Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Лекции - Раздел 1

.pdf
Скачиваний:
9
Добавлен:
03.06.2015
Размер:
933.51 Кб
Скачать

(“объем плановых инвестиций неэластичен по отношению к норме процента”).

В моделях “доход – потребление”, относящихся к потреблению продуктов питания,

линейная модель

в логарифмах уровней, выражающая уменьшение MPC DPI с

возрастанием DPI ,

все же не всегда удовлетворительна, поскольку эластичность в такой

модели постоянна. Опять же по чисто физиологическим причинам, более подходящей будет скорее модель связи с убывающей (в конечном счете) эластичностью. Такого рода связь между факторами Y и Z может иметь вид

Y lnZ , 0, 0 .

(См. следующий график, построенный при 5, 10.)

30

 

 

 

 

 

 

 

 

 

 

20

 

 

 

 

 

 

 

 

 

 

10

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

Y

 

 

 

 

 

 

 

 

 

 

-10

 

 

 

 

 

 

 

 

 

 

-20

 

 

 

 

 

 

 

 

 

 

-30

 

 

 

 

 

 

 

 

 

 

0

1

2

3

4

5

 

6

7

 

 

 

 

 

 

Z

 

 

 

 

 

 

 

 

 

Рис.1.21

 

 

 

 

 

Действительно,

 

 

 

 

 

 

 

 

 

(Z)

dY

Z

 

 

 

 

Z

0;

 

 

 

 

 

lnZ

 

 

 

dZ Y Z

 

Z

 

однако здесь возникают проблемы с отрицательными значениями Y

при малых значениях

Z .

 

 

 

 

 

 

 

 

 

 

Последнего недостатка нет в модели

 

lnY

 

,

0 ,

Z

 

 

 

 

т. е.

 

 

 

 

 

 

Y exp

 

 

.

 

 

Z

Здесь

(Z)

Z

(закон Энгеля убывания эластичности потребления продуктов питания по доходу). Заметим также, что значения Y в этой модели ограничены сверху значением exp . Приведенный ниже график кривой Y exp Z соответствует значениям 3, 10.

69

 

20

 

 

 

 

 

 

 

 

15

 

 

 

 

 

 

 

 

Y

 

 

 

 

 

 

 

 

10

 

 

 

 

 

 

 

 

5

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

20

40

60

80

100

 

 

 

 

 

 

Z

 

 

 

 

 

 

Рис.1.22

 

 

 

 

При этом

exp 3 20.09,

так что

прямая

Y 20.09

является горизонтальной асимптотой

 

 

 

10

 

 

 

 

 

для кривой Y exp

3

.

 

 

 

 

 

 

 

Z

 

 

 

 

 

Обе последние модели приводятся к линейной форме связи путем перехода от уровней переменных к их логарифмам или к обратным величинам.

 

Замечание 1.4.1

 

 

 

 

 

 

 

 

 

Пусть X и Y – уровни двух экономических переменных.

 

 

 

 

Уравнение

Y X

называют “level-level”

уравнением. Коэффициент

в

 

таком уравнении равен изменению значения переменной Y при увеличении значения

 

переменной X на единицу.

 

 

 

 

 

 

 

 

Уравнение

lnY ln X

называют “log-log”

уравнением. Коэффициент

в

 

таком уравнении является эластичностью переменной Y по отношению к переменной

 

X и приблизительно равен процентному изменению значения Y

при

увеличении

 

значения переменной X на 1%.

 

 

 

 

 

 

 

Уравнение

lnY X

называют “log-level”

уравнением. Коэффициент

в

 

таком уравнении называют полуэластичностью (semi-elasticity). При увеличении

 

значения переменной

X

на

единицу значение

переменной

Y

изменяется

 

приблизительно на 100

процентов.

 

 

 

 

 

 

Уравнение

Y ln X

называют

“level-log”

уравнением.

При

увеличении

 

значения

переменной

X

на

1%

значение

переменной

Y

изменяется

 

приблизительно на 100 единиц.

