
- •2. Линейная парная регрессия
- •3. Основные предпосылки регрессионной модели
- •4. Точность уравнения линейной регрессии
- •5. Оценка значимости уравнения регрессии
- •6. Нелинейная регрессия
- •7. Множественная линейная регрессия
- •8. Оценка значимости отдельных факторов множественной регрессии
- •9. Фиктивные переменные в множественной регрессии
- •10. Системы эконометрических уравнений
- •11. Косвенный метод наименьших квадратов
- •12. Временные ряды. Общие понятия
- •13. Методы выделения тенденции временного ряда. Кривые роста.
- •14. Выделение циклической составляющей временного ряда
- •15. Экспоненциальное сглаживание
- •16. Выявление структурных изменений временного ряда
- •17. Оценка соблюдения условий применимости мнк
- •19. Взвешенный и обобщенный мнк
- •21. Оценка взаимосвязи двух временных рядов
- •22. Динамические эконометрические модели
22. Динамические эконометрические модели
Возникают, когда текущее значение результирующего признака yt зависит от значений факторов или самого признака не только в текущий, но и в прошлые моменты времени t-1, t-2, ...t-l . Например, на прибыль текущего периода вполне могут оказать влияние расходы на рекламу или маркетинговые исследования прошлых периодов. Величина запаздывания называется лагом, а факторы xt-1, xt-2,… xt-l – лаговыми переменными.
Модель с распределенным лагом имеет вид
yt = a + b0 xt + b1 xt-1 + b2 xt-2 +...+ εt (22.1)
Модель авторегрессии
yt = a + b0 xt + c1 yt-1 + c2 yt-2 +...+ εt (22.2)
Коэффициент b0 в (21.1) называют краткосрочным мультипликатором,
b0 + b1 – промежуточным, b = b0 + b1 +...+ bl – долгосрочным.
Назовем βj = bj/b, j = 0,1,2 ...l – относительным коэффициентом модели
Средний лаг
показывает средний период, в течение
которого будет происходить изменение
результата под воздействием изменения
фактора в момент t.
Наконец медианный лаг lm
находится из соотношения
.
Например, объем продаж Yt
и расходы на рекламу оказались
связаны зависимостью
Yt = -0.67 + 4.5 xt + 3xt-1 + 1.5xt-2 + 0.5xt-3
Это означает, что вследствие расхода 1 млн. руб на рекламу в текущем периоде объем продаж в том жн периоде возрастает на 4.5 млн. руб в том же периоде, в следующем -7.5 млн, руб, в послезавтрашнем (t+2) 9 млн. руб. и, наконец, b = 9.5 .
β1 = 4.5/9.5 = 0.474; β2 = 0.316; β3 = 0.158 β4 = 0.053. Трактовка следующая: в результате проведения рекламной компании 47.4% увеличения продаж происходит в момент ее проведения, 31.6% - в следующем и т.д. Средний лаг получился 0.791 мес. Медианный – чуть больше 1 мес. Есть определенные трудности при нахождении параметров модели (22.1) по экспериментальным данным, обусловленные коррелированностью лаговых значений фактора, что нарушает предпосылки МНК, но они вполне преодолимы.
В простейшей модели авторегрессии yt = a + b0 xt + c1 yt-1 + εt b0 тоже краткосрочный мультипликатор. Последовательно подставляя предыдущее выражение в последующее, получаем мультипликатор для момента t+1 c1b0 + b0, для момента t+2 c12 b0 + c1b0 + b0 и т.д. Тогда долгосрочный лаг
. (22.3)
Последнее условие означает, что фактор с большим лагом оказывает меньшее воздействие на результат чем фактор с меньшим лагом. В противном случае модель вообще становится неустойчивой.
Например, была получена модель зависимости объема потребления yt от душевого дохода xt в виде yt = 3 + 0.85xt + 0.1 yt-1 . Видно, что увеличение дохода на 1 тыс. руб. ведет к увеличению потребления на 850 руб в краткосрочном периоде. Долгосрочная склонность к потреблению согласно (21.3) b = 0.85/(1-0.1) = 0.944. Промежуточная склонность к потреблению получают частичным суммированием. Например, через год
(0.85+0.85 . 0.1) = 0.935. Это означает, что если в этом году доходы увеличатся на 1 тыс.руб, то в следующем году потребление возрастет на 935 руб.