Методы оценки идентифицированной системы одновременных уравнений

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.

1. Система независимых уравнений, когда каждая зависимая переменная (y ) рассматривается как функция только от предопределенных переменных (х):
   
2. 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.

Тема 8. Идентификация систем одновременных уравнений

Наиболее распространенные методы оценки параметров системы одновременных уравнений:

∙ косвенный метод наименьших квадратов;

∙ двухшаговый метод наименьших квадратов;

∙ трехшаговый метод наименьших квадратов;

∙ метод максимального правдоподобия с полной информацией;

∙ метод максимального правдоподобия при ограниченной информации.

Для оценки параметров идентифицируемой системы применяется косвенный метод наименьших квадратов (КМНК), а для оценки коэффициентов сверидентифицируемой системы применяется двухшаговый метод наименьших квадратов (ДМНК).

Процедура применения КМНК состоит из следующих этапов:

1. структурная модель преобразовывается в приведенную форму модели;

2. для каждого уравнения приведенной формы модели оцениваются приведенные коэффициенты ( ) обычным МНК;

3. коэффициенты приведенной формы модели преобразовываются в параметры структурной формы.

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

1. составляется приведенная форма модели, и определяются численные значения параметров каждого уравнения обычным МНК;

2. выявляются эндогенные переменные, находящиеся в правой части структурного уравнения, параметры которого определяются двухшаговым МНК, и находятся расчетные значения по соответствующим уравнениям приведенной формы модели;

3. обычным МНК определяются параметры структурного управления, используя в качестве исходных данных фактические значения предопределенных переменных и расчетные значения эндогенных переменных, стоящих в правой части данного структурного уравнения.

Таким образом, метод наименьших квадратов применяется дважды: 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 значений эндогенных переменных.

ДМНК является более общим и широко распространенным методом решения системы одновременных уравнений. Для точно идентифицируемых уравнений ДМНК дает тот же результат, что и КМНК, поэтому в ряде компьютерных программ реализован только ДМНК.

Трехшаговый метод наименьших квадратов заключается в том, что на первом шаге к исходной модели применяется обобщенный метод наименьших квадратов с целью устранения корреляции случайных членов. Затем к полученным уравнениям применяется двухшаговый метод наименьших квадратов. Если случайные члены в модели не коррелируют, то трехшаговый метод наименьших квадратов сводится к двухшаговому.

Пример 7. Рассмотрим систему линейных одновременных уравнений, структурная форма которой приведена в примере 6:

1. Определить метод оценки параметров модели.

2. Изложить методику оценки структурных параметров модели.

Проверка модели на идентифицируемость показала, что первое уравнение является сверхидентифицируемым, а второе – точно идентифицируемым (см. пример 6). Следовательно, для оценки параметров первого уравнения следует применять двухшаговый метод наименьших квадратов, а для оценки параметров второго уравнения – косвенный метод наименьших квадратов.

Методика оценки параметров первого уравнения.

1. В соответствии со схемой ДМНК на первом этапе запишем приведенную форму модели:

Параметры каждого уравнения приведенной формы определяются обычным методом наименьших квадратов.

2. На втором этапе выявляются эндогенные переменные, находящиеся в правой части структурного уравнения, параметры которого определяются двухшаговым МНК, и находятся расчетные значения по соответствующим уравнениям приведенной формы модели.

В нашем примере переменная S_t, расчетные значения которой можно определить из второго уравнения приведенной формы модели.

3. В первое структурное уравнение, которое является сверхидентифицируемым, вместо фактических значений переменной S_t подставляем расчетные значения , найденные на втором шаге. Таким образом, получаем уравнение:

Параметры этого уравнения уже можно оценивать обычным методом наименьших квадратов.

Методика оценки параметров второго уравнения.

Параметры приведенной формы модели уже были определены на первом этапе.

Сравнивая второе уравнение структурной формы модели и второе уравнение приведенной формы, видно, что для получения соответствия между ними необходимо из второго уравнения приведенной формы исключить переменную Р_t и ввести переменную R_t.

Для этого из третьего уравнения приведенной формы модели выражаем переменную Р_t:

и подставляем ее во второе уравнение приведенной формы:

Теперь раскрываем скобки:

Сопоставляя полученное уравнение со вторым уравнением структурной формы, определяем коэффициенты:

Таким образом, все параметры структурной формы модели определены.

