4.2. Метод Койка
Этот метод основан на естественном предположении о том, что степень влияния лаговой переменной убывает по мере возрастания лага. Причем, такое убывание происходит согласно закону, описываемому геометрической прогрессией, т.е. коэффициенты при соответственно равны . Таким образом, в общем случае -й коэффициент модели с бесконечным числом лагов можно записать в виде
, , . (4.132)
Используя такое представление коэффициентов, модель с бесконечным числом лагов можно преобразовать в следующее уравнение:
. (4.133)
В результате проведенного преобразования получена модель всего с тремя неизвестными коэффициентами , которые можно определить различными способами. Один из методов предусматривает подбор параметра из интервала . Для этого параметру последовательно присваиваются значения с некоторым фиксированным шагом (например, ) и для каждого так полученного значения рассчитывается
, (4.134)
где – количество лагов, участвующих в расчете.
Величина определяется из условия, что дальнейшее добавление лаговых значений практически не изменяет величину , т.е. изменение , вызванное добавлением -го лага, меньше ранее заданного положительного числа. Замена лаговых переменных одной интегрированной сводит задачу построения модели с лаговыми переменными к оцениванию коэффициентов уравнения
(4.135)
и выбору того значения , при котором коэффициент детерминации уравнения (4.135) будет наибольшим. Полученные таким образом параметры подставляются в уравнение (4.133), которое готово для проведения прогнозных расчетов.
Второй метод построения модели с бесконечным числом лагом основан на преобразовании Койка. Для выполнения этого преобразования запишем уравнение для момента времени
. (4.136)
Умножим полученное уравнение на и вычтем его из (4.133). Получим следующее уравнение:
, (4.137)
которое можно переписать в виде
, (4.138)
где – скользящая средняя.
Полученное уравнение является результатом преобразования Койка. Оно не содержит бесконечного числа лагов с убывающими по закону геометрической прогрессии коэффициентами и представляет собой уравнение с авторегрессионным членом (4.138). Для его построения необходимо оценить всего три коэффициента . Модель (4.138), несмотря на компактность своей записи, позволяет анализировать краткосрочные и долгосрочные эффекты переменных. В краткосрочном периоде значение можно считать фиксированным. Тогда краткосрочный мультипликатор равен .
Долгосрочный мультипликатор вычисляется по формуле суммы бесконечно убывающей геометрической прогрессии. Если далее предположить, что в долгосрочном периоде стремится к некоторому своему равновесному значению , то значение также стремится к своему равновесному значению . Для равновесного состояния уравнение (4.138) без учета случайного отклонения примет вид
(4.139)
и можно определить равновесное значение
. (4.140)
Коэффициент, стоящий при в (4.140), является долгосрочном мультипликатором, так как он в соответствии с известной формулой является суммой бесконечно убывающей геометрической прогрессии, т.е.
. (4.141)
Очевидно, что при сила воздействия долгосрочного мультипликатора превосходит силу воздействия краткосрочного, поскольку .
Применение МНК для оценки параметров лаговой модели, полученной с помощью преобразования Койка, не всегда корректно в силу следующих обстоятельств:
1) Переменная , которая используется как независимая переменная, имеет стохастическую природу, как и , что нарушает одну из предпосылок МНК. Кроме того, она скорее коррелирует со случайной составляющей , чем не коррелирует.
2) Несмотря на то, что для предпосылки МНК выполняются, но для имеет место явная автокорреляция, которую можно тестировать -статистикой Дарбина.
Если не применять специальных методов оценивания, то, возможно, что полученные оценки коэффициентов этой модели окажутся смещенными и несостоятельными.