- •Эконометрика как наука: предмет, цели, задачи.
- •Подготовка статистической базы эконометрического исследования.
- •3. Критерии и принципы эконометрики.
- •Этапы эконометрического моделирования.
- •Общее представление о детерминированных и стохастических процессах.
- •Понятие эконометрических моделей, классификация и типы.
- •Последовательность построения эконометрического моделирования. – вроде тоже, что и 4 вопрос.
- •Цели и задачи спецификации эконометрических моделей.
- •9 Методы отбора факторов эконометрических моделей.
- •10 Априорные и апостериорные подходы к отбору факторов.
- •Вопрос 13 Классификация регрессионных моделей.
- •Предпосылки метода наименьших квадратов.
- •Вопрос 15 Несмещённость, эффективность и состоятельность оценок параметров регрессии
- •Вопрос 16 Гомоскедастичность и гетероскедастичность остатков
- •17.Тестирование моделей на гетероскедастичность (тест Голдфелда-Квандта).
- •18.Автокорреляция остатков.
- •19.Обобщённый метод наименьших квадратов.
- •20.Взвешенный метод наименьших квадратов.
- •21.Характеристики статистической корректности эконометрических моделей.
- •22.Модель парной линейной регрессии.
- •23.Модель парной нелинейной регрессии.
- •24.Линеаризация уравнения регрессии и оценка результатов моделирования.
- •25. Линейная модель множественной регрессии
- •26. Частные уравнения регрессии.
- •27. Мультиколлинеарность переменных.
- •28. Методы определения и устранения мультиколлинеарности
- •29. Частная корреляция.
- •30. Оценка адекватности
- •31. Прогнозирование по линейному уравнению регрессии.
- •35.Методы определения параметров уравнения тренда.
- •39.Автокорреляция временного ряда.
- •40.Критерий Дарбина-Уотсона.
- •Методы исключения автокорреляции (отклонений от тренда, последовательных разностей, включения фактора времени).
- •Виды моделей систем эконометрических уравнений
- •Структурная и приведенная форма модели.
- •44. Проблема идентификации параметров структурных уравнений.
- •45.Необходимое и достаточное условие идентификации
- •46. Общие понятия о системах одновременных уравнений.
- •48.Косвенный метод наименьших квадратов
- •49.Двухшаговый метод наименьших квадратов
- •50. Трехшаговый мнк
- •51.Применение систем эконометрических уравнений.
- •52. Многомерная группировка. Кластерный анализ.
- •53 Методика проведения иерархического кластерного анализа
- •54 Модели производственной функции
- •55 Модели дискретного выбора. Бинарные модели
- •57. Модели причинного анализа.
Структурная и приведенная форма модели.
Экономическая
модель как система одновременных
уравнений может быть представлена в
структурной или в приведенной форме. В
структурной форме ее уравнения имеют
исходный вид, отражая непосредственные
связи между переменными. Приведенная
форма получается после решения модели
относительно эндогенных (внутренних)
переменных, то есть выражения этих
переменных только через экзогенные
(задаваемые извне) переменные и параметры
модели. Структурная форма модели
содержит эндогенные переменные
–
.
Это зависимые переменные, число которых
равно числу уравнений в системе, и
(которые определяются внутри
системы).Экзогенные переменные
–
.
Это независимые переменные, которые
определяются вне системы и влияющие на
эндогенные переменные, но независящие
от них. Лаговые переменные
– независимые переменные за предыдущие
моменты времени. Лаговыми могут быть
эндогенные переменные за предшествующий
период времени, и тогда они являются
экзогенными.
Предопределённые переменные
– это экзогенные и лаговые. Структурные
коэффициенты модели:
и
при
переменных x и y.
Все переменные в модели выражены в
отклонениях от среднего уровня, то есть
под xподразумеваются
(
-
),
под
–
(
-
).
Поэтому свободный член в каждом уравнении
отсутствует.
Использование МНК для оценивания структурных коэффициентов модели дает, как принято считать в теории, смещенные и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов модели структурная форма модели преобразуется в приведенную форму модели:
;
;
(4)
…
По своему виду приведённая форма модели идентична системе (1), поэтому параметры системы (4) оцениваются традиционным МНК. А затем оценить значение эндогенных переменных через экзогенные.
Коэффициенты приведённой формы модели (4) представляют собой нелинейные функции коэффициентов структурной формы модели. Пример простейшей структурной модели:
.
Приведенная форма получается так:
систему одновременных уравнений имеем
,
.
Отсюда
,
,
Аналогично,
получается второе уравнение приведённой
формы:
,
,
44. Проблема идентификации параметров структурных уравнений.
Идентификация - единственность соответствия между приведенной и структурной формами модели.
С позиции идентифицируемости структурные модели можно подразделить на три вида:
идентифицируемые;
неидентифицируемые;
сверхидентифицируемые
Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т. е. если число параметров структурной модели равно числу параметров приведенной формы модели.
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 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.
Обозначим
H - число эндогенных переменных в j – м уравнении системы,
D - число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение.
Условие идентифицируемости модели может быть записано в виде:
— уравнение идентифицируемо;
— уравнение неидентифицируемо;
— уравнение сверхидентифицируемо
Неравенства, приведенные выше, является необходимым условием идентифицируемости уравнения. Это значит, что, когда неравенство несправедливо, то уравнение заведомо неидентифицируемо.
Однако при выполнении неравенства ещё нельзя сделать вывод о идентифицируемости данного уравнения.
