- •«Российская таможенная академия»
- •План чтения лекции №1
- •«Российская таможенная академия»
- •Понятие «эконометрика»
- •Формулировки определений понятия «эконометрика»
- •Задачи эконометрики
- •Эконометрическая модель
- •Задачи эконометрическoго моделирования
- •Классы эконометрических моделей
- •Типы данных и виды переменных в эконометрическом моделировании Типы данных
- •Виды переменных
- •Этапы эконометрического моделирования
- •Модели парной регрессии
- •Множественная регрессия. Мультиколлинеарность данных
- •3.2. Отбор факторов при построении множественной регрессии
- •3.2.1. Требования к факторам
- •3.2.2. Мультиколлинеарность
- •3.3. Выбор формы уравнения регрессии
- •3.4. Оценка параметров уравнения линейной
- •3.5. Качество оценок мнк линейной множественной регрессии. Теорема Гаусса-Маркова
- •3.6. Проверка качества уравнения регрессии. F-критерий Фишера
- •3.7. Точность коэффициентов регрессии. Доверительные интервалы
- •3.8 Прогнозирование по модели множественной регрессии
- •3.9 Гетероскедастичность случайных остатков
- •3.10. Обобщенный метод наименьших квадратов
- •3.11. Фиктивные переменные
- •3.12. Тест Чоу
- •Системы одновременных уравнений
- •4.1. Структурная и приведённая форма модели
- •4.2. Оценивание параметров структурной модели
- •Методы оценивания структурных уравнений различных видов
- •1. Точная идентифицируемость
- •2.Сверхидентифицируемость
- •3.Неидентифицируемость
- •Порядковое условие идентификации
- •Ненулевое ограничение
- •3. Анализ методов оценивания
- •Моделирование изолированного динамического ряда
- •Компоненты динамического ряда
- •Выявление и характеристика основной тенденции развития
- •Экспоненциальное сглаживание.
- •Моделирование основной тенденции
- •Статистическое изучение сезонных колебаний
- •Автокорреляция уровней динамического ряда и характеристика его структуры
- •3; 1; 2; 1; 2; 1; 3; 3; 2; 3; 1; 2; 1; 1; 3; 3; 2; 2; 1; 3; 3; 2; 2; 3; 1; 2; 2; 1; 3; 1.
- •Специфика изучения взаимосвязей по рядам динамики
- •Методы исключения тенденции
- •Метод последовательных разностей
- •Метод отклонений от тренда
- •Включение в модель регрессии фактора времени
- •Обобщенный метод наименьших квадратов при построении модели регрессии по временным рядам
- •Модели с лаговыми переменными
- •Модели с распределенными лагами
- •Метод Койка
- •Модели авторегрессии
- •Интерпретация параметров модели авторегрессии
- •Инструментальные переменные как метод оценивания параметров модели авторегрессии
- •Оценка автокорреляции остатков по модели авторегрессии
- •Авторегрессионные процессы и их моделирование (общая характеристика) Авторегрессионные процессы
- •Модели скользящей средней
- •Модели arma
- •Модели arima
- •Методология построения модели arima для исследуемого временного ряда включает следующую последовательность шагов.
- •Кластерный анализ
2.Сверхидентифицируемость
Рассмотрим следующую простую модель Кейнса формирования доходов:
(8)
где — объем потребления, совокупный доход, инвестиции и государственные расходы соответственно, а— случайный член.
В исходной модели — эндогенные переменные, а— экзогенные.
Разрешая структурную систему относительно эндогенных переменных, получим приведенную систему
(9)
Рассмотрим различные методы оценивания структурных коэффициентов ().
Метод инструментальных переменных. В структурном уравнении функции потребления в качестве инструментальных переменных дляможно использовать кактак и. Полученные при этом оценки () будут различаться, но в обоих случаях они состоятельны.
Наилучшее решение в данном случае — применение инструментальной переменной, которая является комбинацией и.
Структурное уравнение с избыточным числом экзогенных переменных, которые можно использовать как инструментальные, является переопределенным (сверхидентифицируемым).
Двухшаговый метод наименьших квадратов. Двухшаговый МНК можно рассматривать как частный случай инструментальных переменных. В методе ИП было показано, что структурное уравнение функции потребления оказалось переопределенным и сразу две переменныеиможно использовать для.
Однако вместо их раздельного применения можно предложить их комбинациюВ этом случае требуется оценить значения коэффициентов.
Фактически вместоможно использовать оценкуприведенного уравнения, т.е..
Подставляя теоретические значениявместо фактических значений в структурное уравнение функции потребления, получим уравнение,
которое оценивается обычным МНК. При этом оценки структурных коэффициентов будут состоятельными.
Двухшаговый МНК можно рассматривать как способ конструирования наилучшей из возможных комбинаций инструментальных переменных, если в уравнении имеется избыток экзогенных переменных, которые можно использовать как инструментальные.
Пример 2.Д ля некоторой страны имеются данные о совокупном доходеY, объёме потребленияС, инвестицияхIи государственных расходахG,полученные за 10 лет (усл. ед.):
Построим функцию потребления, используя модель Кейнса формирования доходов (8).
Непосредственное оценивание структурного уравнения функции потребления обычным МНК приводит к следующим результатам:
= 109,8 + 0,4Y,
т.е. оценки = 109,8,= 0,4.
Было показано, что исходная модель (8) сверхидентифицируема, поэтому для оценки ее структурных коэффициентов используем ДМНК.
Расчетные значения эндогенной переменной Y, полученные МНК:
= 201,7 + 1,29I+1,14G.
Подставим расчетные значения вместо фактических значений в структурное уравнение функции потребления и оценим полученное уравнение МНК:
= 171,3 + 0,156Y, т.е. оценки= 171,3,= 0,156.
Оценки структурных коэффициентов функции потребления, полученные ДМНК, являются состоятельными.
3.Неидентифицируемость
Рассмотрим следующую модель спроса и предложения:
где P- цена товара,и- случайные члены.
Переменные Y,Рявляются эндогенными, и их значения определяются в процессе установления равновесия.
В рассматриваемой модели нет экзогенных переменных, поэтому ни одно из этих уравнений не является идентифицируемым. Чтобы модель имела статистическое решение, в нее вводятся экзогенные переменные.
Предположим, что продавцы товара облагаются специальным налогом Т, который они должны платить с выручки. При этом уравнение спроса останется неизменным, если переменнаяРозначает рыночную цену, а уравнение предложения изменится:
(10)
где T– экзогенная переменная.
Уравнение спроса будет идентифицируемым, поскольку переменная Тне включена в него и может выступать как инструментальная дляР, а уравнение предложения — неидентифицируемым.
Включим в уравнение спроса экзогенную переменную х— доход на душу населения:
(11)Экзогенную переменнуюхможно использовать как инструментальную вместоРдля уравнения предложения.
В итоге получили в целом точно идентифицируемую модель спроса и предложения.
Пусть структурное уравнение спроса имеет временной тренд (скажем, потому что привычки медленно меняются со временем):
(12)
где t— переменная времени, а— коэффициент при ней.
В модели спроса имеются две экзогенные переменные x, t, которые можно использовать в качестве инструментальных дляPв уравнении предложения.
В итоге получили сверхидентифицируемое уравнение предложения и точно идентифицируемое уравнение спроса.