- •Методи побудови загальної лінійної моделі
- •4.1. Поняття моделі та етапи її побудови
- •4.2. Специфікація моделі
- •4.3. Передумови застосування методу найменших квадратів (1мнк)
- •4.4. Оператор оцінювання 1мнк
- •4.5. Властивості оцінок параметрів
- •4.6. Коваріаційна матриця оцінок параметрів моделі
- •4.7. Прогноз
- •4.8. Короткі висновки
- •4.9. Запитання та завдання для самостійної роботи
- •4.10. Основні терміни I поняття
- •Дисперсійний аналіз економетричної моделі
- •5.1. Побудова економетричної моделі на основі покрокової регресії
- •5.2. Множинний коефіцієнт кореляції і детермінації
- •5.3. Частинні коефіцієнти кореляції і коефіцієнти регресії
- •5.4. Перевірка значущості і довірчі інтервали
- •5.4.1. Значущість економетричної моделі
- •5.4.2. Значущість коефіцієнта кореляції
- •5.4.3. Значущість оцінок параметрів моделі
- •5.5. Короткі висновки
- •5.6. Запитання та завдання для самостійної роботи
- •5.7. Основні терміни I поняття
- •Мультиколінеарність
- •6.1. Поняття мультиколінеaрності
- •6.2. Ознаки мультиколінеарності
- •6.3. Алгоритм Фаррара - Глобера
- •6.4. Метод головних компонентів
- •Алгoритм головних компонентів
- •6.5. Короткі висновки
- •6.6. Запитання та завдання для самостійної роботи
- •6.7. Основні терміни і поняття
- •Гетероскедастичність
- •7.1. Поняття гетероскедастичності
- •7.2. Методи визначення гетероскедастичності
- •7.2.1. Перевірка гетероскедастичності на основі критерію
- •7.2.2. Параметричний тест Гольдфельда — Квандта
- •7.2.3. Непараметричний тест Гольдфельда - Квандта
- •7.2.4. Тест Глейсера
- •7.3. Визначення матриці s
- •7.4. Узагальнений метод найменших квадратів (метод Ейткена)
- •7.5. Прогноз
- •7.6. Короткі висновки
- •7.7. Запитання та завдання для самостійної роботи
- •7.8. Основні терміни і поняття
- •Автокореляція
- •8.1. Причини виникнення автокореляції в економетричних моделях
- •8.1.1. Поняття автокореляції
- •8.1.2. Наслідки автокореляції залишків
- •8.2. Перевірка наявності автокореляції
- •8.2.1. Критерій Дарбіна — Уотсона
- •8.2.2. Критерій фон Неймана
- •8.2.3. Нециклічний коефіцієнт автокореляції
- •8.2.4. Циклічний коефіцієнт автокореляції
- •8.3. Оцінка параметрів моделі з автокорельованими залишками
- •8.3.1. Метод Ейткена
- •8.3.2. Метод перетворення вихідної інформації
- •8.3.3. Метод Кочрена — Оркатта
- •8.3.4. Метод Дарбіна
- •8.4. Прогноз
- •8.5. Короткі висновки
- •8.6. Запитання та завдання для самостійної роботи
- •8.7. Основні терміни I поняття
- •Метод інструментальних змінних
- •9.1. Властивості оцінок моделі при стохастичних змінних
- •9.2. Метод інструментальних змінних
- •9.3. Визначення інструментальних змінних
- •9.3.1. Оператор оцінювання Вальда
- •9.3.2. Особливості оцінювання методом Бaртлета
- •9.3.3. Оператор оцінювання Дарбіна
- •9.4. Помилки вимірювання змінних
- •9.5. Короткі висновки
- •9.6. Запитання та завдання для самостійної роботи
- •9.7. Основні терміни I поняття
- •Економетричні моделі на основі системи структурних рівнянь
- •11.1. Системи одночасових структурних рівнянь
- •11.2. Проблеми ідентифікації
- •11.3. Рекурсивні системи
- •11.4. Непрямий метод найменших квадратів (нмнк)
- •Алгоритм непрямого методу найменших квадратів.
