- •П.Я. Бушин
- •Введение
- •Глава 1. Парная линейная регрессия и корреляция
- •1.1. Обычный метод наименьших квадратов (мнк) и его предпосылки
- •1.2. Оценки точности уравнения регрессии и его параметров
- •1.2.1. Стандартная ошибка оценки по регрессии
- •1.2.3. Интервальные оценки параметров уравнения регрессии
- •1.2.4. Проверка значимости параметров уравнения регрессии
- •1.2.7. Коэффициент ранговой корреляции Спирмена
- •1.3. Спецификация уравнения регрессии
- •0 1,22 1,42 2,58 2,78 4
- •1.4. Нелинейная корреляция и регрессия
- •1.4.2. Индекс корреляции
- •Глава 2. Множественная корреляция и регрессия
- •2.1. Множественный корреляционный анализ
- •2.1.1. Анализ матрицы парных коэффициентов корреляции
- •2.1.2. Частная и множественная корреляция
- •2.2. Линейная модель множественной регрессии
- •2.2.1. Уравнение множественной регрессии в натуральном масштабе
- •2.2.2.Стандартизованное уравнение множественной регрессии
- •2.2.3. Оценки точности уравнения множественной регрессии
- •2.2.4. Анализ остатков уравнения множественной регрессии на втокорреляцию
- •2.2.5. Пошаговый выбор переменных
- •0 0,9 1,83 2,17 3,1 4
- •2.3. Особые случаи использования мнк во множественной регрессии
- •2.3.1. Оценка параметров уравнения множественной регрессии в условиях мультиколлинеарности (пошаговый регрессионный анализ)
- •2.3.2. Оценка параметров уравнения множественной регрессии с автокоррелированными остатками
- •2.3.3. Оценка уравнения множественной регрессии с гетероскедастичными остатками (обобщенный мнк)
- •2.3.4. Регрессионные модели с переменной структурой (фиктивные переменные)
- •Глава 3. Анализ временных рядов
- •3.1. Характеристики временных рядов
- •3.2. Показатели точности прогноза
- •3.3. Анализ автокорреляций
- •3.4. Модели стационарных временных рядов
- •3.5. Модели нестационарных временных рядов
- •3.5.1. Прогноз по тренду
- •3.5.2. Прогнозирование на основе сезонной компоненты (сезонная декомпозиция временного ряда)
- •3.5.3. Прогноз по экспоненциально взвешенным скользящим средним (адаптивные методы прогнозирования)
- •Поквартальные данные продажи учебников
- •Расчет прогноза с учетом сезонной компоненты
- •Глава 4. Система одновременных эконометрических уравнений
- •4.1. Общие понятия о системах одновременных уравнений
- •4.2. Косвенный метод наименьших квадратов
- •4.3. Проблемы идентифицируемости
- •Библиографический список
- •Оглавление
- •Глава 1. Парная линейная регрессия и корреляция………………………………………4
- •Глава 2. Множественная корреляция и регрессия………………………………………..23
- •Глава 3. Анализ временных рядов………………………………………………………….58
- •Пример. Моделирование сезонной компоненты на основе
- •Учебное издание Павел Яковлевич Бушин эконометрика
Глава 4. Система одновременных эконометрических уравнений
4.1. Общие понятия о системах одновременных уравнений
Как ранее обсуждалось, остатки уравнений регрессии не должны зависеть от значений объясняющих (независимых) переменных. Однако возможны ситуации, когда на изменения и тех и других влияют одни и те же факторы. Это возможно, когда одни и те же внешние факторы одновременно формируют поведение зависимой и независимых переменных. В этом случае рассматриваемая модель не является полной и появляется необходимость ввести в нее уравнение, в котором объясняемыми переменными выступали бы зависимые переменные. Таким образом, появляется необходимость рассмотрения системы одновременных уравнений.
Классическим примером системы одновременных уравнений является модель формирования спроса и предложения товара в зависимости от его цены.
Пусть Qd – спрос на товар,Qs – предложение товара,Р– цена товара,У– доход.
Составим следующую систему уравнений “спрос – предложение”:
Qd = +Р +У +(предложение), (4.1)
Qs=+ Р+(спрос), (4.2)
Qs=Qd=Q(равновесие). (4.3)
Итак, имеем: предложение на товар формируется под влиянием цены и дохода, спрос на товар зависит от цены, а последнее равенство означает равновесие предложения и спроса. В этой системе уравнений Р– цена равновесия, которая формируется одновременно со спросом и предложением, следовательно, здесьРиQ– зависимые переменные, аУ– независимая.
В дальнейшем, если значения переменных формируются в результате расчетов по модели, то такие переменные будут называться эндогенными (внутренними) переменными, в противном случае (если значения переменных определяются или задаются вне модели) – экзогенными (внешними).
В нашем случае У– экзогенная переменная,РиQ– эндогенные.
Главное отличие между эндогенными и экзогенными переменными заключается в том, что остатки не зависят от экзогенных переменных и, как правило, зависят от эндогенных переменных. В нашем случае естественно предположить, что на спрос и цену равновесия влияют одни и те же случайные факторы.
Система одновременных уравнений кроме уравнений регрессий обычно содержит тождества, устанавливающие соотношения между эндогенными переменными. Тождества позволяют исключать некоторые эндогенные переменные и уменьшать размерность модели. Само тождество оценке не подлежит.
Так, в нашем случае, равенство Qs=Qd=Qприводит к системе уравнений:
Q = +Р +У +,(4.4)
Q=+ Р+.(4.5)
В этой системе уравнений зависимая (эндогенная) переменная Рнаходится в правой части уравнений. В общем случае для двух эндогенных и двух экзогенных переменных система одновременных уравнений может быть записана в виде
y1 =0+ 12y2 + 11x1 + 12x2 +,
y2 = 0+21y1 + 21x1 + 22x2 +.(*)
Здесь одни и те же переменные (у1и у2) одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике такая система уравнений называется структурной формой модели, а ее коэффициенты – структурными коэффициентами модели. В такой системе уравнений каждое уравнение не может рассматриваться самостоятельно, и для оценки его параметров традиционный МНК неприменим. Для этого применяются специальные приемы оценивания.
Если в структурной форме модели эндогенные переменные выразить через экзогенные, то полученная система уравнений будет называться приведенной формой модели, а ее коэффициенты – коэффициентами приведенной формы модели.
В нашем случае это будет выглядеть следующим образом:
y1=0+ 11x1+ 12x2+1,
y2= + x1+ x2+2. (**)
Коэффициентами приведенной формы модели являются функциями коэффициентов структурной формы модели и могут быть определены при решении системы структурных уравнений относительно экзогенных переменных.