- •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
Матрица коэффициентов (1)
Уравнение |
Переменные |
|
x3 |
x4 |
|
2 3 |
a23 0 |
a24 0 |
Следовательно, достаточное условие идентификации не выполняется и первое уравнение нельзя считать идентифицируемым.
Для второго уравнения Н = 2 (у1 и у2), D = 1 (отсутствует х1) счетное правило дает утвердительный ответ: уравнение идентифицируемо (D + 1 = Н).
Достаточное условие идентификации выполняется. Коэффициенты при отсутствующих во втором уравнении переменных составят.
Матрица коэффициентов (2)
Уравнение |
Переменные |
|
y3 |
x1 |
|
1 3 |
b13 – 1 |
a11 a31
|
Согласно таблице |A| ≠ 0, а ранг матрицы равен 2, что соответствует следующему критерию: ранг матрицы коэффициентов должен быть не меньше числа эндогенных переменных в системе без одной. Итак, второе уравнение точно идентифицируемо.
Третье уравнение системы содержит Н = 3 и D = 2, т. е. по необходимому условию идентификации оно точно идентифицируемо (D + 1 = Н). Противоположный вывод имеем, проверив уравнение на достаточное условие идентификации. Составим таблицу коэффициентов при переменных, отсутствующих в третьем уравнении, в которой |A| = 0.
Матрица коэффициентов (3)
Уравнение |
Переменные |
|||
х 3 |
х4 |
|||
1 |
0 |
|
|
0 |
2 |
а23 |
|
|
а24 |
Из таблицы видно, что достаточное условие идентификации не выполняется. Уравнение неидентифицируемо. Следовательно, рассматриваемая в целом структурная модель, идентифицируемая по счетному правилу, не может считаться идентифицируемой исходя из достаточного условия идентификации.
В эконометрических моделях часто наряду с уравнениями, параметры которых должны быть статистически оценены, используются балансовые тождества переменных, коэффициенты при которых равны ±1. В этом случае хотя само тождество и не требует проверки на идентификацию, ибо коэффициенты при переменных в тождестве известны, в проверке на идентификацию собственно структурных уравнений системы тождества участвуют.
Например, рассмотрим эконометрическую модель экономики страны: г
где у1 — расходы на конечное потребление данного года;
А— свободный член уравнения;
— случайные ошибки;
у2— валовые инвестиции в текущем году;
х1— валовой доход предыдущего года;
yз— расходы на заработную плату в текущем году;
у4— валовой доход за текущий год;
х2— государственные расходы текущего года.
В этой модели четыре эндогенные переменные у1, у2, у3, y4, причем переменная у4 задана тождеством. Поэтому статистическое решение практически необходимо только для первых трех уравнений системы, которые нужно проверить на идентификацию. Модель содержит две предопределенные переменные – экзогенную х2 и лаговую х1.
При практическом решении задачи на основе статистической информации за ряд лет или по совокупности регионов за один год в уравнениях для эндогенных переменных у1 у2, y3 обычно содержится свободный член А01, А02, А03, значение которого аккумулирует влияние неучтенных в уравнении факторов и не влияет на определение идентифицируемости модели.
Поскольку фактические данные об эндогенных переменных у1, у2, y3 могут отличаться от теоретических, постулируемых моделью, принято в модель включать случайную составляющую для каждого уравнения системы, исключив тождества. Случайные составляющие (возмущения) обозначены через 1, 2 и 3,. Они не влияют на решение вопроса об идентификации модели.
В рассматриваемой эконометрической модели первое уравнение системы точно идентифицируемо, ибо H = 3 и D = 2, и выполняется необходимое условие идентификации (D + 1 = Н). Кроме того, выполняется и достаточное условие идентификации, т. е. ранг матрицы равен 3, а определитель ее не равен 0 : |A| =-a31, что видно из следующей таблицы:
Уравнение |
y2 |
x1 |
x2 |
2 |
–1 |
а21 |
0 |
3 |
0 |
– а31 |
0 |
4 |
1 |
0 |
1 |
Второе уравнение системы так же точно идентифицируемо: Н = 2 и D =1, т. е. счетное правило выполнено: D + 1 = Н, выполнено достаточное условие идентификации: ранг матрицы 3 и |A| = -b34.
Уравнение |
y1 |
y4 |
x2 |
1 |
– 1 |
b14 |
0 |
3 |
0 |
b34 |
0 |
4 |
1 |
– 1 |
1 |
Третье уравнение системы также идентифицируемо: Н = 2, D=1,D+ 1 = Н; |A| ≠ 0, а ранг матрицы А = 3 и |A| = 1.
Уравнение |
y1 |
y2 |
x2 |
1 |
– 1 |
0 |
0 |
2 |
0 |
– 1 |
0 |
4 |
1 |
1 |
1 |
Идентификация уравнений достаточно сложна и не ограничивается только вышеизложенным. На структурные коэффициенты модели могут накладываться и другие ограничения, например, в производственной функции сумма эластичностей может быть равна по предположению 1. Могут накладываться ограничения на дисперсии и ковариации остаточных величин.