Системы эконометрических уравнений
7. Системы эконометрических уравнений
7.1. Виды систем регрессионных уравнений
Любая экономическая система – это сложная система с множеством входов, выходов и сложной структурой взаимосвязей показателей, характеризующих деятельность этой системы. Поэтому для описания механизма функционирования таких систем обычно изолированных уравнений регрессии недостаточно.
Практически изменение какого-либо показателя в экономической системе, как правило, вызывает изменение целого ряда других. Так изменение производительности труда влияет на затраты труда, а, следовательно на себестоимость, прибыль, рентабельность производства и пр.
Все это вызывает потребность использования при описании сложных экономических явлений и процессов систем взаимосвязанных регрессионных уравнений и тождеств. Особенно актуальна необходимость в применении таких систем при моделировании на макроуровне, так как макроэкономические показатели, являясь обобщающими показателями состояния экономики, чаще всего взаимозависимы. Например, при построении модели национальной экономики необходимо рассмотреть уравнения, описывающие потребление, инвестиции, прирост капиталовложений, воспроизводство трудовых ресурсов, производство продукта и пр.
Переменные, входящие в систему уравнений подразделяют на экзогенные, эндогенные и лаговые (эндогенные переменные, влияние которых характеризуется некоторым запаздыванием, временным лагом 
).
Экзогенные и лаговые переменные называют предопределенными, т. е. определенными заранее.
Классификация переменных на эндогенные и экзогенные зависит от принятой теоретической концепции модели. Экономические показатели могут выступать в одних моделях как эндогенные, а в других как экзогенные переменные. Внеэкономические переменные (например, климатические условия, социальное положение, пол, возраст) входят в систему только как экзогенные переменные. В качестве экзогенных переменных могут рассматриваться значения эндогенных переменных за предшествующий период времени (лаговые переменные).
Рассмотрим типы систем эконометрических уравнений.
1. Система независимых регрессионных уравнений (внешне не связанных)
В данном случае каждая зависимая переменная 
рассматривается как функция некоторого е набора факторов
.
. (7.1)
Набор факторов 
в уравнениях (1) может варьировать. Каждое уравнение системы независимых уравнений может рассматриваться самостоятельно, а его параметры могут быть найдены на основе традиционного метода наименьших квадратов (МНК).
2. Система рекурсивных уравнений
В таких системах в одном из уравнений содержится единственная зависимая переменная 
, которая в следующем уравнении присутствует в качестве факторной переменной. В третье уравнение эти эндогенные переменные из предыдущих уравнений могут быть включены как факторные и т. д.
(7.2)
В данной системе каждое последующее уравнение наряду с факторными переменными 
включает в качестве факторов все зависимые переменные предшествующих уравнений. Каждое уравнение этой системы может рассматриваться самостоятельно, и его параметры определяются методом наименьших квадратов (МНК).
3. Система взаимозависимых (одновременных) уравнений
Наибольшее распространение в эконометрических исследованиях получила система взаимозависимых уравнений. В ней одни и те же зависимые (эндогенные) переменные в одних уравнениях входят в левую часть (т. е. выступают в роли результативных признаков), а в других уравнениях – в правую часть системы (т. е. выступают в качестве факторных переменных). Система взаимозависимых уравнений получила название системы совместных, одновременных уравнений. Тем самым подчеркивается, что в системе одни и те же переменные одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других. В эконометрике эта система уравнений также называется структурной формой модели (СФМ).
Система одновременных уравнений в структурной форме и при отсутствии лаговых переменных может быть записана:
(7.3)
Кроме регрессионных уравнений (они называются также поведенческими уравнениями) модель может содержать тождества, которые представляют собой алгебраические соотношения между эндогенными переменными. Тождества позволяют исключать некоторые эндогенные переменные и рассматривать систему регрессионных уравнений меньшей размерности Параметры модели в структурной форме называют ее структурными коэффициентами
Система одновременных уравнений в структурной форме 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.
