Недостаток метода состоит в том, что в оценках содержатся не остатки -го структурно уравнения, а остатки уравнения, полученного на втором этапе,
3. Пример применения 2мнк
Пример. Введем переменные:
- денежное обращение; -денежные доходы населения;
- оборачиваемость денег; - размер вклада в сберегательную кассу.
Данные наблюдений представлены в таблице:
-
10
14
1
3
13
15
4
4
14
13
3
2
16
11
5
5
20
12
6
2
23
10
6
2
25
8
8
1
24
6
8
4
27
5
9
2
28
6
10
3
Вычислим средние
Перейдем к отклонениям, которые находятся по формулам
-
-10
4
-5
1
-7
4
-5
1
-6
3
-3
0
-4
1
-1
3
0
2
0
0
3
0
0
0
5
-2
2
-1
4
-4
2
2
7
-5
3
0
8
-4
4
1
Переменные и необходимо объяснить с помощью модели. Можно записать линейную эконометрическую модель:
(17)
Все переменные представлены в виде отклонений от соответствующих средних. Благодаря этому в обоих уравнениях системы исчезают постоянные регрессии и и система может быть записана в виде
(18)
Приведем корреляционную матрицу, полученную с помощью пакета электронных таблиц EXСEL 7.0:
|
|
|
|
|
|
1 |
-0,92464 |
0,96801 |
-0,35532 |
|
-0,92464 |
1 |
-0,9082 |
0,176238 |
|
0,969801 |
-0,9082 |
1 |
-0,19174 |
|
-0,35532 |
0,176238 |
-0,19174 |
1 |
Очевидно наличие мультиколлинеарности между переменными и .
Если провести идентификацию первого уравнения методом наименьших квадратов, не учитывая связи между переменными, то получим не состоятельные оценки для параметров уравнения.
Конкретизируем вначале уравнение (5). В первом уравнении переменная является зависимой, а переменная объясняет ее, поэтому ее можно отнести к числу независимых, которые коррелируют с остальными независимыми переменными. Следовательно, равна вектору , вектору наблюдений над переменной . В первое уравнение включена также другая переменная . Матрица состоит только из вектора наблюдений над переменной . Поэтому полагаем, что . Благодаря этому вектор содержит только параметр . В первом уравнении сдержатся две независимые и некоррелированные между собой переменные и , так что в матрице имеются векторы наблюдений над переменной и над переменной
В соответствии с этим состоит из двух компонент . Вектор становится вектором остатков первого структурного уравнения . Уравнение (5) принимает следующую конкретную форму:
(19)
Матрица представляет собой множество наблюдений над переменными и
Матрицы и совпадают. Для оценок параметров в соотношении (19) воспользуемся формулой (16)
(20)
По данным таблицы приведем результаты промежуточных вычислений:
Подставим в (20),эти промежуточные результаты, найдем численные значения искомых параметров:
Таким образом, оценка первого уравнения (18) по двухшаговому методу наименьших квадратов имеет вид:
Аналогичным способом можно оценить второе уравнение модели (18). По простому методу наименьших квадратов уравнение регрессии будет иметь вид:
Заметное расхождение отмечается лишь в коэффициенте при переменной .