Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
меняю 12 на 12.docx
Скачиваний:
11
Добавлен:
22.09.2019
Размер:
195.88 Кб
Скачать

25.Модельадаптивныхожиданий

Динамическойэконометрическоймодельюназываетсямодель,котораявнастоящиймоментвремениучитываетзначениявходящихвнеёпеременных,относящихсянетолькоктекущему,ноикпредыдущемумоментамвремени.

Вкачествепримерадинамическихэконометрическихмоделейможнопривестимоделивида:

yt=f(xt,xtl),

yt=f(xt,ytl).

Модельрегрессиивида:

yt=f(x1…xn)=f(xi)неотноситсякдинамическимэконометрическиммоделям.

Модельюадаптивныхожиданийназываетсядинамическаяэконометрическаямодель,котораяучитываетпредполагаемоеилижелаемоезначениефакторнойпеременной

Общийвидмоделиадаптивныхожиданий:

Примероммоделиадаптивныхожиданийявляетсямодельзависимостипредполагаемойвбудущемпериоде(t+1)индексациизаработныхплатипенсийнатекущиецены.

Косвенныйметодадаптивныхожиданий.Этотметодиспользуеткорректировкуожиданий.Вкаждыймоментвремениреальноезначениепеременнойсравниваетсясееожидаемымзначением.Еслиреальноезначениеоказываетсябольше,тозначение,ожидаемоевследующиймомент(период),корректируетсявсторонуповышения,еслименьше—всторонууменьшения.Размеркорректировкипропорционаленразностимеждуреальнымиожидаемымзначениемпеременной.

ЕслираспределениеКойкаиоснованныйнанемметодмоделированияожиданийосновываютсянапредположении,чтокоэффициентыприлаговыхобъясняющихпеременныхубываютвгеометрическойпрогрессии,тотакоепредположениевыполняетсядалеконевсегда.Поэтомувнекоторыхслучаяхэтиметодыиспользуютсяобоснованноиприводяткправильнымрезультатам.Авдругихситуацияхихприменениенеобоснованноиможетприводитькневернымрезультатам,даисамареализацияихоказываетсязатруднительной.

Так,вомногихслучаяхзначительноболееуместнопредположить,чтоизменениезависимойпеременнойвответнаизменениеобъясняющейпеременнойсначаланевелико,азатем,стечениемвременионовозрастает,апопрохождениинекоторогопериодатакоговозрастания—опятьуменьшается.

МоделированиетакогоповедениясиспользованиемминимальногочислапараметровпредлагаетметодраспределенныхлаговАлмон.МетодлаговАлмонобладаетдостаточнойгибкостью,онудобенвпримененииидостаточноэффективносправляетсясвычислительнымитрудностямииспецификойразличныхзависимостей.Центральнаяидеяэтогометодазаключаетсявследующем.Предполагается,чтоеслизависимоепеременноеухарактеризуетсязависимостьюоттекущихилаговыхзначенийобъясняющейпеременнойх,товесавэтойзависимостиподчиняютсяполиномиальномураспределению.ИменнопоэтомулагиАлмончастоописываютсякакполиномиальнораспределенныелаги.Самвыборконкретногополинома(преждевсего,егостепень)определяетсяисследователемнаосновеэкспериментов.

Далеевыбираетсячислолаговыхзначенийобъясняющейпеременной,котороеопятьженаходитсяврезультатеэкспериментов,направленныхнаполучениеинформации,необходимойдляхорошегоописанияданныхисоответствующегомоделированиятакихданных.Ксожалению,напрактикераспределениелаговобъясняющейпеременнойможетплохоподдаватьсяаппроксимацииспомощьюболеепростыхфункций.Так,самаавторданногометодаАлмониспользовалаполиномчетвертойстепенииполучилавполнехорошиерезультаты.Ноделовтом,чтосростомстепениполиномовувеличиваетсярискпоявлениянеучтенноймультиколлинеарности.

Болеетого,дефектомадаптивныхожиданийииныхпохожихспособовучетаожиданийявляетсято,чтополучаемыесихпомощьюпрогнозывобщемслучаеотличаютсяотпрогнозов,получаемыхспомощьюмоделивцелом.Дляпреодоленияподобныхнедостатковслужатметодырациональныхожиданий.Прощевсегопредставить,чтоосновноеврациональныхожиданияхэтодопущение,чтоэкономическиеагентыимеютдоступковсейадекватнойинформацииичтоонинаилучшимобразомееиспользуютприформированииожиданийотносительнобудущихзначенийэкономическихпеременных.

26.Проби-илогит-анализ

Моделибинарныхоткликов:пробитилогит.Нередкозависимаяпеременная-переменнаяоткликабинарнапосвоейприроде,т.е.можетприниматьтолькодвазначения.Например,пациентможетвыздороветь,аможетинет,кандидатнадолжностьможетпройти,аможетпровалитьтестприприеменаработу,подписчикижурналамогутпродлить,амогутнепродлеватьподписку,купоныскидокмогутбытьиспользованы,амогутбытьинеиспользованыит.п.Вовсехэтихслучаяхнасможетзаинтересоватьпоискзависимостимеждуоднойилинесколькими“непрерывными”переменнымииодной,зависящейотнихбинарнойпеременной.

Использованиелинейнойрегрессии.Конечно,можноиспользоватьстандартнуюмножественнуюрегрессиюивычислитьстандартныекоэффициентырегрессии.Например,еслирассматриваетсяпродлениежурнальнойподписки,можнозадатьпеременнуюyсозначениями1’и0’,где1означает,чтосоответствующийподписчикпродлилподписку,а0,чтоонотказалсяотпродления.Однакоздесьвозникаетпроблема:Множественнаярегрессияне“знает”,чтопеременнаяоткликабинарнапосвоейприроде.Поэтому,этонеизбежноприведеткмоделиспредсказываемымизначениямибольшими1именьшими0.Нотакиезначениявообщенедопустимыдляпервоначальнойзадачи,такимобразом,множественнаярегрессияпростоигнорируетограничениянадиапазонзначенийдляy.

Непрерывныефункцииотклика.Задачарегрессииможетбытьсформулированаиначе:вместопредсказаниябинарнойпеременной,мыпредсказываемнепрерывнуюпеременнуюсозначенияминаотрезке[0,1].Наибольшеераспространениевэтойобластиполучилирегрессионныемоделилогитипробит.

Логитрегрессия.Вэтоймоделипредсказываемыезначениядлязависимойпеременнойбольшеилиравны0именьшеилиравны1прилюбыхзначенияхнезависимыхпеременных.Этодостигаетсяприменениемследующегорегрессионногоуравнения,котороевдействительностиимееттакженекоторыйглубокийсмысл,каквывскореувидите(терминлогитвпервыебылиспользованвработеBerkson,1944):

y=exp(b0+b1*x1+...+bn*xn)/{1+exp(b0+b1*x1+...+bn*xn)}

Легкозаметить,чтовнезависимостиоткоэффициентоврегрессииизначенийx,значенияy,предсказанныеэтоймодельювсегдабудутпринадлежатьотрезку[0,1].

Названиелогитэтоймоделипроисходитотназванияпростогоспособасведенияэтоймоделиклинейнойспомощьюлогитпреобразования.Предположим,чтомырассуждаемонашейзависимойпеременнойвтерминахнашейосновнойвероятностиp,лежащеймежду0и1.Тогдамыможемпреобразоватьэтувероятностьp:

p'=loge{p/(1-p)}

Этопреобразованиеобычноназываютлогистическимилилогит-преобразованием.Отметим,чтотеоретическиp’можетприниматьлюбоезначениеотминусдоплюсбесконечности.Посколькулогистическоепреобразованиерешаетпроблемуобограничениина0-1границыдляпервоначальнойзависимойпеременной(вероятности),выможетеиспользоватьэти(преобразованные)значениявобычномлинейномрегрессионномуравнении.Аименно,еслипроизвестилогистическоепреобразованиеобеихчастейописанноговышеуравнения,мыполучимстандартнуюмодельлинейнойрегрессии:

p'=b0+b1*x1+b2*x2+...+bn*xn

Пробитрегрессия.Можнорассматриватьбинарнуюзависимуюпеременнуюкакоткликнаизменениянекоторой“основной”,нормальнораспределеннойпеременной,вдействительностиимеющуюдиапазонизмененийотминусдоплюсбесконечности.Например,подписчикжурналаможетбытьрешительнопротивпродленияподписки,находитсявнерешительностиилииспытыватьрасположениекжурналуистремитьсяпродлитьподписку.Влюбомслучае,все,чтомы(какиздателижурнала)увидим,будетбинарныйотклик,означающийпродлениеилиотказотпродленияподписки.Однакоеслимызапишемстандартноеуравнениелинейнойрегрессии,основанноена“отношениилюдейкжурналу”,мыполучим:

отношение...=b0+b1*x1+...

