WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаЕкономічна теорія → Моделі розподіленого лага - Реферат

Моделі розподіленого лага - Реферат

дає змогу узагальнити модель з кінцевим лагом і застосовувати однакові методи оцінювання параметрів.
Однак і в цьому разі залишається велика кількість оцінюваних параметрів.
Уведення в модель лагової залежної змінної yt 1 (затримка на один період), відоме як перетворення Койка, значно спрощує модель:
де = = aj (скінченне число), 0 < X < 1.
Така модель містить не лише поточні, а й попередні значення залежної змінної, тобто є авторегресійною.
Заміна незалежних лагових змінних xt-1, xt-2,... однією залежною змінною yt і зменшує кількість оцінюванихпараметрів і усуває проблему мультиколінеарності, однак призводить до нових труднощів. Наявність у моделі лагової залежної змінної потребує перевірки передумови про незалежність змінних і залишків при застосуванні звичайного МНК. Крім того, залишки моделі vt =ut +? ut 1 часто виявляються серійно корельованими, атому при дослідженні їх на автокореляцію необхідно використати спеціальні тести.
Отримана алгебраїчним способом модель Койка позбавлена теоретичного обгрунтування і фактично є послідовною моделлю.
З певних економічних міркувань можна отримати моделі, що зовні нагадують модель Койка, але з іншою інтерпретацією коефіцієнтів лагових змінних. Такими моделями є модель адаптивних сподівань
та модель часткового коригування
Ці моделі відрізняються від моделі Койка наявністю вільного члена, але при цьому реалізують різні ідеї щодо економічної діяльності. У першій моделі відображено думку про те, що люди навчаються з попереднього досвіду, причому нещодавній досвід має більший вплив, аніж попередній; друга базується на тому, що через інертність економічної системи зміна одного економічного показника не одразу впливає на зміну іншого і відповідний рівень залежної змінної дося-гається через певний час.
Оцінювання параметрів авторегресійних моделей
Три авторегресійних моделі - Койка, адаптивних сподівань і часткового коригування - можна подати в загальній формі:
Наявність лагових залежних змінних у динамічних моделях створює певні проблеми при оцінюванні параметрів: серед пояснюючих
змінних є стохастичні (залежні лагові змінні), а також існує проблема серійної кореляції залишків моделі та лагових змінних. Залежно від гіпотез щодо залишків таких моделей використовують відповідні методи оцінювання.
Гіпотеза 1. Залишки є нормально розподіленими випадковими величинами з нульовим математичним сподіванням та сталою дисперсією.
Гіпотеза 2. Залишки описуються авторегресійною схемою першого порядку:
Гіпотеза 3. Залишки автокорельовані та описуються авторегресійною схемою першого порядку:
Перша гіпотеза виконується лише для моделі часткового коригування (7.4); саме для неї можливе застосування звичайного МНК. Однак залежність залишків від лагової змінної yt 1 у цій моделі призводить до зміщення оцінок параметрів. Та хоча оцінки параметрів будуть завищеними, вони матимуть найменшу середньоквадратичну похибку. І після визначення величини зміщення МНК-оцінки будуть найприйнятнішими.
Якщо залишки моделі визначаються через автокорельовані випадкові величини, то МНК-оцінки параметрів моделі також матимуть зміщення, до того ж зміщення матиме також критерій Дарбіна - Уотсона. Тому для перевірки автокореляції залишків застосовують узагальнений критерій Дарбіна - Уотсона. Оцінювання параметрів таких моделей виконують узагальненим методом найменших квадратів (методом Ейткена), в операторі оцінювання якого
коригуюча матриця має вигляд
Якщо лагову модель можна подати у вигляді
то до перетворених у такий спосіб даних залежної змінної застосовують звичайний МНК. Причому параметр X вибирають з інтервалу 0 < X < 1 так, щоб мінімізувати суму квадратів залишків.
Якщо відносно залишків моделі приймається третя гіпотеза, то параметри оцінюють за допомогою таких методів:
1) класичного МНК після попереднього перетворення вхідних даних;
2) методу Ейткена (узагальненого МНК);
3) ітераційного методу;
4) методу інструментальних змінних;
5) алгоритму Уолліса.
Список використаної літератури
1. Грубер Й. Економетрія: Вступ до множинної регресії та економетрії: У 2 т. - К: Нічлава, 1998-1999.
2. Джонстон Дж. Эконометрические методы. - М.: Статистика, 1980. - 444 с.
3. Доугерти К. Введение в эконометрику: Пер. с англ. - М.: ИНФРА-М, 1997. - 402 с.
4. Дрейпер П., Смит Г. Прикладной регрессионный анализ. - М.: Финансы и статистика, 1986. - Т. 1 - 365 с; Т. 2 - 379 с.
5. Емельянов А. С. Эконометрия и прогнозирование. - М.: Экономика, 1985. - С. 82-89.
6. Єлейко В. Основи економетрії. - Львів: "Марка Лтд", 1995. - 191с.
7. Кейн Э. Экономическая статистика и эконометрия. Введение в количественный экономический анализ. - М.: Статистика, 1977. - 254с.
8. Корольов О. А. Економетрія: Навч. посіб. - К: Європейський ун-т,2002. - 660 с.
9. Ланге О. Введение в эконометрию. - М.: Прогресс, 1964. - 360 с.
10. Лук'яненко I. Г., Краснікова Л. І. Економетрика: Підручник. - К.: Т-во "Знання", КОО, 1998. - 494 с
11. Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика: Навч. курс. - М.: Дело, 1997. - 248 с.
12. Маленво Э. Статистические методы эконометрии. - М.: Статистика, 1975. - 423 с.
13. Наконечний С. I., Терещенко Т .О., Романюк Т. П. Економетрія: Навч. посіб. - К: КНЕУ, 1997. - 352 с.
14. Тинтнер Г. Введение в эконометрию. - М.: Статистика, 1965. - 368 с.
15. Толбатое Ю. А. Економетрика: Підруч. для студ. екон. спец. вищ. навч. закл. - К.: Четверта хвиля, 1997. - 320 с.
16. Фишер Ф. Проблема идентификации в эконометрии. - М.: Статистика, 1978. - 224 с.
17. Хеш Д. Причинный анализ в статистических исследованиях. - М.: Финансы и статистика, 1981. - 224 с.
18. Венецкий И. Г., Венецкая В. И. Основные математико-статистические понятия и формулы в экономическом анализе: Справочник. - 2-е изд., перераб. и доп. - М.: Статистика, 1979. - 448 с.
19. Винн Р., Холден К. Введение в прикладной эконометрический анализ. - М: Финансы и статистика, 1981. - 294 с.
20. Геец В. М. Отраслевое прогнозирование: методологический и организационный аспекты. - К.: Наук, думка, 1990. - 120 с.
21. Гранберг А. Г. Динамические модели народного хозяйства. - М.: Экономика, 1985. - 204 с.
22. Гранберг А. Г. Статистическое моделирование и прогнозирование. - М.: Финансы и статистика, 1990. - 378 с.
Loading...

 
 

Цікаве