
- •Эконометрического моделирования План лекции
- •Введение
- •1.Предмет, цель и задачи эконометрики.
- •2.Этапы становления эконометрики
- •3. Введение в эконометрическое моделирование
- •4. Основные математические предпосылки эконометрического моделирования
- •5. Основные этапы и проблемы эконометрического моделирования
- •Контрольные вопросы:
- •Тема 2. Парная линейная регрессия и корреляция План лекции
- •Введение
- •1. Модель линейной парной регрессии. Метод наименьших квадратов
- •2. Коэффициент корреляции
- •3. Основные положения регрессионного анализа. Теорема Гаусса – Маркова
- •4. Оценка значимости уравнения регрессии. Коэффициент детерминации
- •5. Построение интервальных прогнозов по модели парной регрессии
- •Контрольные вопросы:
- •Тема 3. Множественный регрессионный анализ План лекции
- •Введение
- •1. Классическая нормальная линейная модель множественной регрессии
- •2. Оценка параметров классической регрессионной модели методом наименьших квадратов
- •3. Предпосылки для множественного регрессионного анализа.
- •Теорема Гаусса-Маркова.
- •4. Стандартизированное уравнение линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 4. Множественная корреляция План лекции
- •Введение
- •1. Множественная линейная корреляционная зависимость
- •2. Частные коэффициенты корреляции
- •3. Коэффициент множественной корреляции
- •4. Отбор факторов в случае линейной множественной регрессии
- •Контрольные вопросы:
- •Тема 5. Линейные регрессионные модели
- •1. Суть гетероскедастичности, ее последствия
- •2. Тесты, позволяющие выявить наличие гетероскедастичности остатков
- •3. Устранение гетероскедастичности
- •4. Автокорреляция остатков, ее последствия. Обнаружение автокорреляции остатков
- •Контрольные вопросы:
- •Тема 6. Линейные регрессионные модели
- •1. Фиктивные переменные
- •2. Модели регрессии с фиктивными переменными сдвига
- •3. Модели регрессии с фиктивными переменными наклона
- •4. Критерий г. Чоу
- •Контрольные вопросы:
- •Тема 7. Модели временных рядов План лекции
- •Введение
- •1. Понятие временного ряда. Общий вид модели временного ряда
- •2. Проверка гипотезы существования тенденции
- •3. Стационарные временные ряды и их характеристики. Автокорреляционная функция
- •Авторегрессия первого порядка. Тест Дарбина-Уотсона
- •4. Аналитическое выравнивание (сглаживание) временного ряда
- •6. Процесс построения аддитивной модели временного ряда
- •7. Прогнозирование на основе моделей временного ряда
- •8. Понятие об авторегрессионных моделях и моделях скользящей средней
- •Контрольные вопросы:
- •Тема 8: модели с лаговыми переменными План лекции
- •Введение
- •1. Модели с распределенными лагами
- •2. Модели авторегрессии
- •3. Авторегрессионные модели и их моделирование
- •Контрольные вопросы:
- •Тема 9. Системы линейных одновременных уравнений План лекции
- •Введение
- •1. Структурная и приведенная формы моделей
- •2. Проблема идентификации
- •Матрица коэффициентов (1)
- •Матрица коэффициентов (2)
- •Матрица коэффициентов (3)
- •3. Оценивание параметров структурной модели
- •Условные данные по пяти регионам
- •Контрольные вопросы:
- •Используемая литература
Контрольные вопросы:
1. Какой вид имеет модель с распределенными лагами?
2. Каков вид авторегрессионной модели с распределенными лагами?
3. Как интерпретируются параметры модели с распределенными лагами?
4. В каких случаях оценка параметров модели с распределенными лагами может быть дана методом наименьших квадратов?
5. Что такое модели авторегрессии?
6. Для чего используются инструментальные переменные?
7. Что такое авторегрессионные процессы со скользящими средними в остатках?
8. Каков вид модели ARMA (3, 2)?
Тема 9. Системы линейных одновременных уравнений План лекции
1. Структурная и приведенная формы моделей.
2. Проблема идентификации.
3. Оценивание параметров структурной модели.
Введение
Одной из причин коррелированности регрессоров со случайными членами могут служить факторы, действующие одновременно на сами регрессовы и на объясняемые переменные при фиксированных значениях регрессоров. В рассматриваемой экономической ситуации значения объясняемых переменных и регрессоров формируются одновременно под воздействием некоторых внешних факторов. Это означает, что рассматриваемую модель следует дополнять уравнениями, в которых объясняемыми переменными выступали бы сами регрессоры. Таким образом приходится рассматривать системы одновременных или регрессионных уравнений.
