- •1. Эконометрическая модель и проблемы эконометрического моделирования
- •1.1. Общие понятия
- •1.2. Экономическая модель
- •1.3. Эконометрическая модель
- •1.4. Элементы эконометрической модели и их свойства
- •1.5. Задачи эконометрики
- •1.6. Эконометрика и её место в ряду математических и экономических дисциплин
- •1.7. Резюме по теме.
- •1.8. Вопросы для повторения
- •2. Элементы теории вероятностей и математической статистики
- •2.1. Дискретные, непрерывные случайные величины
- •2.2. Зависимые случайные величины
- •2.3. Понятия генеральной совокупности и выборки (выборочной совокупности)
- •2.4. Оценки параметров генеральной совокупности. Несмещённость и состоятельность оценок
- •2.5. Резюме по теме
- •2.6. Вопросы для повторения
- •3. Модели и методы регрессионного анализа
- •3.1. Основные понятия регрессионного анализа
- •3.2. Линейная парная регрессия
- •3.2.1. Определения
- •3.2.2. Принцип, метод наименьших квадратов
- •3.2.3. Свойства оценок параметров парной линейной регрессии
- •3.2.4. Анализ статистической значимости коэффициентов линейной регрессии
- •3.3. Нелинейная регрессия
- •3.4. Характеристики парной регрессии
- •3.5. Множественная регрессия
- •3.6. Гомо- и гетероскедастичность остатков
- •Методы определения гетероскедастичности
- •Тест ранговой корреляции Спирмена
- •3.7. Резюме по теме.
- •3.8. Вопросы для повторения
- •4. Анализ временных рядов
- •4.1. Общие понятия
- •4.2. Понятие временного ряда
- •4.3. Основные понятия и модели анализа временных рядов
- •4.4. Трендовые модели генерации значений временного ряда.
- •4.5. Фильтрация и сглаживание временного ряда
- •4.5.1. Медианная фильтрация (сглаживание)
- •Проверка гипотезы о наличии тренда во временном ряде
- •4.6. Методы сглаживания временного ряда
- •4.6.1. Общие понятия
- •4.6.2. Аналитические методы
- •4.6.3. Метод скользящего среднего
- •4.6.4. Метод экспоненциально взвешенного скользящего среднего (метод Брауна)
- •4.7. Стационарные временные ряды
- •4.7.1. Основные понятия
- •4.7.2. Корреляционная функция
- •4.7.3. Использование автокорреляции для выявления структуры временного ряда
- •4.8. Модели авторегрессии стационарных временных рядов и их идентификация
- •4.8.1. Основные понятия
- •4.8.2. Модель авторегрессии 1-го порядка
- •4.8.3. Модель авторегрессии второго порядка
- •4.8.4. Оценивание параметров моделей авторегрессии. Метод инструментальных переменных.
- •4.9. Моделирование сезонных и циклических колебаний
- •4.9.1. Расчет сезонной компоненты и построение модели временного ряда
- •4.9.2. Использование сезонных фиктивных компонент при моделировании сезонных колебаний
- •4.10. Специфика изучения взаимосвязей по временным рядам. Исключение сезонных колебаний. Исключение тенденции.
- •4.10.1. Метод отклонений от тренда
- •4.10.2. Метод последовательных разностей
- •4.11. Резюме по теме.
- •4.12. Вопросы для повторения
- •5. Системы одновременных уравнений
- •5.1. Модель спроса и предложения
- •5.2. Структурная и приведённая форма системы
- •5.3. Идентифицируемость систем одновременных уравнений
- •5.4. Резюме по теме.
- •5.5. Вопросы для повторения
- •Задачник
- •Примеры решения типовых задач
- •Задачи для самостоятельного решения
- •Варианты задач
- •Нелинейные модели регрессии и их линеаризация
- •Решение типовых задач
- •Задачи для самостоятельного решения.
- •Варианты задач
- •Решение типовых задач.
- •Постановка задачи
- •Варианты для самостоятельного решения.
5.3. Идентифицируемость систем одновременных уравнений
Общий вид системы одновременных уравнений
y1t = 12y2t + 13y3t + ... + 1nynt + 11x1t + ... + 1mxmt + 1t;
y2t = 21y1t + 23y3t + ... + 2nynt + 21x1t + ... + 2mxmt + 2t;
.............................................................................. (195)
ynt = n1y1t + n2y2t + ... + nn-1yn-1t + n1x1t + ... + nmxmt + nt.
Переменные yit определяются внутри системы и являются эндогенными;
xi внешние по отношению к системе, то есть экзогенные, переменные и лагированные значения эндогенных переменных, которые являются предопределёнными. Индекс t определяет момент наблюдения, t = 1, ..., n, а 1t, 2t, ...,nt случайные ошибки. Система (195) структурная форма модели.
После решения системы (195) относительно эндогенных переменных получаем приведённую форму модели
y1t = 11x1 + 12x2 + ... + 1mxm;
y1t = 21x1 + 22x2 + ... + 2mxm;
...................................................
ynt = n1x1 + n2x2 + ... + nmxm. (196)
Обозначим P количество эндогенных, Q количество экзогенных и лаговых переменных, отсутствующих в уравнении. Тогда степень идентифицируемости уравнения определяется из следующих неравенств:
P = Q + 1 уравнение идентифицируемо;
P > Q + 1 уравнение неидентифицируемо;
P < Q + 1 уравнение сверхидентифицируемо.
Эти условия являются лишь необходиыми, так как даже при их выполнении некторые уравнения могут оказаться линейно зависимыми.
Достаточным условием идентификации является следующее.
Определитель матрицы, составленной из коэффициентов при переменных, отсутствующих в исследуемом уравнении, не равен нулю, и ранг этой матрицы не менее числа эндогенных переменных системы минус единица.
Для решения идентифицируемого уравнения применяется косвенный метод наименьших квадратов, для решения сверхидентифицируемых двухшаговый метод наименьших квадратов.
Косвенный МНК состоит из следующих этапов.
1) Структурную форму модели преобразуют к приведённой. Уравнения приведённой формы независимы друг от друга, поэтому для идентификации приведённых коэффициентов может быть применён обычный МНК.
2) Алгебраически выражают структурные коэффициенты через оценки приведённых. Полученные значения будут оценками структурных коэффициентов.
Двухшаговый МНК состоит из следующих этапов.
1) Вычисляют оценки параметров приведённой формы системы.
2) Определяют эндогенные переменные, находящиеся в правой части сверхидентифицируемого уравнения и находят расчётные значения этой переменной по соответствующим уравнениям приведённой формы.
3) Обычным МНК определяют параметры структурного уравнения, используя в качестве исходных данных фактические значения предопределённых переменных и расчётные значения эндогенных переменных, находящиеся в правой части сверхидентифицируемого уравнения.
5.4. 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.