
- •Лекція 1.Предмет, методи і завдання дисципліни
- •1.1 Природа економетрії. Роль економетричних досліджень в економіці
- •1.2 Предмет, цілі, завдання та структура курсу. Місце і значення курсу серед дисциплін фундаментальної підготовки фахівців з економіки. Взаємозв’язки курсу із суміжними дисциплінами
- •1.3 Особливості економетричних моделей
- •1.4 Вибір змінних і структура зв’язків.
- •1.5 Роль і місце економетричних моделей в математичному моделюванні
- •Лекція 2.Методи побудови загальної лінійної моделі
- •2.1 Загальний вигляд лінійної економетричної моделі, її структура та етапи побудови. Лінійна модель з двома змінними.
- •2.2 Передумови застосування методу найменших квадратів (1мнк)
- •2.3 Оператор оцінювання 1мнк
- •2.4 Верифікація моделі
- •2.5 Перевірка значущості та довірчі інтервали
- •2.6 Прогнозування за лінійною моделлю
- •2.7 Методи побудови багатофакторної регресійної моделі
- •2.8 Етапи дослідження загальної лінійної моделі множинної регресії. Визначення параметрів рівняння регресії.
- •2.9 Розрахунок коефіцієнтів множинної лінійної регресії
- •Лекція 3.Мультиколінеарність та її вплив на оцінки параметрів моделі
- •3.1 Поняття мультиколінеарності. Її вплив на оцінки параметрів моделі
- •3.2 Ознаки мультиколінеарності
- •3.3 Алгоритм Фаррара-Глобера
- •3.4 Методи усунення мультиколінеарності
- •Лекція 4.Емпіричні методи кількісного аналізу на основі статистичних рівнянь
- •4.1 Виміри і нечислові ознаки
- •4.2 Непараметричні (емпіричні) методи та доцільність їх застосування
- •4.3 Критерії відмінності між групами (незалежні вибірки)
- •4.4 Критерії відмінності між групами (залежні вибірки)
- •4.5 Критерії залежності між змінними
- •Лекція 5.Узагальнений метод найменших квадратів
- •4.1 Поняття гомо- і гетероскедастичності. Вплив гетероскедастичності на властивості оцінок параметрів
- •4.2 Методи визначення гетероскедастичності
- •5.3 Усунення гетероскедастичності трансформуванням початкової моделі
- •4.4 Узагальнений метод найменших квадратів (метод Ейткена) оцінок параметрів лінійної економетричної моделі з гетероскедастичними залишками. Прогноз за моделлю.
- •Лекція 6.Побудова економетричної моделі з автокорельованими залишками Анотація
- •6.1 Природа і наслідки автокореляції
- •6.2 Методи визначення автокореляції. Критерій Дарбіна-Уотсона. Критерій фон Неймана
- •6.3 Коефіцієнти автокореляції та їх застосування
- •6.4 Моделі з автокорельованими залишками
- •Лекція 7.Економетричні моделі на основі системи структурних рівнянь
- •7.1 Системи одночасних структурних рівнянь
- •7.2 Структурна і зведена форми моделі
- •7.3 Проблеми ідентифікації. Строго ідентифікована, неідентифікована і надідентифікована системи рівнянь
- •7.4 Проблема оцінювання параметрів системи, загальна характеристика методів. Непрямий метод оцінювання параметрів строго ідентифікованої системи рівнянь
- •7.5 Двокроковий метод найменших квадратів оцінювання параметрів надідентифікованих систем одночасних рівнянь (2мнк-оцінка)
- •7.6 Трикроковий метод найменших квадратів
- •7.7 Рекурсивні системи одночасних рівнянь, їх характеристика, можливість застосування мнк-оцінки для розрахунку параметрів рекурсивних систем
- •7.8 Прогноз і загальні довірчі інтервали
- •Лекція 8.Методи ІнструментальнИх зміннИх
- •8.1 Сутність методу інструментальних змінних
- •8.2 Оператор оцінювання Вальда
- •8.3 Особливості оцінювання методом Бартлета
- •8.4 Оператор оцінювання Дарбіна
- •8.5 Помилки вимірювання змінних
- •Лекція 9.Економетричні моделі динаміки
- •9.1 Методи моделювання часових рядів
- •9.2 Перевірка гіпотези про існування тренда
- •9.3 Моделювання тенденції часового ряду: згладжування та аналітичне вирівнювання
- •9.4 Моделювання сезонних та циклічних коливань
- •Лекція 10.Моделі розподіленого лагу
- •10.1 Поняття лагу і лагових змінних
- •10.2 Моделі розподіленого лагу
- •10.3 Оцінка параметрів моделей з лагами в незалежних змінних: метод послідовного збільшення кількості лагів, перетворення Койка (метод геометричної прогресії)
- •10.4 Оцінювання параметрів авторегресійних моделей
- •10.5 Виявлення автокореляції залишків в авторегресійних моделях
- •10.6 Авторегресійне перетворення
- •У всіх цих перетвореннях поточне значення yt змінної y виражається тільки через її попередні значення і випадкову складову (білий шум) ut.
