18. Относительные коэффициенты модели с распределенными лагами и их экономический смысл.
ßj =bj /b, j=0:1
Частные от деления коэффициентов bj на b называются относительными коэффициентами модели с распределенным лагом. Если все эти коэффициенты имеют одинаковые знаки, то все они расположены в интервале между нулем и единицей. Полная же сумма всех этих коэффициентов равна единице. Сами относительные коэффициенты модели с распределенным лагом при этом имеют смысл весовых коэффициентов. Каждый из них измеряет долю общего изменения результативного признака (у) в момент времени t+j
19. Средняя величина лага модели с распределенными лагами.
Средний
лаг
определяется по формуле средней
арифметической взвешенной:
и представляет собой средний период,
в течение которого будет происходить
изменение результата под воздействием
изменения фактора в момент времени t.
Небольшая величина среднего лага свидетельствует об относительно быстром реагировании результата на изменение фактора, тогда как высокое его значение говорит о том, что воздействие фактора на результат будет сказываться в течение длительного периода времени.
20. Способ выбора величины лага. Известно несколько практических подходов к определению реальной величины лага, например построение нескольких уравнений регрессии и выбор наилучшего из этих уравнений или применение формальных критериев, например критерия Шварца. Однако наиболее простым способом является измерение тесноты связи между результатом и лаговыми значениями фактора. Кроме того, оптимальную величину лага можно приближенно определить на основе априорной информации экономической теории или проведенных ранее эмпирических исследований.
21. Общий вид модели авторегрессии:
Yi = a0 + Ʃai*Yi-1+Ɛi
где a0 — постоянная - коэффициент описывающий ситуацию прохождение влияющих факторов через начало координат, то есть показывает каким будет итог модели в случае, когда влияющие факторы равны нулю;
ai — коэффициенты, которые описывают степень зависимости итогового Y от влияющих факторов, в данном случае, от того каким был Y в прошлом периоде регрессии;
Yi-1 — влияющие факторы, которые в данном случае и есть итоговый Y, но тот, каким он был раньше.
Ɛi — случайная компонента или как еще ее принято называть погрешность модели (по сути, это разница между расчетным значением модели за известные периоды и между самими известными значениями, то есть Yрасч. - Y).