Эконометрические модели

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Объектом статистического изучения в социальных науках являются сложные системы. Измерение тесноты связей между переменными, построение изолированных уравнений регрессии недостаточны для описания таких систем и объяснения механизма их функционирования. При использовании отдельных уравнений регрессии, например, для экономических расчетов в большинстве случаев предполагается, что аргументы (факторы) можно изменять независимо друг от друга. Однако это предположение является очень грубым: практически изменение одной переменной, как правило, не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков [4].

Следовательно, отдельно взятое уравнение множественной регрессии не может характеризовать истинные влияния отдельных признаков на вариацию результирующей переменной. Именно поэтому в экономических, биометрических социологических исследованиях важное место заняла проблема описания структуры связей между переменными системы так называемых одновременных уравнений или структурных уравнений.

Эконометрические методы применяются для построения крупных эконометрических систем моделей, описывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и другие блоки.

Одним из традиционных подходов к исследованию макроэкономических процессов является подход, основанный на использовании эконометрических моделей.[11]

Эконометрические модели позволяют решать достаточно широкий круг задач исследования: анализ причинно-следственных связей между экономическими переменными; прогнозирование значений экономических переменных; построение и выбор вариантов (сценариев) экономической политики на основе имитационных экспериментов с моделью. Моделирование и прогнозирование макроэкономических процессов является, несомненно, актуальной проблемой экономики. [9]

В последние десятилетия методы эконометрики сыграли решающую роль в освоении и развитии автоматизации экономических расчетов разного уровня и назначения.

Цель курсовой работы – рассмотреть системы эконометрических уравнений (большие эконометрические модели), их применение в эконометрике.

Предмет работы – эконометрика как набор математическо-статистических методов.

Объект работы – системы эконометрических уравнений.

В связи с поставленной целью, мной были выделены задачи данной курсовой работы:

             Понятие больших эконометрических моделей;

             Сущность проблемы идентифицируемости;

             Особенности системы линейных одновременных эконометрических уравнений;

             Методы наименьших квадратов;

             Применение эконометрических уравнений.

ГЛАВА 1. Эконометрические модели.

1.1        Основные понятия и особенности эконометрических моделей.

Эконометрическая модель — основное понятие эконометрии, экономико-математическая модель, параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа и прогнозирования конкретных экономических процессов как на макро-, так и на микроэкономическом уровне на основе реальной статистической информации.

Наиболее распространены эконометрические модели, представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых параметрами модели, а также лаговыми переменными. Кроме регрессионных (как линейных, так и нелинейных) уравнений, применяются и другие математико-статистические модели.[2]

Эконометрическая модель может быть представлена в двух формах: структурной и приведенной.

Эконометрический метод включает решение следующих проблем:

             качественный анализ связей экономических переменных - выделение зависимых и независимых переменных;

             подбор данных;

             оценка параметров модели;

             проверка ряда гипотез о свойствах распределения вероятностей для случайной компоненты (гипотезы о средней, дисперсии и ковариации);

             анализ мультиколлинеарности объясняющих переменных, оценка ее статистической значимости, выявление переменных, ответственных за мультиколлинеарность;

             введение фиктивных переменных;

             выявление автокорреляции, лагов;

             выявление тренда, циклической и случайной компонент;

             проверка остатков на гетероскедастичность;

             анализ структуры связей и построение системы одновременных уравнений;

             проверка условия идентификации;

             оценивание параметров системы одновременных уравнений (двухшаговый и трехшаговый метод наименьших квадратов, метод максимального правдоподобия);

             моделирование на основе системы временных рядов: проблемы стационарности и коинтеграции;

             построение рекурсивных моделей, ARIMA- и VAR- моделей;

             проблемы идентификации и оценивания параметров.

Эконометрическая модель, как правило, основана на теоретическом предположении о круге взаимосвязанных переменных и характере связи между ними. При всем стремлении к «наилучшему» описанию связей приоритет отдается качественному анализу.[3]

Поэтому в качестве этапов эконометрического исследования можно указать:

             постановку проблемы;

             получение данных, анализ их качества;

             спецификацию модели;

             оценку параметров;

             интерпретацию результатов.

Этот список менее подробен, чем предыдущий, и включает те стадии, которые проходит любое исследование, независимо от того, на использование каких данных оно ориентировано: пространственных или временных.[3]

1.2 Структурная и приведенная формы моделей

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:

y1 = b12y2 + b13y3 +… + b1nyn + a11x1 + a12x2 +…+ a1m xm + e1,

y2 = b21y1 + b23y3 +… + b2nyn + a21x1 + a22x2 +…+ a2m xm + e2,

…………………………………………………………………,

yn = bn1y1 + bn2y2 +… + bnn-1 yn-1 + an1x1 + an2x2 +…+ anm xm + en.

Система взаимозависимых уравнений получила название система совместных, одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные у одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике эта система уравнений называется также структурной формой модели. В отличие от других 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.[4]

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

Простейшая структурная форма модели имеет вид:

y1 = b12y2 + a11x1 + e1,

y2 = b21y1 + a22x2 + e2.

Структурная форма модели позволяет увидеть влияние изме­нений любой экзогенной переменной на значения эндогенной переменной. Целесообразно в качестве экзогенных переменных выбирать такие переменные, которые могут быть объектом регу­лирования. Меняя их и управляя ими, можно заранее иметь целе­вые значения эндогенных переменных.

Структурная форма модели в правой части содержит при эн­догенных и экзогенных переменных коэффициенты bi и aj (bi — коэффициент при эндогенной переменной, aj - коэффициент при экзогенной переменной), которые называются структурные коэффициенты модели. Все переменные в модели выражены в от­клонениях от среднего уровня, т. е. под х подразумевается x — хср, а под у — соответственно у —yср. Поэтому свободный член в каждом уравнении системы 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:

y1 = δ11x1 + δ12x2 + … + δ1mxn ,

y2 = δ11x1 + δ12x2 + … + δ1mxn ,

………………………………..,

yn = δn1x1 + δn2x2 + … + δnmxn .

δij – коэффициенты приведенной формы модели.

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

Коэффициенты приведенной формы модели представляют собой нелинейные функции коэффициентов структурной формы модели.[6]

1.3 Проблема идентификации.

При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация – это единственность соответствия между приведенной и структурной формами модели.

С позиции идентификации структурные модели можно подразделить на три вида [5]:

        идентифицируемые;

        неидентифицируемые;

        сверхидентифицируемые.

Модель идентифицируема, если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной 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.