
- •«Российская таможенная академия»
- •План чтения лекции №1
- •«Российская таможенная академия»
- •Понятие «эконометрика»
- •Формулировки определений понятия «эконометрика»
- •Задачи эконометрики
- •Эконометрическая модель
- •Задачи эконометрическoго моделирования
- •Классы эконометрических моделей
- •Типы данных и виды переменных в эконометрическом моделировании Типы данных
- •Виды переменных
- •Этапы эконометрического моделирования
- •Модели парной регрессии
- •Множественная регрессия. Мультиколлинеарность данных
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8 Прогнозирование по модели множественной регрессии
- •3.9 Гетероскедастичность случайных остатков
- •3.10. Обобщенный метод наименьших квадратов
- •3.11. Фиктивные переменные
- •3.12. Тест Чоу
- •Системы одновременных уравнений
- •4.1. Структурная и приведённая форма модели
- •4.2. Оценивание параметров структурной модели
- •Методы оценивания структурных уравнений различных видов
- •1. Точная идентифицируемость
- •2.Сверхидентифицируемость
- •3.Неидентифицируемость
- •Порядковое условие идентификации
- •Ненулевое ограничение
- •3. Анализ методов оценивания
- •Моделирование изолированного динамического ряда
- •Компоненты динамического ряда
- •Выявление и характеристика основной тенденции развития
- •Экспоненциальное сглаживание.
- •Моделирование основной тенденции
- •Статистическое изучение сезонных колебаний
- •Автокорреляция уровней динамического ряда и характеристика его структуры
- •3; 1; 2; 1; 2; 1; 3; 3; 2; 3; 1; 2; 1; 1; 3; 3; 2; 2; 1; 3; 3; 2; 2; 3; 1; 2; 2; 1; 3; 1.
- •Специфика изучения взаимосвязей по рядам динамики
- •Методы исключения тенденции
- •Метод последовательных разностей
- •Метод отклонений от тренда
- •Включение в модель регрессии фактора времени
- •Обобщенный метод наименьших квадратов при построении модели регрессии по временным рядам
- •Модели с лаговыми переменными
- •Модели с распределенными лагами
- •Метод Койка
- •Модели авторегрессии
- •Интерпретация параметров модели авторегрессии
- •Инструментальные переменные как метод оценивания параметров модели авторегрессии
- •Оценка автокорреляции остатков по модели авторегрессии
- •Авторегрессионные процессы и их моделирование (общая характеристика) Авторегрессионные процессы
- •Модели скользящей средней
- •Модели arma
- •Модели arima
- •Методология построения модели arima для исследуемого временного ряда включает следующую последовательность шагов.
- •Кластерный анализ
Порядковое условие идентификации
В общем случае отдельное структурное уравнение системы является идентифицируемым, если имеется достаточное количество экзогенных переменных, не включенных в само уравнение, которые можно использовать как инструментальные для всех эндогенных объясняющих переменных уравнения.
В полностью определенной модели будет столько уравнений сколько имеется эндогенных переменных.
Пусть D— число не включенных в уравнение, но присутствующих в системе экзогенных переменных, аG— число включённых в уравнение эндогенных переменных.
Необходимое условие идентификации. Уравнение в структурной модели может быть идентифицировано, если число не включённых в него экзогенных переменных не меньше числа включённых в его объясняющих эндогенных переменных, т.е.
D≥G -1(порядковое условие).
Данное условие является необходимым, но недостаточным для идентификации.
В частности:
• если D= G - 1, то уравнение точно идентифицируемо;
• если D>G- 1, то уравнение сверхидентифицируемо;
• если D < G - 1, то уравнение неидентифицируемо.
Достаточное условие идентификации. Уравнение идентифицируемо , если ранг матрицы, составленной из коэффициентов при переменных (эндогенных и экзогенных), отсутствующих в исследуемом уравнении, не меньшеN- 1, гдеN— число переменных системы.
Пример 3.Проверим на идентификацию каждое уравнение модели
где
— расходы на потребление текущего
года;
—
валовые инвестиции в текущем году;
— расходы на заработную плату в текущем
году;
—
валовой доход за текущий год;
— валовой доход предыдущего года;
— государственные расходы текущего
года;
— случайные ошибки.
В данной модели четыре эндогенные
переменные (),
т.е. N= 4, и две экзогенные (
).
Для первого уравнения: (G=
3 (присутствуют),D= 2 (
отсутствуют) иD = G- 1, поэтому
уравнение точно идентифицируемо
(необходимое условие).
Для проверки на достаточное условие идентификации выпишем матрицу Акоэффициентов при переменных, не входящих в первое уравнение:
Определитель матрицы
,
следовательно, ранг матрицы равен 3 >N-
1, т.е. достаточное условие идентификации
выполняется, и первое уравнение точно
идентифицируемо.
Второе уравнение системы также точно идентифицируемо: G= 2,D=1 иD = G- 1.
Выпишем матрицу А коэффициентов при переменных, не входящих во второе уравнение:
Выполняется также достаточное условие
идентификации:
,
ранг матрицы равен 3
N-
1.
Аналогично третье уравнение системы точно идентифицируемо: G= 2,D= 1,D = G- 1.
Выпишем матрицу А коэффициентов при переменных, не входящих во третье уравнение:
Здесь также выполняется достаточное
условие идентификации detA= 1, ранг матрицы равен 3N- 1
Четвертое уравнение представляет собой тождество, параметры которого известны, поэтому необходимости в его идентификации нет.
Таким образом, все уравнения модели точно идентифицированы.
Пример 4.Выполним идентификацию следующей модели:
где С— расходы на потребление;Y— совокупный доход;I— инвестиции;r— процентная ставка;М— денежная масса;G— государственные расходы;t— текущий период;t-1— предыдущий период.
В данной модели четыре эндогенные
переменные (),
т.е.N= 4, и четыре
экзогенные (
).
Для первого уравнения: G= 2 (и
присутствуют), D = 3 (
отсутствуют)
иD>G- 1, поэтому уравнение
сверхидентифицируемо (необходимое
условие).
Для проверки на достаточное условие идентификации выпишем матрицу коэффициентов при переменных, не входящих в первое уравнение:
Минор третьего порядка данной матрицы
следовательно, ранг матрицы равен 3 >N- 1, т.е. достаточное условие идентификации выполняется.
Для второго уравнения: G= 2
(присутствуют),D = 3 (
отсутствуют) иD>G- 1, поэтому
уравнение сверхидентифицируемо.
Выпишем матрицу коэффициентов при переменных, не входящих во второе уравнение:
Минор третьего порядка данной матрицы
следовательно, ранг матрицы равен
3N-l,
т.е. достаточное условие идентификации
выполняется.
Для третьего уравнения: G=2(присутствуют),D= 3 (
отсутствуют) иD>G- 1, поэтому
уравнение сверхидентифицируемо.
Выпишем матрицу коэффициентов при переменных, не входящих в третье уравнение:
Минор третьего порядка данной матрицы
следовательно, ранг матрицы равен 3
N-
1, т.е. достаточное условие идентификации
выполняется.
Четвертое уравнение представляет собой тождество, параметры которого известны, поэтому необходимости в его идентификации нет.
Таким образом, все уравнения модели сверхидентифицированы.