В отличие от предыдущих систем каждое уравнение системы одновременных уравнений не может рассматриваться самостоятельно, и для нахождения его параметров традиционный МНК неприменим, т. к. нарушаются предпосылки, лежащие в основе МНК (например, предпосылка о некоррелированности факторных переменных с остатками). Эндогенные переменные являются случайными величинами, зависящими от 
. В том случае, когда эндогенная переменная входит в некоторое уравнение как факторная происходит нарушение названной предпосылки МНК. Таким образом, для нахождения структурных коэффициентов традиционный МНК неприменим. С этой целью используются специальные приемы оценивания.
7.2. Приведенная форма модели
Для определения структурных коэффициентов на основе структурной модели формируют приведенную форму модели.
Приведенная форма модели представляет собой систему линейных функций эндогенных переменных от экзогенных:
(7.4)
где 
– коэффициенты приведенной формы модели, 
– случайные остатки 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.
Можно показать, что коэффициенты приведенной формы модели представляют собой нелинейные функции коэффициентов структурной формы модели. Рассмотрим структурную модель с двумя эндогенными переменными.
. (7.5)
Запишем соответствующую приведенную форму модели:
. (7.6)
Выразим коэффициенты приведенной формы модели через коэффициенты структурной модели.
Из первого уравнения (7.5) можно выразить 
(ради упрощения опускаем случайную величину): 
.
Подставим 
во второе уравнение (7.5):
(7.7)
Выразим из (7.7) 
: 
.
Поступая аналогично со вторым уравнением системы (7.5), получим
, т. е. система (7.5) принимает вид:
Таким образом, коэффициенты приведенной формы модели выражаются через коэффициенты структурной формы следующим образом:
Следует заметить, что приведенная форма модели хотя и позволяет получить значения эндогенных переменных через значения экзогенных, но аналитически она уступает структурной форме модели, так как в ней отсутствуют взаимосвязи между эндогенными переменными.
7.3. Проблема идентификации
При правильной спецификации модели задача идентификация системы уравнений сводится к корректной и однозначной оценке ее коэффициентов. Непосредственная оценка коэффициентов уравнения возможна лишь в системах внешне не связанных уравнений, для которых выполняются основные предпосылки построения регрессионной модели, в частности, условие некоррелированности факторных переменных с остатками.
В рекурсивных системах всегда возможно избавление от проблемы коррелированности остатков с факторными переменными путем подстановки в качестве значений факторных переменных не фактических, а модельных значений эндогенных переменных, выступающих в качестве факторных переменных. Процесс идентификации осуществляется следующим образом:
1. Идентифицируется уравнение, в котором в качестве факторных не содержатся эндогенные переменные. Находится расчетное значение эндогенной переменной этого уравнения.
2. Рассматривается следующее уравнение, в котором в качестве факторной включена эндогенная переменная, найденная на предыдущем шаге. Модельные (расчетные) значения этой эндогенной переменной обеспечивают возможность идентификации этого уравнения и т. д.
В системе уравнений в приведенной форме проблема коррелированности факторных переменных с отклонениями не возникает, так как в каждом уравнении в качестве факторных переменных используются лишь предопределенные переменные. Таким образом, при выполнении других предпосылок рекурсивная система всегда идентифицируема.
При рассмотрении системы одновременных уравнений возникает проблема идентификации.
Идентификация в данном случае означает определение возможности однозначного пересчета коэффициентов системы в приведенной форме в структурные коэффициенты.
Структурная модель (7.3) в полном виде содержит 
параметров, которые необходимо определить. Приведенная форма модели в полном виде содержит 
параметров. Следовательно, для определения неизвестных параметров структурной модели можно составить уравнений. Такие системы являются неопределенными и параметры структурной модели в общем случае не могут быть однозначно определены.
Чтобы получить единственно возможное решение необходимо предположить, что некоторые из структурных коэффициентов модели ввиду слабой их взаимосвязи с эндогенной переменной из левой части системы равны нулю. Тем самым уменьшится число структурных коэффициентов модели. Уменьшение числа структурных коэффициентов модели возможно и другими путями: например, путем приравнивания некоторых коэффициентов друг к другу, т. е. путем предположений, что их воздействие на формируемую эндогенную переменную одинаково и пр.
