Чтение онлайн

а) модель авторегрессии;

б) модель с распределённым лагом.

Моделью авторегрессии называется динамическая эконометрическая модель, в которой в качестве факторных переменных содержатся лаговые значения результативной переменной.

Пример модели авторегрессии:

yt=0+1xt+1yt–1+t.

Моделью с распределённым лагом называется динамическая эконометрическая модель, в которую включены не только текущие, но и лаговые значения факторных переменных.

Пример модели с распределённым лагом:

yt=0+1xt+2xt–1+…+Lxt–L+t.

где L – это величина временного лага (запаздывания) между рядами;

3) динамические модели, в которые входят переменные, отражающие предполагаемый или желаемый уровень результативной переменной или одной из факторных переменных в определённый момент времени (t+1). Величина желаемого уровня является неизвестной и рассчитывается на основании той информации, которая имеется в наличии на предшествующий момент времени (t). В зависимости от способа расчёта желаемых переменных различают следующие виды моделей:

а) модель адаптивных ожиданий (МАО);

б) модель частичной (неполной) корректировки (МЧК)

Моделью адаптивных ожиданий называется динамическая эконометрическая модель, которая учитывает предполагаемое или желаемое значение факторной переменной

Общий вид модели адаптивных ожиданий:

Примером модели адаптивных ожиданий является модель зависимости предполагаемой в будущем периоде (t+1) индексации заработных плат и пенсий на текущие цены.

Моделью частичной (неполной) корректировки называется динамическая эконометрическая модель, которая учитывает предполагаемое (или желаемое) значение результативной переменной

Общий вид модели частичной корректировки:

Примером модели частичной корректировки является модель Литнера, которая отражает зависимость желаемого объёма дивидендов

от фактического текущего объёма прибыли xt.

Неизвестные коэффициенты динамических эконометрических моделей нельзя рассчитать с помощью традиционного метода наименьших квадратов, потому что они не будут удовлетворять свойствам несмещённости, состоятельности и эффективности.

Неизвестные коэффициенты моделей авторегрессии оцениваются с помощью метода инструментальных переменных.

Для моделей с распределённым лагом в зависимости от структуры лага для оценивания неизвестных коэффициентов применяются метод Алмон и метод Койка. Суть данных методов состоит преобразовании исходной модели с распределённым лагом к модели авторегрессии, оценки неизвестных параметров которой можно рассчитать с помощью метода инструментальных переменных.

Для определения оценок неизвестных коэффициентов модели адаптивных ожиданий и модели частичной корректировки их также преобразуют в модели авторегрессии.

Моделью авторегрессии называется динамическая эконометрическая модель, в которой в качестве факторных переменных содержатся лаговые значения результативной переменной.

Пример модели авторегрессии:

yt=0+1xt+1yt–1+t,

где 1 – это коэффициент, который характеризует краткосрочное изменение переменной у под влиянием изменения переменной х на единицу своего измерения;

1 – это коэффициент, который характеризует изменение переменной у в текущий момент времени t под влиянием своего изменения в предыдущий момент времени (t–1).

Промежуточным мультипликатором называется произведение коэффициентов модели авторегрессии (1*1).

Промежуточный мультипликатор отражает общее абсолютное изменение результативной переменной у в момент времени (t+1).

Определение. Долгосрочным мультипликатором называется показатель, рассчитываемый как

Долгосрочный мультипликатор отражает общее абсолютное изменение результативной переменной у в долгосрочном периоде.

Если для модели авторегрессии выполняется условие ||<1, то при наличии бесконечного лага будет справедливым равенство:

В нормальной линейной модели регрессии все факторные переменные не зависят от случайной ошибки модели. Данное условие для моделей авторегрессии нарушается, потому что переменная yt-1 частично зависит от случайной ошибки модели t. Следовательно, при оценке неизвестных коэффициентов традиционным методом наименьших квадратов ы получим смещённую оценку коэффициента при переменной yt–1.

При определении оценок неизвестных коэффициентов модели авторегрессии используется метод инструментальных переменных (IV – Instrumental variables).

Суть метода инструментальных переменных заключается в том, что переменная yt–1, для которой нарушается предпосылка применения метода наименьших квадратов, заменяется на новую переменную z, удовлетворяющую двум требованиям:

1) данная переменная должна тесно коррелировать с переменной yt–1: cov(yt–1,z)/=0;

2) данная переменная не должна коррелировать со случайной ошибкой модели t: cov(z,)=0.

Предположим, что на основании собранных данных была построена модель авторегрессии вида:

yt=0+1xt+1yt–1+t.

Рассчитаем оценки неизвестных коэффициентов данной модели с помощью метода инструментальных переменных.

В данной модели авторегрессии переменная yt коррелирует с переменной xt, следовательно, переменная yt–1 зависит от переменной xt–1. Охарактеризуем данную корреляционную зависимость с помощью парной модели регрессии вида: