Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
5
Добавлен:
19.01.2025
Размер:
475 Кб
Скачать
☆

Фурье рассчитывают несколько гармоник (чаще не более четырех) и затем уже определяют, с каким числом гармоник наилучшим образом отражается периодичность изменения уровней ряда.

При выравнивании по ряду Фурье периодические колебания уровней динамического ряда как бы представляют в виде суммы нескольких синусоид (гармоник), наложенных друг на друга. Так, например, при k = 1 уравнение ряда Фурье будет выглядеть следующим образом:

yt = a0 + a1 cos t + b1 sin t;

при k = 2, соответственно,

yt = a0 + a1 cos t + b1 sin t + a2 cos t + b2 sin t и т. д.

Параметры уравнения теоретических уровней, определяемых рядом Фурье, находят, как и в других случаях, методом наименьших квадратов. В результате получены формулы для исчисления указанных выше параметров уравнения ряда Фурье:

a0 = 1 T yt;

T t=1

 

 

 

 

T

 

 

 

 

 

 

 

 

T

 

 

 

 

 

a

 

=

2

t

y

 

cos

2πk

t,

b

=

2

 

y

 

sin

2πk

t.

k

 

 

t

 

 

 

t

 

 

 

T

 

 

 

T

k

 

T t=1

 

 

T

 

 

 

=1

 

 

 

 

 

 

 

 

Последовательные значения t обычно определяются от 0 с увеличением (приростом), равным 2π/n, где n — число уровней эмпирического ряда. Например, при n = 10 временные точки t можно записать следующим образом:

0, π5 , 25π , 35π , 45π , π, 65π , 75π , 85π , 95π .

Выравнивание по ряду Фурье часто дает положительный эффект в рядах, содержащих сезонную волну. Обычно строятся модели первой гармоники, второй гармоники и т. д., а затем на основании показателей качества полученных уравнений выбирается наиболее близкая модель к фактическим уровням ряда.

Рассмотрим модели временных рядов, где предполагается, что наблюдаемые временные ряды являются суммой периодического тренда и

83

f (t)

 

1

 

ρ

 

θ

t

0

2π

1

 

 

λ

 

Рис. 3.11

случайной компоненты, т. е.

 

 

yt = f (t) + εt,

причем детерминированная составляющая f (t) является периодической функцией и может описывать как циклические, так и сезонные колеба-

ния.

Здесь ρ = α2 + β2, θ = arctg(β/α).

Заметим, что период колебания временного ряда n может не совпадать с периодом колебания тригонометрического составляющего λ.

Периодичность тренда означает, что он в точности повторяет себя через определенный промежуток времени (т. е. f (t) = f (t + λ)), причем такое повторение абсолютно регулярно. Этот промежуток называют

периодом колебаний временного ряда (λ). Величина, обратная периоду, называется частотой (1/λ). Она равна числу периодов (не обязательно целому), содержащемуся в единичном интервале. Иными словами, именно такое число раз функция повторяет свои значения.

Тригонометрические функции cos t и sin t являются периодическими с периодом 2π, т. е. cos (t+2π) = cos t и sin (t+2π) = sin t. Отсюда следует, что cos (t + 2πk) = cos t и sin (t + 2πk) = sin t, где k = 1, 2, . . . Можно преобразовать аргументы, сохранив при этом свойство периодичности. Функции cos (λt − θ) и sin (λt − θ) периодичны с периодом 2π/λ , т. е.

!

cos λ t +

2π

− θ = cos [λt + 2π − θ] = cos [λt − θ],

λ

84

 

2π

 

!

sin λ t +

λ

− θ

= sin [λt + 2π − θ] = sin [λt − θ].

Умножение на λ соответствует растяжению или сжатию масштаба времени, а вычитание θ — сдвигу графика косинуса или синуса. Угол θ называется фазой, причем обычно он выбирается так, чтобы периодическая функция косинуса достигала своего первого максимума в точке t = θ/λ. В таком случае 0 θ < 2π. При t = 0 указанные тригонометрические функции соответственно равны cos θ и (− sin θ). Наибольшее значение периодической функции называется амплитудой (обозначим его ρ).