С позиции идентифицируемости структурные модели можно подразделить на три вида:
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.
Модель неидентифицируема, если число коэффициентов приведенной модели меньше числа структурных коэффициентов, и в результате структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели.
Модель сверхидентифицируема, если число коэффициентов приведенной модели больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента. Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов нахождения параметров.
Чтобы определить тип структурной модели необходимо каждое ее уравнение проверить на идентифицируемость.
Модель считается идентифицируемой, если каждое уравнение системы идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель считается неидентифицируемой. Сверхидентифицируемая модель кроме идентифицируемых содержит хотя бы одно сверхидентифицируемое уравнение.
7.4. Условия идентифицируемости уравнений структурной модели
1. Необходимое условие идентифицируемости
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.
Введем следующие обозначения:
М – число предопределенных переменных в модели;
m— число предопределенных переменных в данном уравнении;
— число эндогенных переменных в модели;
— число эндогенных переменных в данном уравнении;
Обозначим число экзогенных (предопределенных) переменных, которые содержатся в системе, но не входят в данное уравнение через 
, 
.
Тогда условие идентифицируемости каждого уравнения модели может быть записано в виде следующего счетного правила:
Для оценки параметров структурной модели система должна быть идентифицируема или сверхидентифицируема.
Рассмотренное счетное правило отражает необходимое, но недостаточное условие идентификации.
Достаточное условие идентификации
Уравнение идентифицируемо, если по отсутствующим в нем переменным (эндогенным и экзогенным) можно из коэффициентов при них в других уравнениях системы получить матрицу, определитель которой не равен нулю, а ранг матрицы не меньше, чем число эндогенных переменных в системе без одного.
Целесообразность проверки условия идентификации модели через определитель матрицы коэффициентов, отсутствующих в данном уравнении, но присутствующих в других, объясняется тем, что возможна ситуация, когда для каждого уравнения системы выполнено счетное правило, а определитель матрицы названных коэффициентов равен нулю. В этом случае соблюдается лишь необходимое, но не достаточное условие идентификации.
В эконометрических моделях часто наряду с уравнениями, параметры которых должны быть статистически оценены, используются балансовые тождества переменных, коэффициенты при которых равны 
. В этом случае, хотя само тождество и не требует проверки на идентификацию, ибо коэффициенты при переменных в тождестве известны, в проверке на идентификацию структурных уравнений системы тождества участвуют..
Изучается модель (одна из версий модели Кейнса):
(7.8)
где 
– потребление в период 
; 
– ВВП в период ; 
— ВВП в период (
); 
– валовые инвестиции в период 
; 
– государственные расходы в период .
Первое уравнение – функция потребления, второе уравнение – функция инвестиций, третье уравнение –тождество ВВП. Модель представляет собой систему одновременных уравнений. Проверим каждое ее уравнение на идентификацию.
Модель включает три эндогенные переменные 
и две предопределенные переменные (одна экзогенная переменная – и одна лаговая переменная –).
Проверим необходимое условие идентификации для каждого из уравнений модели.
тождество, не подлежит проверке
Например, первое уравнение содержит две эндогенные переменные 
и 
и одну предопределенную переменную 
.
Таким образом, 
; D=2-1=1. Условие условие выполняется, т. е. уравнение идентифицируемо.
Проверим для каждого уравнения достаточное условие идентификации. Для этого составим матрицу коэффициентов при переменных модели.
В соответствии с достаточным условием идентификации ранг матрицы коэффициентов при переменных, не входящих в исследуемое уравнение, должен быть равен числу эндогенных переменных модели без одного.
Первое уравнение: матрица коэффициентов при переменных, не входящих в уравнение, имеет вид:
. Ее определитель не равен нулю, поэтому ранг матрицы равен 2, т. е равняется числу эндогенных переменных без одного. Достаточное условие идентификации выполняется.
Второе уравнение: матрица коэффициентов при переменных, не входящих в уравнение, имеет вид: 
. Ранг данной матрицы равен 2, так как существут определитель второго порядка не равный нулю:
. Следовательно, достаточное условие идентификации для данного уравнения также выполняется Но в соответствии с необходимым условием считаем это уравнение сверхидентифицируемым.
