Принцип построения матрицы а и в коэффициентов структурной формы компактной записи динамической модели из одновременных линейных уравнений (на примере упрощённой динамической макромодели).
Экономический объект – это закрыта национальная экономика. Её состояние в текущем периоде описывается текущим уровнем ВВП ( ), потребления ( ), инвестиций ( ) и государственных расходов ( )
Требуется составить спецификацию макромоделей с учётом следующих утверждений:
1. текущий уровень потребления ( ) объясняется лаговым значением ВВП ( ), возрастая вместе с ним, но с меньшей скоростью;
2. текущий уровень инвестиций ( ) пропорционален приросту лагового ВВП ( )
3. государственные расходы ( ) возрастают с постоянным темпом роста
4. в закрытой экономике текущий уровень ВВП ( ) равен сумме текущего уровня потребления ( ), инвестиций ( ) и государственных расходов ( )
- текущие эндогенные переменные
– предопределённые переменные
(3.5)
+B = 0
A= ; B= (3.6)
34. Алгоритм теста ГолдфелдаКвандта на наличие (отсутствие) гетероскедастичности случайных возмущений. (30)
В основе идеи теста Г-К лежит предположении о том что гетероскедастичность есть результат зависимости дисперсии случ-ых возмущений от абс-ых значений регрессоров. Данное предположении было сделано на основе стат-их данных.
Замечено, что ош.случ.возм чаще всего растет с ростом абс.знач-ий регрессоров.Если ошибка Ut зависит от абс-ых значений регрессоров то сформируем из выборки наблюдений 3 группы с наименьшими и наибольшими значениями.
Построим по 2м группам наблюдений модели и проверим гипотезу о том что ош-ки случ.возмущений одинаковы. Если это так то это модель с гомоскедастичным остатком.
В кач0ве пок-ля веса абсол. Знач-ий регрессоров принимается величина Рt=1+ Сумма j=1 до n |X jt | (
)
. Предполагаем что ош.случ.возм.
пропорциональна весу регрессора. Омега
(Ut
)= альфа Рt.Выборка наблюдений упорядочивается по возрастанию значений Рt и делится на три части.
Для 1го и 3го фрагмента независимо оцениваются 2 модели лин.регрессии. В рез-те оценки получаем значения дисперсии случ. Возмущ.
Вводим две перменные GQ1= (ESS1/n1) / (ESS3/n3) и GQ2=1/GQ1. Обе перем-ыеподчиняются з-ну Фишера с пар-ми n1 и n3 => Для заданного значения Рдов=1-альфа можно найти крит.значение дроби Фишера (Фкрит) сранив с котороым сделать выводы о гомоскед-ти.
. Принять Но если справедливы неравенства
Т.е. при справедливых неравенствах случайный остаток в модели (2) полагать гомоскедастичными. В противном случае гипотезу (1) отклонить как противоречащую реальным данным и сделать вывод о гетероскедастичности случайного остатка в модели (2).
35. Этапы построения эконометрических моделей. (20)
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 исходным статистическим данных и случайным остаточным составляющим 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 соответствии 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.