- •Структура залікового кредиту курсу
- •Змістовий модуль і. Лінійні моделі множинної регресії
- •Тема 1. Основи економетричного моделювання. План (логіка)викладу і засвоєння матеріалу
- •Предмет і метод курсу.
- •Місце курсу серед дисциплін фундаментальної підготовки бакалаврів з економічних спеціальностей.
- •Задачі економетричного дослідження.
- •Особливості економетричних моделей та історія розвитку економетричних досліджень.
- •Тема 2. Загальна лінійна економетрична модель. Методи побудови та дослідження план (логіка)викладу і засвоєння матеріалу
- •2.1. Постановка та основні означення парної лінійної регресії. Метод найменших квадратів. Система оцінки параметрів економетричної моделі з двома змінними.
- •2.2. Дисперсійний та кореляційний аналіз побудованої моделі.
- •2.3. Постановка загальної лінійної моделі.
- •2.4. Передумови застосування методу найменших квадратів (1мнк).
- •Властивості оцінок параметрів.
- •1) Незміщеності; 3) ефективності;
- •2) Обґрунтованості; 4) інваріантності.
- •2.6. Перевірка моделі на якість і точність.Прогноз.
- •Дисперсійний аналіз
- •Тема 3. Поняття та методи дослідження мультіколінеарності. Гетероскедастичність, методи визначення та наслідки. План (логіка)викладу і засвоєння матеріалу
- •3.1. Поняття мультіколінеарності. Методи визначення її.
- •Методи дослідження мультіколінеарності (метод феррара-глобера).
- •Поняття гетероскедастичності. Методи її визначення.
- •Перевірка гетероскедастичності на основі критерію
- •Параметричний тест Гольдфельда—Квандта
- •Тема 4. Нелінійні моделі та часові ряди план (логіка)викладу і засвоєння матеріалу
- •4.1.Методи оцінювання параметрів моделі нелінійного виду.
- •4.2.Виробнича функція : аналіз рішення.
- •4.4. Поняття тренду. Методи дослідження динамічних рядів
- •Похідні від функцій апроксимації
- •Тема 5. Побудова економетричної моделі з автокорельованими залишками. План (логіка)викладу і засвоєння матеріалу
- •5.1.Поняття і причини виникнення автокореляції.
- •5.2.Критерій дарбіна-уотсона.
- •5.3.Критерій неймана. Критерій фон Неймана
- •5.4.Оцінка параметрів моделі з автокорельованими залишками. Метод ейткена
- •Тема 6. Моделі розподіленого лагу. Методи інструментальних змінних план (логіка)викладу і засвоєння матеріалу
- •6.1.Поняття лагу і лагових змінних.
- •Моделі розподіленого лагу (дистрибутивно – лагові моделі);
- •Авторегресійні моделі.
- •6.2.Лаги незалежних змінних лаги залежної змінної.
- •6.3.Методи оцінювання.
- •6.4.Метод ейткена. Ітеративний метод.
- •Метод Ейткена
- •6.5.Метод інструментальних змінних.
- •6.7.Оператор оцінювання вальда.
- •Тема 7. Непрямий метод найменших квадратів. Проблеми ідентифікації план (логіка)викладу і засвоєння матеріалу
- •Система одночасних структурних рівнянь. Проблеми ідентифікації
- •7.2. Рекурсивні системи
- •7.3. Непрямий метод найменших квадратів (нмнк)
- •7.4. Двокроковий метод найменших квадратів (2мнк)
- •7.5. Трикроковий метод найменших квадратів (змнк)
5.4.Оцінка параметрів моделі з автокорельованими залишками. Метод ейткена
Нехай в економетричній моделі:
,
,
де — нормально розподілені випадкові залишки. Тоді, щоб усунути автокореляцію залишків , треба перетворити основну модель так, щоб вона мала залишки ,. Оскільки , то для такого перетворення треба записати модель для попереднього періоду:
,
помножити ліву і праву частину її на та відняти від моделі для періоду t.
У результаті дістанемо таку економетричну модель:
.
Звідси очевидно, що коли вихідні дані перетворені, а саме , , то для оцінювання параметрів можна застосувати 1МНК. Причому для перетворення можна використати перші різниці , , коли наближається до одиниці. Якщо близьке до нуля, то справджується обернене твердження. Зауважимо, що коли = 1, у перетвореній моделі відсутній вільний член (як виняток може бути ситуація, коли вихідна модель містить лінійний часовий тренд). Якщо залишки вихідної моделі характеризувались додатною автокореляцією, використання перших різниць спричинюється до від’ємної автокореляції.
Параметр наближено можна знайти на основі залишків, якщо обчислити циклічний коефіцієнт кореляції r. На практиці, як правило, , але r коригується на величину зміщення.
Усі ці міркування покладені в основу методів оцінки параметрів економетричної моделі з автокорельованими залишками.
Для оцінювання параметрів економетричної моделі, що має автокореляцію залишків, можна застосувати узагальнений метод найменших квадратів (метод Ейткена), який базується на скоригованій вихідній інформації з урахуванням коваріації залишків, система рівнянь для оцінки параметрів моделі на основі методу Ейткена запишеться так:
(5.7)
або
,
де А — вектор оцінок параметрів економетричної моделі;
Х — матриця незалежних змінних;
X' — матриця, транспонована до матриці X;
S-1 — матриця, обернена до матриці кореляції залишків;
V-1 — матриця, обернена до матриці V, де , а — залишкова дисперсія;
Y —вектор залежних змінних.
Звідси:
(5.8)
або
.
Отже, щоб оцінити параметри моделі на основі методу Ейткена, треба сформувати матрицю S або V. Матриця S має вигляд
(5.9)
У цій симетричній матриці виражає коефіцієнт автокореляції s-го порядку для залишків . Очевидно, що коефіцієнт автокореляції нульового порядку дорівнює 1.
Оскільки коваріація залишків при s > 2 часто наближається до нуля, то матриця, обернена до матриці S, матиме такий вигляд:
(5.10)
Таку матрицю іноді пропонується використовувати при оцінюванні параметрів моделі з автокорельованими залишками за методом Ейткена.
Покажемо, як використовується циклічний коефіцієнт кореляції для обчислення .
, (5.11)
або
(5.12)
де —величина залишків у період t; — величина залишків у період t - 1; n—число спостережень. Якщо , то .
Зауважимо, що параметр r (або ) має зміщення. Тому, використовуючи такий параметр для формування матриці S, необхідно скоригувати його на величину зміщення.
, (5.13)
де — величина зміщення (m — кількість незалежних змінних), або
(5.14)
Матриця , де — залишкова дисперсія, що визначається за формулою
(5.15)
де — вектор, транспонований до вектора залишків u; — число ступенів свободи.
Дисперсія залишків з урахуванням зміщення обчислюється так:
(5.16)
Величину можна обчислити методом 1МНК з допомогою авторегресійного рівняння . У такому разі:
(5.17)
де взято як відхилення від свого середнього значення. При реалізації алгоритму Ейткена для оцінки параметрів моделі застосовують такі п′ять кроків.
Крок 1. Оцінка параметрів моделі за методом 1МНК.
Крок 2. Дослідження залишків на наявність автокореляції.
Крок 3. Формування матриці коваріації залишків V або S.
Крок 4. Обернення матриці V або S.
Крок 5. Оцінка параметрів методом Ейткена.