 

 

 

 

 

Если исследователь принимает модель наблюдений lnYi lnXi i ,

то тем самым он соглашается с тем, что

70

Yi e Xi e i ,

или

Yi Xi i ,

т. е. соглашается с мультипликативным вхождением ошибок i в нелинейное уравнение для Yi .

В то же время не исключено, что по существу дела модель должна иметь вид

Yi Xi i ,

т. е. имеет аддитивные ошибки. Преобразование X X не является “доступным”, если значение является неизвестным параметром, подлежащим оцениванию. Соответственно,

в последней модели Xi не является объясняющей переменной Xi , поскольку значения

Xi не доступны наблюдению. Взятие логарифмов от обеих частей не приводит здесь к линейной модели наблюдений, и мы имеем дело с существенно нелинейной моделью наблюдений.

В такой ситуации оценки параметров и можно опять определить как значения a и b , минимизирующие сумму квадратов

Q(a,b) n Yi a Xib 2 .

i 1

Однако нормальные уравнения в этом случае становятся нелинейными, и решения этих уравнений не выражаются в явном виде. Здесь приходится прибегать к нелинейному методу наименьших квадратов (nonlinear least squares – NLLS). Сумму квадратов отклонений минимизируют, используя итерационные методы, в процессе реализации которых сначала задаются некоторые “стартовые” значения оцениваемых параметров, а затем производится последовательное приближение значений a и b к значениям, минимизирущим Q(a,b). При этом возникает проблема поиска именно глобального, а не локального максимума функции

Q(a,b). Более того, результаты, касающиеся вероятностных свойств получаемых оценок, что и представляет основной интерес в эконометрике, в нелинейных моделях только

асимптотические, т.е. предполагающие наличие большого количества наблюдений. В то же время, в линейной модели: (a) оценки параметров вычисляются по явной формуле и гарантируют обеспечение глобального минимума суммы квадратов, (b) результаты,

касающиеся вероятностных свойств получаемых оценок, являются точными и при небольшом количестве наблюдений. Поэтому так важна возможность сведения модели нелинейной связи к линейной модели наблюдений.

71

Пример подбора моделей нелинейной связи, сводящихся к линейной модели

преобразованием переменных

Если в нашем распоряжении нет теоретической модели связи между переменными,

то приходится исходить из характера расположения точек на диаграмме рассеяния и на этой основе подбирать подходящую модель. Рассмотрим в этой связи следующий пример.

Суть политики Кеннеди – Джонсона10 состояла в сокращении налогов, увеличении расходов на оборону и ускорении роста количества денег в обращении. Предполагалось, что это вызовет оживление экономики США и будет способствовать снижению нормы безработицы (т. е. доли безработных в общей численности рабочей силы). Ожидалось также,

что возрастание темпов инфляции будет при этом не очень сильным. Обратимся, однако, к

реальным статистическим данным за период с 1961 по 1969 год:

Табл. 1.5

Год

1961

1962

1963

1964

1965

1966

1967

1968

1969

INF

1.0

1.1

1.2

1.3

1.7

2.9

2.9

4.2

5.4

UNJOB

6.5

5.4

5.5

5.0

4.4

3.7

3.7

3.5

3.4

Здесь UNJOB – процент безработных в общей численности рабочей силы, а INF

темп инфляции.

На рис. 1.23 приведена диаграмма рассеяния для переменных UNJOB и INF,

построенная по указанным годовым данным, и изображена прямая, подобранная методом наименьших квадратов, исходя из предположения о линейном характере связи между этими переменными, т. е. исходя из модели наблюдений

INFi UNJOBi i , i 1, ,n.

 

6

 

 

 

 

 

5

 

 

 

 

 

4

 

 

 

 

INF

3

 

 

 

 

 

2

 

 

 

 

 

1

 

 

 

 

 

0

 

 

 

 

 

3

4

5

6

7

 

 

 

UNJOB

 

 

 

 

 

Рис. 1.23

 

 

Достаточно высокое значение коэффициента детерминации R2 0.7184,

соответствующее полученной прямой, могло бы говорить о хорошем приближении истинной

10 Джон Кеннеди – президент США с 1961 по 1963 год, Линдон Джонсон – президент США с 1963 по 1969 год.

