- •Понятие, предмет, задачи эконометрики.
- •Основные этапы развития эконометрики.
- •Особенности эконометрического метода.
- •Спецификация моделей парной регрессии.
- •Нелинейная регрессия.
- •Спецификация моделей множественной регрессии.
- •Методика построения двухфакторной линейной модели.
- •Проверка значимости результатов множественной регрессии.
- •Парные, частные коэффициенты корреляции, совокупные коэффициенты множественной корреляции и детерминации. Понятие и связь между ними.
- •Предпосылки метода наименьших квадратов.
- •Понятие и основные элементы временного ряда.
- •Моделирование тенденций временного ряда.
- •Моделирование сезонных и циклических колебаний.
- •Виды трендовой компоненты и проверка гипотезы о существовании тенденции.
- •Моделирование тенденции временного ряда при наличии структурных изменений.
- •Автокорреляция в остатках. Критерий Дарбина-Уотсона.
- •Понятие и виды систем эконометрических уравнений.
- •Структурная и приведенная формы модели.
- •Идентификация эконометрических уравнений.
- •Применение систем эконометрических уравнений.
Структурная и приведенная формы модели.
Просмотров: 145
Система совместных, одновременных уравнений 9или структурная форма модели) обычно содержит эндогенные и экзогенные переменные.
Эндогенные переменные y – это зависимые переменные, число которых равно числу уравнений в системе.
Экзогенные переменные x – предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них.
Простейшая структурная форма имеет вид:
где y – эндогенные переменные, x – экзогенные переменные.
Классификация переменные на эндогенные и экзогенные зависит от теоретической концепции принятой модели.
Структурная форма модели позволяет увидеть влияние изменений любой экзогенной переменной на значения эндогенной переменной. Целесообразно в качестве экзогенных переменные выбирать такие, которые могут быть объектом регулирования. Меняя их и управляя ими, можно заранее иметь целевые значения эндогенных переменных.
Структурная форма модели в правой части модель содержит коэффициенты, которые называются структурными коэффициентами модели.
Все переменные модели выражены в отклонениях от среднего уровня, т.е. под х подразумевается – , а под y – соответственно . Поэтому свободный член в каждом уравнении системы отсутствует.
Использование МНК для оценивания структурных коэффициентов модели дает смещенные и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов модели структурная форма модели преобразуется в приведенную форму модели.
Приведенная форма – система линейных функций эндогенных переменных от экзогенных.
|
|
|
где коэффициенты приведенной формы модели – нелинейные функции коэффициентов структурной формы модели.
По своему виду приведенная форма модели ничем не отличается от системы независимых уравнений, параметры которой оцениваются традиционным МНК. Применяя МНК, можно оценить , а затем оценить значения эндогенных переменных через экзогенные.
Идентификация эконометрических уравнений.
Просмотров: 336
При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация – единственность соответствия между структурной и приведенной формами модели.
Параметры структурной формы модели по оценкам приведенных коэффициентов можно определить не всегда. Для этого необходимо, чтобы модель была идентифицируемой.
С позиции идентифицируемости структурные модели можно подразделить на три вида:
Выделяют:
1) Точно идентифицируемая модель – все ее уравнения точно идентифицированы. То есть все структурные коэффициенты определяются однозначно (единственным способом) по коэффициентам приведенной формы модели. И число параметров структурной модели равно числу параметров приведенной формы.
2) Неидентифицируемая модель – число приведенных коэффициентов меньше числа структурных коэффициентов. Оценки всех структурных параметров невозможно найти по коэффициентам приведенной модели.
3) Сверхидентифицируемая модель – число приведенных коэффициентов больше числа структурных коэффициентов (на основе приведенной формы можно получить 2 и более значений одного структурного коэффициента). Практически решаема, но требует применения специальных методов.
На идентификацию проверяются все уравнения модели. Модель считается идентифицируемой, если все уравнения идентифицируемы; сверх – если хоть одно сверхидентифицируемо, а остальные точно идентифицируемы. Если среди всех уравнений модели есть хотя бы одно неидентифицированное, то вся модель считается неидентифицированной.
Правила идентификации
Введем следующие обозначения:
М- число экзогенных (предопределенных) переменных в модели;
т- число экзогенных (предопределенных) переменных в данном уравнении;
К - число эндогенных переменных в модели;
k - число эндогенных переменных в данном уравнении.
А) Необходимое (но недостаточное) условие идентификации.
Для того чтобы уравнение модели было идентифицируемо, необходимо, чтобы число предопределенных переменных, отсутствующих в данном уравнении, было не меньше «числа эндогенных переменных, входящих в уравнение минус 1», т.е.: ;
Если, уравнение точно идентифицировано.
Если , уравнение сверхидентифицировано.
Либо D+1=H (H – число эндогенных переменных в уравнении; D – число отсутствующих экзогенных переменных).
Эти правила следует применять к структурной форме модели.
Достаточное условие идентификации. Введем обозначения: А - матрица коэффициентов при переменных не входящих в данное уравнение.
Достаточное условие идентификации заключается в том, что
- определитель матрицы А должен быть не равен нулю,
- ранг матрицы А должен быть не меньше, чем число эндогенных переменных в системе без одного .
Ранг матрицы - размер наибольшей ее квадратной подматрицы, определитель которой не равен нулю. Пример:
a b
c d тогда ранг R=2.
Сформулируем необходимое и достаточное условия идентификации:
1) Если и ранг матрицы А равен , то уравнение сверхидентифицировано.
2) Если и ранг матрицы А , то уравнение точно идентифицировано.
3) Если и ранг матрицы А < то уравнение неидентифицированно.
4) Если , то уравнение неидентифицированно. В этом случае ранг матрицы А будет меньше .
Оценка точно идентифицированного уравнения осуществляется с помощью косвенного метода наименьших квадратов (КМНК).
Алгоритм КМНК включает 3 шага:
1) составление приведенной формы модели и выражение каждого коэффициента приведенной формы через структурные параметры;
2) применение обычного МНК к каждому уравнению приведенной формы и получение численных оценок приведенных параметров;
3) определение оценок параметров структурной формы по оценкам приведенных коэффициентов, используя соотношения, найденные на шаге 1.
Оценка сверхидентифицированного уравнения осуществляется при помощи двухшагового метода наименьших квадратов.
Алгоритм двухшагового МНК включает следующие шаги:
1) составление приведенной формы модели;
2) применение обычного МНК к каждому уравнению приведенной формы и получение численных оценок приведенных параметров;
3) определение расчетных значений эндогенных переменных, которые фигурируют в качестве факторов в структурной форме модели;
4) определение структурных параметров каждого уравнения в отдельности обычным МНК, используя в качестве факторов входящие в это уравнение предопределенные переменные и расчетные значения эндогенных переменных, полученные на шаге 1 .