물리학, 생물학, 화학, 그리고 수학과 같은 다른 과학들이 자연계에 초점을 맞추고 있는 반면, 경제학은 인간의 행동을 다루고 있습니다. 그러므로 그것은 지질학, 천문학 또는 화학과 같은 자연 과학이라기보다는 사회 과학입니다. 물리학과 달리 경제학은 통제된 실험을 할 수 없으며 관찰, 추론 및 모델 구성에 의존해야 합니다.
이론적 프레임워크
이론적 프레임워크는 연구 과정에서 중요한 첫 번째 단계입니다. 그것은 당신을 기존의 지식과 연결시키고 당신의 주장과 공부 방법의 발전을 안내합니다. 또한 특정 현상에 대해 만들 수 있는 일반화의 한계를 식별하는 데도 도움이 됩니다.
이론적 프레임워크는 연구 결과를 구성하고 분석하는 데 도움이 되어 논문이나 논문에 대한 견고한 기반을 제공합니다. 또한 연구 방법의 선택을 정당화하고 결과가 다른 연구와 어떻게 일치하는지 설명할 수 있습니다.
예를 들어, 반복적인 고객 유치에 어려움을 겪고 있는 새로운 부티크 다운타운을 연구하는 경우, 고객 만족도를 주요 구성 요소 중 하나로 포함하는 프레임워크를 선택할 수 있습니다. 그런 다음 이 이론은 데이터 분석을 안내하여 고객 만족도와 후속 구매 행동 간의 관계를 강조할 수 있습니다.
또는 조직 행동에서 가치 창출의 역할을 연구하는 데 관심이 있다면, 생산성 향상이 더 큰 부와 번영으로 이어진다는 이론을 선택할 수도 있습니다. 그런 다음 이 이론은 가치 창출이 주주 이익, 이해 관계자 자본 및 사회 자본을 증가시키는 방법을 설명하여 데이터에 대한 해석을 안내합니다.
그러나 이러한 유형의 이론적 프레임워크가 모든 경제 연구에 적합하지는 않을 수 있습니다. 예를 들어, 가치 이론은 종종 경제학의 특정 현상을 적절하게 설명하지 못하고, 그 분야의 다른 이론들보다 더 좁은 범위를 가질 수 있습니다.
예를 들어, 전통적인 경제 이론은 사람들과 사회에 대해 이념적으로 보수적인 가정을 많이 한다는 비난을 받아왔습니다. 이러한 가정이 반드시 사실이 아닌 것은 아니지만, 경제학이 가장 잘하는 연구 유형과 일치하지는 않습니다.
예를 들어, 전통적인 이론은 경제 생활에서 정부의 역할을 적절하게 이해하지 못합니다. 문제는 정부를 온건하고 불결한 정신으로 본다는 것입니다.
그러나 많은 고전 경제학자들은 약탈을 생산의 한 형태로 이해하고 정부가 경제 발전의 자연적인 과정을 제한하는 데 중요한 역할을 한다고 보았습니다.
이것이 일부 현대 학자들이 상업, 약탈, 생산이 고립된 과정이 아니라 경제 발전을 이끄는 공진화 활동이라는 것을 인식하는 틀을 개발한 이유입니다. 상업-예측 이론으로 알려진 이 접근법은 우리가 경제 발전을 더 완벽하게 이해하도록 돕고 다음에 일어날 일을 예측하기 위한 더 현실적인 틀입니다.
모델
경제학자들은 경제 문제를 분석하고 복잡한 프로세스를 설명하기 위해 모델을 사용합니다. 그들은 종종 수학적 프레임워크에 기반을 두고 있으며 변수 세트와 변수 사이의 논리적 관계 세트를 사용하여 다른 시나리오를 설명하거나 미래에 일어날 수 있는 일을 예측합니다.
모델은 복잡한 프로세스를 단순화하고 실제 세계에서 어떻게 작동하는지 더 명확하게 이해하는 데 도움이 되기 때문에 경제 분야에서 중요한 도구입니다. 그들은 또한 경제학자들이 그들의 연구에 적합한 데이터를 선택할 수 있도록 하여 경제 상황을 평가할 수 있게 합니다.
경제학은 경제의 작동을 연구하고 묘사하기 위해 다양한 다른 모델을 사용하며, 종종 통계 분석과 같은 다른 방법과 함께 사용됩니다. 경제 모델에는 다양한 유형이 있으며, 각각은 특정 기능과 목표를 가지고 있습니다.
일부 모델은 시장을 가장 잘 규제하는 방법과 같은 특정 질문에 답하도록 설계된 반면, 다른 모델은 장기적인 추세 또는 구조적 문제에 초점을 맞추고 있습니다. 유형에 관계없이 대부분의 모델은 경제 프로세스를 설명하고 설명하기 위해 작성됩니다.
모형 자체는 종종 경제학자들이 가정을 만들고, 경제 가설을 만들고, 데이터를 사용하여 검정하고, 데이터를 잘 설명하지 못하는 경우 모형을 수정하는 과정을 사용하여 만들어집니다. 그런 다음 결과 모델을 사용하여 경제 프로세스를 추가로 연구하고 이해합니다.
