильно думаешь»— и так постепенно-постепенно «смирили» с мыслью, что стоит подавать. У меня был тот удивительный случай, что я до конца сомневалась. На втором году РЭШ я планировала защититься на Мехмате и думала —  зачем мне еще одна научная степень? У меня же уже есть одна.. И муж мой не хотел ехать в Америку, это тоже вызывало сомнения..

Все закончилось тем, что я подала ровно в одну школу. Я знаю, что это было очень нерационально, но логика была следующей: если у меня и правда есть талант, как все говорят, то, наверное, меня возьмут. А если нет, то зачем мне вообще уезжать. Я подала в Гарвард, и меня взяли в Гарвард.

 

А во время учебы в Гарварде у Вас уже не возникало сомнений?

Как же не возникало? У всех возникали сомнения. Приехав в Гарвард, я брала курсы как и все, и это было относительно легко — РЭШ дала очень хорошую подготовку. 

Я слышала от других выпускников РЭШ, как учатся на PhD, и понимала, что надо начать работать над исследованиями, искать себя, выбирать область. И поэтому я буквально с первого года, когда приехала, стала ходить на семинары, на студенческие «научные ланчи». Сначала я думала, что буду заниматься микро теорией, но через какое-то время поняла, что мне больше нравится эконометрика. Остальные семинары я в большей степени «пробовала».

Я достаточно рано стала пытаться что-то решить в эконометрике. На курсе по временным рядам Джим Сток поставил мне задачу. Он сказал: «Я не знаю, как ее решить. Она кажется мне нерешаемой, но ты ее решишь». И я стала ее решать, и решать, и решать — и билась над ней очень долго. В какой-то момент я стала думать, что из меня может не получиться ученого. В какой-то момент появилась усталость, стало казаться, что надо все бросить и уехать домой. На третьем году я это едва не сделала. А потом эта задача решилась. Это было такое необыкновенное и приятное ощущение, что я поняла, что ради этих ощущений стоит остаться.

 

А Вы помните, какая это была задача?

Да, в результате она стала моей job market paper. Оказалось, что и впрямь Джим поставил передо мной очень серьезную задачу и тот факт, что я долго не могла ее решить, был естественным течением событий. То, что я решила ее, стало большим достижением для меня персонально.

 

Расскажите о своих впечатлениях от Гарварда, когда Вы только приехали туда из России? Чем отличался научный мир Бостона  от того, что вы видели здесь — в РЭШ?

Конечно, Гарвард — большой университет, и экономический факультет в Гарварде тоже очень большой. Я не скажу, сколько там профессоров, но точно больше 40 и, скорее всего, меньше 60..  Есть несколько областей, в которых работает очень много людей. Кроме того, к Гарварду близок MIT — это всего две остановки на метро, буквально 15 минут друг от друга, очень много семинаров проходят совместно. В результате вы приезжаете — и у вас бесконечное количество рисерч семинаров — каждый рабочий день. По понедельникам вечером у нас идут рисерч семинары по IO и по Public Finance или Labor, по вторникам идет макро, по средам идет Development, в четверг — теория и эконометрика.

Конечно, для РЭШ при таком размере это пока недостижимо. Насколько я знаю, в Школе пока в среднем организуется 1 семинар в неделю и при этом РЭШ в этом смысле стоит на ступеньку выше, чем другие российские ВУЗы.

 

А вот Вы говорите, что Гарвард и MIT сливаются в одно целое. Есть ли разница в студентах, faculty— что можно понять, что вот Гарвард, а вот — MIT?..

Студенты очень похожи, да и профессора тоже. Я думаю, что выбор и профессоров и студентов ведется более-менее из одной и той же группы людей. Есть, конечно, границы университетов — гораздо больше совместных  статей получается в стенах одного университета, чем между соседями,  хотя не очень понятно почему. Видимо, какие-то усилия нужно потратить на то, чтобы доехать от одного университета до другого, что уже является небольшим препятствием. А в остальном что эти два университета очень похожи.

 

А  можете рассказать вкратце о том, с чем Вы выступали в РЭШ — о тех двух работах, которые Вы презентуете?

Я главным образом сейчас работаю над проблемой слабой идентификации. Большинство моделей в экономике слабо идентифицируемы.

Я представляю эконометрику как подраздел статистики, который имеет определенные задачи. Эконометрика всегда пытается думать про policy — какой будет эффект от того, что мы что-то поменяем. Мы пытаемся оценивать каузальные эффекты, то есть эффекты одной переменной на другую, которые имеют причинно-следственную интерпретацию.

Большинство наук, которые используют статистику для выполнения этой задачи, используют эксперименты. В экономике экспериментов почти нет, нам приходится работать с наблюдаемыми данными, из-за чего и возникают проблемы идентификации каузальной связи. Во-первых, приходится сильно  полагаться на предположения, которые дает экономическая теория, а во-вторых, это очень сложно, потому что много всего происходит одновременно.

Слабая идентификация встречается почти везде, но все же самое большое количество приложений находится в макроэкономике. Все же в макроэкономике и переменных меньше, и шума в них больше, и, судя по всему, информации в них меньше. Буквально любое структурное уравнение, которое использует макроэкономика, является плохо идентифицируемым. Оказывается, что тогда и многие предположения классической статистики, и асимптотическая аппроксимация разлетаются в пух и прах, перестают быть верными. Появляется необходимость придумать какие-то новые статистические методы.