Сдвинутые косинусоида и синусоида являются линейными комбинациями обычной косинусоиды и обычной синусоиды. Из тригонометрической формулы cos (a − b) = cos a cos b + sin a sin b имеем

ρ(cos λt − θ) = ρ [cos(λt) cos θ + sin(λt) sin θ] = α cos λt + β sin λt,

где α = ρ cos θ, β = ρ sin θ, или, что эквивалентно, ρ =

 

α2

+ β2

. При

этом tg θ = β/α, тогда θ = arctg(β/α).

 

 

 

Детерминированная составляющая модели временного ряда f (t) может быть представлена суммой тригонометрических слагаемых общего

вида:

2π

2π

 

2π

 

 

f (t) = α cos

 

t + β sin

 

t = ρ cos

 

 

t − θ .

λ

λ

λ

Здесь λ — период колебаний тригонометрического слагаемого, величина λ может не совпадать с периодом колебания временного ряда; α и β — неизвестные параметры;

ρ — амплитуда.

Пусть числовая последовательность y1, . . . , yT имеет период n, где n — целое число, т. е. что

yt+n = yt, t = 1, . . . , T − n.

Представим T = nh, где T — число наблюдений, n — период колебаний временного ряда, h — число периодов в интервале наблюдений. Для полугодовых данных период равен 2, для ежеквартальных — 4, для

85

ежемесячных — 12. Наблюдаемые значения временного ряда можно точно аппроксимировать с помощью T линейно-независимых тригонометрических функций, причем максимальное число тригонометрических составляющих, входящих в разложение детерминированной составляющей модели временного ряда, определяется как:

qmax = n − 1 — для временных рядов с нечетным периодом n;

2

qmax = n2 − 1 — для временных рядов с четным периодом n.

На практике количество тригонометрических слагаемых может быть и меньше qmax.

Порядок тригонометрического слагаемого ϕk(t) задается числом k = 1, 2, . . . , qmax, тогда тригонометрическое составляющее порядка k (или гармонику порядка k) можно записать как

ϕk(t) = αk cos

2πk

t + βk sin

2πk

t.

 

 

 

n

n

Период тригонометрического составляющего

n λk = k .

Детерминированную составляющую периодических колебаний временного ряда можно представить в виде следующей суммы тригонометрических функций:

 

q

 

2πk

 

2πk

 

 

f (t) = α0

+ k=1 αk cos

t + βk sin

t

(n — нечетное);

 

 

n

n

f (t) = α0

q

αk cos

2πk

t + βk sin

2πk

t + αn/2(−1)t(n — четное);

+ k=1

n

n

 

 

 

 

 

 

 

 

Представление называют разложением в ряд Фурье. Слагаемое αn/2(−1)t представляет собой периодическую функцию с периодом 2π.

Оценки параметров для данной функции определяются с помощью метода наименьших квадратов и минимизируют сумму квадратов отклонений фактических значений временного ряда от выравненных:

T

(yt − yt)2 → min .

t=1

86

4Sост2
числом степеней свободы в числи- T − p, где p — число оцениваемых
87
T Rk2

В результате решения системы уравнений независимые оценки параметров рассчитываются как:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

a0 =

T

=1

yt

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

 

 

 

 

 

 

 

2

t

 

 

 

2πk

t,

 

 

b =

2

 

 

 

2πk

t.

a

k

=

 

 

 

y

t

cos

 

 

 

 

 

y

t

sin

 

 

 

 

T =1

 

 

 

 

T

 

 

 

 

 

 

 

 

 

T

t=1

 

 

T

Для временных рядов с четным n оценка

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

an/2 =

T

 

 

 

yt(−1)t.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

=1

 

 

 

 

 

 

 

 

 

 

 

Оценка дисперсии оценок параметров в модели сезонных колеба-

ний вычисляется как

 

 

 

 

 

 

 

 

 

 

 

Sост2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S2

=

 

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

a0

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S2

= S2

=

2Sост2

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ak

 

 

 

 

bk

 

 

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S2

=

Sост2

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

an/2

 

 

 

T

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Оценки амплитуды колебаний и фазы выглядят следующим обра-

зом:

 

 

 

 

 

 

 

 

 

k

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Rk

=

ak2 + bk2

,

 

 

 

 

 

 

 

 

 

 

 

 

 

θ

 

 

 

 

arctg

bk

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ak

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Представляет интерес проверка гипотезы об отсутствии циклического слагаемого с заданным наименьшим периодом, которая формулируется следующим образом

H0 : αk = βk = 0.

