27. Косвенный метод наименьших квадратов.

КМНК прим-ся для идентифицируемой системы одновременных. Процедура прим-ия КМНК предполагает выполнение след-х этапов работы: 1. Структур-я модель преобраз-ся в приведенную форму модели. 2. Для каждого ур-я приведенной формат модели обычным МНК оцениваются приведенные коэфф-ты (fy). 3. Коэфф-ты приведенной формы модели трансформир-ся в параметры структур-й модели.

28. Двухшаговый МНК.

28. Временной ряд. Основные элементы временного ряда. Моделирование тенденции временного ряда. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда.

Временной ряд —совокуп-ть значений какого-либо показат-я за неск-ко послед-ных моментов или периодов времени. Каждый уровень временного ряда формир-ся под воздействием большого числа факторов, кот. можно подразделить на 3 гр.: • факторы, формир-щие тенденцию ряда; • факторы, форм-щие циклич-ие колебания ряда; • случайные факторы.

28. Анализ временных рядов при наличии периодических колебаний:аддитивная и мультипликативная модели.

28. Моделирование тенденции временного ряда при наличии структурных изменений.

28. Автокорреляция в остатках, ее измерение и интерпретация. Критерий Дарбина- Уотсона в оценка качества трендового уравнения регрессии.

Ограничения на прим-ие критерия Дарбина — Уотсона. 1) он неприменим к моделям авторегрессии. 2) Данная методика направлена только на выявл-е автокорреляции остатков 1го порядка.3) Критерий Дарбина — Уотсона дает достоверные результаты только для больших выборок.

28. Особенности изуч-я взаимосвяз-х временных рядов. Автокор-я рядов динамики и ее устранение. Метод послед-ных разниц.

Изучение причинно-следственных зависей переменных, представл-х в форме временных рядов- одна из самых сложных задач эконометрического моделирования. Применение в этих целях традиц-х методов корреляционно-регрессионного анализа может привести к ряду серьезных проблем. В 1ю очередь эти проблемы связаны со спецификой временных рядов как источника данных в эконометр-ом моделир-и. Предварительный этап такого анализа заключ-ся в выявл-и структуры изучаемых временных рядов. Если на этом этапе было выявлено, что временные ряды содержат сезонные или цикл-е колебания, то перед проведением дальнейшего иссл-ия взаимосвязи необходимо устранить сезонную или циклич-ю компоненту из уровней каждого ряда, поскольку ее наличие приведет к завышению истинных показателей силы и тесноты связи изучаемых временных рядов в случае, если оба ряда содержат циклические колебания одинак-й периодичности.

28. Интерпретация параметров уравнения регрессии, построенного по первым и вторым разностям. Метод отклонения уровней ряда от от основной тенденции. Метод включения фактора времени.

Зависмость между присростами х и у:, то При изменении Δхна 1 Δу т. е. в ту же сторону при положительном значении параметра и в обратную при отрицательном.

28. Модель с распределенным лагом и интерпретация ее параметров.

Величину L, характ-ю запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, — лаговыми переменными. Эконометрич-е моделир-е осуществляется с прим-м моделей, сод-щих не только текущие, но и лаговые знач-я факторных переменных. Эти модели называются моделями с распределенным лагом. Процессы, описываемые с помощью моделей регрессии, содержащих в качестве факторов лаговые значения зависимой переменной называются моделями авторегрессии. Коэффициент регрессии b₀при переменной x_tхарактеризует среднее абсолютное изменение у_t при изменении х_t на 1 ед. свое­го измерения в некоторый фиксированный момент времени t , без учета воздействия лаговых значений фактора x называют краткосрочным мультипликатором.

Долгосрочный мультипликатор по­казывает абсолютное изменение в долгосрочном периоде t+ lре­зультата у под влиянием изменения на 1 ед. фактора х.

Сред­ний лаг представляет собой сред.период, в теч-е кот-го будет происходить изменение результата под воздействием изменения фактора в момент времени t.

Медианный лаг — это тот период времени, в течение которого с момента време­ни t будет реализована половина общего воздействия фактора на результат.

28. Модель авторегресии и интерпретация ее параметров.

28. Структура лага и выбор вида модели с распределительным лагом.

28. Лаги Алмон.

Лаги, структуру которых можно описать с помощью полиномов, называют лагами Алмон.

28. Метод Койка.

Койк предположил, что сущ-ет некоторый постоянный темп λ (О <λ< 1) уменьшения во времени лаговых воздействий фактора на результат. Модель Койка:

Средний лаг 1-λ-интерпретируют обычно как скорость, с которой происходит адаптация результата во времени к изменению факторного.

28. Метода адаптивных ожиданий и неполной корректировки.