ВАРИАНТЫ КОНТРОЛЬНЫХ РАБОТ

ВАРИАНТ 1

Предполагается, что объем предложения некоторого блага Y для функционирующей в условиях конкуренции фирмы зависит линейно от цены Х₁ этого блага и заработной платы Х₂ сотрудников этой фирмы. Исходные данные за 16 месяцев представлены в таблице 10.

1. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

2. Дайте экономическую интерпретацию параметров модели.

3. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

4. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

5. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 8 и остальным 8 наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

Изучается зависимость объема ВВП (Y, млрд. долл.) от уровня прибыли в экономике (Х_t, млрд. долл.). Получена следующая модель с распределенными лагами:

В скобках указаны значения t-критерия Стьюдента для коэффициентов регрессии. R 2 =0,9.

1. Проанализируйте полученные результаты регрессионного анализа.

2. Дайте интерпретацию параметров модели: определите краткосрочный и долгосрочный мультипликаторы.

3. Определите величину среднего лага и медианного лага.

Структурная форма макроэкономической модели имеет вид:

C – расходы на потребление в период t,

Y_t – чистый национальный продукт в период t,

Y_t-1 – чистый национальный продукт в период t-1,

D_t – чистый национальный доход в период t,

T_t – косвенные налоги в период t,

G_t – государственные расходы в период t.

1. Проверьте каждое уравнение модели на идентифицируемость, применив необходимое и достаточное условия идентифицируемости.

2. Запишите приведенную форму модели.

3. Определите метод оценки структурных параметров каждого уравнения.

ВАРИАНТ 2

По данным, представленным в таблице 11, изучается зависимость объема валового национального продукта Y (млрд. долл.) от следующих переменных: Х₁ – потребление, млрд. долл., Х₂ – инвестиции, млрд. долл.

1. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

2. Дайте экономическую интерпретацию параметров модели.

3. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

4. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

5. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 5 и остальным 5 наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

Производственная функция Кобба-Дугласа характеризуется следующим уравнением:

В скобках указаны значения стандартных ошибок для коэффициентов регрессии.

1. Оцените значимость коэффициентов модели по t-критерию Стьюдента и сделайте вывод о целесообразности включения факторов в модель.

2. Запишите уравнение в степенной форме и дайте интерпретацию параметров.

3. Что можно сказать об эффекте от масштаба производства?

Структурная форма модели имеет вид:

Известно, что приведенная форма имеет вид:

1. Выберите метод определения структурных коэффициентов модели. Выбор обоснуйте.

2. Определите возможные структурные коэффициенты на основе приведенной формы модели.

ВАРИАНТ 3

По данным за два года изучается зависимость оборота розничной торговли (Y, млрд. долл.) от ряда факторов: Х₁ – денежные доходы населения, млрд. долл., Х₂ – доля доходов, используемая на покупку товаров и оплату услуг, млрд. долл., Х₃ – численность безработных, млн. чел., Х₄ – официальный курс рубля по отношению к доллару США.

1. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

2. Выделите значимые и незначимые факторы в модели. Постройте уравнение регрессии со статистически значимыми факторами. Дайте экономическую интерпретацию параметров модели.

3. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

4. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

5. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 12 и остальным наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

Модель макроэкономической производственной функции описывается следующим уравнением:

В скобках указаны значения стандартных ошибок для коэффициентов регрессии.

1. Оцените значимость коэффициентов модели по t-критерию Стьюдента и сделайте вывод о целесообразности включения факторов в модель.

2. Запишите уравнение в степенной форме и дайте интерпретацию параметров.

3. Можно ли сказать, что прирост ВНП в большей степени связан с приростом затрат капитала, нежели с приростом затрат труда?

Структурная форма макроэкономической модели имеет вид:

C_t – расходы на потребление в период t,

Y_t – чистый национальный доход в период t,

G_t – государственные расходы в период t,

Y_t-1 — совокупный доход в период t-1.

1. Проверьте каждое уравнение модели на идентифицируемость, применив необходимое и достаточное условия идентифицируемости.

2. Запишите приведенную форму модели.

3. Определите метод оценки структурных параметров каждого уравнения.

ВАРИАНТ 4

По данным за два года изучается зависимость оборота розничной торговли (Y, млрд. долл.) от ряда факторов: Х₁ – товарные запасы в фактических ценах, млрд. долл., Х₂ – номинальная заработная плата, руб., Х₃ – денежные доходы населения, млрд. руб., Х₄ – официальный курс рубля по отношению к доллару США.

6. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

7. Выделите значимые и незначимые факторы в модели. Постройте уравнение регрессии со статистически значимыми факторами. Дайте экономическую интерпретацию параметров модели.

8. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

9. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

10. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 12 и остальным наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

По данным о динамике товарооборота (Y, млрд. руб.) и дохода населения (Х_t, млрд. руб.) была получена следующая модель с распределенными лагами:

В скобках указаны значения t-критерия Стьюдента для коэффициентов регрессии.

Значение R 2 =0,99.

1. Проанализируйте полученные результаты регрессионного анализа.

2. Дайте интерпретацию параметров модели: определите краткосрочный и долгосрочный мультипликаторы.

3. Определите величину среднего лага и медианного лага.

Одна из модификаций модели спроса-предложения имеет вид:

– предложение товара в период t,

– спрос на товар в период t,

1. Проверьте каждое уравнение модели на идентифицируемость, применив необходимое и достаточное условия идентифицируемости.

2. Запишите приведенную форму модели.

3. Определите метод оценки структурных параметров каждого уравнения.

ВАРИАНТ 5

По данным, представленным в таблице 14, изучается зависимость чистой прибыли предприятия (Y, млрд. долл.) от следующих переменных: Х₁ – оборот капитала, млрд. долл., Х₂ – численность служащих, тыс. чел., Х₃ – рыночная капитализация компании, млрд. руб.

11. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

12. Выделите значимые и незначимые факторы в модели. Постройте уравнение регрессии со статистически значимыми факторами. Дайте экономическую интерпретацию параметров модели.

13. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

14. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

15. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 12 и остальным наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

Производственная функция Кобба-Дугласа характеризуется следующим уравнением:

В скобках указаны значения стандартных ошибок для коэффициентов регрессии.

4. Оцените значимость коэффициентов модели по t-критерию Стьюдента и сделайте вывод о целесообразности включения факторов в модель.

5. Запишите уравнение в степенной форме и дайте интерпретацию параметров.

6. Что можно сказать об эффекте от масштаба производства?

Структурная форма модели имеет вид:

Известно, что приведенная форма имеет вид:

3. Выберите метод определения структурных коэффициентов модели. Выбор обоснуйте.

4. Определите возможные структурные коэффициенты на основе приведенной формы модели.

ВАРИАНТ 6

По исходным данным за 16 месяцев, представленным в таблице 15, постройте уравнение зависимой объема предложения некоторого блага Y для функционирующей в условиях конкуренции фирмы от цены Х₁ этого блага и заработной платы Х₂ сотрудников этой фирмы.

6. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

7. Дайте экономическую интерпретацию параметров модели.

8. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

9. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

10. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 8 и остальным 8 наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

1. Используя исходные данные первой задачи и учитывая изменения экономической ситуации после 8 наблюдений, проверьте с помощью теста Чоу необходимость разбиения исходной выборки на две и построения для каждой из них отдельного уравнения регрессии.

2. Постройте уравнение регрессии с включением фиктивных переменных, учитывающее изменение ситуации после 8 наблюдения.

3. Дайте экономическую интерпретацию параметров модели.

4. Сравните качество полученной модели и модели, построенной в задаче 1.

Структурная форма конъюнктурной модели имеет вид:

C_t – расходы на потребление в период t,

r_t – процентная ставка в период t,

M_t – денежная масса в период t,

G_t – государственные расходы в период t.

1. Проверьте каждое уравнение модели на идентифицируемость, применив необходимое и достаточное условия идентифицируемости.

2. Запишите приведенную форму модели.

3. Определите метод оценки структурных параметров каждого уравнения.

ВАРИАНТ 7

По данным за два года изучается зависимость оборота розничной торговли (Y, млрд. руб.) от ряда факторов: Х₁ – денежные доходы населения, млрд. руб., Х₂ – официальный курс рубля по отношению к доллару США, Х₃ – доля доходов, используемая на покупку товаров и оплату услуг, млрд. руб., Х₄ – индекс потребительских цен, в % к прошлому году.

16. Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.

17. Выделите значимые и незначимые факторы в модели. Постройте уравнение регрессии со статистически значимыми факторами. Дайте экономическую интерпретацию параметров модели.

18. Для полученной модели проверьте выполнение условия гомоскедастичности остатков, применив тест Голдфельда-Квандта.

