![](/user_photo/2706_HbeT2.jpg)
diplom25 / suslov_ibragimov_ekonometrika
.pdf272 Глава8.Нарушение гипотез основной линейной модели
а) Простая регрессия.Если имеется оценка W ковариационной матрицы Ω и w Ñковариационного вектора ω ,то можно использовать следующий оператор оценивания:
a = (M − W )−1(m − w),
который обеспечивает состоятельность оценок и делает их менее смещенными.
Это формула следует из
E (öz"xö) = E (öz"zö) α + ω − Ωα
заменой теоретических моментов на их оценки.
Обычно предполагается,что W Ñдиагональная матрица,а w = 0.
б) Ортогональная регрессия.Поскольку z теперь такие же случайные переменные,наблюдаемыесошибками,каки x,имеетсмыслвернутьсякобозначениям 6-го раздела,где через x обозначался n-мерный вектор-строка всех переменных. Пусть ε Ñвектор их ошибок наблюдения,а x0 Ñвектор их истинных значений, то есть
x = x0 + ε, X = X 0 + ε.
Предположения(8.5)записываются следующим образом:
E(öx0!, ε) = 0, E(öx0!, xö0) = M 0, E(ε!, ε) = σ2Ω.
Теперь через M 0 обозначается матрица,которую в обозначениях,используемых
вэтом пункте выше,можно зап исать следующим образом:
|
σ20 |
m0 |
, |
m0 |
M 0 |
||
|
x |
|
|
! |
|
||
|
|
|
|
а через σ2Ω матрица
|
σ2 |
ω |
. |
|
ω! |
Ω |
|
|
|
|
|
Поскольку речь идет о линейной регрессии,предполагается,что между истинными значениями переменных существует линейная зависимость:
x0α = 0.
![](/html/2706/728/html_mIxe3mVLK9.yCD9/htmlconvd-zSUvYX273x1.jpg)
![](/html/2706/728/html_mIxe3mVLK9.yCD9/htmlconvd-zSUvYX274x1.jpg)
8.5.Метод инструментальных переменных |
275 |
Если взять от обеих частей математическое ожидание,то получится
E(y!x) = E(y!zα),
где мы учли,что инструменты некоррелированы с ошибкой, E(y!ε) = 0.
Заменяятеоретическиемоментынавыборочные,получимследующиенормальные уравнения,задающие оценки a:
Myx = Myz a,
где Myx = N1 Y !X и Myz = N1 Y !Z .Очевидно,что эти оценки совпадут с(8.9). Фактически,мы применяем здесь метод моментов.
Метод инструментальных переменных можно рассматривать как так называе-
мый двухшаговый метод наименьших квадратов. (О нем речь еще пойдет ниже в пункте10.3.)
1-й шаг.Строим регрессию каждого фактора Zj на Y .Получим в этой регрессии расчетный значения Zjc .По формуле расчетных значений в регрессии
Zjc = Y (Y !Y )−1 Y !Z .Заметим,что если Zj входит в число инструментов,то по этой формуле получим Zjc = Zj ,т.е.эта переменная останется без изменений. Поэтому данную процедуру достаточно применять только к тем факторам,которые не являются инструментами(т.е.могут быть коррелированы с ошибкой).В целом для всей матрицы факторов можем записать Z c = Y (Y !Y )−1 Y !Z .
2-й шаг.В исходной регрессии используются Z c вместо Z .Смысл состоит в том,чтобы использовать факторыÇочищенные от ошибокÈ.
Получаем следующие оценки: a2M = 0Z c!Z c1−1 Z c!x =
=(Z !Y 0Y !Y 1−1 Y !Y 0Y !Y 1−1 Y !Z )−1 Z !Y 0Y !Y 1−1 Y !x =
=(Z !Y 0Y !Y 1−1 Y !Z )−1 Z !Y 0Y !Y 1−1 Y !x = aI V .
Видим,что оценки совпадают.
Если записать оценки в виде aI V = (Z c!Z )−1 Z c!x,то видно,что обобщенный метод инструментальных переменных можно рассматривать как простой метод инструментальных переменных с матрицей инструментов Z c .
Такая запись позволяет обосновать обобщенный метод инструментальных переменных.Если исходных инструментов Y больше,чем факторов Z ,и мы хотим построить на их основе меньшее количество инструментов,то имеет смысл сопоставить каждому фактору Zj вкачестве инструмента такуюлинейнуюкомбинацию исходных инструментов,которая была бы наиболее сильно коррелирована с Zj . Этому требованию как раз и удовлетворяют расчетные значения Zjc .
![](/html/2706/728/html_mIxe3mVLK9.yCD9/htmlconvd-zSUvYX275x1.jpg)
8.5.Метод инструментальных переменных |
277 |
Т.е.если rank Y < n + 1,то уравнение неидентифицируемо,т.е.невозможно вычислить оценки(8.8).Таким образом,количество инструментов(включая константу)должно быть не меньше n + 1 (количество регрессоров,включая константу).Если rank Y > n + 1,то говорят,что уравнение сверхидентицировано. Если количество инструментов равно n + 1,то это точная идентификация.