모델은 종종 비현실적이라는 비판을 받지만, 사회적 세계와 사회적 세계의 관계를 분석하는 데 유용한 도구입니다. 과학자들이 개별 구성요소를 분리해 어느 정도 통제할 수 있는 물리학과 달리 경제학은 의사결정에 영향을 미칠 수 있는 요소가 너무 많기 때문에 더 복잡합니다.
이 때문에 대부분의 경제 모델은 반드시 현실적이지 않은 가정에 의존합니다. 여기에는 완벽한 정보, 제로 트랜잭션 비용 및 합리적인 의사 결정자를 가정하는 것이 포함됩니다. 경제 시나리오를 분석하는 데 도움이 될 수는 있지만, 이러한 가정은 실제 상황에서 유지되지 않으며 부정확한 결과를 초래할 수 있습니다.
데이터 분석
데이터 분석은 비즈니스 질문에 답하기 위해 데이터를 수집, 정리 및 구성하는 프로세스입니다. 목표는 이야기를 전달하고 회사 또는 주변 세계에 대한 중요한 결정을 내리는 데 도움이 되는 추세, 상관 관계, 특이치 및 변형을 찾는 것입니다.
이 프로세스는 답변할 질문을 식별한 다음 답변에 필요한 원시 데이터 세트를 수집하는 것으로 시작됩니다. 이는 회사의 CRM(클라이언트 관계 관리) 소프트웨어와 같은 내부 소스에서 발생하거나 소셜 미디어 API(애플리케이션 프로그래밍 인터페이스)와 같은 외부 데이터에서 발생할 수 있습니다.
데이터를 확보한 후에는 데이터를 정리하고 분석을 위해 준비해야 합니다. 여기에는 중복되거나 비정상적인 데이터 삭제, 불일치 조정, 데이터 구조 및 형식 표준화 등이 포함됩니다. 또한 데이터를 읽고 사용하기 쉬운 형식으로 만들어야 합니다.
데이터 분석 프로세스의 또 다른 필수적인 부분은 해석입니다. 이 단계에서는 분석 결과를 살펴보고 원래 질문에 얼마나 잘 대답했는지 확인할 수 있습니다. 데이터 시각화 도구를 사용하여 데이터를 이해하고 해석하기 쉬운 그래픽 형식으로 변환할 수도 있습니다.
경제학자들은 종종 그들의 이론을 시험하고 그것들이 성공적이었는지를 결정하기 위해 데이터를 사용합니다. 또한 데이터를 사용하여 경제적 문제와 해결책을 식별하고 해결합니다.
거시경제 데이터와 미시경제 데이터를 포함한 여러 유형의 데이터가 경제학에 사용됩니다. 두 범주 모두 경제 동향을 분석하고 예측하는 데 사용됩니다.
거시경제 데이터는 일반적으로 정부 기관이 경제 정책을 개발하거나 경제 상태를 추적하는 데 사용됩니다. 또한 기업이 성장 기회를 발견하는 데 사용할 수 있습니다.
미시경제학 데이터는 경제학자들이 개별 시장과 개인 및 기업과 같은 시장 참여자를 이해하는 데 사용됩니다. 이러한 유형의 데이터는 설문조사 또는 경제 센서스와 같은 다양한 출처에서 수집할 수 있습니다.
예측 분석, 기계 학습 및 인과 분석을 포함하여 데이터를 분석하는 몇 가지 다른 기술이 있습니다. 이러한 방법을 사용하려면 통계적 가정과 추론이 필요합니다.
가설 검정
가설 검정은 경제 데이터를 조사하여 특정 이론이 유효한지 여부를 확인하는 과학적 방법입니다. 또한 새로운 경제 데이터에 비추어 이론을 수정하거나 사실을 더 잘 설명하는 대안 이론에 찬성하여 이론을 포기하는 데 사용될 수 있습니다.
가설 검정에는 두 가지 가설이 있습니다: H 0(귀무 가설) 및 H 1(대안 가설)입니다. 그들은 상호 배타적이고 오직 하나만이 진실일 수 있습니다.
귀무가설은 검정 통계량의 특정 값이 데이터 표본과 독립적이라는 것을 나타냅니다. 대립 가설은 동일한 값이 데이터 표본에 종속되어 있다는 것을 나타냅니다.
분석가는 통계적 방법을 사용하여 귀무가설이 올바른지 여부를 검정할 수 있습니다. 분석은 일반적으로 그리스 문자 알파(a)로 표시되는 유의 수준을 정의하여 수행됩니다.
유의한 결과는 귀무 가설이 올바르고 대립 가설이 거짓일 가능성이 있음을 의미합니다. 유의 수준은 값 범위에서 선택할 수 있습니다.
경제학에서 사용되는 가장 일반적인 통계 검정은 유의성 검정입니다. 이는 검정 통계량이 가설의 검정 통계량만큼 극단적일 수 있는 특정 확률이 있다는 원칙에 기초합니다. 검정이 성공하면 결과가 유의한 것으로 간주됩니다.
댓글