Таким образом, эта система уравнений является сверхидентифицируемой.
7.5. 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 сущность некоторых из этих методов.
Косвенный метод наименьших квадратов (КМНК) применяется в случае точно идентифицируемой структурной модели. Процедура применения КМНК предполагает выполнение следующих этапов:
1. Для структурной модели строится приведенная форма модели.
2. Для каждого уравнения приведенной формы традиционным МНК оцениваются приведенные коэффициенты .
3. На основе коэффициентов приведенной формы находятся путем алгебраических преобразований параметры структурной модели.
Двухшаговый метод наименьших квадратов (ДМНК)
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 (ДМНК).
Основная идея ДМНК состоит в следующем:
· на основе приведенной формы модели получить для сверхидентифицируемого уравнения расчетные значения эндогенных переменных, содержащихся в правой части этого уравнения;
· подставляя найденные расчетные значения эндогенных переменных вместо фактических значений, можно применить обычный МНК к структурной форме сверхидентифицируемого уравнения.
Метод получил название двухшагового МНК, ибо дважды используется МНК:
· на первом шаге при определении параметров приведенной формы модели и нахождении на их основе оценок расчетных значений эндогенных переменных 
; 
;
· на втором шаге применительно к структурному сверхидентифицируемому уравнению, когда вместо фактических значений эндогенных переменных рассматриваются их расчетные значения, найденные на предыдущем шаге.
Сверхидентифицируемая структурная модель может быть двух типов:
· все уравнения системы сверхидентифицируемы;
· 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 можно найти на основе косвенного МНК. Двухшаговый метод, примененный к точно идентифицированным уравнениям дает такой же результат, что и косвенный МНК.
Продолжение примера 15.
Продолжим рассмотрение примера 15.
Система является сверхидентифицируемой: первое уравнение идентифицируемо, а второе уравнение сверхидентифицируемо. Поэтому для определения коэффициентов первого уравнения можно применить косвенный МНК, а для второго уравнении двухшаговый МНК.
Построим приведенную форму модели:
(7.9)
Исходные данные задачи (в млрд. руб.)
Предсказанное
Найдем параметры модели (7.9), применяя МНК к каждому уравнению,
используем « Пакет анализа» EXCEL):
(7.10)
Каждое уравнение статистически значимо (
– статистики: 
=1302,55;
=281,956; 
=847,65). Коэффициенты детерминации свидетельствуют о хорошей связи между эндогенными и предопределенными переменными:
=0,9977; 
=0,989; 
=0,996.
На основе уравнений модели (7.10) найдем структурные коэффициенты первого уравнения.
Выразим из третьего уравнения (7.10) переменную и подставим в первое уравнение. Получим первое структурное уравнение: 
Так как второе уравнение сверхидентифицировано, то применим двухшаговый МНК. Найдем на основе третьего уравнения (7.10) расчетные значения переменной ( столбец «предсказанное » табл.23) и используем их для нахождения параметров второго структурного уравнения.
Получим: 
4; 
.
В результате получим следующую систему структурных уравнений:
Трехшаговый метод наименьших квадратов (ТМНК)
Трехшаговый метод наименьших квадратов применяется для оценки параметров системы одновременных уравнений в целом. Сначала к каждому уравнению применяется двухшаговый метод с целью оценить коэффициенты и случайные остатки каждого уравнения. Затем строится ковариационная матрица остатков и проводится ее оценка. После этого для оценивания коэффициентов всей системы применяется обобщенный метод наименьших квадратов. ТМНК является достаточно эффективным, но требует существенно больших вычислительных затрат. Более подробное описание можно найти в работе[1][1]
7.6. Инструментальные переменные
Метод инструментальных переменных (МИП) применяется для оценивания уравнений, в которых регрессоры (факторы) коррелируют со свободными членами. Коррелированность между факторными переменными и случайными ошибками может быть вызвана разными причинами:
· пропущенными переменными, которые находятся в корреляционной связи с факторными переменными;
· ошибками измерений факторных переменных;
· включением лагированной зависимой переменной при наличии автокоррелированности ошибок. В этом случае лаговые переменные скорее всего будут коррелировать с ошибками;
· одновременные взаимосвязи между переменными (эндогенность переменных, включенных в правые части регрессионных уравнений).
