- •1. Природа економетрії.
- •2. Особливості економетричних моделей
- •4. Виробнича функція Кобба — Дугласа
- •5. Моделі пропозиції і попиту на конкурентному ринку
- •6. Модель Кейнса
- •7. Модель споживання
- •8. Загальний вигляд лінійної економетричної моделі, її структура та етапи побудови.
- •9. Передумови застосування методу найменших квадратів (1мнк). Оператор оцінювання 1мнк
- •13.Поняття мультиколінеaрності
- •14. .Ознаки мультиколінеарності
- •15.. Алгоритм Фаррара - Глобера
- •17. Суть гомо- та гетероскедастичності
- •19. Методи визначення гетероскедастичності
- •21. Узагальнений метод найменших квадратів (метод Ейткена)
- •24. Критерій Дарбіна — Уотсона
- •25. Критерій фон Неймана
- •26. Коефіцієнти автокореляції та їх застосування.
- •28. Метод Ейткена
- •29. Метод Кочрена — Оркатта
- •30. Метод перетворення вихідної інформації
- •31. Метод Дарбіна
- •40. Оцінювання параметрів авторегресійних моделей
- •41. Метод Ейткена
- •42. Ітеративний метод
- •43. Двокрокова процедура
- •44. Інструментальні змінні
- •46. Проблеми ідентифікації структурних моделей
- •51. Рекурсивні системи
- •53.Сутність методу інструментальних змінних
- •54. Методи інструментальних змінних
- •55.Оператор оцінювання Вальда
- •56. Особливості оцінювання методом Бaртлета
- •57. Оператор оцінювання Дарбіна
- •58.Приклад побудови економетричної моделі на основі даних, що мають помилки вимірювання
- •59.Проблеми прогнозування
- •60.Постановка задачі прогнозування Рассмотрим вначале классическую регрессионную модель
- •Если теперь возьмем дополнительный набор
- •61.Безумовне прогнозування
- •62.Умовне прогнозування
- •63.Стійкість регресійної моделі
- •64.Оцінка якості прогнозів
51. Рекурсивні системи
.Якщо в економетричній моделі (11.2) матриця A має трикутний вид, а залишки характеризуються діагональною матрицею , то така система рівнянь називається рекурсивною.
Нехай економетрична модель на основі одночасових структурних рівнянь запишеться так:
(11.14)
матриця для неї
.(11.15)
Як відомо, труднощі оцінки системи рівнянь виникають тоді, коли спостерігається кореляція між залишками і залежними змінними. Тому нам потрібно переконатись в тому, що спеціальні властивості рекурсивної моделі дають змогу подолати ці труднощі.
Запишемо структурні рівняння в матричному вигляді
. (11.16)
Зведена форма їх запишеться так:
, (11.17)
де . (11.18)
Помножимо (11.17) ліворуч на і перейдемо в обох частинах здобутої рівності до границі за ймовірністю:
Оскільки згідно з припущенням = 0, то справджується рівність
.
Запишемо ліву частину рівності, скориставшись (11.18):
(11.19)
Коли економетрична модель має три структурні рівняння і три залежні змінні, то (11.20) можна записати так:
(11.20)
де ,
а через позначено алгебраїчне доповнення елемента .
Таким чином, ми одержали основний результат, який полягає в тому, що не корелює гранично з , не корелює гранично з і . A це означає, що для оцінки параметрів системи (11.13) можна застосувати 1МНК. У численних публікаціях Волда [1] показано, що реальні економічні системи найчастіше описуються рекурсивними системами рівнянь. Цей висновок він аргументує тим, що реальне формування кожного з показників, які входять до моделі, є неодночасовим. Наприклад, залежність ціни від пропозиції товару на ринку. Якщо часовий період дорівнює одному дню, то ціна на товар в t-й день встановлюється у врахуванням продажу в t–1 день, тоді як попит на товар залежить від ціни, за якою продавався товар в цей самий день. Запишемо ці рівняння:
(11.21)
Наведена модель є рекурсивною, бо і — поточні значення залежних ендогенних змінних, а — розглядається як екзогенна змінна, яка бере участь у послідовності причинних зв’язків.
Ця послідовність містить тільки прямі зв’язки, що дозволяє нам вважати залишки незалежними.
У рекурсивних системах матриця коефіцієнтів при залежних змінних трикутна. Наприклад, у системі рівнянь (11.22) коефіцієнти при змінних і утворюють таку матрицю:
Оскільки залишки в рівняннях нормально розподілені, то для оцінювання параметрів моделі можна використати 1МНК.
53.Сутність методу інструментальних змінних
При існуванні кореляції між пояснювальними змінними і залишками можна застосувати поширений альтернативний метод оцінювання, який називається методом інструментальних змінних.
Розглянемо модель
, (9.6)
для якої
.
Припустимо, що існує матриця Z порядку n Ч m, яка має такі властивості:
1) ; (9.7)
2) , (9.8)
де матриця — невироджена і, крім того, існує границя
(9.9)
Отже, припускається, що змінні Z гранично некорельовані із залишками u, а їх перехресні моменти зі змінними X не всі дорівнюють нулю і створюють невироджену матрицю. Якщо деякі зі змінних X не корелюють із залишками u, то їх можна використовувати для формування стовпців матриці Z і знаходити додаткові інструментальні змінні лише для тих стовпців, що залишилися.
Оператор оцінювання вектора a з допомогою інструментальних змінних можна записати так:
(9.10)
Щоб дістати його, помножимо ліворуч модель (9.6) на :
(9.11)
Оскільки , то
Звідси дістаємо оператор оцінювання (9.10), який забезпечує визначення обгрунтованої оцінки, у чому можна переконатися, підставивши (9.6) у (9.10). маємо:
;
Асимптотична матриця коваріацій
(9.12)
На практиці (9.12) обчислюють так:
(9.13)
де .
Реальна трудність застосування цього методу полягає в знаходженні змінних, які можна використовувати як інструментальні. Істиний розподіл їх встановити практично неможливо, а тому важко переконатися, що вибрані інструментальні змінні справді не корелюють із залишками. Водночас ці змінні повинні мати досить високу кореляцію зі змінними X, бо в противному разі вибіркові дисперсії для оцінок, здобутих за допомогою інструментальних змінних, будуть дуже великими.
Коротко вимоги до інструментальних змінних Z можна сформулювати так:
1) Z тісно пов’язані з X;
2) Z зовсім не пов’язані із залишками u.