72

модели связи линейной моделью11. Однако характер расположения точек на диаграмме рассеяния явно указывает на наличие нелинейной связи между рассматриваемыми переменными в период с 1961 по 1969 год (кривая Филлипса).

Поэтому при подборе моделей к реальным статистическим данным следует обращать внимание не только на коэффициент детерминации, но и на соответствие подобранной модели характеру статистических данных. Позднее мы специально обсудим эту проблему, известную как проблема адекватности полученной модели имеющимся статистическим данным.

Поскольку, на первый взгляд, расположение точек на рис. 1.23 напоминает график обратной пропорциональной зависимости, можно попробовать рассмотреть модель наблюдений

INFi 1UNJOBi i , i 1, ,n,

соответствующую линейной связи между переменными INF и UNJOBINV 1/UNJOB.

Подбор такой связи приводит к модели

INF 3.90 27.47 1UNJOB

с еще более высоким значением коэффициента детерминации R2 0.8307. Однако, характер диаграммы рассеяния переменных INF и UNJOBINV (рис. 1.24) указывает на нелинейную связь и между этими переменными.

6

4

INF

2

0

0.150.2 0.25 0.3 UNJOBINV

Рис. 1.24

Обратившись еще раз к диаграмме рассеяния исходных переменных INF и UNJOB

для данных за 1961–1969 годы (рис. 1.23), можно заметить, что кривая зависимости INF от

UNJOB по-видимому имеет вертикальную асимптоту INF 3. Последнее обстоятельство можно учесть в рамках модели Михаэлиса – Ментон (Michaelis–Menton model)

11 Позднее мы сможем более квалифицированно говорить о том, действительно ли получаемое при подборе модели значение коэффициента детерминации достаточно велико.

73

INF 1 UNJOB ,2 UNJOB

которую можно преобразовать к виду

INF 1

 

 

1 2

,

 

 

 

2

UNJOB

предусматривающему наличие и вертикальной и горизонтальной асимптот. Такая модель

связи линеаризуется переходом к обратным

 

величинам

Y 1/ INF ,

X 1/UNJOB .

Действительно, тогда

 

 

 

 

 

 

 

 

 

 

 

 

Y

 

1

 

2

UNJOB

=

1+ 2

UNJOB

=

 

1

+

2 1

= + X ,

 

 

INF

1

 

 

 

1

 

 

 

 

 

UNJOB

1

UNJOB

 

 

где 1 1

, 2 1 .

 

 

 

 

 

 

 

 

 

Диаграмма рассеяния для обратных величин Y 1/ INF ,

X 1/UNJOB имеет вид:

INFIN

1.2

0.8

0.4

0

0.150.2 0.25 0.3 UNJOBINV

Рис. 1.25

Теперь уже точки на диаграмме рассеяния весьма хорошо следуют прямой линии,

подобранной методом наименьших квадратов:

Y 1.947 5.952 X,

R2 0.9914.

 

 

Здесь 1.947, 5.952,

так что 1 1/ 0.515,

2

1 3.057, и оцененная

модель Михаэлиса – Ментон имеет вид:

INF

0.514 UNJOB

.

