
- •2.4. Курсове проектування
- •1. Динамічні ряди та їхні властивості
- •Системи економетричних рівнянь для прогнозу, прийняття рішень та імітації
- •Проста вибіркова лінійна регресія
- •Оцінка параметрів лінійної регресії за допомогою методу найменших квадратів
- •Імовірнісний зміст простої регресії Узагальнена регресійна модель
- •1. Математичне сподівання параметра
- •Коефіцієнти кореляції та детермінації
- •Поняття про ступені вільності
- •Простий anova-аналіз. Аніліз дисперсій.
- •1. Класична лінійна багатофакторна модель
- •1.1 Основні припущення у багатофакторному регресійному аналізі
- •1.2.Етапи побудови багатофакторної регресійної моделі
- •1.3 Розрахунок невідомих параметрів багатофакторної регресії за мнк
- •1.3.2 Коефіцієнт множинної кореляції та детермінації
- •1.3.3 Anova–дисперсійний аналіз
- •1.4 Перевірка моделі на адекватність
- •2. Матричний підхід до лінійної багатофакторної регресії
- •2.1 Запис ублрм у матричному вигляді
- •2.2 Припущення класичної лінійної багатофакторної регресії
- •2.3 Оцінювання невідомих параметрів у багатофакторній регресії
- •2.4 Дисперсійно-коваріаційна матриця параметрів регресії
- •2.6 Прогнозування за багатофакторною рекгресійною моделлю
- •1. Мультиколінеарність
- •1.1 Теоретичні наслідки мульттиколінеарності
- •1.2. Практичні наслідки мультиколінеарності
- •1.3 Тестування наявності мультиколінеарності
- •2.5. Індивідуальна робота студентів
- •7 Навчально-методичні матеріали та технічні засоби
- •7.1 Основні джерела інформації
- •7.2 Додаткові джерела інформації
- •Основы системного анализа и проектирования асу: Уч. Пособие Павлов, с.Н . Гриша а.А. И др – к.: Выща шк.; 1991. – 367с.
- •2.12.6. T-тест для оцінки значимості коефіцієнта кореляції
- •7.8 Основні поняття теорії ймовірностей
- •7.8.1 Інтегральна функція розподілу ймовірностей випадкової величини
- •7.8.4. Закон рівномірного розподілу ймовірностей
- •7.8.5. Нормальний закон розподілу
- •7.8.5.1. Вплив параметрів нормального розподілу на форму нормальної кривої
- •7.8.6. Розподіл
- •Графік і таблиця нормального закону розподілу
- •Графік і таблиця f-розподілу Фішера
- •Графік і таблиця t-розподілу Ст’юдента
- •5.3. Автокореляція
- •5.3.1. Природа автокореляції. Основні поняття та означення
- •5.3.2. Тестування автокореляції
- •5.3.3. Оцінка параметрів регресійної моделі при наявності автокореляції
- •5.4. Авторегресивні і дистрибутивно-лагові моделі
- •5.4.1.Природа авторегресивних моделей. Приклади практичного застосування авторегресивних моделей
- •5.4.1.1. Приклади використання лагових моделей в економіці. Роль "часу" або "часового лагу" в економіці
- •5.4.1.2. Причини лагів
- •5.4.2. Оцінка параметрів дистрибутивно-лагових моделей
- •5.4.2.1. Послідовна оцінка дистрибутивно-лагових моделей
- •5.4.2.2. Підхід Койка до дистрибутивно-лагових моделей
- •5.4.3. Перша модифікація моделі Койка: модель адаптивнихочікувань
- •5.4.4. Друга модифікація моделі Койка: модель часткових пристосувань
- •Комбінація моделей адаптивних очікувань і частковихпристосувань
- •Оцінювання параметрів авторегресивних моделей
- •Метод допоміжних змінних
- •Виявлення автокореляції в авторегресивних моделях: h-тест Дарбіна
5.4.4. Друга модифікація моделі Койка: модель часткових пристосувань
Модель адаптивних очікувань — це один спосіб модифікації моделі Койка. Іншу модифікацію запропонував М. Нерлоу у своїй так званій моделі часткових пристосувань. Щоб проілюструвати цю модель, розглянемо модель гнучкого акселератора з економічної теорії, яка припускає, що є рівноважна, оптимально бажана або довгострокова кількість капіталу, необхідна для того, щоб виробляти певну кількість продукції при даному рівні технології, відсотковій ставці і т. ін.