Именно это явление оказывается характерным для систем одновременных уравнений;
Если между факторными переменными и случайными остатками имеется корреляционная зависимость (
,
), то нарушаются условия классической модели и оценки параметров, найденные по МНК будут смещенными и не состоятельными.
Идея МИП заключается в том, чтобы подобрать новые переменные 
, которые бы тесно коррелировали с 
и не коррелировали со случайными остатками 
. Такие переменные называют инструментальными или просто инструментами). Включение их в модель обеспечивает состоятельность оценок МНК.
Набор переменных 
может включать факторные переменные, которые не коррелируют с остатками, а также другие внешние величины, не входящие в состав факторных переменных модели. Важно, чтобы число инструментов было не меньше, чем число независимых переменных.
Рассмотрим случай парной регрессии: 
. Предположим, что между факторными переменными и остатками имеется корреляционная зависимость, т. е. 
. Рассмотрим систему нормальных уравнений для линейной парной регрессии:
, (7.11)
тогда 
. (7.12)
Можно показать, что 
. Так как , оценка 
параметра 
будет смещенной и не состоятельной.
Предположим, что можно найти такую переменную 
, которая была бы коррелированна с ( ), но не коррелированна с 
( ). Выберем эту переменную в качестве иструментальной переменной.
Заменим второе уравнение системы (7.11) на следующее: 
и рассмотрим систему:
. (7.13)
Решение системы (7.13) будет, очевидно, отличается от решения предыдущей системы. Обозначим новые оценки 
соответственно.
В этом случае оценка 
. (7.14)
Покажем, что она является несмещенной и состоятельной при условии, что при увеличивающемся числе наблюдений 
стремится к конечному, отличному от нуля пределу, который мы обозначим, как 
.
, здесь 
, так как 
– постоянная величина.
Тогда 
. (7.15)
Так как , а 
, то в больших выборках 
стремится к истинному значению .
Сравним 
(формула (7.14) с оценкой МНК (формула 7.12). Очевидно, что оценку , можно получить путем подстановки инструментальной переменной 
вместо в числителе и вместо одного (но не обоих) в знаменателе в формуле (7.12) для оценки .
Чем теснее корреляция между и Z, тем меньше будет их дисперсия и, следовательно, тем меньше будет дисперсия 
. Следовательно, если мы стоим перед выбором между несколькими возможными инструментальными переменными, то следует выбрать наиболее тесно коррелированную с 
, потому что при прочих равных условиях она даст наиболее эффективные оценки. Вместе с тем не рекомендуется использовать инструментальную переменную, имеющую функциональную зависимость с , даже если бы ее удалось найти, потому что тогда она автоматически оказалась бы коррелированной с остатками 
и оценки по-прежнему были бы не состоятельны.
Нетрудно понять, что метод оценивания с помощью инструментальных переменных является обобщением обычного метода наименьших квадратов.
Пусть 
— матрица значений инструментальных переменных размерности (
), а 
— матрица значений факторных переменных размерности (
),. Здесь
— матрица факторных переменных, которые включены в состав инструментов, 
— инструменты, которые не входят в число факторных переменных. 
В этом случае матрица оценок параметров 
находится следующим образом:
, где 
, (7.16)
здесь 
, а метод ИП называют обобщенным методом инструментальных переменны (ОМИП).
Если число инструментальных переменных равняется числу факторных переменных (
), то матрица 
) будет квадратной размерности (
). Метод ИП в этом случае называется простым, а оценки вычисляются следующим образом:
=
=
[2] . (7.17)
Самая трудная проблема метода ИП – это поиск подходящих инструментов. Требуется, чтобы инструменты были тесно связаны с факторными переменными, но сами не были бы эндогенными переменными.
