- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
10.3. Проблема идентификации
При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация – это единственность соответствия между приведенной и структурной формами модели.
Структурная модель (3) в полном виде, состоящая в каждом уравнении системы из n эндогенных и m экзогенных переменных, содержит n(n-1+m) параметров. Приведенная модель (5) в полном виде содержит nm параметров. Таким образом, в полном виде структурная модель содержит большее число параметров, чем приведенная форма модели. Поэтому n(n-1+m) параметров структурной модели не могут быть однозначно определены через nm параметров приведенной формы модели.
Чтобы получить единственно возможное решение для структурной модели, необходимо предположить, что некоторые из структурных коэффициентов модели равны нулю. Тем самым уменьшится число структурных коэффициентов.
С позиции идентифицируемости структурные модели можно подразделить на три вида:
А) идентифицируемые;
Б) неидентифицируемые;
В) сверхидентифицируемые.
А) Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т.е. число параметров структурной модели равно числу параметров приведенной формы модели.
Б) Модель неидентифицируема, если число приведенных коэффициентов меньше числа структурных коэффициентов, и в результате структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели. Модель (3) в полном виде всегда неидентифицируема.
В) Модель сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе приведенных коэффициентов можно получить два или более значений одного структурного коэффициента. Сверхидентифицируемая модель, в отличие от неидентифицируемой, практически решаема, но требует для этого специальных методов исчисления параметров.
Структурная модель всегда представляет собой систему совместных уравнений, каждое из которых требуется проверять на идентификацию. Модель считается идентифицируемой, если каждое уравнение системы идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель считается неидентифицируемой. Сверхидентифицируемая модель содержит хотя бы одно сверхидентифицируемое уравнение.
Необходимое условие идентифицируемости (счётное правило проверки на идентифицируемость): Обозначим Н – число эндогенных переменных в i- ом уравнении системы, D – число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение. Тогда:
D+1 = Н – уравнение идентифицируемо;
D+1 < Н – уравнение неидентифицируемо;
D+1 > Н – уравнение сверхидентифицируемо.
Это счетное правило отражает необходимое, но не достаточное условие идентификации. Более точно условия идентификации определяются, если накладывать ограничения на коэффициенты матриц параметров структурной модели. Уравнение идентифицируемо, если по отсутствующим в нем переменным (эндогенным и экзогенным) можно из коэффициентов при них в других уравнениях системы получить матрицу, определитель которой не равен нулю, а ранг матрицы не меньше, чем число эндогенных переменных в системе без одного.
Для оценки параметров структурной формы система должна быть идентифицируема или сверхидентифицируема.
Пример. Проверить каждое уравнение системы на необходимое и достаточное условия идентификации:
10.4. Оценивание параметров структурной модели
Коэффициенты структурной модели могут быть оценены разными способами в зависимости от вида системы одновременных уравнений. Наибольшее распространение получили два метода оценивания коэффициентов структурной модели: