یافته‌های جورج اودنی یول نشان داد که اقتصادسنجی مدرن تفاوت بین روابط واقعی و الگوهای تصادقی در داده‌ها را تشخیص می دهد.

به گزارش سرمایه فردا، سحر اکبری: جورج اودنی یول (۱۹۵۱-۱۸۷۱) آماردان اهل بریتانیا بود که عمده شهرت خود را به دلیل تأثیر عمیق مطالعاتش بر توسعه‌ی روش‌های آماری، به‌ویژه در تحلیل سری‌های زمانی، به دست آورد. پس از تحصیل زیر نظر آماردان مشهور کارل پیرسون (۱۹۳۶-۱۸۵۷)، یول به‌خاطر مشارکت‌های مستقلش در نظریه‌ی آماری شناخته شد. او علاوه بر تدریس در دانشگاه، مدتی نیز به‌ عنوان رئیس انجمن سلطنتی آمار به خدمت پرداخت. شاید برجسته‌ترین اثر او مقاله‌ی «چرا گاهی اوقات همبستگی‌های بی‌معنی بین سری‌های زمانی به دست می‌آوریم؟» باشد که او در سال ۱۹۲۶ یعنی حدود ۱ سال پس از انقراض سلطنت قاجاریه در ایران، در نشریه انجمن سلطنتی آمار به چاپ رساند. او در این مقاله به موضوع همبستگی‌های گمراه‌کننده‌ای پرداخت که اغلب در داده‌های سری زمانی یافت می‌شود. این کار نقشی کلیدی در توسعه‌ی اقتصادسنجی مدرن داشت و هم محدودیت‌ها و هم امکانات استنباط آماری در شرایط پویا را نشان داد.

مشارکت‌های یول در توسعه اقتصادسنجی مدرن بیشتر با معرفی مفهوم همبستگی کاذب (spurious correlation) شناخته می‌شود. یول در این مقاله نشان داد که چگونه همبستگی‌ بالای بین متغیرهای سری زمانی می‌توانند به‌ظاهر معنی‌دار به نظر برسند. در حالی که در واقع گمراه‌کننده یا بی‌معنی هستند. او نشان داد که حتی متغیرهای نامرتبط نیز اگر دارای روندهای مشترک یا الگوهای چرخه‌ای باشند می‌توانند همبستگی قوی نشان دهند. این مشاهده به‌ویژه برای داده‌های اقتصادی که اغلب از روندهای زمانی پیروی می‌کنند موضوعیت بیشتری داشت. این یافته‌های یول زمینه‌ساز این شد تا اقتصادسنجی مدرن بتوانند بهتر تفاوت بین روابط واقعی و الگوهای تصادقی در داده‌ها را تشخیص دهند. ایده‌های او تأثیر زیادی بر نحوه‌ی برخورد اقتصاددانان با داده‌های سری زمانی و مدل‌سازی اقتصادسنجی داشت.

یول فراتر از کار بر روی همبستگی‌های کاذب، به توسعه‌ی مدل‌های خودتوضیح (Autoregressive) نیز کمک کرد که امروزه یکی از ستون‌های اصلی تحلیل سری‌های زمانی به شمار می‌آیند. این مدل‌ها به توصیف این مساله می‌پردازند که مقادیر آینده‌ی یک سری زمانی را چگونه می‌توان بر اساس مقادیر گذشته‌اش پیش‌بینی کرد. مدل خودتوضیح یول (AR) زمینه‌ساز درک و پیش‌بینی پدیده‌های اقتصادی مانند قیمت سهام، نرخ تورم، و سایر شاخص‌های مالی شد که اغلب به زمان وابسته‌اند. کارهای اولیه‌ی او در این مدل‌ها توسط آماردانان و اقتصادسنجی مدرن بعدی، همچون باکس و جنکینز، توسعه یافته و به روش‌های جامع‌تری برای تحلیل داده‌های سری زمانی تبدیل شدند.

علاوه بر دستاوردهای فنی‌، ایده‌های آماری یول به شکل‌گیری مبانی نظری پژوهش‌های اقتصادی نیز کمک کرد. شناخت او از این که داده‌های مشاهده‌شده بدون پردازش آماری مناسب می‌توانند گمراه‌کننده باشند، تأثیر عمیقی بر این حوزه داشت. نظریه‌ی همبستگی کاذب او هشدار می‌داد که نباید تنها بر اساس روندهای مشاهده‌شده‌ی داده‌ها به دست به نتیجه‌گیری زده و محققان را تشویق کرد تا عوامل بنیادین، اثرات تصادفی و ساختار داده‌ها را پیش از استنباط‌های اقتصادی مدنظر قرار دهند. این دیدگاه انتقادی به یک اصل اساسی در اقتصادسنجی تبدیل شد و همچنان به تاثیرگذاری بر چگونگی توسعه و به‌کارگیری مدل‌های آماری در نظریه‌ی اقتصادی ادامه می‌دهد. میراث ماندگار یول در روش‌‌شناسی آماری و چگونگی بهره‌گیری از ابزار آماری در بررسی پدیده‌های اقتصادی همچنان مشهود است.