Решение этой проблемы зависит от конкретной ситуации. Например, это могут быть: лаговые значения факторных переменных; показатели, близкие по экономическому смыслу и приближенно отражающие рассматриваемую факторную переменную и пр.
Метод инструментальных переменных используется при оценке СОУ при использовании двухшагового МНК. В качестве инструментов здесь рассматриваются расчетные значения эндогенных переменных, найденные на первом шаге с использованием обычного МНК для приведенной системы уравнений.
Рассмотрим упрощенную кейнсианскую модель формирования доходов в закрытой экономике без государственного вмешательства:
(7.18)
где 
— представляют совокупный выпуск, объем потребления и объем инвестиций соответственно, 
. Здесь мы имеем случай одновременных взаимосвязей между переменными: 
в качестве одной из составляющих содержит ошибку модели, а так как 
зависит от , то также корреллирует с ошибками модели.
Первое уравнение идентифицируемо ( 
и матрица коэффициентов при переменных, не входящих в уравнение состоит из одного элемента 1, т. е. ее ранг равен 1, что равняется числу эндогенных переменных без одного). Следовательно выполняютя необходимое и достаточное условие идентифицируемости. Второе уравнение тождество, не подлежит проверке на идентификацию.
Рассмотрим следующие статистические данные:
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.
Тест: Ответы на тест по эконометрике
Тема: Ответы на тест по эконометрике
Тип: Тест | Размер: 16.37K | Скачано: 444 | Добавлен 26.01.10 в 15:48 | Рейтинг: +30 | Еще Тесты
А
Аддитивная модель содержит компоненты в виде …
комбинации слагаемых и сомножителей
слагаемых
В
В линейной регрессии Y=b0+b1X+e параметрами уравнения регрессии являются: (неск)
b0
b1
В правой части приведенной формы системы одновременных уравнений, построенной по перекрестным данным (cross-section data) без учета временных факторов, могут стоять _______ переменные.
экзогенные
В стационарном временном ряде трендовая компонента …
имеет линейную зависимость от времени
отсутствует
имеет нелинейную зависимость от времени
Величина коэффициента детерминации … (неск)
характеризует долю дисперсии зависимой переменной y, объясненную уравнением, в ее общей дисперсии
рассчитывается для оценки качества подбора уравнения регрессии
характеризует долю дисперсии остаточной величины в общей дисперсии зависимой переменной у
оценивает значимость каждого из факторов, включенных в уравнение регрессии
Величина коэффициента регрессии показывает …
среднее изменение фактора при изменении результата на одну единицу измерения
на сколько процентов изменится результат при изменении фактора на 1 %
значение тесноты связи между фактором и результатом
среднее изменение результата при изменении фактора на одну единицу измерения
Величина коэффициента эластичности показывает …
на сколько процентов изменится в среднем результат при изменении фактора на 1%
во сколько раз изменится в среднем результат при изменении фактора в два раза
предельно допустимое изменение варьируемого признака
предельно возможное значение результата
Временным рядом является совокупность значений …
экономического показателя за несколько последовательных моментов (периодов) времени
последовательных моментов (периодов) времени и соответствующих им значений экономического показателя
экономических однотипных объектов по состоянию на определенный момент времени
экономического показателя для однотипных объектов на определенный момент времени
Выберите верные утверждения по поводу структурной формы системы эконометрических уравнений:
каждое уравнение системы может рассматриваться в качестве отдельного уравнения регрессии зависимости одной переменной от группы факторов
система регрессионных уравнений, матрица коэффициентов которых симметрична
эндогенные переменные в одних уравнениях могут выступать в роли независимых переменных в других уравнениях системы
система одновременных уравнений описывает реальное экономическое явление или процесс
Г
Гомоскедастичность остатков подразумевает …
рост дисперсии остатков с увеличением значения фактора
максимальную дисперсию остатков при средних значениях фактора
уменьшение дисперсии остаток с уменьшением значения фактора
одинаковую дисперсию остатков при каждом значении фактора
Д
Диаграмма рассеяния указывает на нелинейную зависимость. В этом случае следует осуществить … (неск)
расчет линейного коэффициента корреляции и использование линейной модели
включение в модель дополнительных факторных признаков