  

А как Вы видите будущее эконометрической теории? В каком направлении в ближайшее будущее произойдет наибольший прогресс?

Очень сложный вопрос. Я вижу как минимум 2 вещи, которые, мне кажется, будут очень сильно менять то, что мы делаем.

Во-первых, появляется то, что называется big data — большие базы данных с большим количеством переменных, и уже сейчас есть предпосылки к тому, что мы все чаще будем применять методы, которые относятся к machine learning. Это  такие техники, которые придуманы даже не статистиками, а в основном computer scientists и инженерами. В некотором смысле это black box методы —вы не знаете, что происходит «внутри», наблюдаете только входные данные и результат. В целом machine learning не очень переносимо на эконометрику — эти методы скорее про prediction, предсказание, а не про структурные зависимости и не про каузальные каналы. Каузальные каналы надо обычно очень открыто  моделировать, очень прямо. 

Вторая вещь, которая, я думаю, будет становиться все более популярной — это байесовские подходы к оцениванию. Байесовские подходы до сей поры были не очень популярны в эконометрике. На самом деле, лет 20 назад они были не так популярны и в статистике. Главным образом — потому что мы не знали, как применять байесовские методы. Сейчас же есть численные методы, которые способны генерировать постериорное распределение. В статистике революция уже видна — очень много статей стало байесовскими, раньше их было существенно меньше. Я думаю, что в эконометрике тоже будет гораздо больше байесовских статей. С одной стороны — потому что мы можем, с другой — если данные и впрямь очень неинформативны, то надо пытаться использовать все, что мы знаем. Все, что мы знаем, — это как раз и есть априорные веры, байесовский подход, в некотором смысле очень естественно возникает.

 

Вы знаете, что в РЭШ большая часть фриквентисты?.. Как Вы думаете — в какой момент стоит переходить на байесовскую теорию, как на основную программу курса эконометрики?

Ничего удивительного, и большая часть экономистов сейчас фриквентисты.

На данный момент есть области, в которых байесовский подход кажется очень естественным, но он скорее естественен по старым, классическим причинам. Скажем, если у вас очень большие данные и вы пытаетесь провести оценку методом оптимизации, например, GMM, очень часто бывает, что оптимизация проходит тяжело, особенно если параметр многомерный. Но если вы верите в асимптотические аппроксимации, то можно попытаться реализовать максимизацию байесовскими методами -- прогнать симуляции и получить постериорное распределение. Байесовский метод в хороших случаях должен дать тот же ответ, что и фреквентистский. Это случай, когда будете использовать байесовские методы, но на самом деле вы фриквентист.

А вот по-настоящему байесовских методов, применяемых осознанно и обоснованно, в экономике пока очень мало.

 

Несколько Ваших статей написаны с Айзеей Эндрюсом — вашим бывшим студентом.  По вашему опыту и на ваш взгляд — что следует студенту ожидать от научного руководителя и наоборот?

Айзея был моим студентом, это действительно так. Но он — очень особенный случай. Он исключительно талантлив, и он быстро стал моим соавтором. Мы давным-давно общаемся с ним на равных, я давно не считаю его своим студентом.

Я считаю, что отношение студента и руководителя нельзя регламентировать. Отношения руководителя и студента похожи на брак, и они бывает во всех многообразиях в каких, наверное, бывают браки. Каждый что-то привносит, каждый в итоге что-то забирает. Хотелось бы, чтобы забирать удавалось больше, чем изначально привнести, то есть чтобы внутри рождалось что-то хорошее.

Бывает, что  научный руководитель очень строго ведет студента вперед. Имеет видение, имеет желание этим заниматься и знает, куда надо идти. А бывают совершенно демократические союзы, когда есть свобода и есть уважение к желанию студента. Бывают случаи, когда студент приходит только по большой надобности. А бывает, когда студент приходит регулярно — каждую неделю в 12 часов в понедельник, например. Как ни странно, с каждым человеком это складывается по-разному, и у меня тоже бывали разные отношения со студентами.

 

А какие из них сложились наиболее удачно?

А не скажу! Не знаю. Я считаю, что коль скоро внутри производится больше, чем вкладывается со стороны, это удачные отношения.

 

Традиционный вопрос — что бы Вы посоветовали нынешним студентам — тем, кто интересуется эконометрикой, и особенно тем, кто не интересуется эконометрикой. 

От эконометрики никуда не отвертеться. Это то, что надо знать всем — это методологическая часть науки. У MIT есть философия, согласно которой требования к эконометрике выше, чем в других университетах: мы требуем как минимум 3 семестровых курса по эконометрике. В других местах обычно бывает 2 или 2.5 курса. У нас не выпускается много теоретических эконометристов, но мы горды тем, что есть много прекрасных прикладников. Хороший прикладник должен хорошо владеть инструментарием и, хочешь - не хочешь, эконометрику знать надо. Поэтому люблю — не люблю — это философский вопрос, а знать обязан. Профессионального экономиста-прикладника без знания эконометрики не случается. 

 

Беседовал Алексей Хазанов (MAE'2014) 


 

МОЖЕТ БЫТЬ ИНТЕРЕСНО 

Интервью Анны Микушевой для MIT News: Timing devices

*Премия The Elaine Bennett Research Prize
Photo: Bryce Vickmark

5589 человек прочитали эту новость, 25 отметили, что она им понравилась. А вам интересна эта новость?