5. Алгоритм построения эконом-х моделей.

Весь процесс эконометрического моделирования можно разбить на шесть основных этапов.

1-й этап (постановочный) - определение конечных целей моделирования, набора участвующих в модели факторов и показателей, их роли;

2-й этап (априорный) - предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации и исходных допущений, в частности относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих в виде ряда гипотез;

3-й этап (параметризация) - собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей между переменными;

4-й этап (информационный) - сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей;

5-й этап (идентификация модели) - статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели Непосредственно связан с проблемой идентифицируемости модели, то есть ответа на вопрос «Возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным данным в соответст-вии с решением, принятым на этапе параметризации?». После положительного ответа на этот вопрос необходимо решить проблему идентификации модели то есть предложить и реализовать математически корректную процедуру оценивания неизвестных параметров модели по имеющимся исходным данным;

6-й этап (верификация модели) — сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.

Эконометрическое исследование включает решение следующих проблем

- качественного анализа связей экономических переменных — выделения зависимых (yj) и независимых переменных (хi),

- изучения соответствующего раздела экономической теории;

- подбора данных;

- спецификации формы связи между у и хi;

- оценки параметров модели;

- проверки ряда гипотез о свойствах распределения вероятностей для случайной компоненты (гипотезы о средней дисперсии и ковариации);

- анализа мультиколлинеарности объясняющих переменных, оценки ее статистической значимости, выявления переменных, ответственных за мультиколлинеарность;

- введения фиктивных переменных;

- выявления автокорреляции, лагов;

- выявления тренда, циклической и случайной компонент;

- проверки остатков на гетероскедастичность;

- анализа структуры связей и построения системы одновременных уравнений;

- проверки условия идентификации;

- оценивания параметров системы одновременных уравнений (двухшаговый и трехшаговый метод наименьших квадратов, метод максимального правдоподобия);

- моделирования на основе системы временных рядов: проблемы стационарности и коинтефации;

- построения рекурсивных моделей, авторегрессионных моделей, проблем идентификации и оценивания параметров.