визуальный подбор функциональной зависимости нелинейного характера, соответствующего структуре точечного графика
подбор преобразования переменных, дающего наибольшее по абсолютной величине значение коэффициента парной корреляции
Для линейного уравнения регрессии у = а + bx + e метод наименьших квадратов используется при оценивании параметров…(неск)
a
b
Для расчета критического значения распределения Стьюдента служат следующие параметры:
количество зависимых переменных
объем выборки и количество объясняющих переменных
уровень значимости
К
К классам эконометрических моделей относятся: (неск)
системы нормальных уравнений
корреляционно – регрессионные модели
модели временных рядов
Компонентами временного ряда являются: (неск)
циклическая (сезонная) компонента
тренд
Корреляция подразумевает наличие связи между …
результатом и случайными факторами
переменными
Косвенный метод наименьших квадратов применим для …
неидентифицируемой системы уравнений
неидентифицируемой системы рекурсивных уравнений
любой системы одновременных уравнений
идентифицируемой системы одновременных уравнений
Коэффициент детерминации рассчитывается для оценки качества…
подбора уравнения регрессии
параметров уравнения регрессии
факторов, не включенных в уравнение регрессии
Коэффициент парной корреляции характеризует тесноту ____ связи между _____ переменными.
линейной … двумя
Критические значения критерия Стьюдента определяются по…
двум степеням свободы
трем и более степеням свободы
уровню значимости и одной степени свободы
М
Метод наименьших квадратов используется для оценивания …
величины коэффициента детерминации
параметров линейной регрессии
величины коэффициента корреляции
средней ошибки аппроксимации
Н
Нелинейным является уравнение регрессии нелинейное относительно входящих в него …
факторов
Несмещенность оценки характеризует …
равенство нулю математического ожидания остатков
наименьшую дисперсию остатков
ее зависимость от объема выборки
увеличение точности ее вычисления с увеличением объема выборки
О
Обобщенный метод наименьших квадратов применяется в случае…
автокорреляции остатков
П
Под автокорреляцией уровней временного ряда подразумевается _____ зависимость между последовательными уровнями ряда.
корреляционная
При выполнении предпосылок МНК оценки параметров регрессии обладают свойствами: (неск)
несмещенность
эффективность
Предпосылками МНК являются … (неск)
случайные отклонения коррелируют друг с другом
гетероскедастичность случайных отклонений
случайные отклонения являются независимыми друг от друга
дисперсия случайных отклонений постоянна для всех наблюдений
Примерами фиктивных переменных могут служить: (неск)
пол
образование
Примером нелинейной зависимости экономических показателей является …
зависимость объема продаж от недели реализации, выраженная линейным трендом
линейная зависимость затрат на производство от объема выпуска продукции
линейная зависимость выручки от величины оборотных средств
классическая гиперболическая зависимость спроса от цены
Принципиальные сложности применения систем эконометрических уравнений связаны с ошибками…
однородности выборочной совокупности
спецификации модели
определения случайных воздействий
С
Система эконометрических уравнений включает в себя следующие переменные:
эндогенные
экзогенные
Способами определения структуры временного ряда являются: (неск)
анализ автокорреляционной функции
расчет коэффициентов корреляции между объясняющими переменными
построение коррелограммы
агрегирование данных за определенный промежуток времени
Среди нелинейных эконометрических моделей рассматривают следующие классы нелинейных уравнений: …
внутренне нелинейные
внутреннее линейные
Структурной формой модели называется система ____ уравнений.
взаимосвязанных
Т
Тенденция временного ряда характеризует совокупность факторов, …
оказывающих сезонное воздействие
оказывающих единовременное влияние
оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя
не оказывающих влияние на уровень ряда
У
Укажите верные характеристики коэффициента эластичности:
коэффициент эластичности показывает на сколько процентов изменится значение результирующего фактора при изменении на один процент объясняющего фактора
коэффициент эластичности является постоянной величиной для всех видов моделей
коэффициент эластичности показывает на сколько изменится значение результирующего фактора при изменении объясняющего фактора на одну единицу
по значению коэффициента эластичности можно судить о силе связи объясняющего фактора с результирующим
Укажите последовательность этапов оценки параметров нелинейной регрессии Y = a + b*X + c*X².