19. Проверьте полученную модель на наличие автокорреляции остатков с помощью теста Дарбина-Уотсона.

20. Проверьте, адекватно ли предположение об однородности исходных данных в регрессионном смысле. Можно ли объединить две выборки (по первым 12 и остальным наблюдениям) в одну и рассматривать единую модель регрессии Y по Х?

По данным о динамике товарооборота (Y, млрд. руб.) и дохода населения (Х_t, млрд. руб.) была получена следующая модель с распределенными лагами:

В скобках указаны значения t-критерия Стьюдента для коэффициентов регрессии.

Значение R 2 =0,97.

1. Проанализируйте полученные результаты регрессионного анализа.

2. Дайте интерпретацию параметров модели: определите краткосрочный и долгосрочный мультипликаторы.

3. Определите величину среднего лага и медианного лага.

Структурная форма модели имеет вид:

D_t – чистый национальный доход в период t,

M_t – денежная масса в период t,

C_t – расходы на потребление в период t,

Un_t – уровень безработицы в период t,

1. Проверьте каждое уравнение модели на идентифицируемость, применив необходимое и достаточное условия идентифицируемости.

2. Запишите приведенную форму модели.

3. Определите метод оценки структурных параметров каждого уравнения.

Структурная и приведённая формы системы одновременных уравнений. Идентификация модели

Структурными уравнениями называются уравнения, из которых состоит исходная система одновременных уравнений. В данном случае система имеет структурную форму.

Структурная форма системы одновременных уравнений непосредственно характеризует реальный экономический процесс.

Структурными коэффициентами или параметрами называются коэффициенты уравнений структурной формы системы одновременных уравнений.

Структурные уравнения могут быть представлены либо поведенческими уравнениями, либо уравнениями-тождествами.

Поведенческие уравнения характеризуют все типы взаимодействия между эндогенными и экзогенными переменными в структурной форме системы одновременных уравнений.

В поведенческих уравнениях значения параметров являются неизвестными и подлежат оцениванию.

Примером поведенческого уравнения являются уравнение спроса или уравнение предложения в модели спроса-предложения:

Тождествами называют равенства, которые выполняются во всех случаях.

Отличительной чертой тождеств является то, что их вид и значения параметров известны, и они не содержат случайной компоненты.

Примером уравнения-тождества является тождество равновесия в модели спроса-предложения:

Для того чтобы определить неизвестные структурные коэффициенты системы одновременных уравнений необходимо перейти к приведённой форме системы.

Приведённой формой системы одновременных уравнений называется система независимых уравнений, в которой все эндогенные переменные выражены только через экзогенные или предопределённые переменные и случайные компоненты, например:

Приведёнными коэффициентами или параметрам называются коэффициенты приведённой формы системы одновременных уравнений.

Оценки неизвестных приведённых коэффициентов можно рассчитать с помощью классического метода наименьших квадратов, а уже на их основе определить оценки структурных коэффициентов.

При переходе от структурной формы системы одновременных уравнений к приведённой форме может возникнуть проблема идентификации модели.

Проблема идентификации состоит в возможности численной оценки неизвестных коэффициентов структурных уравнений по МНК-оценкам коэффициентов приведённых уравнений.

Исходная система одновременных уравнений называется идентифицированной, если все её уравнения точно идентифицированы.

Уравнение называется точно идентифицированным, если по оценкам коэффициентов приведённой формы системы одновременных уравнений можно однозначно найти оценки коэффициентов структурной формы системы одновременных уравнений.

Признаком идентифицированности системы одновременных уравнений является равенство между количеством уравнений, определяющих структурные коэффициенты, и количеством этих коэффициентов, т. е. квадратная форма структурной системы уравнений.

Исходная система одновременных уравнений называется сверхидентифицированной, если среди уравнений модели есть хотя бы одно сверхидентифицированное.

Уравнение называется сверхидентифицированным, если по оценкам коэффициентов приведённой формы системы одновременных уравнений можно получить более одного значения для коэффициентов структурной формы системы одновременных уравнений.

Исходная система одновременных уравнений называется неидентифицированной, если среди уравнений системы есть хотя бы одно неидентифицированное.

Уравнение называется неидентифицированным, если по оценкам коэффициентов приведённой формы системы одновременных уравнений невозможно рассчитать оценки коэффициентов структурной формы системы одновременных уравнений.