- •Тема 1 Методы и модели регрессионного анализа 7
- •Тема 2. Системы эконометрических уравнений 50
- •Тема 3. Анализ временных рядов 60
- •Предисловие
- •Введение. Эконометрическая модель и проблемы эконометрического моделирования
- •Общие понятия
- •Экономическая модель
- •Эконометрическая модель
- •Элементы эконометрической модели и их свойства
- •Задачи эконометрики
- •Эконометрика и её место в ряду математических и экономических дисциплин
- •Тема 1 Методы и модели регрессионного анализа
- •1.1 Основные понятия регрессионного анализа
- •1.1.1 Спецификация модели
- •1.2 Парная регрессия и корреляция
- •1.2.1 Линейная модель парной регрессии и корреляции
- •Оценка тесноты связи
- •Оценка качества подбора уравнения
- •Проверка статистической значимости эконометрической модели
- •Оценка значимости параметров эконометрической модели
- •1.2.2 Нелинейные модели парной регрессии и корреляции Виды нелинейных уравнений регрессии
- •Линеаризация нелинейных моделей регрессии
- •Оценка тесноты связи нелинейной регрессии
- •Оценка качества нелинейных уравнений регрессии
- •1.3 Множественная регрессия и корреляция
- •Отбор факторов, включаемых в модель множественной регрессии
- •1.3.1 Линейное уравнение множественной регрессии
- •Оценка параметров линейных уравнений регрессии
- •1.3.2 Линейное уравнение множественной регрессии с стандартизированном масштабе
- •1.3.2 Частные уравнения регрессии
- •1.3.3 Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •1.3.4 Предпосылки мнк, методы их проверки
- •Обобщенный метод наименьших квадратов (омнк)
- •1.3.5 Проверка существенности факторов и показатели качества регрессии
- •Оценка тесноты связи
- •Проверка статистической значимости эконометрической модели
- •Оценка значимости параметров эконометрической модели
- •1.3.6 Фиктивные переменные во множественной регрессии
- •1.4 Резюме по теме.
- •Вопросы для повторения
- •Тема 2. Системы эконометрических уравнений
- •2.1. Классификация систем эконометрических уравнений
- •2.2 Структурная и приведенная формы модели
- •2.3 Проблема идентификации систем одновременных уравнений
- •2.4. Методы оценки параметров структурной формы модели (систем одновременных уравнений): косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •2.5. Модель спроса и предложения
- •2.5.1 Структурная и приведённая форма системы
- •2.6. Вопросы для повторения
- •2.7. Резюме по теме
- •Тема 3. Анализ временных рядов
- •3.1. Структура временного ряда
- •3.2. Автокорреляция уровней временного ряда
- •Проверка гипотезы о наличии тренда во временном ряде
- •3.2. Моделирование тенденции временного ряда
- •3.3. Моделирование сезонных колебаний
- •3.3.1 Аддитивная и мультипликативная модели временных рядов
- •3.4. Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •3.5 Модели стационарных и нестационарных временных рядов и их идентификация
- •3.6 Эргодичность
- •3.7 Особые случаи
- •3.8 Нестационарные временные ряды
- •3.9 Метод разностей и интегрируемость
- •3.10 Адаптивные методы краткосрочного прогнозирования временных рядов
- •3.10.1 Понятие адаптивной модели
- •3.10.2 Экспоненциальное сглаживание
- •3.10.3 Модели линейного роста
- •3.10.4 Стохастический процесс Тейла и Вейджа
- •3.10.5 Сезонные модели
- •Аддитивная модель сезонных явлений
- •3.10.6 Модели авторегрессии — скользящего среднего (метод Бокса —Дженкинса)
- •3.10.7 Авторегрессионная модель.
- •3.10.8 Модель скользящего среднего.
- •3.11 Специфика изучения взаимосвязей по временным рядам. Исключение сезонных колебаний. Исключение тенденции.
- •3.11.1. Метод отклонений от тренда
- •3.11.2. Метод последовательных разностей
- •3.12 Резюме по теме.
