- •Предпосылки «классического» метода наименьших квадратов.
- •Свойства мнк-оценок без предположения о нормальности
- •10 Каковы последствия:
- •11.Двухшаговый мнк.
- •12Описать процедуру дмнк
- •13. Взвешенный мнк.
- •Косвенный мнк.
- •Описать процедуру оценивания уравнений по кмнк.
- •16 Что представляют собой структурная и приведенная формы модели?
- •17Что представляют собой порядковое и ранговое условия идентифицируемости уравнений структурной формы?
- •18Что представляют собой рекурсивные системы моделей?
- •19Как проводится оценивание коэффициентов с использованием ограничений на структурные параметры? Описать тест.
- •20. Проверка структурной стабильности уравнения регрессии: тест Чоу.
- •21. Фиктивные переменные в регрессионном анализе. Охарактеризуйте модели с фиктивными независимыими переменными.
- •22. Перечислите виды фиктивных переменных. (Сезонные фп, фп наклона, фп взаимодействия).Примеры.
- •23.Дайте классификацию моделей с дискретными заивисимыми переменными.
- •24.В чем состоит суть моделей бинарного выбора?
- •25. Какие законы распределений наиболее часто используются в моделях бинарного выбора?
- •26.Дайте краткую содержательную интерпретацию следующим понятиям:
- •27.Объясните в каких ситуациях применяются следующие тесты:
11.Двухшаговый мнк.
Суть состоит в том, что оценивают параметры отдельного уравнения системы, а не рассматривают систему в целом. Двушаговая процедура:
1) построить уравнения регрессии для уравнений приведённой формы и рассчитать теоретические значения эндогенных переменных;
2)использовать теоретические значения как инструментальные переменные для действительных значений переменных.
Применяется, когда система сверхидентифицируема. ДМНК квадратов является наиболее общим и широко распространенным методом решения системы одновременных уравнений. Для точно идентифицируемых уравнений ДМНК дает тот же результат, что и КМНК (косвенный).
12Описать процедуру дмнк
1 шаг – а) Строятся зависимости для всех эндогенных переменных от всех экзогенных переменных ; б) рассчитываются «выравненные» значения эндогенных переменных: в) по всем тождествам рассчитываются значения.
2 шаг – По исходным уравнениям модели строятся регрессии и оцениваются значения коэффициентов: в качестве зависимых переменных берутся исходные значения эндогенных переменных, а в правой части вместо эндогенных переменных берутся их «выравненные» значения.
13. Взвешенный мнк.
В некоторых случаях при проведении регрессионного анализа желательно использовать различные веса наблюдений и вычислить оценки коэффициентов регрессии по методу взвешенных наименьших квадратов. Этот метод обычно применяется, когда дисперсия остатков неоднородна при различных значениях независимых переменных. Можно использовать веса, равные единица на дисперсию остатков и вычислить оценки по методу взвешенных наименьших квадратов
Косвенный мнк.
Косвенный МНК используется в случае точно идентифицируемой структурной модели. Процедура применения КМНК предполагает выполнение следующих этапов работы:
структурная модель преобразовывается в приведенную форму модели;
для каждого уравнения приведенной формы модели обычным МНК оцениваются приведенные коэффициенты (δy);
коэффициенты приведенной формы модели трансформируются в параметры структурной модели.
***** P.S. Значение эндогенной переменной определяется внутри модели. Значение экзогенной переменной определяется вне модели, берётся как заданное. Структурное уравнение составляет исходную модель. Приведённое уравнение показывает, как в действительности определяется значение эндогенных переменных (эндогенные переменные выражаются через экзогенные переменные и случайные составляющие).
Описать процедуру оценивания уравнений по кмнк.
Структурную модель преобразуем в приведенную форму модели.
Для каждого уравнения приведенной формы при расчете коэффициентов d можно применить МНК.
Предположим, что оценена приведенная форма:
Для перехода от приведенной формы к структурной форме модели найдем x2 из второго уравнения приведенной формы модели.
Подставим это выражение в первое уравнение приведенной модели, найдем структурное уравнение.
Найдем x1 из первого уравнения приведенной формы модели.
Подставим это выражение во второе уравнение приведенной модели, найдем структурное уравнение .
Окончательный вид структурной модели
Косвенный метод наименьших квадратов непригоден для оценивания в случае сверхидентифицируемости. Косвенный метод наименьших квадратов по сути сводится к оцениванию по отдельности уравнений приведенной формы.