 

 

3.057 UNJOB

Модель Михаэлиса – Ментон хороша тем, что учитывает наличие асимптот и линеаризуется. В то же время она является лишь частным случаем более общей нелинейной модели связи

12 UNJOB

стремя свободно изменяющимися параметрами. Действительно, в модели Михаэлиса –3INF

Ментон

74

3 1 2 ,

иона только двухпараметрическая, так что модель с тремя свободными параметрами является более гибкой. Но, вместе с тем, указанная трехпараметрическая модель уже не линеаризуется, и параметры 1, 2 , 3 приходится оценивать, используя итерационную

процедуру последовательного уменьшения суммы квадратов

n

 

 

 

3

2

Q 1, 2 , 3

 

1

 

 

 

 

INFi

 

 

.

i 1

 

 

2 UNJOBi

(Конечно, в предположении аддитивности ошибок i .) “Стартовые” значения параметров

1, 2 в этой процедуре можно

взять близкими к оценкам

1, 2 , полученным

при

оценивании предыдущей модели,

например, 1 0.5, 2 3.0,

а стартовое значение

3

можно положить равным 1.

Реализация итерационной процедуры приводит к следующим оценкам параметров:

1 0.581, 2 3.117, 3 1.370;

оцененная модель имеет вид

INF 0.581

1.370

.

 

 

UNJOB 3.117

На рис. 1.26 показаны наблюдаемые значения переменной INF (INFtrue) и значения

(INFmodel), получаемые по оцененной модели.

6

4 INFmodel

iNFtrue

2

0

3 5 7

UNJOB

Рис. 1.26

Подобранная модель показывает, что экспансионистские экономические мероприятия первоначально обеспечивают снижение нормы безработицы и реальный экономический рост при умеренной инфляции. Однако удержать норму безработицы ниже ее естественного уровня в течение продолжительного времени можно лишь за счет постоянно ускоряющегося темпа инфляции. К окончанию срока пребывания у власти Линдона

75

Джонсона темп инфляции начал стремительно возрастать, что потребовало смены экономической политики.

Замечание 1.4.3

Формально можно получать все большее соответствие модели имеющимся статистическим данным, усложняя функцию связи и вводя в нее все большее количество параметров. Однако при этом становится все труднее содержательно интерпретировать параметры модели и проверять гипотезы о значениях этих параметров.

Более того, детальная модель, построенная по статистическим данным за некоторый период времени, может оказаться совершенно бесполезной для описания связи между рассматриваемыми переменными на другом временном промежутке.

Так, если рассмотреть данные о значениях переменных UNJOB и INF на более широком периоде с 1958 по 1984 годы, то для такого набора данных диаграмма рассеяния имеет вид, изображенный на рис. 1.27.

15

10

INF

5

0

2 7 12

UNJOB

Рис. 1.27

На сей раз облако рассеяния довольно округло, и это согласуется с весьма низким значением коэффициента детерминации R2 0.0864, получаемым при подборе модели линейной зависимости INF от UNJOB. Диаграмма рассеяния не указывает и на какой-либо другой тип зависимости между этими двумя переменными на расширенном периоде наблюдений.

Замечание 1.4.4

Рассматривая альтернативные модели зависимости темпа инфляции от процента безработных в общей численности рабочей силы, мы приводили всякий раз значение коэффициента детерминации, соответствующее оцененной модели. При этом использовались как модели, в которых объясняемой являлась переменная INF , так и модель, в которой объясняемой являлась переменная Y 1/ INF . Однако следует иметь в виду, что сравнивать значения коэффициента детерминации, полученные при оценивании моделей, в которых

76

объясняемые переменные различны, не имеет смысла, поскольку при этом оказываются различными и полные суммы квадратов.

Контрольныевопросы

1.Как ведет себя предельная склонность к потреблению при возрастании DPI в модели степенной связи между DPI и расходами на потребление?

1.Как ведет себя эластичность расходов на потребление при возрастании DPI в модели степенной связи между DPI и расходами на потребление?

2.Как ведет себя эластичность расходов на потребление при возрастании DPI в модели линейной связи между DPI и расходами на потребление?

3.Какие две различные эконометрические модели можно выбрать для эконометрического анализа, исходя из одной и той же модели степенной связи между переменными? Как влияет при этом выбор модели на процедуру, реализующую метод наименьших квадратов?

4.Что дает возможность сведения модели нелинейной связи к линейной модели наблюдений?

5.Каковы достоинства модели Михаэлиса – Ментон, и каким образом она линеаризуется?