- •10.7 Перетворення методом ковзного середнього
- •10.8 Перетворення arma і arima
7.3 Проблеми ідентифікації. Строго ідентифікована, неідентифікована і надідентифікована системи рівнянь
При переході від зведеної форми моделі до структурної економетрист стикається з проблемою ідентифікації. Ідентифікація - це єдиність відповідності між зведеною та структурної формами моделі.
Структурна
модель (7.8) в повному вигляді містить
параметрів, а зведена форма моделі в
повному вигляді містить
параметрів. Тобто в повному вигляді
структурна модель містить більше число
параметрів, ніж зведена форма моделі.
Відповідно
параметрів структурної моделі не можуть
бути однозначно визначені з параметрів
зведеної форми моделі.
Щоб
отримати єдино можливе рішення для
структурної моделі, необхідно припустити,
що деякі з структурних коефіцієнтів
моделі через слабкий взаємозв’язок
ознак з ендогенною змінної з лівої
частини системи дорівнюють нулю. Тим
самим зменшиться кількість структурних
коефіцієнтів моделі. Зменшення числа
структурних коефіцієнтів моделі можливе
і другим шляхом: наприклад, шляхом
прирівнювання деяких коефіцієнтів
один до одного, тобто шляхом припущень,
що їх вплив на сформовану ендогенну
змінну однаковий. На структурні
коефіцієнти можуть накладатися,
наприклад, обмеження виду
.
З позиції ідентифікованості структурні моделі можна розділити на три види:
ідентифіковані;
неідентифіковані;
надідентифікованою.
Модель ідентифікована, якщо всі структурні її коефіцієнти визначаються однозначно, єдиним чином за коефіцієнтами зведеної форми моделі, тобто якщо число параметрів структурної моделі дорівнює числу параметрів зведеної форми моделі. У цьому випадку структурні коефіцієнти моделі оцінюються через параметри зведеної форми моделі і модель ідентифікована.
Модель неідентифікована, якщо число зведених коефіцієнтів менше числа структурних коефіцієнтів, і в результаті структурні коефіцієнти не можуть бути оцінені через коефіцієнти зведеної форми моделі.
Модель надідентифікована, якщо число зведених коефіцієнтів більше числа структурних коефіцієнтів. У цьому випадку на основі коефіцієнтів зведеної форми можна отримати два або більше значень одного структурного коефіцієнта. У цій моделі число структурних коефіцієнтів менше числа коефіцієнтів зведеної форми. Надідентифікована модель на відміну від неідентифікованої моделі практично вирішувана, але вимагає для цього спеціальних методів обчислення параметрів.
Структурна модель завжди являє собою систему спільних рівнянь, кожне з яких потрібно перевіряти на ідентифікацію. Модель вважається ідентифікованою, якщо кожне рівняння системи ідентифіковано. Якщо хоча б одне з рівнянь системи неідентифіковано, то й вся модель вважається неідентифікованою. Надідентифікована модель містить хоча б одне надідентифіковане рівняння.
Необхідна умова ідентифікованості моделі:
Щоб рівняння було ідентифіковане, необхідно, щоб число незалежних змінних, відсутніх у даному рівнянні, але присутніх в системі, було рівне числу ендогенних змінних у цьому рівнянні без одного.
Якщо позначити число ендогенних змінних і-му рівнянні системи через Н, а число екзогенних (незалежних) змінних, які містяться в системі, але не входять в дане рівняння, – через D, то умова ідентифікованості моделі може бути записано у вигляді наступного рахункового правила:
Таблиця 7.1 – Необхідна умова ідентифікованості моделі
|
рівняння ідентифіковане |
|
рівняння неідентифіковане |
|
рівняння надідентифіковане |
Для оцінки параметрів структурної моделі система повинна бути ідентифікована або надідентифікована.
Розглянуте розрахункове правило відображає необхідну, але недостатню умову ідентифікації. Більш точно умови ідентифікації визначаються, якщо накладати обмеження на коефіцієнти матриць параметрів структурної моделі.
Достатня умова ідентифікованості моделі:
Рівняння ідентифіковане, якщо по відсутнім у ньому змінним (ендогенним і екзогенним) можна з коефіцієнтів при них в інших рівняннях системи отримати матрицю, визначник якої не дорівнює нулю, а ранг матриці не менше, ніж число ендогенних змінних у системі без одного.
Доцільність перевірки умови ідентифікації моделі через визначник матриці коефіцієнтів, відсутніх у даному рівнянні, але присутніх в інших, пояснюється тим, що можлива ситуація, коли для кожного рівняння системи виконано розрахункове правило, а визначник матриці названих коефіцієнтів дорівнює нулю. У цьому випадку дотримується лише необхідна, але недостатня умова ідентифікації.
У
економетричних моделях часто поряд з
рівняннями, параметри яких повинні
бути статистично оцінені, використовуються
балансові тотожності змінних, коефіцієнти
при яких рівні
.
У цьому випадку, хоча сама тотожність
і не вимагає перевірки на ідентифікацію,
бо коефіцієнти при змінних в тотожності
відомі, у перевірці на ідентифікацію
власне структурних рівнянь системи
тотожності беруть участь.