15. Методы идентификации койка моделей с распределенными лагами.

(2)

1. Заключение в задании с малым шагом и расчете коэффициентов и соответствующего коэффициента детерминации (мера точности моделирования).

2. Преобразование Койко использует запись для предыдущего шага времени и умножается на неизвестный параметр .

(3)

Вычитая (3) из (2) имеем:

(4)

16. Метод ш. Алмон для моделей с распределенными лагами.

Ширли Алмон предположила, что большим приложением является моделирования весов коэффициент полинома (как правило 3-его порядка). В основе модели Алмон лежит предположение, что «веса» коэффициентов могут аппроксимироваться полиномами определённой степени от величины лага.

Поставив каждый из коэф в будем иметь:

Подставив в (1) будем иметь:

Недостатки метода Алмон:

Хотелось бы чтобы параметр L был бы известен заранее. Если он неизвестен, то лучшие предположить максимально возможный.

Если порядок оказался выше реального, то оценка будет несмещенной и эффективной.

Если порядок оказался меньше реального, то оценка будет смещенной или неэффективной.

Достоинства:

Универсальность

Можно строить модель с распределенным лагом почти любой длины.

17. Метод (модель) адаптивных ожиданий для авторегрессионных моделей.

Модель адаптивных ожиданий/обучения на ошибках

Моделью адаптивных ожиданий называется динамическая эконометрическая модель, которая учитывает предполагаемое (или желаемое) значение факторной переменной в момент времени (t+1). Общий вид модели адаптивных ожиданий:

Предполагаемое (ожидаемое) значение переменной: в момент времени (t+1) рассчитывается на основании значений фактических (реальных) переменных в предшествующий момент времени t.

Примером модели адаптивных ожиданий является модель зависимости размера предполагаемой в будущем периоде (t+1) индексации заработных плат и пенсий на текущие цены.

18. Метода (модель) частичной корректировки для авторегрессионных моделей.

Модель частичной корректировки

Моделью частичной (неполной) корректировки называется динамическая эконометрическая модель, которая учитывает предполагаемое или желаемое значение результативной переменной

Общий вид модели частичной корректировки: Предполагаемое значение переменной в момент времени t рассчитывается на основании значений фактических (реальных) переменных в предшествующий момент времени (t-1).

Примером модели частичной корректировки является модель Литнера, которая характеризует зависимость желаемого объёма дивидендов от фактического текущего объёма прибыли xt.

Здесь корректировке подвергается определяемая переменная:

19. Фиктивные переменные в эконометрике.

Дальние, структурные.

Вместе с тем может оказаться необходимым включить в модель фактор, имеющий два или более качественных уровней. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т.е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными.

Рисунок

мультиколениарен.

Если качественная переменная имеет I альтернативных значений, то при моделировании используются только i-1 фиктивных переменных.

Если не следовать данному правилу, то при моделировании исследователь попадает в ситуацию совершенной мультиколлинеарности или так называемую ловушку фиктивной переменной.

Сезонность