6.Частным случаем какой трехпараметрической модели является модель Михаэлиса – Ментон? Как реализуется метод наименьших квадратов в этих двух моделях?

7.Почему нельзя сравнивать между собой значения коэффициента детерминации,

полученные при оценивании альтернативных моделей связи, в которых объясняемые переменные различны? Как можно поступать в таких случаях?

Таблицы статистических данных к разделу 1.

Табл. 1.6

i

DPI

Cons

 

I

DPI

Cons

1

2508

2406

 

11

2435

2311

2

2572

2464

 

12

2354

2278

3

2408

2336

 

13

2404

2240

4

2522

2281

 

14

2381

2183

5

2700

2641

 

15

2581

2408

6

2531

2385

 

16

2529

2379

7

2390

2297

 

17

2562

2378

8

2595

2416

 

18

2624

2554

9

2524

2460

 

19

2407

2232

10

2685

2549

 

20

2448

2356

Табл. 1.7

77

i

Спрос

Цена

 

i

Спрос.

Цена

1

12

0.54

 

9

12

0.44

2

10

0.51

 

10

13

0.44

3

13

0.49

 

11

13.5

0.43

4

11.5

0.49

 

12

14

0.42

5

12

0.48

 

13

13.5

0.41

6

13

0.48

 

14

14.5

0.40

7

12

0.48

 

15

13

0.39

8

12

0.47

 

 

 

 

Табл. 1.8

Год

 

Потр.

 

Цена

 

 

Год

Потр.

 

Цена

1948

 

67.8

 

0.5370

 

 

1955

66.6

 

0.4256

1949

 

67.7

 

0.4726

 

 

1956

67.4

 

0.4111

1950

 

69.2

 

0.4556

 

 

1957

61.5

 

0.4523

1951

 

71.9

 

0.4655

 

 

1958

60.2

 

0.4996

1952

 

72.4

 

0.4735

 

 

1959

67.6

 

0.4183

1953

 

63.5

 

0.5047

 

 

1960

65.2

 

0.4433

1954

 

60.0

 

0.5165

 

 

1961

62.2

 

0.4448

 

 

 

 

 

Табл. 1.9

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Год

 

Потреб. расходы

Эл. энергия

 

Мир. рекорд

 

 

1957

 

34.9

 

716

 

 

478

 

 

 

1958

 

35.9

 

724

 

 

478

 

 

 

1959

 

37.9

 

797

 

 

478

 

 

 

1960

 

41.1

 

844

 

 

481

 

 

 

1961

 

43.5

 

881

 

 

483

 

 

 

1962

 

46.7

 

946

 

 

493

 

 

 

1963

 

48.9

 

1011

 

 

520

 

 

 

1964

 

52.0

 

1083

 

 

528

 

 

 

1965

 

56.1

 

1157

 

 

528

 

 

 

1966

 

62.6

 

1249

 

 

534

 

 

 

Табл. 1.10

Год

Распол. доход

Расходы

Индекс

Распол. доход

Расходы

 

номинал.

номинал.

потреб. цен

дефлир.

дефлир.

1970

695.2

3.1

92.0

751.6

3.4

1971

751.9

3.3

96.5

779.2

3.4

1972

810.3

3.4

100.0

810.3

3.4

1973

914.0

3.6

105.7

864.7

3.4

1974

998.1

4.0

116.4

857.5

3.5

1975

1096.2

4.4

125.3

874.5

3.5

1976

1194.3

4.7

131.7

906.4

3.6

1977

1313.5

5.0

139.3

942.9

3.6

1978

1474.3

5.5

149.1

988.8

3.7

1979

1650.5

6.2

162.5

1015.7

3.8

1980

1828.7

6.3

179.0

1021.6

3.5

1981

2040.9

6.2

194.5

1049.3

3.2

1982

2180.1

6.6

206.0

1058.3

3.2

1983

2333.2

6.6

213.0

1095.4

3.1

78

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]