- •43. Нестационарные временные ряды. Метод разностей и интегрируемость.
- •44. Оценка порядка интегрируемости. Тесты на единичный корень. Интеграционная статистика Дарбина-Уотсона
- •45. Оценка порядка интегрируемости. Тесты Дики-Фуллера
- •46. Модификации теста Дики-Фуллера для случая автокорреляции
- •47. Модели arima. Идентификация модели и оценивание пар-ров.
- •48.Общая хар-ка моделей с распределенным лагом и моделей авторегрессии. Интерпретация пар-ов моделей с распределенным лагом и моделей авторегрессии.
- •49.Изучение структуры лага и выбор вида модели с распределенным лагом. Модели Алмон.
- •50. Изучение структуры лага и выбор вида модели с распределенным лагом. Метод Койка
- •51. Панельные данные. Анализ двухпериодной модели.
- •52.Панельные данные. Обобщение на более чем два периода наблюдений
51. Панельные данные. Анализ двухпериодной модели.
Множество данных, состоящих из наблюдений за однотипными статистическими объектами, например странами, домохозяйствами и т.п., в течение нескольких временных периодов, называется панельными данными. Обычно панельные данные состоят из наблюдений за большим числом объектов за небольшое число периодов. Обязат-ым усл явл то, что объекты для наблюдения одни и те же. Гораздо более важным при этом явл моделирование различий между объектами, т.е их неоднородностью (гетерогенность), а не анализ эффектов от времени. Рассм случай одной объясняющей переменной, т.е. р = 1, для которого можно использовать простую регрессионную модель y i t= β0 + β1x i t + u i t (1) с ошибкой u it, i=1,...,n и t=1,2. У нас имеется 2n наблюдений, n — в периоды времени 1 и 2. Связь между наблюдениями в панельных данных м.б. использована с учетом, что рассм-ются одни и те же объекты. Т.е. если вычесть ур-ние для периода времени t=1 из ур-ия для t=2 в модели (1), то получим: (y i2–y i1)=β1(x i2 – x i1) + (u i2 – u i1) (2), где остался единственный пар-р β1, β0 - исключается. Получаем ур-ние регрессии по n незав-ым наблюдениям и линия регрессии проходящей через начало координат. Но мы можем получить ур-ние (2), если начнем с модели с различными свободными членами: y it= β0i + β1x it + u it (3), где каждому объекту наблюдения ставится в соответствие свое значение свободного члена β0i, после чего берутся разности уже для этих уравнений. Вновь пар-р, соотв-ющий свободному члену, сокращается, и потому этот метод получил название взятия разностей. Данная модель позволяет моделировать разницу между измерениями в два разных периода времени. Этого можно достичь введением фиктивной переменной . Тогда общий вид модели y it= α d2t+ β0i + β1x it + u it (4). Избавившись от β0i посредством взятия разностей, получим: (y i2 – y i1) = α + β1 (x i2 – x i1) + (u i2 – u i1) (5) – эта модель представляет собой модель простой регрессии со свободным членом, пар-ры которой м.б. оценены обычным МНК. Параметр α может быть интерпретирован как различие в среднем между наблюдениями в два разных периода времени.
52.Панельные данные. Обобщение на более чем два периода наблюдений
Множество данных, состоящих из наблюдений за однотипными статистическими объектами, например странами, домохозяйствами и т.п., в течение нескольких временных периодов, называется панельными данными. Предположим, кол-во периодов Т>2. В этом случае можно применить метод взятия разностей по незав-ым от времени пар-рам. Если мы не контролируем разности в различные моменты времени, то правомерна модель y it= β0i + β1x it + u it (1) и ур-ние для t=1 просто вычитается из ур-ний для всех остальных моментов времени t, в рез-те чего исчезают свободные члены, описывающие индивидуальные эффекты различных объектов наблюдения, т.е модель принимает вид: (y it – y i1) = β1 (x it - xi1) + (u it - ui1), t=2,…,T (2). Теперь у нас имеется (Т-1)*n незав-ых наблюдений, оставшихся в выборке, и мы можем оценить β1 MHK из регрессии, проходящей через начало координат. Учет индивидуальных особенностей периода возможен введением фиктивных переменных d2, d3,..., dT. Получим модель: y it = α2 d2t + …+ αТ d2t + β0i + β1x it + uit (3). Избавившись от β0i посредством вычитания ур-ния для t=1 из остальных, получим: (y it –y i1) = α2 d2t + ... + αT dTt + β1(x it – x i1) + (u it – u i1), t=2,...,T (4). Получаем систему из (T-1) лин-ых наблюдений, в каждом из которых б. присутствовать только один из коэф-тов αi : для t=2 α2; для t=3 α3 и т.д. Можно избавиться от регрессии, проходящей через начало координат, удалив из ур-ния фиктивную переменную d2t : (y it – yi1) = α2 + α3 d3Т + ... + αT dTt + β1 (x it – x i1) + (u it - ui1), t=2,...,T. Пар-р β1 остается неизменным, но теперь пар-р α2 оценивает разность свободных членов для моментов t=1 и t=2, а αt - для t>2 соответствует отклонениям от этой разности в момент времени t. Т.е. эти пар-ры определяют специфические эффекты, соответствующие в определенные моменты времени.