Если верна нулевая гипотеза, то величины αk и βk независимы и нормально распределены с нулевыми средними и дисперсиями 2σ2/T . Тогда статистика

F =

имеет нормальное распределение с теле ν1 = 2 и в знаменателе ν2 = коэффициентов.

Нулевая гипотеза отвергается с уровнем значимости α, если критическое значение критерия Фишера (Fα, ν1, ν2) превысит расчетное значение статистики F . Тогда делается вывод о том, что амплитуда колебаний тригонометрического слагаемого значимо отличается от нуля.

Проверка значимости параметров α0 и αn/2 осуществляется с использованием статистики Стьюдента для уровня значимости и числа степеней свободы ν = T − p. Расчетное значение t-статистики строится следующим образом:

ta

 

=

T · a0

 

либо ta

 

=

T · an/2

.

 

2Sост2

 

2Sост2

 

0

 

 

n/2

 

 

 

 

 

 

 

 

 

 

Если tрасч больше tкрит, то принимается гипотеза о значимости параметров.

88

Тема 3.2. Системы линейных одновременных уравнений

Лекция 3.2.1. Основные понятия.

Виды систем одновременных уравнений.

При изучении функционирования экономических систем исследователь обычно сталкивается со следующей ситуацией: состояние системы в каждый момент времени t описывается набором переменных, среди которых есть как эндогенные (внутрисистемные), так и экзогенные (внешние по отношению к рассматриваемой системе). Между переменными существуют функциональные и статистические связи. К первому типу относятся тождества, вытекающие из определений и содержательного смысла переменных. Ко второму типу относятся поведенческие связи, являющиеся выражением экономических законов, действующих в системе. Поскольку поведение экономических систем носит статистический характер (присутствуют случайные возмущения, погрешности, неучтенные факторы), то для описания поведенческих связей используются регрессионные уравнения. В теории экономико-статистического моделирования систему взаимосвязанных регрессионных уравнений и тождеств, в которой одни и те же переменные в различных регрессионных уравнениях могут одновременно выступать и в роли результирующих показателей, и в роли объясняющих переменных, принято называть системой одновременных (эконометрических) уравнений. При этом в соотношения могут входить переменные, относящиеся не только к периоду t, но и к предшествующим периодам, называемые лаговыми («запаздывающими») переменными.

Для экономистов большой интерес представляет количественный анализ модели, т. е. нахождение оценок параметров на основании имеющейся в распоряжении исследователя информации о значениях переменных. Первая из возникающих здесь проблем: можно ли в предложенной модели однозначно восстановить значение некоторого параметра или же его определение принципиально невозможно на основе рассматриваемой модели? Это так называемая проблема идентифицируемости.

89

Проблема оценивания здесь также имеет свои особенности. Основная трудность состоит здесь в том, что в эконометрических моделях переменная, играющая роль независимой (объясняющей) переменной в одном соотношении, может быть зависимой в другом. Это приводит к тому, что в регрессионных уравнениях системы объясняющие переменные и случайные возмущения оказываются коррелированными.

Рассмотрим в качестве иллюстрации два классических примера.

Пример 1. Модель спроса и предложения («крест Маршалла»).

Спрос Qd на некоторый продукт и его предложение Qs зависят от цены продукта p. Рыночный механизм формирует цену таким образом, что спрос и предложение уравниваются. Наблюдению доступна равновесная цена и спрос (совпадающий с предложением). Линейная модель выглядит следующим образом:

Qtd = α1pt + β1 + ut

(«спрос пропорционален цене»);

Qs = α p

t

+ β + ε

t

(«предложение пропорционально цене»).

t

2

2

 

Здесь

pt

— цена товара,

ut и εt — случайные возмущения, имеющие нулевые сред-

ние (t = 1, n).

