- •Эконометрика
- •Содержание
- •1. Введение в эконометрическое моделирование
- •1.1. Эконометрическая модель и экспериментальные данные
- •1.2. Этапы эконометрического моделирования
- •2. Регрессионная модель. Общие положения
- •3. Парная линейная регрессия
- •3.1. Вид уравнения и предпосылки для регрессионного анализа
- •3.2.Отыскание оценок параметров парной регрессии
- •3.3. Оценка значимости уравнения и его параметров
- •3.4. Интервалы прогноза по линейному уравнению регрессии.
- •4. Множественная линейная регрессия
- •4.1. Матричная форма регрессионной модели
- •4.2. Отбор факторов для моделей множественной регрессии
- •4.3. Влияние на качество модели множественной регрессии избыточных переменных и отсутствия существенных переменных Пусть истинная модель представляется в виде:
- •4.4. Оценка параметров модели множественной регрессии
- •4.5. Оценка надёжности результатов множественной регрессии.
- •5. Нелинейная парная регрессия
- •5.1. Функции и их характеристики
- •5.2 Корреляция при нелинейной регрессии
- •6. Модели ancova (модели ковариационного анализа). Фиктивные переменные.
- •7. Оценка точности регрессионных моделей.
- •8. Гетероскедастичность остатков.
- •8.1. Сущность и причины гетероскедастичности
- •8.2. Выявление гетероскедастичности
- •8.3. Устранение гетероскедастичности
- •9. Автокорреляция в остатках
- •9.1 Сущность и причины автокорреляции в остатках
- •9.2. Обнаружение автокорреляции в остатках
- •9.3. Методы устранения автокорреляции
- •10. Системы одновременных уравнений
- •10.1. Виды переменных и уравнений соу
- •10.2. Проблемы идентификации
- •Для первого уравнения матрица a запишется:
- •10.3. Оценивание параметров структурной модели
- •11. Динамические эконометрические модели
- •11.1. Интерпретация параметров модели с распределенным лагом
- •11.2. Интерпретация параметров модели авторегрессии
- •11.3. Соображения о выборе лаговых структур в модели с распределенным лагом
- •11.4. Полиномиальные лаговые структуры Алмон
- •11.5. Геометрические структуры Койка
- •11.6. Оценка параметров авторегрессионных моделей первого порядка (ar(1)–моделей)
- •11.7. Модель адаптивных ожиданий
- •12. Сглаживание временных рядов
- •12.1. Метод скользящей средней
- •12.2. Регрессионная модель и метод конечных разностей
- •12.3. Стационарные и нестационарные временные ряды
- •12.4. Преобразования arma и arima
- •13. Моделирование временного ряда при наличии структурных изменений
- •14. Статистико-математические таблицы
- •2. Критические значения t-критерия Стьюдента при уровне
- •3. Критические значения корреляции для уровней значимости
- •4. Значения статистик Дарбина – Уотсона dL dU при
- •5. Критические значения количества рядов (таблица Сведа-Эйзенхарта
- •Эконометрика Учебное пособие Безруков Анатолий Владимирович
- •Редактор
- •454021 Челябинск, ул. Братьев Кашириных, 129
- •454021 Челябинск, ул. Молодогвардейцев, 57б
10.2. Проблемы идентификации
Пусть
в некоторой системе содержится
экзогенных переменных и N
эндогенных
переменных. Тогда СФМ будет содержать
параметров, подлежащих оценке, а ПФМ
только
.
Рассмотрим эту систему:
СФМ:
для
полных моделей, так как
.
В
СФМ содержится
N(N+M–1)
коэффициентов, а в ПФМ только NM
коэффициентов и при
Очевидно, что из наличествующих коэффициентов ПФМ не удается однозначно определить все коэффициенты СФМ, если СФМ является полной. В таком случае говорят, что структурная модель не идентифицируется. Можно говорить о точной идентифицируемости, неидентифицируемости и сверхидентифицируемости (переопределенности) системы структурных уравнений и каждого уравнения в отдельности.
Система неидентифицируема, если неидентифицируемо хотя бы одно уравнение; система идентифицируема, если все ее уравнения идентифицируемы.
Пусть СОУ включает в себя N уравнений относительно N эндогенных переменных и пусть в системе имеется M экзогенных либо предопределенных переменных. Пусть количество эндогенных и экзогенных переменных в проверяемом уравнении равно n и m, соответственно. Переменные, не входящие в данное уравнение, но входящие в другие уравнения, называют исключенными переменными. Количество их равно N–n для эндогенных и M–m – для экзогенных переменных, соответственно. Тогда необходимое условие идентифицируемости для i–го уравнения будет иметь вид:
Достаточные
условия идентифицируемости можно
определить так:
1) в каждом уравнении структурной формы все переменные со своими коэффициентами переносятся в одну часть, при этом в другой части остается нуль;
2) для каждого i−го уравнения СФМ составляется матрица A коэффициентов при переменных, исключенных из данного уравнения, но входящих в другие уравнения;
3) вычисляется определитель этой матрицы и устанавливается ее ранг.
Если
определитель отличен от нуля и ранг
матрицы не меньше числа эндогенных
переменных в системе минус единица
(N–1),
то уравнение идентифицируемо. При
строгом неравенстве, то есть когда
rank
,
оно сверхидентифицируемо; при точном
равенстве (rank
)
– точно идентифицируемо, а если rank
,
то уравнение неидентифицируемо и
однозначно его коэффициенты определить
нельзя. В последнем случае в
неидентифицируемое уравнение следует
ввести одну или несколько экзогенных
переменных.
Пример:
|
y1 |
y2 |
y3 |
y4 |
x1 |
x2 |
x3 |
x4 |
I |
-1 |
0 |
0 |
b14 |
a11 |
0 |
0 |
0 |
II |
0 |
-1 |
b23 |
0 |
0 |
a22 |
0 |
0 |
III |
0 |
0 |
-1 |
b34 |
0 |
0 |
a33 |
0 |
IV |
b41 |
b42 |
0 |
-1 |
0 |
0 |
0 |
a44 |
Для первого уравнения матрица a запишется:
-1 |
b23 |
a22 |
0 |
0 |
0 |
-1 |
0 |
a33 |
0 |
b42 |
0 |
0 |
0 |
a44 |
rank A = 3 = N – 1 = 4 – 1– уравнение I точно идентифицируемо.
