книги / Эконометрика. Начальный курс
.pdfУпражнения |
211 |
Упражнения
7.1.Проверьте формулу (7.8).
7.2.Докажите равенство (7.9).
7.3.Имеется у = Х(3 + е — классическая регрессионная модель (у —
п х 1 вектор, X — п х к матрица, е — п х 1 вектор ошибок, /3 — к х 1 вектор коэффициентов, Ее = 0, V(e) = cr2I). Пусть хп+1 =
(zn+i.if ••»zn+i,fc)/ — дополнительное наблюдение независимых пере менных и уп + 1 = х'п+10 + еп+ь
Покажите, что если матрица X содержит константу, то ошибка про гноза минимальна, если каждое xn+[j равно среднему у-го столбца мат рицы X .
7.4. Для модели парной регрессии yt = а + pxt + et, t = 1 ,..., 10 известно, что
= 8* Y l Xt = 40» = 26> = 200>Y l ytXt = 20
(всюду суммирование от 1 до 10). Для некоторого наблюдения s дано ха = 10. Предполагая, что наблюдение s удовлетворяет исходной моде ли,
а) вычислите маилучший линейный несмещенный прогноз величи ны у,;
б) оцените стандартную ошибку прогноза.
7.5.Стандартная линейная модель у = Х/З+е, где у — п х 1 вектор, X
—п х к матрица, оценивается обычным методом наименьших квадратов.
Имеется дополнительное наблюдение уо, *о —(*ог. • •. ,®оь)- С помощью какой статистики можно ответить на вопрос, удовле
творяет ли это наблюдение исходной модели?
7.6. Дана регрессионная модель yt = a+/3xt +et, t = 1,... ,п. Предполо жим, что параметр (3 известен. Предложите способ прогноза величины Уп+ i (для заданного xn+i) и найдите дисперсию ошибки прогноза.
Глава 8
Инструментальные
переменные
В п. 5.1 при рассмотрении модели со стохастическими регрессо рами отмечалось, что при наличии корреляции между независи мыми переменными и ошибками МНК-оценки могут быть сме щенными и несостоятельными. Один из путей преодоления этой трудности — использование других независимых переменных, ко торые носят название инструментальные переменные. Как будет показано ниже, для получения состоятельных оценок надо, чтобы они обладали двумя свойствами:
1)новые независимые переменные должны быть «хорошо коррелированы» с исходными независимыми переменными;
2)новые переменные не должны быть коррелированы с ошиб ками.
Точный смысл этих условий проясняется при более детальном изучении модели.
212
8.1. Состоятельность оценок ... |
213 |
8.1.Состоятельность оценок, полученных с помощью инструментальных переменных
Пусть исходная модель описывается равенством
У = Х Р + е, |
(8.1) |
где, как и раньше, у — п х 1 вектор зависимых переменных, X — п х к матрица независимых переменных, е — п х 1 вектор оши бок, /3 — fcxl вектор параметров. Предположим также, что задана матрица Z размерап х к — матрица инструментальных перемен ных, причем к х к матрица Z 'X обратима. Тогда по определению оценкой параметров /3 с помощью инструментальных перемен ных (Instrumental Variables, IV ) называется вектор
3,v = (Z 'X ) - xZ 'y . |
(8.2) |
Нетрудно понять, почему именно в таком виде следует брать оцен ку, а не в виде /3jv = (Z 'Z )-1 Z 'y , как могло бы показаться на пер вый взгляд. Действительно, подставляя в (8.2) выражение для у из (8.1), получаем
3iv = (Z 'X ) - 'Z '{ X P + е) = /3 + { Z 'X T 'Z 'e
= P + ( - Z ' x \ |
l —Z ,e. |
(8.3) |
|
\ n |
J |
n |
|
Предположим, что выполнено следующее условие, формально выражающее требование «хорошей корреляции» между X и Z:
последовательность матриц —Z 'X сходится по вероятности |
|
п |
|
при п —>оо к некоторой невырожденной матрице. |
(8.4) |
В силу отсутствия корреляции между Z и е, член (1/n )Z 'e стре мится по вероятности к О.1
'Заметим, что условие некоррелированности Z и с можно заменить более
слабым условием: plim - Z ' e = О.
214 |
Гл. 8. Инструментальные переменные |
Таким образом, из (8.3) и (8.4) следует, что оценка /3jv явля ется состоятельной. В то же время следует подчеркнуть, что в общем случае /3jy является смещенной и не обладает минималь ной матрицей ковариаций, т. е., вообще говоря, не является эф фективной (что естественно, поскольку оценка >3IV явно зависит от Z).
Возникает естественный вопрос, как находить нужные инстру ментальные переменные. Дать строгий однозначный ответ на пего невозможно. Все зависит от конкретной ситуации. Может так слу читься, что инструментальных переменных нельзя найти, а может быть, что существует и несколько таких инструментов.
8.2.Влияние ошибок измерения
Типичной ситуацией, когда требуется использовать инструмен тальные переменные, является наличие ошибок в измерениях. Рассмотрим этот случай подробнее.