что,конечно,соответствуетстандартнойрегрессионноймодели.Логичнопредположить,чтоэто“отношениелюдейкжурналу”нормальнораспределено,ичтовероятностьпродленияподпискиpравнасоответствующей“отношениюкжурналу”площадиподграфикомплотностинормальногораспределения.Поэтому,еслимыпреобразуемобечастиуравнениявсоответствующиенормальныевероятности,мыполучим:

NP(отношение...)=NP(b0+b1*x1+...)

ЗдесьNPозначаетнормальнуювероятность(площадьподграфикомплотностинормальногораспределения),таблицыкоторойимеютсяпрактическивлюбомстатистическомсправочнике.Выписанноевышеуравнениеназываетсятакжерегрессионноймодельюпробит.(ТермитпробитбылвпервыеиспользованвработеBliss,1934.)

Обобщеннаялогитрегрессия.Обобщеннаялогитрегрессияможетбытьвыраженауравнением:

y=b0/{1+b1*exp(b2*x)}

Выможетепредставлятьсебеэтумоделькакобобщениеобычнойлогитмоделидлябинарныхзависимыхпеременных.Однакоеслилогитмодельограничиваетзначениязависимойпеременнойтолькодвумявозможнымизначениями,тообщаямодельпозволяетоткликупроизвольноменятьсявнутрификсированногоинтервала.Например,предположим,чтовасинтересуетприростпопуляциивида,перенесенногонановоеместообитания,рассмотренныйввидефункциивремени.Тогдазависимаяпеременнаябудетравначислуособейданноговидавсоответствующейсредеобитания.Очевидно,чтоеезначениеограниченоснизу,таккакчислоособейнеможетбытьменьшенуля;вероятно,чтотакжесуществуеткакой-товерхнийпределдлячисленностипопуляции,которыйбудетдостигнутвнекоторыймоментвремени.

Восприимчивостьклекарствуиполумаксимальныйотклик.Вфармакологии,дляописанияэффективностиразличныхдозлекарственныхсредств,частоиспользуетсяследующаямодель:

y=b0-b0/{1+(x/b2)b1}

Вэтоймодели,xозначаетразмердозы(обычновнекоторойзакодированнойформе,такчтоx 1),аyсоответствуетвосприимчивости,измереннойвпроцентахпоотношениюкмаксимальновозможной.Параметрb0тогдаозначаетожидаемыйоткликпринасыщающемуровнедозы,аb2равенконцентрации,вызывающейполумаксимальныйотклик;параметрb1определяетнаклонграфикапредсказываемойфункции

27.Экспертно-статистическийметодпостроенияпоказателяэффективности

Методыэкспертныхоценок-этометодыорганизацииработысоспециалистами-экспертамииобработкимненийэкспертов,выраженныхвколичественнойи/иликачественнойформесцельюподготовкиинформациидляпринятиярешенийЛПР-лицами,принимающимирешения.

ДляпроведенияработыпометодуэкспертныхоценоксоздаютРабочуюгруппу(сокращенноРГ),котораяиорганизуетпопоручениюЛПРдеятельностьэкспертов,объединенных(формальноилипосуществу)вэкспертнуюкомиссию(ЭК).

Существуетмассаметодовполученияэкспертныхоценок.Воднихскаждымэкспертомработаютотдельно,ондаженезнает,ктоещ›являетсяэкспертом,апотомувысказываетсвоемнениенезависимоотавторитетов.ВдругихэкспертовсобираютвместедляподготовкиматериаловдляЛПР,приэтомэкспертыобсуждаютпроблемудругсдругом,учатсядругудруга,иневерныемненияотбрасываются.Воднихметодахчислоэкспертовфиксированоитаково,чтобыстатистическиеметодыпроверкисогласованностимненийизатемихусредненияпозволялиприниматьобоснованныерешения.Вдругих-числоэкспертоврастетвпроцессепроведенияэкспертизы,например,прииспользованииметода"снежногокома"

Догмасогласованности.

