Системы эконометрических уравнений
Пример . Рассмотрим модель зависимости общей величины расходов на питание от располагаемого личного дохода (х) и цены продуктов питания (р):у = а0 + а1х + а2р + ε. Определим класс модели и вид переменных модели: регрессионная модель с одним уравнением; эндогенная переменная — расходы на питание, экзогенные переменные — располагаемый личный доход и цена продуктов питания.
Принципиальные сложности применения систем эконометрических уравнений связаны с ошибками спецификации модели.
Система уравнений в эконометрических исследованиях может быть построена по-разному. Выделяют следующие 3 вида систем уравнений.
- Система независимых уравнений, когда каждая зависимая переменная (y ) рассматривается как функция только от предопределенных переменных (х):
- Система рекурсивных уравнений, когда в каждом последующем уравнении системы зависимая переменная представляет функцию от зависимых и предопределенных переменных предшествующих уравнений:
От структурной формы легко перейти к так называемой приведенной форме модели. Число уравнений в приведенной форме равно числу эндогенных переменных модели. В каждом уравнении приведенной формы эндогенная переменная выражается через все предопределенные переменные модели:
Так как правая часть каждого из уравнений приведенной формы содержит только предопределенные переменные и остатки, а левая часть только одну из эндогенных переменных, то такая система является системой независимых уравнений. Поэтому параметры каждого из уравнений системы в приведенной форме можно определить независимо обычным МНК.
Зная оценки этих приведенных коэффициентов можно определить параметры структурной формы модели. Но не всегда, а только если модель является идентифицируемой.
Проблема идентификации
Количество структурных и приведенных коэффициентов одинаково в модели идентифицируемой.
Правила идентификации
Ранг данной матрицы равен 1, что меньше К-1=2, следовательно, 1-ое уравнение модели неидентифицированно.
Составим матрицу А для 2-ого уравнения системы. Во 2-ом уравнении отсутствуют переменные y3, x2, х3:
y3 x 2 x3
b13 a 13 0 — в 1-ом уравнении
1 a32 a33 — в 3-ем уравнении
Ранг данной матрицы равен 2, что равно К-1=2, следовательно, 2-ое уравнение модели точно идентифицированно.
Составим матрицу А для 3-его уравнения системы. В 3-ем уравнении отсутствуют переменные y1, x2:
y 1 x 2
1 a12 — в 1-ом уравнении
b21 0 — во 2-ом уравнении
Ранг данной матрицы равен 1, что меньше К-1=2, следовательно, 3-е уравнение модели неидентифицированно.
Сделаем выводы: 1-ое и 3-е уравнения системы неидентифицированны (т.к. не выполняются достаточные условия идентификации, а в случае 1-ого уравнения и необходимое условие также). 2-ое уравнение системы сверхидентифицированно. Следовательно, система в целом является неидентифицируемой.
Для оценки параметров 2-ого уравнения можно применить двухшаговый МНК. Параметры 1-ого и 3-его уравнений определить по коэффициентам приведенной формы нельзя. Поэтому модель должна быть модифицирована.
Косвенный метод наименьших квадратов
В системе одновременных уравнений каждое уравнение не может рассматриваться как самостоятельная часть системы, поэтому оценки неизвестных коэффициентов данных уравнений нельзя определить с помощью классического метода наименьших квадратов, т. к. нарушаются три основных условия применения этого метода:
а) между переменными системы уравнений существует одновременная зависимость, т. е. в первом уравнении системы y1 является функцией от y2, а во втором уравнении уже y2 является функцией от y1;
б) наличие проблема мультиколлинеарности, т.е. во втором уравнении системы y2 зависит от x1, а в других уравнениях обе переменные являются факторными;
в) случайные ошибки уравнения коррелируют с результативными переменными.
Следовательно, если неизвестные коэффициенты системы одновременных уравнений оценивать с помощью классического метода наименьших квадратов, то в результате мы получим смещённые и несостоятельные оценки.
Косвенный метод наименьших квадратов используется для получения оценок неизвестных коэффициентов системы одновременных уравнений, удовлетворяющих свойствам эффективности, несмещённости и состоятельности.
Косвенный метод наименьших квадратов применяется только в том случае, если структурная форма системы одновременных уравнений является точно идентифицированной.
Алгоритм метода наименьших квадратов реализуется в три этапа:
- на основе структурной формы системы одновременных уравнений составляется её приведённая форма, все параметры которой выражены через структурные коэффициенты;
- приведённые коэффициенты каждого уравнения оцениваются обычным методом наименьших квадратов;
- на основе оценок приведённых коэффициентов системы одновременных уравнений определяются оценки структурных коэффициентов через приведённые уравнения.
Рассмотрим применение косвенного метода наименьших квадратов на примере структурной формы модели спроса и предложения:
Было доказано, что структурная форма модели спроса и предложения является точно идентифицированной, поэтому для определения оценок неизвестных параметров данной модели можно применить косвенный метод наименьших квадратов.
1) запишем приведённую форму модели спроса и предложения:
2) определим оценки коэффициентов приведённой формы модели спроса и предложения с помощью обычного метода наименьших квадратов. Тогда система нормальных уравнений для определения коэффициентов первого уравнения приведённой формы модели будет иметь вид:
Система нормальных уравнений для определения коэффициентов второго уравнения приведённой формы модели записывается аналогично. Решением данных систем нормальных уравнений будут численные оценки приведённых коэффициентов A1,A2,A3 и B1,B2,B3;
Для определения по оценкам приведённых коэффициентов получить оценки структурных коэффициентов первого уравнения, необходимо из второго приведённого уравнения выразить переменную It и подставить полученное выражение в первое уравнение приведённой формы модели. Для определения оценок структурных коэффициентов второго уравнения, необходимо из второго приведённого уравнения выразить переменную Pt–1 и подставить полученное выражение в первое уравнение приведённой формы модели.
Косвенный и двухшаговый методы наименьших квадратов
Читайте также:
|