Если возможен случай сверхидентификации,то это обобщенный метод инструментальных переменных.При точной идентификации( rank Y = n + 1)получаем собственно классический метод инструментальных переменных.
Таким образом,необходимое условие идентификации имеет следующий вид:
rank Y " rank Z (= n + 1).
Это так называемое порядковое условие идентификации,условие на размерность матриц.
Словесная формулировка порядкового условия:
Количество инструментов Y должно быть не меньше количества регрессоров Z (учитывая константу).
Заметим,чтоможносначалаÇвычеркнутьÈобщиепеременныев Z и Y исмотреть только на количество оставшихся.Количество оставшихся инструментов должно быть не меньше количества оставшихся регрессоров.
Почему это только необходимое условие?Пусть,например,некоторый фактор Zj ортогонален Y .Тогда Zjc = 0,и невозможно получить оценки aI V ,т.е.данное условие не является достаточным.
Необходимое и достаточное условие идентификации формулируется следующим образом:
Матрица Z c имеет полный ранг по столбцам: rank Z c = n + 1.
Это так называемое ранговое условие идентификации.
Встречаются случаи,когда ранговое условие идентификации соблюдается, но матрица Z c близка к вырожденности,т.е.в Z c наблюдается мультиколлинеарность.Например,если инструмент Zj является слабым( Zj и Y почти ортогональны),то Z c близка к вырожденности.Один из способов проверки того, является ли инструмент слабым,состоит в анализе коэффициентов детерминации и F -статистик в регрессиях на первом шаге.
![](/html/2706/728/html_mIxe3mVLK9.yCD9/htmlconvd-zSUvYX278x1.jpg)
8.6.Упражнения и задачи |
|
|
|
|
|
|
|
|
|
|
279 |
|||
и истинную матрицу ковариации для ОМНК-оценки |
|
|
|
|
|
|||||||||
(aомнк = Z !Ω−1Z −1 Z !Ω−1X ): |
7 |
|
|
0 |
|
|
|
1 |
||||||
|
6 |
− |
|
|
− |
|
|
|
|
|
|
|||
E |
0(aомнк |
|
α) (a |
омнк |
|
α)! |
= σ2 (Z |
D |
DZ ) = σ2 |
|
Z |
Ω |
− |
1Z −1 . |
|
1 |
|
|
! |
! |
|
|
! |
|
|
Результат поясните.
1.3.Используйте 10 из 100 выборок,чтобы посчитать по каждой выборке значения следующих оценок:
ÐМНК-оценки
a = (Z !Z )−1 Z !X ; |
|
|
|
|
|
|
|
|
||||
ÐОМНК-оценки |
|
|
|
|
|
|
|
|
||||
aомнк = |
0Z !Ω−1Z 1−1 Z !Ω−1X ; |
|
|
|
|
|
|
|
|
|||
ÐМНК-оценки остаточной дисперсии |
|
|
|
|
|
|
||||||
sö2 = |
(x − Z a) (x − Z a)! |
; |
|
|
|
|
|
|
|
|
||
e |
N − n − 1 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||
ÐОМНК-оценки остаточной дисперсии |
|
|
|
|
|
|
||||||
sö2 |
= (x − Z aомнк) Ω−1 (x − Z aомнк)! . |
|
|
|
|
|||||||
ej омнк |
|
N − n − 1 |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||
Объясните результаты. |
|
|
|
|
|
|
|
|
||||
1.4.Вычислите среднее и дисперсию для |
10 выборок для каждого из параметров, |
|||||||||||
полученных в упражнении1.3и сравните эти средние значения с истинными |
||||||||||||
параметрами. |
|
|
|
|
|
|
|
|
||||
1.5.На основе упражнения1.3рассчитайте |
Sa21 омнк,который является первым |
|||||||||||
диагональным элементом матрицы sö2 |
|
Z !Ω−1Z |
−1 и S2 |
,который явля- |
||||||||
|
|
|
|
|
e омнк |
|
|
2 |
a1 |
.Сравните раз- |
||
|
|
|
|
|
|
матрицы |
−1 |
|||||
ется первым диагональным элементом |
0 |
|
|
söe1 |
(Z !Z ) |
|
|
|||||
личные оценки Sa21 и Sa21 омнк друг с другом и с соответствующими значени- |
||||||||||||
ями из упражнения1.2. |
|
|
|
|
|
|
|
|
||||
1.6.На основе результатов упражнений1.3и1.5рассчитайте значения |
t-статис- |
|||||||||||
тики,которые могут быть использованы для проверки гипотез: |
H0 : α1 = 0. |
|||||||||||
1.7.Повторите упражнение1.3для всех |
100 выборок,постройт е распределения |
частот для оценок и прокомментируйте результаты.
