
- •Содержание
- •Роль и место макроэкономического анализа в регулировании национальной экономики
- •Предмет и задачи курса (базовые понятия)
- •Специфические принципы анализа
- •Сущность прогнозирования и планирования
- •Теоретические основы макроэкономического анализа
- •Методологические аспекты макроэкономического анализа и прогнозирования
- •Методы экспертных оценок
- •Методы функционирования иерархического анализа
- •Ассоциативные методы анализа
- •Итерация 1
- •Итерация 2
- •Предсценарный этап
- •Прогнозирование на основе анализа
- •Модели: Структура ряда динамики
- •Модель разложения
- •Методы анализа панельных данных
- •Гравитационные модели
- •Матрично-балансовые модели
- •Топливный баланс
- •Статистическая модель межотраслевого баланса
- •Современные модели экономического развития и роста
- •Модель эндогенного роста
- •Комплексные модели анализа прогнозирования и регулирования экономики предназначены для анализа и прогнозирования.
- •1Ый вариант: 6 уравнений, 3 тождества
- •2Ой вариант: 15 уравнений, 5 тождеств
- •Модель sam
- •Анализ цикличности и структурных сдвигов экономики
-
Методы анализа панельных данных
-
Структура панельных данных. Характеристики эффектов
Преимущества использования панельных данных:
-
Увеличение объема выборки.
-
Позволяет анализировать множество экономических вопросов, которые невозможно рассматривать только по временной или только по пространственной выборке.
-
Панельные данные позволяют предотвратить смещение агрегированности (индивидуальные характеристики не учитывают динамики).
-
Можно проследить эволюцию индивидуального объекта во времени.
-
Позволяет бороться с нарушением предпосылок МНК (в частности, когда случайные отклонения коррелируют с иксами).
-
Дают возможность избежать ошибок спецификации из-за не включения в модель важных параметров. В противном случае может возникнуть гетероскедастичность.
Общий вид панельной регрессии:
*
Гетерогенный – свойства объектов изменяются в пространстве и времени
Гомогенный
-
Рассмотрим
ситуация, когда бета постоянный угловой
коэффициент:
Эти эффекты разделяются на случайные (абсолютно не важно какие данные вибырать) и фиксированные (когда выбираем определенную страну и показатели): мю и лямбда.
Фиксированные эффекты:
Случайные эффекты:
В лабораторной брать 10 лет, потому что если брать больше то может возникнуть нестационарность.
Тесты:
-
Проверка на возможность объединение временных рядов в панель – Poolability test, F-ability.
Гипотеза о постоянстве углового коэффициента:
H0:
H1:
n – объем пространственного ряда
K – количество объясняющих переменных
е – дисперсия
Т – объем временного промежутка
-
Наличие фиксированных эффектов проверяется F-тестом.
H0:
Если наблюдаемое больше критического, то (или р значение мало) вероятность принятия нулевой гипотезы мала и равна этому числу.
-
Тестирование случайных эффектов – на основе множителей Лагранжа, та же проверка гетероскедастичности, т.е. тест Бреуша-Паккона
H0:
H1:
Имеет хи-распределение
-
Тест Хаусмана – говорит какие эффекты( случайные или фиксированные), потому что если брать только один тест, то можно не достигнуть точности. Т.е. могут быть одновременно и фиксированы и случайные эффекты. Бывают погнаничные также ситуации.
H0:
H1:
-
Классификация моделей анализа панельных данных
Классификация моделей анализа панельных данных:
-
Коэффициент наклона (гомогенный). Свободный член гетерогенный:
-
Однонаправленная модель:
-
Обобщенный МНК (feasible FGLS)
-
LSDV
-
between
-
within
-
Двунаправленная модель с индивидуальными временными остатками, может быть эффект гетероскедастичности иавтокорреляции:
-
-
Коэффициент наклона (гомогенный) – свободный член гомогенен
-
Коэффициент наклона гетерогенный
-
(только по i)
-
Деляться
на
Т.е. модель с мульпликативными данными;
Модель Суами LSMDV
-
(по i и t)
-
Способы оценки параметров панельной регрессии
-
Метод оценки моделей с фиксированными эффектами. Метод МНК с фиктивными переменными
-
Фиктивных переменных меньше чем самих переменных на 1.
i –фиктивная переменная
-
Within преобразование
Рассматриваем вместо Х и У отклонения от средних значений для каждого пространственного объекта:
Аналогично Х.
-
Between
Вместо Х и У рассматриваются средние:
-
FGLS – Обобщенный единый МНК – Метод для моделей со случайными эффектами
-
Сравнительный анализ методов
Признак |
LSDV |
Within |
Between |
FGLS |
Функциональная форма |
|
|
|
|
Dummy (фиктивные переменные) |
Есть:
|
Нет(можно
рассчитать):
|
Нет |
Нет |
Const |
Есть |
Нет |
Есть |
Нет |
R2 |
Верный |
Неверный |
Верный |
Верный |
Степени свободы |
nT-n-k |
nT-k (больше всего степеней свободы) |
n-k |
nT-k (больше всего степеней свободы) |
Количество наблюдений |
nT |
nT |
n |
nT |
BLUE |
Состоятельные, эффективные, несмещенные |
Состоятельные, эффективные и несмещенные |
Несостоятельные, неэффективные и несмещенные |
Состоятельные, эффективные и несмещенные |
-
Динамические модели на основе панельных данных
GMM – обобщенный метод оценки применяется для оценки альфа, бета, гамма. В методе моментов необходимо выбирать инструменты. Оценки Аррелана и Бонда применялись на микроуровне. На макроуровне – Кивиетом. В Eviews можно подбирать эти инструменты.
Группы инструментов:
-
-
-
,
Главное чтобы коррелировались инструменты с У, и не коррелировались со случайными отклонениями.
Тест Саржан – на идентифицированность моментных тождеств.