Ошибки в измерениях зависимой переменной. Предположим, что истинной является модель (8.1), но вектор у измеряется с ошибкой, т. е. наблюдается вектор у* = у + и, где и — ошибки, имеющие нулевое математическое ожидание и не зависящие от е и X . Тогда нетрудно понять, что построение МНК-оценок на основании у* эквивалентно регрессии
у* = Х/3 + (е + и),
откуда видно, что оценка параметра /3 будет несмещенной и со стоятельной, так как Е(е + и) = 0 и Cov(X,£ -I- и) = 0. Наличие же ошибки приводит лишь к увеличению дисперсии регрессии: V(* + u) = o* + о\.
Ошибки в измерении независимой переменной. Ситуация ради кальным образом меняется в худшую сторону, когда есть ошибки в измерении регрессоров. Пусть, как и раньше, истинной является модель (8.1), но наблюдается матрица X* = X + V , где матрица ошибок V имеет нулевое математическое ожидание и не зависит
8.3. Двухшаговый метод наименьших квадратов |
215 |
от е. Тогда реально будет осуществляться регрессия
у = Х *р + (с - V 0 ) = Х*/3 + •*,
в которой регрессоры и ошибки уже являются коррелированными: Е(Х*'е*) = Е[(Х' + V')(e - V/3)] = -E (V 'V )0 . Это означает, что в общем случае МНК-оценки будут смещенными и несостоятель ными. Степень смещения определяется как истинным значением параметра, так и матрицей ковариаций ошибок. Здесь можно при менять метод инструментальных переменных.
Понятно, что можно рассматривать общий случай, когда есть ошибки в измерениях независимых и зависимых переменных. Яс но, что, как и в предыдущем случае, применение метода наимень ших квадратов будет приводить к смещенным и несостоятельным оценкам.
8.3.Двухшаговый метод наименьших квадратов
Нетрудно понять, что метод оценивания с помощью инструмен тальных переменных является обобщением обычного метода наи меньших квадратов. Подчеркнем еще раз, что нахождение нуж ных инструментальных переменных является нелегкой задачей, решение которой зависит от конкретной ситуации.
Совпадение числа инструментальных переменных с числом ис ходных регрессоров не является обязательным условием. На са мом деле, достаточно требовать, чтобы число инструментов было не меньше^ чем число независимых переменных. Выведем фор мулу для /3|V в этом случае. Итак, пусть Z — п х т матрица, столбцы которой линейно независимы (т.е. rank(Z) = m), причем m > к. Если воспользоваться геометрической интерпретацией ме тода наименьших квадратов, то достаточно легко понять смысл оценки /3iv и получить требуемую формулу. Рассмотрим каждый столбец Xj, j = 1,..., к, матрицы X как n-мерный вектор и спро ектируем его на тп-мерное подпространство, порожденное столб цами матрицы Z, получив векторы Xj, j = 1 ,..., fc. Это эквива
216 |
Гл. 8. Инструментальные переменные |
лентно тому, что мы осуществляем регрессию Xj на Z и находим прогнозные значения Щ. Их мы теперьА. будем считать новыми независимыми переменными, и оценка /3jv вектора параметров /3 строится с помощью обычной регрессии у на Xj, j = l,...,fc. Таким образом, метод наименьших квадратов применяется здесь дважды — сначала для построения регрессоров X j , j = 1, ...,fc, а затем для нахождения оценки /3jv Эта процедура носит назва ние двухшагового метода наименьших квадратов, о котором мы будем более подробно говорить, изучая системы регрессионных уравнений. Вспоминая, что проекция на пространство, порожден ное векторами-столбцами матрицы Z, осуществляется с помощью матрицы Z (Z 'Z )~ 1Z t (см. п. 3.3), имеем
Xj = Z (Z 'Z )-1 Z 'x j, |
j = 1,..., fc, |
и, следовательно,
X = [ж! ... x k) = Z { Z 'Z )-lZ 'X .
Наконец,
3iv = (X ’x y ' x ' y
= {X ,Z ( Z 'Z ) - xZ ,X )~ xX 'Z ( Z 'Z ) - l Z ,y. |
(8.5) |
При этом мы, конечно, предполагаем, что матрица X имеет пол ный ранг к Отсюда следует, что условие т ^ к является необхо димым для использования инструментальных переменных.
Как и раньше, нетрудно показать, что если выполнены усло вия, аналогичные условию (8.4), а именно:
1) последовательность матриц - Z 'X сходится по вероятно-
сти при п —>оо к некоторой матрице полного ранга к;
2) последовательность матриц —Z 'Z сходится по вероятно- п>
сти при п —>оо к некоторой невырожденной матрице,
то оценка (8.5) будет состоятельной.