- •3.13 Вопросы для повторения
2.5.1 Структурная и приведённая форма системы
Система (2.5) является структурной формой модели, а коэффициенты 2,2,3структурными коэффициентами.
Разрешим систему (2.5) относительно pt,qt:
,
.
Обозначая
; (2.6)
,
получаем
qt = 1yt + v1t;
pt = 2yt + v2t. (2.7)
Система (2.7), в которой все эндогенные переменные явно выражены через экзогенные переменные и случайные остаточные компоненты, называется приведённой формой системы одновременных уравнений.
В этой форме экзогенная переменная ytнекоррелирована с возмущениямиv1t,v2t, поэтому МНК даст несмещённые и состоятельные оценкиикоэффициентов1,2. Так как
по оценкам ,получаем оценку2:
,
которая по теореме Слуцкого будет состоятельной оценкой структурного коэффициента 2.
Такой способ оценивания структурных коэффициентов с помощью оценок коэффициентов приведённой формы называется косвенным методом наименьших квадратов.
Очевидно, таким же образом, нельзя воспользоваться соотношениями (2.6) для получения оценок структурных коэффициентов 2,3. Таким образом, второе уравнение в системе (2.5)неидентифицируемо.
Неидентифицируемость этого уравнения можно также доказать следующим образом. Умножим первое уравнение (2.5) на , а второена (1) и сложим их. Получим соотношение
qt=2pt+3yt+t, (2.8)
где
2=2+ (1)3,3= (1)3,t=t+ (1)ut.
Уравнение (2.8) имеет такой же вид, что и второе уравнение в системе (2.5). Это значит, что другиекоэффициенты2,3также подходят для данныхqt,pt,yt. Таким образом, при любом методе оценивания структурных коэффициентов второго уравнения нельзя утверждать, получены оценки именно коэффициентов2,3.
2.6. Вопросы для повторения
Что такое системы одновременных уравнений? Для чего они используются?
Что такое приведенная форма системы одновременных уравнений?
Для чего используется косвенный МНК?
Что означает неидентифицируемость уравнения?
Как определяется степень идентифицируемости уравнения?
В чем состоит косвенный МНК?
В чем состоит двухшаговый МНК?
2.7. Резюме по теме
В эконометрике рассматриваются системы одновременных уравнений – когда сразу несколько экономических показателей в этих системах определяются одновременно. Выделяют структурную и приведенную (когда все эндогенные переменные явно выражены через экзогенные переменные и случайные остаточные компоненты) форму системы одновременных уравнений. Вводятся понятия идентифицируемости и неидентифицируемости. Для оценивания структурных коэффициентов применяется косвенный метод наименьших квадратов (МНК) и двухшаговый МНК.
Тема 3. Анализ временных рядов
Цели и задачи изучения темы:
Формирование представления о временных рядах, о методах анализа и прогнозирования временных рядов, о методах сглаживания временных рядов, о стационарных временных рядах.
3.1. Структура временного ряда
Временной ряд (ряд динамики)– это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно подразделить на три группы:
факторы, формирующие тенденцию ряда;
факторы, формирующие циклические колебания ряда;
случайные факторы.
Каждый уровень временного ряда формируется под воздействием тенденции, сезонных колебаний и случайной компоненты.
1) трендовой (Т),описывающей общее изменение со временем результативного признака;
2) сезонной (S),отражающей повторяемость данных через небольшой промежуток времени;
3) случайной (Е), отражающей влияние случайных факторов.
В большинстве случаев фактический уровень временного ряда можно представить как сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной модельювременного ряда. Модель, в которой временной ряд представлен как произведение перечисленных компонент, называетсямультипликативной модельювременного ряда.
Основная задача эконометрического исследованияотдельного временного ряда – выявление и придание количественного выражения каждой из перечисленных выше компонент с тем, чтобы использовать полученную информацию для прогнозирования будущих значений ряда или при построении моделей взаимосвязи двух или более временных рядов.