3 оцениваются параметры регрессии b0, b1, b2
1 выполняется замена переменной X2 на Z
2 задается спецификация модели в виде Y = b0 + b1*X +b2*Z, где b0 = a; b1 = b; b2 =c
4 определяются исходные параметры из тождеств: a = b0; b = b1; c = b2
Укажите последовательность этапов проведения теста Голдфелда-Квандта для парной линейной регрессии.
4 вычисление статистики Фишера
1 упорядочение наблюдений по возрастанию значений объясняющей переменной
3 оценка сумм квадратов отклонений для регрессий по k-первым и k-последним наблюдений
2 оценка регрессий для k-первых и k-последних наблюдений
Укажите справедливые утверждения по поводу критерия Дарбина-Уотсона: (неск)
позволяет проверить гипотезу о наличии автокорреляции первого порядка
изменяется в пределах от 0 до 4
равен 0 в случае отсутствия автокорреляции
применяется для проверки гипотезы о наличии гетероскедастичности остатков
Укажите существующие классы эконометрических систем: (неск)
система нормальных уравнений
система стандартных уравнений
система одновременных уравнений
система независимых уравнений
Укажите требования к факторам, включаемым в модель множественной линейной регрессии: (неск)
между факторами не должна существовать высокая корреляция
факторы должны быть количественно измеримы
факторы должны иметь одинаковую размерность
факторы должны представлять временные ряды
Установите соответствие между названием модели и видом ее уравнения:
3 y = ab x *e;
Установите соответствие между наименованиями элементов уравнения Y=b0+b1X+e и их буквенными обозначениями:
1. параметры регрессии
2. объясняющая переменная
3. объясняемая переменная
4. случайные отклонения
3 Y
4 e
1 b0, b1
2 X
Установите соответствие между эконометрическими терминами и их определениями.
1. автокорреляция уровней временного ряда
2. коэффициент автокорреляции уровней временного ряда
3. автокорреляционная функция
3 последовательность коэффициентов автокорреляции первого, второго и т.д. порядков
4 график зависимости значений автокорреляционной функции от величины лага
1 корреляционная зависимость между последовательными уровнями ряда
2 коэффициент линейной корреляции между последовательными уровнями
Ф
Фиктивными переменными в уравнении множественной регрессии являются …
качественные переменные, преобразованные в количественные
комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели
переменные, представляющие простейшие функции от уже включенных в модель переменных
дополнительные количественные переменные, улучшающие решение
Ч
Число степеней свободы общей, факторной и остаточной дисперсий связано …
только с числом единиц совокупности
с числом единиц совокупности и видом уравнения регрессии
характером исследуемых переменных
только с видом уравнения регрессии
Число степеней свободы связано с числом … (неск)
единиц совокупности (количеством наблюдений)
видом уравнения регрессии
Э
раздел экономической теории, связанный с анализом статистической информации
специальный раздел математики, посвященный анализу экономической информации
наука, которая осуществляет качественный анализ взаимосвязей экономических явлений и процессов
наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов
Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы
Понравилось? Нажмите на кнопочку ниже. Вам не сложно, а нам приятно).
Чтобы скачать бесплатно Тесты на максимальной скорости, зарегистрируйтесь или авторизуйтесь на сайте.
Важно! Все представленные Тесты для бесплатного скачивания предназначены для составления плана или основы собственных научных трудов.
Друзья! У вас есть уникальная возможность помочь таким же студентам как и вы! Если наш сайт помог вам найти нужную работу, то вы, безусловно, понимаете как добавленная вами работа может облегчить труд другим.
Если Тест, по Вашему мнению, плохого качества, или эту работу Вы уже встречали, сообщите об этом нам.
Добавление отзыва к работе
Добавить отзыв могут только зарегистрированные пользователи.
http://be5.biz/ekonomika/e008/88.html
http://studrb.ru/works/entry5528