Використання погодових даних і малого числа перемінних у сполученні з довгими тимчасовими рядами привело до розробки моделей не тільки малих, але і щодо простих — нерідко складаються з наборів рівнянь із двома перемінними. Зазначена обставина частково зв'язана з тим фактом, що три ступені волі для статистики є відносно невеликим числом; тому приходиться опускати незалежні перемінні, котрі варто було б включити в рівняння. У таких випадках рівняння піддаються помилкам специфікації.

Моделі відносно статичні. При невеликому числі спостережень мається мало можливостей для точного обліку впливів лага, що можуть мати істотне значення і спостерігатися на відрізках часу менш одного року. Недостатній облік лагів зв'язаний також з малим числом ступенів волі (які приходиться «попусту витрачати» на лаги) і з використанням порічних даних.

Як і в інших видах емпіричних досліджень, у регіональних моделях можливість одержання інформації часто впливає на вибір напрямку досліджень. Широке використання таких перемінних, як обсяг продукції по галузях, особисті доходи, зайнятість, визначається наявністю публікуємих даних, а такі важливі для регіонального аналізу і суспільної політики перемінні, як експорт, імпорт, міграція населення, а також різні показники землекористування, звичайно опускаються в моделях.

Мається цілий ряд проблем різного аналітичного рівня, зв'язаних з оцінкою корисності регіональних економетричних моделей. Характер аналізу залежить, зокрема, від того, чи є дана модель чисто прогнозної чи містить у якомусь змісті «планові» елементи. Варто розрізняти проблеми, зв'язані з аналізом окремих рівнянь економетричних моделей чи систем рівнянь у цілому. Аналіз окремих рівнянь простіше, однак за таким аналізом можна не побачити безліч системних питань.

Багато статистичних роблем зв'язані з недоліком доступних даних. У результаті багато рівнянь погано специфіковані: у них пропущені деякі необхідні перемінні, що веде до перекручування оцінок параметрів. Іншим джерелом поганої специфікації в рівняннях є помилки виміру спостерігання перемінних, котрі створюють труднощі частіше в регіональних, чим у національних, моделях, що порозумівається більш високим загальним рівнем розробки останніх. Ще з великими труднощями зіштовхується дослідник при використанні спільних систем рівнянь. Ця методика вимагає більшого числа ступенів волі, тому що в розрахунках використовуються скорочені форми рівнянь. Подібні проблеми мають велике значення в регіональних моделях, оскільки число екзогенних перемінних у них відносно велико в порівнянні з величиною вибірки і числом ендогенних перемінних.

Погана специфікація і використання тимчасових рядів можуть приводити до мультиколлінеарності, при якій незалежні перемінні виявляються взаємно зв'язаними і стає неможливим незалежно визначити вплив окремих перемінних на залежну перемінну. У випадку поганої специфікації, якщо яка-небудь перемінна помилково пропущена в правій частині, а ця перемінна корелює з незалежними перемінними, що залишилися, неминуче перекручування одержуваних коефіцієнтів. Використання тимчасових рядів у регіональних (так само, як і в національних) економетричних моделях означає, що величини перемінних випробують циклічні коливання і тому корелюють згодом і відповідно один з одним; ця обставина є іншим важливим джерелом мультиколлінеарності.

При розробці прогнозів за допомогою регіональних моделей вплив мультиколлинеарности може бути, однак, невелико, якщо спільний розподіл незалежних перемінних не змінилося при переході від базисного до прогнозного періоду. При прогнозуванні ми більше зацікавлені в спільному впливі цих перемінних, чим у впливі кожної з них. Якщо ж регіональна модель використовується для інших цілей, чим прогнозування, мультиколлинеарность серйознішає проблемою.

Іншою широковідомою проблемою є автокореляція, що виникає, коли випадкові складові послідовно корелюються, тобто

ut = put-1+et

де р — коефіцієнт кореляції ( | р | < 1) і е t — випадкова складова. Вона нерідко виникає при використанні тимчасових рядів, особливо якщо рівняння погано специфіковані чи в них маються запізнілі ендогенні перемінні. Автокореляція виражається в появі незалежних перемінних з великою дисперсією вибірки і статистики з великою дисперсією вибірки.

Аналіз регіональних моделей з погляду тільки окремих рівнянь недостатній, оскільки навіть у кращому випадку «окремі рівняння не обов'язково складають систему».

Ефективний аналіз регіональних моделей можливий тільки при розгляді систем рівнянь у цілому. При цьому зустрічаються принаймні з трьома видами труднощів. По-перше, існує мало видів стандартних статистичних іспитів, придатних для визначення «добре підігнаної системи». По-друге, більшість авторів узагалі не робить детального аналізу і яких-небудь іспитів своїх моделей, задовольняючи виписуванням систем рівнянь. Нарешті, мало досліджений вплив методу розрахунку на ефективність регіональних економетричних моделей.

Отже, у цілому регіональні моделі досить прості, розробляються на базі порічної інформації, мають статичний і рекурсивний характер. Ці моделі тісно зв'язані з національною економікою, часто за допомогою механізму тих чи інших національних економетричних моделей. Майже у всіх моделях регіон розглядається як крапка в просторі; важливі внутрірайонні явища й аспекти політики ігноруються.

2.

Економетричні прогнозні дослідження, початок яким було покладено наприкінці 20-х рр., до 70-их рр. утворили самостійний науковий напрямок у світовій економічній науці. І в нас у країні, і за рубежем тисячі наукових колективів, окремих дослідників у наукових центрах, університетах і інститутах, державних установах і приватних компаніях займаються розробкою і використанням економетричних моделей і методів у рішенні багатьох і багатьох проблем. Наприклад, тільки в США вартість економетричних розробок, по оцінках журналу «Бізнес уик», вже в 1981 р. перевищила 100 млн. доларів.

Найбільш ранні економетричні дослідження проводилися норвезьким економістом Р.Фришом. Надалі цей напрямок стало використовуватися на Заході для прогнозування самого широкого кола процесів в області