- •11.5. Двокроковий метод найменших квадратів (2мнк)
- •11.6. Алгоритм двокрокового методу найменших квадратів (2мнк)
- •11.7. Трикроковий метод найменших квадратів (3мнк)
- •11.8. Прогноз і загальні довірчі інтервали
- •11.9. Короткі висновки
- •11.10. Запитання та завдання для самостійної роботи
- •11.11. Основні терміни і поняття
- •Література
11.2. Проблеми ідентифікації
Проблеми чисельної оцінки параметрів в структурній формі і можливість перетворення структурної форми на зведену тісно пов’язані з поняттям ідентифікації моделі.
Означення 11.3. Якщо ніяка лінійна комбінація рівнянь структурної форми не може привести до рівняння, що має ті самі змінні, як і деяке рівняння в структурній формі, то модель буде ідентифікованою.
Для ідентифікації моделей зведена форма визначається однозначно за допомогою співвідношень (11.3). Матриця E – A завжди невироджена. Умова ідентифікації має перевірятися для кожного рівняння системи.
Необхідна умова ідентифікації системи — справедливість нерівності для кожного рівняння моделі (11.1):
(11.10)
де
— кількість залежних ендогенних змінних,
які входять в s-те
рівняння структурної форми;
m — загальна кількість екзогенних змінних моделі;
— кількість
екзогенних змінних, які входять в s-те
рівняння структурної форми моделі.
Число
екзогенних змінних, які не входять у
s-те
рівняння структурної форми, дорівнює
.
Означення 11.4. Якщо для всіх рівнянь моделі (11.1) співвідношення (11.10) виконується як рівність, то система рівнянь є точно ідентифікованою.
Зауважимо, що прoблема ідентифікації стосується структурних параметрів, а не параметрів зведеної форми. Вона може бути сформульована так: чи можна однозначно визначити деякі чи всі елементи матриць A і B, знаючи елементи матриці R?
Запишемо зв’язок між коефіцієнтами структурної і зведеної форм:
або
,
що можна записати як
(11.11)
де
і
.
Матриця Г має порядок k (r + k) і містить всі структурні коефіцієнти моделі, а матриця W порядку (r + k) k має ранг k.
Якщо перший рядок параметрів матриці Г позначити через a1, то перше з рівнянь (11.11) можна записати
, (11.12)
де
— перший рядок матриці Г.
Елементи матриці W
можна вважати відомими, бо елементи
матриці R
завжди допускають обгрунтовану оцінку,
а
— одинична матриця порядку k.
Оскільки ранг матриці W
дорівнює k,
рівняння (11.12) утворюють систему k
незалежних рівнянь з k + r
невідомими (елементи вектора
).
А це означає, що вектор
не може бути однозначно визначений з
цієї системи рівнянь.
Введемо апріорні обмеження, які свідчать про те, що окремі елементи вектора дорівнюють нулю і відповідні їм змінні відсутні в першому рівнянні. Ці обмеження можна записати у вигляді
, (11.13)
де
містить k + r
рядків і по одному стовпцю в кожному
обмеженні. Наприклад, для обмеження
і
маємо:
Означення 11.5. Якщо для всіх рівнянь моделі співвідношення (11.10) виконується як нерівність, то система рівнянь є надідентифікованою.
Оскільки елементи вектора задовольняють (11.12) і (11.13), вони мають задовольняти і співвідношення:
.
Оскільки
має k + r
елементів, для ідентифікації першого
рівняння вимагається, щоб ранг матриці
дорівнював k + r – 1.
Цього достатньо, щоб однозначно визначити
коефіцієнти першого рівняння. Оскільки
матриця
має k + r
рядків і k + r
стовпців, де k
— число обмежень (тобто число стовпців
матриці
),
то необхідною умовою для знаходження
всіх коефіцієнтів першого рівняння є
,
тобто
число апріорних обмежень має бути не
меншим, за кількість рівнянь моделі,
зменшених на одиницю. Якщо
апріорними обмеженнями є обмеження
щодо виключення змінних, то необхідна
умова ідентифікації певного рівняння
така:
число змінних, які виключені з рівняння, має дорівнювати числу рівнянь моделі мінус одиниця.
Альтернативна умова ідентифікації була записана нами в (11.10):
яка потребує, щоб число виключених із рівняння екзогенних змінних було не меншим, ніж число ендогенних змінних мінус одиниця.