8.4. Тест Хаусмана |
217 |
8 .4 . Т ест Х а у см а н а
Как определить, следует ли использовать инструментальные пе ременные или достаточно применять обычный метод наименьших квадратов? Ответ на него равносилен тестированию гипотезы Но: plim (l/n)X '« = О против альтернативы Hi: p lim (l/n )X 'e ф 0. Довольно очевидно, что при наличии только наблюдений у , Х проверить эту гипотезу нельзя, поэтому предположим, что наря ду с обычной МНК-оценкой /31 = /3QLS есть оценка /32 = >3IV, по лученная с помощью некоторых инструментальных переменных. При гипотезе Но оценка /Зх является состоятельной и эффектив н о й ^ при альтернативной гипотезе Hi — несостоятельной. Оцен ка /32 состоятельна как при нулевой, так и при альтернативной гипотезах. Таким образом, при нулевой гипотезе разность /32— стремится к нулю, и естественно ожидать, что при соответству ющей нормировке распределение этой разности будет асимптоти чески совпадать с каким-нибудь известным распределением.
Хаусман (Hausman, 1978) |
доказал, |
что |
асимптотически |
V(/32 - /3i) = V(/32) - V(3i) и величина |
|
|
|
& - 3 ,)'( V (3 J >- |
v d o ) - 1^ |
- |
3i> |
асимптотически имеет хи-квадрат распределение с к степенями свободы.
Более подробно о тесте Хаусмана можно прочесть, например, в (Johnston and DiNardo, 1997).
Выводы:
1)при наличии корреляции между независимыми переменны ми и ошибками МНК-оценки смещены и несостоятельны; для получения состоятельных оценок можно воспользовать ся инструментальными переменными;
2)число инструментальных переменных должно быть не мень ше числа исходных независимых переменных;
3)инструментальные переменные должны быть некоррелированы с ошибками и коррелированы с исходными независи-
218 |
Гл. 8. Инструментальные переменные |
мыми переменными (условие (8.4); в этом случае /Зр/ состо ятельна, но, вообще говоря, неэффективна;
4) при наличии ошибок в измерениях зависимой переменной МНК-оценка остается несмещенной и состоятельной, если же с ошибками измеряются независимые переменные, то это приводит к возникновению корреляции между регрессорами и ошибками и, как следствие, к несостоятельности МНКоценки.
Упражнения
8.1.Проверьте формулу (8.5).
8.2.Докажите, что при т = к оценка (8.5) совпадает с (8.2).
8.3.Найдите V(3JV) для оценок (8.2) и (8.5).
8.4.Пусть мы оцениваем регрессионное уравнение
Vt +£t, t = l , . . . , n
с помощью метода инструментальных переменных, используя перемен ную zt как инструмент для х(.
Покажите, что оценки коэффициентов имеют вид
а ™ = 5 - & v = .
и являются решениями системы уравнений npuv + ( 5 » Дну =
(53Zt)^I,v + (53z*Xt)^*IV= 53
8.5. Рассмотрим модель (8.3)
у = Х/3 + е, V(e) = о21,
Z t V t -
в которой регрессоры x tJ> коррелированы с ошибками et. Пусть Z — некоторая матрица. Преобразуем исходное уравнение, умножив его сле ва на Z
Z'y = Z 'X /3 + Z'e. |
(*) |
Упражнения |
219 |
Покажите, что оценка обобщенного метода наименьших квадратов (5.4) для вектора коэффициентов уравнения (*) равна
3 GLS = (X,Z (Z 'Z )-IZ,X )"1X 'Z (Z 'Z )-1Z'y.
Сравните результат с формулой (8.5) для оценки метода инструмен тальных переменных.
8.6. Пусть переменные уе*, zt* связаны (точным) уравнением
Уе = Pi +02**.
Однако вместо точных значений мы наблюдаем измеренные (с ошибка ми измерений) значения yt = у? + и, и zt = z* + vt, где ut ~ iid(0,<r*), vt ~ nd(0, a^), ошибки щ и va независимы при всех (из. Мы оцениваем методом наименьших квадратов уравнение
Vt — + (h^t + et.
а) Удовлетворяют ли ошибки в данном уравнении условиям стан дартной линейной модели?
б) Найти Cov(zt,£■{).
А.
в) Найти plim/?2.
Глава 9
Системы регрессионных уравнений
При моделировании достаточно сложных экономических объек тов часто приходится вводить не одно, а несколько связанных между собой уравнений, т. е. описывать модель системой урав нений. А значит, при проведении регрессионного анализа моде ли может возникнуть необходимость оценивать систему уравне ний Например, простейшая макроэкономическая кейнсианская модель потребления может быть представлена в следующем виде:
Ct = P i+ lh Yt + е**
Yt = Ct + It,
где С( —агрегированное потребление, Yt — национальный доход, It — инвестиции в период времени t. Коэффициент 02 носит на звание склонность к потреблению.
Как будет показано ниже, наличие связи между переменными Ct и Yt, определяемой вторым уравнением, требует корректировки метода наименьших квадратов для оценивания параметров моде ли и 02- Вообще, оценивание систем уравнений требует введе ния новых понятий и разработки новых методов, чему и посвяще на данная глава. Сначала мы рассмотрим более простую задачу оценивания системы, в которой уравнения связаны лишь благода-
220