Считается,чторешениеможетбытьпринятолишьнаосновесогласованныхмненийэкспертов.Поэтомуисключаютизэкспертнойгруппытех,чьемнениеотличаетсяотмнениябольшинства.Приэтомотсеиваютсякакнеквалифицированныелица,попавшиевсоставэкспертнойкомиссиипонедоразумениюилипосоображениям,неимеющимотношениякихпрофессиональномууровню,такинаиболееоригинальныемыслители,глубжепроникшиевпроблему,чембольшинство

Догмаодомерности

Внекоторыхслучаяхвс›-такиможноглобальносравнитьобъекты-например,спомощьютехжеэкспертовполучитьупорядочениерассматриваемыхобъектов-изделийилипроектов.ТогдаможноПОДОБРАТЬкоэффициентыприотдельныхпоказателяхтак,чтобыупорядочениеспомощьюлинейнойфункциивозможноточнеесоответствовалоглобальномуупорядочению(см.,например,[36]).Наоборот,вподобныхслучаяхНЕСЛЕДУЕТоцениватьуказанныекоэффициентыспомощьюэкспертов.Этапростаяидеядосихпорнесталаочевиднойдляотдельныхсоставителейметодикпопроведениюэкспертныхопросовианализуихрезультатов.Ониупорностараютсязаставитьэкспертовделатьто,чтоонивыполнитьневсостоянии-указыватьвеса,скоторымиотдельныепоказателикачествадолжнывходитьвитоговыйобобщенныйпоказатель.Экспертыобычномогутсравнитьобъектыилипроектывцелом,нонемогутвычленитьвкладотдельныхфакторов.Разорганизаторыопросаспрашивают,экспертыотвечают,ноэтиответыненесутвсебенадежнойинформацииореальности.

Овныестадииэкспертногоопроса

Выделяютследующиестадиипроведенияэкспертногоопроса:

1)формулировкаЛицом,ПринимающимРешения,целиэкспертногоопроса;

2)подборЛПРосновногосоставаРабочейгруппы;

3)разработкаРГиутверждениеуЛПРтехническогозаданиянапроведениеэкспертногоопроса;

4)разработкаРГподробногосценарияпроведениясбораианализаэкспертныхмнений(оценок),включаякакконкретныйвидэкспертнойинформации(слова,условныеградации,числа,ранжировки,разбиенияилииныевидыобъектовнечисловойприроды)иконкретныеметодыанализаэтойинформации(вычислениемедианыКемени,статистическийанализлюсиановииныеметодыстатистикиобъектовнечисловойприродыидругихразделовприкладнойстатистики);

5)подборэкспертоввсоответствиисихкомпетентностью;

6)формированиеэкспертнойкомиссии(целесообразнозаключениедоговоровсэкспертамиобусловияхихработыиееоплаты,утверждениеЛПРсоставаэкспертнойкомиссии);

7)проведениесбораэкспертнойинформации;

8)анализэкспертнойинформации;

9)приналичиинесколькихтуров-повторениедвухпредыдущихэтапов;

10)интерпретацияполученныхрезультатовиподготовказаключениядляЛПР;

11)официальноеокончаниедеятельностиРГ.

Модели:

Оценкигруппыэкспертоврассматриваюткаксовокупностьнезависимыходинаковораспределенныхслучайныхвеличинсозначениямивсоответствующемпространствеобъектовчисловойилинечисловойприроды.Обычнопредполагается,чтоэкспертчащевыбираетправильноерешение(т.е.адекватноереальности),чемнеправильное.Вматематическихмоделяхэтовыражаетсявтом,чтоплотностьраспределенияслучайнойвеличины-ответаэкспертамонотонноубываетсувеличениемрасстоянияотцентрараспределения-истинногозначенияпараметра.

28.Моделичастичногоприспособления(адаптивныхожиданий,исправленияошибок

.2Модельчастичногоприспособления

Запишемэтумодельтак:

(9)

-желаемыйуровеньвеличиныY(desired)

-скоростьприспособления.

Еслиμ=1,топриспособлениепроисходитмгновенно,тогда всегдаравняетсяY.Еслиисключитьизвторогоуравнениянаблюдаемуювеличину ,томожнопривестимодельквиду,удобномудляоценивания:

(10)

ЭтоестьмодельADL(1,1)скоэффициентомпритекущемзначенииX,равном0,т.е.этотожечастныйслучайADL.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]