Для
спрощення припустимо, що бажаний рівень
капіталу
є
лінійною функцією від випуску х:
.
(5.4.21)
Оскільки бажаний рівень капіталу не можна спостерігати явно, Нерлоу запропонував гіпотезу, відому тепер під назвою гіпотеза часткових пристосувань:
,
(5.4.22)
де
(0
<
< 1)
відоме під назвою коефіцієнт
пристосування;
—
—фактична
зміна; а
—
—
бажана зміна.
Оскільки — , зміна запасу капіталу між двома періодами є нічим іншим, як інвестуванням, (5.4.22) можна переписати в іншому вигляді:
,
(5.4.23)
де
—
інвестування за період t.
Рівняння (5.4.22) показує, що фактична зміна в запасі капіталу (інвестиціях) у будь-який період часу t і є певною часткою від бажаної зміниза цей період. Якщо =1, це означає, що фактичний запас капіталу дорівнює бажаному, тобто фактичний запас пристосовується до бажаного в той самий період часу. Проте, якщо =0, ніщо не змінюється, оскільки фактичний запас у момент часу t такий самий, як і в попередній період часу. Реально лежить між цима екстремальними значеннями, оскільки при-стосування до бажаного рівня капіталу найчастіше буває неповним через інертність, контрактові зобов'язання і т. ін. Звідси випливає назва — модель часткових пристосувань. Зауважимо, що механізм пристосування можна переписати в іншому вигляді:
.
(5.4.24)
Це показує, що запас капіталу, який ми спостерігаємо в момент t, є зваженим середнім бажаного запасу капіталу в цей момент і запасу в попередній період, і (1- ) — вагові коефіцієнти. Тепер підставимо (5.4.21) до (5.4.24):
.
(5.4.25)
Ця модель має назву модель часткових пристосувань.
Оскільки
(5.4.21) відображає довгостроковий або
рівноважний попит
на
запас капіталу, (5.4.25) можна назвати
короткостроковою
функцією
попиту,
на наявний запас капіталу, тому що в
короткостроковому періоді
наявний
запас капіталу не обов'язково може
дорівнювати своєму довгостроковому
рівню. Як тільки ми оцінимо короткострокову
функцію (5.4.25) і одержимо оцінку коефіцієнта
пристосування
(з
коефіцієнта
),
зможемо
легко обчислити довгострокову функцію,
поділивши
і
на
і
опустивши лагове значення у,
яке
потім дає (5.4.21).
Щоб
проілюструвати наші викладки, припустимо,
що
=0.5.
Це передбачає, що фірма планує закрити
половину розриву між бажаним і фактичним
запасом капіталу в кожному періоді.
Таким чином, у перший період
вона
пересувається до
з рівнем інвестицій (
-
),
що
у свою чергу дорівнює 0.5(
-
).
У
кожному наступному періоді вона закриває
половину розриву між капітальним запасом
на початку періоду і бажаним капітальним
запасом у*.
Модель часткових пристосувань нагадує як модель Койка, так і модель адаптивних очікувань у тому плані, що вона теж є авторегресивною. Але вона має значно простішу помилку: початкову помилку , помножену на константу . Слід зазначити, що, незважаючи на зовнішню схожість, модель адаптивних очікувань і модель часткових пристосувань концептуально дуже різні. Перша базується на невизначеності (майбутні ціни, ставки відсотків і т. ін.), тоді як остання залежить від технічних і інституціональних обмежень, інерції, вартості обміну та ін. Однак обидві ці моделі набагато більш обґрунтовані теоретично, ніж модель Койка.