Предмет эконометрики

Система уравнений в эконометрических исследованиях может быть построена  по-разному.

Возможна система независимых уравнений, когда каждая зависимая переменная рассматривается как функция одного и того же набора факторов :

    (3.1)

Для нахождения его параметров используется метод наименьших квадратов. По существу, каждое уравнение этой системы является уравнением регрессии. Так как фактические значения зависимой переменной отличаются от теоретических на величину случайной ошибки, то в каждом уравнении присутствует величина случайной ошибки .

Если зависимая переменная одного уравнения выступает в виде фактора в другом уравнении, то исследователь может строить модель в виде системы рекурсивных уравнений:

 (3.2)

В данной системе зависимая переменная включает в каждое последующее уравнение в качестве факторов все зависимые переменные предшествующих уравнений наряду с набором собственно факторов . Каждое уравнение этой системы может рассматриваться самостоятельно, и его параметры определяются методом наименьших квадратов (МНК).

Наибольшее распространение в  эконометрических исследованиях получила система взаимозависимых уравнений. В ней одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других уравнениях – в правую часть системы:

 (3.3)

Система взаимозависимых уравнений  получила название системы совместных, одновременных уравнений. В эконометрике эта система уравнений называется также структурной формой модели. В отличие от предыдущих систем каждое уравнение системы одновременных уравнений не может рассматриваться самостоятельно, и для нахождения его параметров традиционный МНК неприменим. С этой целью используются специальные приемы оценивания.

3.1. Структурная и приведенная формы модели

Система совместных, одновременных  уравнений (или структурная форма  модели) обычно содержит эндогенные и  экзогенные переменные.

Эндогенные переменные – это зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через , взаимозависимые переменные, которые определяются внутри модели (системы).

Экзогенные переменные – это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них, независимые переменные,  которые определяются вне системы. Обозначаются через .

В качестве экзогенных переменных могут  рассматриваться значения эндогенных переменных за предшествующий период времени (лаговые переменные).

Предопределенными переменными называются экзогенные и лаговые эндогенные переменные системы.

Структурная форма модели позволяет  увидеть влияние изменений любой экзогенной переменной на значения эндогенной переменной.

Структурная форма модели в правой части содержит при эндогенных переменных коэффициенты и экзогенных переменных – коэффициенты , которые называются структурными коэффициентами модели. Все переменные в модели выражены в отклонениях от среднего уровня, т.е. под подразумевается , а под – соответственно . Поэтому свободный член в каждом уравнении системы (3.3) 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.

Приведенная форма модели представляет собой систему линейных функций  эндогенных переменных от экзогенных:

    (3.4)

где – коэффициенты приведенной формы модели, – остаточная величина для приведенной формы.

По своему виду приведенная форма  модели ничем не отличается от системы  независимых уравнений, параметры  которой оцениваются традиционным МНК. Применяя МНК, можно оценить , а затем оценить значения эндогенных переменных через экзогенные.

Коэффициенты приведенной формы  модели представляют собой нелинейные функции коэффициентов структурной  формы модели.

3.2. Проблема идентификации

Идентификация – это единственность соответствия между приведенной  и структурной формами модели.

С позиции идентифицируемости структурные  модели можно подразделить на три  вида:

1. идентифицируемые;
2. неидентифицируемые;
3. 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. В этом случае структурные коэффициенты модели оцениваются через параметры приведенной формы модели и модель идентифицируема.

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 сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента. В этой модели число структурных коэффициентов меньше числа коэффициентов приведенной формы. Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов исчисления параметров.

Структурная модель всегда представляет собой систему совместных уравнений, каждое из которых требуется проверять  на идентификацию. 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.

Выполнение условия идентифицируемости модели проверяется для каждого уравнения системы. Чтобы уравнение было идентифицируемо, необходимо, чтобы число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе, было равно числу эндогенных переменных в данном уравнении без одного.

Если обозначить число эндогенных переменных в -м уравнении системы через , а число экзогенных (предопределенных) переменных, которые содержатся в системе, но не входят в данное уравнение, — через , то условие идентифицируемости модели может быть записано в виде следующего счетного правила:

Таблица 3.1

	уравнение идентифицируемо
	уравнение неидентифицируемо
	уравнение сверхидентифицируемо

Для оценки параметров структурной  модели система должна быть идентифицируема  или сверхидентифицируема.

Если необходимое условие выполнено,  то далее проверяется достаточное  условие идентификации.

Достаточное условие идентификации. Уравнение идентифицируемо, если определитель матрицы, составленной из коэффициентов при переменных, отсутствующих в исследуемом уравнении,  не равен нулю,  и ранг этой матрицы не менее числа эндогенных переменных системы без единицы.

