Срс №5 Регрессионные динамические модели.

Задание:

1) Составить конспект, отразив и раскрыв в нем следующие вопросы:

1. Авторегрессионные модели.

2. Модели с распределенным лагом.

3. Модель адаптивных ожиданий.

2) Модели авторегрессии – это модели, в которых в ка­честве факторных переменных содержатся лаговые зна­чения результативной переменной. Например,

у_t =a + b₀ · x_t+c₁ · y_t-1 + u_t

Применяя метод наименьших квадратов, определить параметры данного уравнения.

3) Произвести теоретическое описание модели с распределенным лагом.

у_t =a + b₀ · x_t+ b₁ · x_t-1 + b_L · x_t-L + u_t

Модели с распределенным лагом – это модели, в кото­рых содержатся не только текущие, но и лаговые значе­ния факторных переменных.

4) Произвести теоретическое описание модели адаптивных ожиданий вида:

у_t =a + b₀ · x^*_t+1 + u_t

Модель адаптивных ожиданий учитывает желаемое (ожидаемое) значение факторного признака х^*_t+1. Напри­мер, ожидаемое в будущем (в период t+1) значение курса доллара х^*_t+1 влияет на инвестиции в текущем периоде у_t.

Форма контроля:

Проверка конспекта (решения задач), устный опрос.

Литература:

1. Эконометрика / Под ред. Н.И. Елисеевой: М., «Экономика». – 2001. 329с.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. – М.: ЮНИТИ-ДАНА, 1998. – 282с.

Срс № 6

Проблемы спецификации, идентификации

и идентифицируемости модели.

1) Составить конспект, отразив и раскрыв в нем следующие вопросы:

1. Проблемы идентифицируемости. Проблема идентификации.

2. Необходимые и достаточные условия идентифицируемости.

3. Одновременное оценивание регрессионных уравнений.

Описать первое и второе условия идентифицируемости уравнения регрессии.

Первое необходимое условие: (N – n) + (M – m) => N – 1

Второе необходимое условие: M - m => n - 1.

Примечание: Необходимое и достаточное условие идентифицируемости.

В модели, содержащей N уравнений относительно N эндогенных переменных, условие идентифицируемости выполняется тогда и только тогда, когда ранг матрицы, составленной из исключенных из данных уравнений пе­ременных, но входящих в другие уравнения системы, равен N-1.

Модель считается точно идентифицируемой, если все ее уравнения точно идентифицируемы.

Модель считается неидентифицируемой, если среди уравнений модели есть хотя бы одно неидентифицируемое.

Модель считается точно сверхидентифицируемой, если среди уравнений модели есть хотя бы одно сверхидентифицируемое.

Пояснения. Косвенный метод наименьших квадратов (КМНК).

Один из таких возможных методов – косвенный ме­тод наименьших квадратов (КМНК), основанный на использовании приведенных уравнений.

КМНК включает в себя следующие этапы:

1. Исходя из структурных уравнений, строятся урав­нения в приведенной форме.

2. Оцениваются по МНК параметры уравнений в приведенной форме.

3. На основе оценок, найденных на этапе 2, оцени­ваются параметры структурных уравнений.

КМНК применяется в случае точно идентифицируе­мой структурной модели.

Двухшаговый метод наименьших квадратов (ДМНК).

Если система сверхидентифицируема, то КМНК не используется, так как он не дает однозначных оценок для параметров структурной модели. В этом случае мо­гут использоваться разные методы оценивания, среди которых наиболее распространенным и простым являет­ся двухшаговый метод наименьших квадратов (ДМНК).

Форма контроля:

Проверка конспекта (решения задач), устный опрос.

Литература:

1. Эконометрика / Под ред. Н.И. Елисеевой: М., «Экономика». – 2001. 329с.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. – М.: ЮНИТИ-ДАНА, 1998. – 282с.