![](/html/2706/728/html_mIxe3mVLK9.yCD9/htmlconvd-zSUvYX279x1.jpg)
280 Глава8.Нарушение гипотез основной линейной модели
Упражнение2
|
|
|
Предположим,есть данные,состоящие из |
100 выборок X , |
||||||||||||||||
Таблица8.2 |
по 20 значений в каждой,сгенерированных при помощи моде- |
|||||||||||||||||||
ли X = Z α + ε = α1z1 + α2z2 + 1N β + ε,где εi Ñнормально |
||||||||||||||||||||
|
|
|
||||||||||||||||||
|
|
|
и независимо распределенная случайная величина с E (εi ) = 0, |
|||||||||||||||||
|
|
|
||||||||||||||||||
z1 |
z2 |
1N |
0 |
1 |
= σ2 |
|
= e(γ1zi2+γ2).Наблюдения за |
|
|
|
|
α = |
||||||||
|
|
|
E ε2 |
|
и σ2 |
X были полу- |
||||||||||||||
|
|
|
i |
|
|
i |
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
13,9 |
364 |
1 |
чены с использованием следующих значений параметров: |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
= (α |
|
α |
2 |
β)! = ( 1.410, 0.080, 56.962)! и γ = (γ |
|
γ )! |
= |
||||||||||
15,6 |
390 |
1 |
|
|
||||||||||||||||
1 |
|
|
− |
|
|
|
|
|
|
1 |
|
2 |
|
|||||||
|
|
|
= (0.25, −2)! ,а матрица значений факторов,упорядоченных |
|
||||||||||||||||
|
|
|
|
|||||||||||||||||
18,8 |
411 |
1 |
в соответствии с величиной z2,имеет следующий вид(табл. |
|
||||||||||||||||
27,4 |
459 |
1 |
8.2). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
24,5 |
506 |
1 |
2.1.Найдите матрицу ковариации для |
|
|
|
|
|
|
|
|
|||||||||
23,7 |
515 |
1 |
|
|
ÐОМНК-оценки |
aомнк = Z !Ω−1Z |
−1 |
Z !Ω |
|
1X ; |
|
|
||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||
26,9 |
517 |
1 |
|
|
ÐМНК-оценки |
a = (Z !Z )0−1 Z !X . |
1 |
|
− |
|
|
|
|
|||||||
22,2 |
538 |
1 |
|
|
|
|
|
|
|
|
||||||||||
|
Что вы можете сказать об относительной эффективности |
|||||||||||||||||||
|
|
|
|
|||||||||||||||||
|
|
|
|
|||||||||||||||||
26,8 |
541 |
1 |
|
этих оценок? |
|
|
|
|
|
|
|
|
|
|
|
|||||
27,7 |
551 |
1 |
2.2.Используйте |
10 |
из 100 |
выборок,чтобы посчитать по |
||||||||||||||
19,3 |
576 |
1 |
|
каждой выборке значения следующих оценок: |
|
|
|
|
|
|||||||||||
|
|
|
|
|
ÐМНК-оценки |
a = (Z !Z )−1 Z !X ; |
|
|
|
|
|
|
|
|||||||
29,1 |
604 |
1 |
|
|
|
|
|
|
|
|
|
|||||||||
25,3 |
610 |
1 |
|
|
|
|
|
|
|
N |
−1 |
N |
|
|
|
|
|
|
|
|
|
|
Ðоценки |
γ |
= |
,i=1 yiyi!. |
i=1 yi ln(ei2),где |
yi |
= |
||||||||||||
25,3 |
616 |
1 |
|
|
||||||||||||||||
|
|
|
|
|
|
|
% |
|
% |
|
|
|
|
|
|
|
||||
31,1 |
636 |
1 |
|
|
|
= (zi2, 1) иei = xi − zi!a; |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
ÐОМНК-оценки |
a,используя найденую оценку γ . |
|
|||||||||||||
31,2 |
645 |
1 |
|
|
|
|||||||||||||||
|
Сравните все эти оценки друг с другом и с соответствую- |
|||||||||||||||||||
|
|
|
|
|||||||||||||||||
33,3 |
651 |
1 |
|
|||||||||||||||||
|
щими истинными значениями. |
|
|
|
|
|
|
|
|
|||||||||||
29,5 |
653 |
1 |
2.3.На основе упражнения2.2рассчитайте |
|
Sa21 омнк,кото- |
|||||||||||||||
|
|
|
|
|||||||||||||||||
30,3 |
682 |
1 |
|
рый является первым диагональным элементом матри- |
||||||||||||||||
|
|
|
|
цы |
söe2 омнк(Z !Ω−1Z )−1, Sa21 ,который является первым |
|||||||||||||||
24,7 |
697 |
1 |
|
|||||||||||||||||
|
диагональным элементом матрицы sö2 (Z !Z )−1,а также |
|||||||||||||||||||
|
|
|
|
e
Sa21 Уайта,который является первым диагональным элементом скорректированной оценки ковариационной матрицы(оценка Уайта или устойчивая к гетероскедастичности оценка).Сравните различные оцен-
ки Sa21 , Sa21 омнк и Sa21 Уайта друг с другом и с соответствующими значениями из упражнения2.1.