Предполагается, что на рынке существует равновесие:

Qdt = Qst .

В соответствии с этой моделью цена и величина спросапредложения определяется одновременно, поэтому без дополнительных предположений (например, на структуру случайных возмущений) параметры αi и βi однозначно определить нельзя, т. е. они неидентифицируемы.

Пример 2.

Содержательный смысл модели спроса состоит в утверждении, что потребительские расходы, т. е. спрос, пропорциональны доходу. В свою очередь доход есть сумма потребительских и непотребительских расходов. Математическая формулировка модели такова:

ct = α + βyt + ut; yt = ct + zt,

90

где c — потребительские расходы; y — доход;

z — непотребительские расходы;

u — случайное возмущение (учитывающее неполноту ин-

формации, незамкнутость системы и др.).

Предполагается, что уровень непотребительских доходов задан извне, т. е. переменная z экзогенна и определяется независимо от c и y. Случайные величины ut некоррелированы, имеют нулевые средние и одинаковые дисперсии σ2. Требуется оценить параметры модели α, β, σ2.

В выражении для ct переменная y коррелирует со случайным возмущением. Это приводит к тому, что обычные МНК-оценки параметров оказываются смещенными и несостоятельными.

Рассмотрим общую линейную модель вида

βi1y1t + βi2y2t + . . . + βiGyGt + γi1x1t + . . . + γikxKt = uit, (t = 1, n; i = 1, G).

Здесь yit — значения эндогенных переменных в момент t;

xit — значения экзогенных переменных в момент t и ла-

говых эндогенных переменных.

Переменные xit в момент времени t называются предопределенными. Совокупность равенств данного вида называется системой одновременных уравнений в структурной форме. На коэффициенты в указанных равенствах накладываются априорные ограничения, например, часть коэффициентов считаются равными нулю. Это обеспечивает возможность статистического оценивания оставшихся.

Систему указанных равенств удобно представить в матричном ви-

де:

Byt + Gxt = ut,

где B — матрица, состоящая из коэффициентов при текущих значениях эндогенных переменных;

G — матрица, состоящая из коэффициентов при предопределенных переменных;

yt = (y1t, . . . , yGt); xt = (x1t, . . . , xKt); ut = (u1t, . . . , uGt) —

векторы-столбцы.

91

Если матрица B невырождена, то систему можно разрешить относительно yt:

yt = Pxt + ηt,

где P = −B−1G;

ηt = B−1ut — случайное возмущение.

Такая форма записи называется приведенной формой системы одновременных уравнений. В приведенной форме параметры матрицы P выражают общий (прямой и косвенный) эффект влияния предопределенных переменных на совместно зависимые переменные, тогда как в структурной форме параметры матрицы G отражают только непосредственное влияние предопределенных переменных.

Совместно-зависимыми называются переменные, которые в один и тот же момент времени выступают как объясняющие переменные в одних уравнениях и как зависимые — в других.

Приведенную форму модели используют для прогнозирования. Параметры модели в приведенной форме оценивают непосредственно с помощью МНК.

Уравнения для всех периодов наблюдений могут быть записаны в виде одного матричного уравнения:

BY + GX = U.

Решение вопросов о том, какие переменные должны быть включены в модель, разделение переменных на эндогенные и экзогенные, а также определение состава переменных каждого уравнения системы составляют суть процесса спецификации модели. Кроме этого, спецификация модели включает в себя априорную информацию: ограничения на коэффициенты и гипотезу о случайных возмущениях ut.

Типичным примером априорных ограничений являются исключающие ограничения, выражающие то, что некоторые переменные заведомо не входят в отдельные уравнения и, следовательно, соответствующие им коэффициенты равны нулю. В качестве гипотезы о случайных возмущениях принимается гипотеза о том, что случайные величины ut независимы и имеют один и тот же закон распределения с нулевым средним.

92