1. Структурная и приведенная формы моделей
Наибольшее распространение в эконометрических исследованиях получила система взаимозависимых уравнений вида:
(9.1)
Система взаимозависимых уравнений (9.1) получила название система совместных, одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные у одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике эта система уравнений называется также структурной формой модели.
Система совместных, одновременных уравнений (или структурная форма модели) обычно содержит эндогенные и экзогенные переменные.
Эндогенные переменные обозначаются в системе одновременных уравнений как y. Это зависимые переменные, число которых равно числу уравнений в системе.
Экзогенные переменные обозначаются обычно как x. Это предопределённые переменные, влияющие на эндогенные переменные, но не зависящие от них.
Простейшая структурная форма модели (9.1) имеет вид:
Классификация переменных на эндогенные и экзогенные зависит от теоретической концепции принятой модели. Экономические переменные могут выступать в одних моделях как эндогенные, в других – как экзогенные переменные.
Структурная форма модели позволяет увидеть влияние изменений любой экзогенной переменной на значения эндогенной переменной. Целесообразно в качестве экзогенных переменных выбирать такие переменные, которые могут быть объектом регулирования. Меняя их и управляя ими, можно заранее иметь целевые значения эндогенных переменных.
Структурная форма модели в правой части содержит при эндогенных и экзогенных переменных коэффициенты bi и aj (bi – коэффициент при эндогенной переменной, aj - коэффициент при экзогенной переменной), которые называются структурные коэффициенты модели.
Использование МНК для оценивания структурных коэффициентов модели даёт, как принято считать в теории, смещённые и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов модели структурная форма модели преобразуется в приведенную форму модели.
Приведенная форма модели представляет собой систему линейных функций эндогенных переменных от экзогенных:
где
– коэффициенты приведенной формы
модели.
По виду приведенная
форма модели ничем не отличается от
системы независимых уравнений, параметры
которой оцениваются традиционным
методом наименьших квадратов. Применяя
МНК, можно оценить
,
а затем
оценить значения эндогенных переменных
через экзогенные.
Коэффициенты
приведенной формы модели представляют
собой нелинейные
функции коэффициентов структурной
формы модели. Рассмотрим
это положение на примере простейшей
структурной модели, выразив коэффициенты
приведенной формы модели
через коэффициенты структурной модели
(aj
и bi
).
Для упрощения в модель не введены случайные переменные.
Для структурной модели вида:
(9.2)
Приведенная форма модели имеет вид:
(9.3)
в которой
из первого уравнения структурной модели
можно выразить следующим образом:
Тогда система одновременных уравнений будет приведена как
Отсюда имеем равенство:
или
Тогда:
+
Или
Т.о., мы представили первое уравнение структурной формы модели в виде уравнения приведенной формы модели:
Из уравнения следует, что коэффициенты приведенной модели представляют собой нелинейные соотношения коэффициентов структурной формы модели, т.е.
и
Аналогично можно
показать, что коэффициенты приведенной
формы модели второго уравнения системы
(
)
также нелинейно связаны с коэффициентами
структурной модели. Для этого выразим
переменную
из второго структурного уравнения
модели как
Запишем это выражение в левой части первого уравнения структурной формы модели 1):
Отсюда:
что соответствует уравнению приведенной формы модели:
т.е.
и
Эконометрические модели обычно включают в систему не только уравнения, отражающие взаимосвязи между отдельными переменными, но и выражения тенденции развития явления, а также разного рода тождества. Например, Т. Хаавелмо в 1947 г., исследуя линейную зависимость потребления (с) от дохода (у), предложил одновременно учитывать тождество дохода. В этом случае модель имеет вид:
Где a и b – параметры линейной зависимости с от у;
х – инвестиции в основной капитал и в запасы экспорта и импорта.
Оценки параметров должны учитывать тождество дохода в отличие от параметров обычной линейной регрессии.
В этой модели две эндогенные переменные – с и у и одна экзогенная переменная х. система приведенных уравнений составит:
Она позволяет получить значения эндогенной переменной с через переменную х. рассчитав коэффициенты приведенной формы модели (А0, А1, В0, В1), можно перейти к коэффициентам структурной модели а и b, подставив в первое уравнение приведенной формы выражение переменной х из второго уравнения приведенной формы модели. Приведенная форма модели хотя и позволяет получить значения эндогенной переменной через значения экзогенных переменных, аналитически уступает структурной форме модели, т.к. в ней отсутствуют оценки взаимосвязи между эндогенными переменными.