3.3. Методы оценки параметров структурной формы модели

Коэффициенты структурной модели могут быть оценены разными способами  в зависимости от вида системы  одновременных уравнений. Наибольшее распространение в литературе получили следующие методы оценивания коэффициентов структурной модели:

1. косвенный метод наименьших квадратов;
2. двухшаговый метод наименьших квадратов;
3. трехшаговый метод наименьших квадратов;
4. метод максимального правдоподобия с полной информацией;
5. метод максимального правдоподобия при ограниченной информации.

Рассмотрим вкратце сущность каждого  из этих методов.

Косвенный метод наименьших квадратов (КМНК) применяется в случае точно идентифицируемой структурной модели. Процедура применения КМНК предполагает выполнение следующих этапов работы.

1. Структурная модель преобразовывается в приведенную форму модели.
2. Для каждого уравнения приведенной формы модели обычным МНК оцениваются приведенные коэффициенты .
3. Коэффициенты приведенной формы модели трансформируются в параметры структурной модели.

Если система сверхидентифицируема, то КМНК не используется, ибо он не дает однозначных оценок для параметров структурной модели. В этом случае могут использоваться разные методы оценивания, среди которых наиболее распространенным и простым является двухшаговый метод наименьших квадратов (ДМНК).

Основная идея ДМНК – на основе приведенной формы модели получить для сверхидентифицируемого уравнения  теоретические значения эндогенных переменных, содержащихся в правой части уравнения.

Далее, подставив их вместо фактических значений, можно применить обычный МНК к структурной форме сверхидентифицируемого уравнения. Метод получил название ДМНК, ибо дважды используется МНК: на первом шаге при определении приведенной формы модели и нахождении на ее основе оценок теоретических значений эндогенной переменной и на втором шаге применительно к структурному сверхидентифицируемому уравнению при определении структурных коэффициентов модели по данным теоретических (расчетных) значений эндогенных переменных.

Сверхидентифицируемая структурная  модель может быть двух типов:

1. все уравнения системы сверхидентифицируемы;
2. система содержит наряду со сверхидентифицируемыми точно идентифицируемые уравнения.

Если все уравнения системы  сверхидентифицируемые, то для оценки структурных коэффициентов каждого уравнения используется ДМНК. Если в системе есть точно идентифицируемые уравнения, то структурные коэффициенты по ним находятся из системы приведенных уравнений.

 

4. Временные ряды

При построении эконометрической модели используются два типа данных:

1. данные, характеризующие совокупность различных объектов в определенный момент времени;
2. данные, характеризующие один объект за ряд последовательных моментов времени.

Модели, построенные по данным первого  типа, называются пространственными моделями. Модели, построенные на основе второго типа данных, называются моделями временных рядов.

Временной ряд (ряд динамики) – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно подразделить на три группы:

1. факторы, формирующие тенденцию ряда;
2. факторы, формирующие циклические колебания ряда;
3. случайные факторы.

Каждый уровень временного ряда формируется под воздействием тенденции, сезонных колебаний и случайной компоненты.

1) трендовой (Т), описывающей общее изменение со временем результативного признака;

2) сезонной (S), отражающей повторяемость данных через небольшой промежуток времени;

3) случайной (Е), отражающей влияние случайных факторов.

В большинстве случаев фактический  уровень временного ряда можно представить  как сумму или произведение трендовой, циклической и случайной компонент. Модель, в которой временной ряд  представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда. Модель, в которой временной ряд представлен как произведение перечисленных компонент, называется мультипликативной моделью временного ряда.

Основная задача эконометрического исследования отдельного временного ряда – выявление и придание количественного выражения каждой из перечисленных выше компонент с тем, чтобы использовать полученную информацию для прогнозирования будущих значений ряда или при построении моделей взаимосвязи двух или более временных рядов.

4.1. Автокорреляция уровней  временного ряда

При наличии во временном ряде тенденции  и циклических колебаний значения каждого последующего уровня ряда зависят  от предыдущих. Корреляционную зависимость  между последовательными уровнями временного ряда называют автокорреляцией уровней ряда.

Количественно ее можно измерить с  помощью линейного коэффициента корреляции между уровнями исходного  временного ряда и уровнями этого  ряда, сдвинутыми на несколько шагов  во времени.

Формула для расчета коэффициента автокорреляции имеет вид:

    (4.1)

где

Эту величину называют коэффициентом автокорреляции уровней ряда первого порядка, так как он измеряет зависимость между соседними уровнями ряда и .

Аналогично можно определить коэффициенты автокорреляции второго и более  высоких порядков. Так, коэффициент  автокорреляции второго порядка  характеризует тесноту связи  между уровнями и и определяется по формуле: