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.
Системы эконометрических уравнений (стр. 1 )
 | Из за большого объема этот материал размещен на нескольких страницах: 1 2 3 4 5 6 7 8 |
СИСТЕМЫ ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ
Объектом статистического изучения в социальных науках являются сложные системы. Построение изолированных уравнений регрессии недостаточно для описания таких систем и объяснения механизма их функционирования. Изменение одной переменной, как правило, не может происходить без изменения других. Поэтому важное место занимает проблема описания структуры связей между переменными системой так называемых одновременных уравнений. Так, если изучается модель спроса как отношение цен и количества потребляемых товаров, то одновременно для прогнозирования спроса необходима модель предложения товаров, в которой рассматривается также взаимосвязь между количеством и ценой предлагаемых благ. Это позволяет достичь равновесия между спросом и предложением.
Системы уравнений здесь могут быть построены по – разному.
Возможна система независимых уравнений, когда каждая зависимая переменная y рассматривается как функция одного и того же набора факторов x :
(1)
Набор факторов xj в каждом уравнении может варьироваться. Каждое уравнение может рассматриваться самостоятельно. Для нахождения его параметров используется МНК. По существу, каждое уравнение этой системы является уравнением регрессии.
Наибольшее распространение в эконометрических исследованиях получила система одновременных (совместных, взаимозависимых) уравнений. В ней одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других уравнениях – в правую часть:
(2)
В эконометрике эта система уравнений называется также структурной формой модели. Для нахождения параметров каждого уравнения традиционный МНК неприменим, здесь используются специальные методы оценивания. В этом случае каждое из уравнений не может рассматриваться самостоятельно.
Структурная и приведенная формы модели.
Система одновременных уравнений (т. е. структурная форма модели) обычно содержит эндогенные и экзогенные переменные.
Эндогенные переменные – это зависимые переменные, число которых равно числу уравнений в системе. Они обозначаются через y
Экзогенные переменные – это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них. Они обозначаются через x .
Простейшая структурная форма модели имеет вид:
где y 1 , y 2 — эндогенные переменные, x 1 , x 2 — экзогенные.
Классификация переменных на эндогенные и экзогенные зависит от теоретической концепции принятой модели. Экономические переменные могут выступать в одних моделях как эндогенные, а в других — как экзогенные переменные. Внеэкономические переменные (например, климатические условия) входят в систему как экзогенные переменные. В качестве экзогенных переменных можно рассматривать значения эндогенных переменных за предшествующий период времени (лаговые переменные). Например, потребление текущего года yt может зависеть также и от уровня потребления в предыдущем году yt -1 .
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.
Коэффициенты 
при эндогенных и 
— при экзогенных переменных называются структурными коэффициентами модели. Все переменные в модели могут быть выражены в отклонениях 
и 
от среднего уровня, и тогда свободный член в каждом уравнении отсутствует.
Использование МНК для оценивания структурных коэффициентов модели дает смещенные и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов модели структурная форма преобразуется в приведенную.
Приведенная форма модели представляет собой систему линейных функций эндогенных переменных от экзогенных:
(3)
коэффициенты приведенной формы модели.
По своему виду приведенная форма модели ничем не отличается от системы независимых уравнений, Применяя МНК, можно оценить 
, а затем оценить значения эндогенных переменных через экзогенные.
Приведенная форма позволяет выразить значения эндогенных переменных через экзогенные, однако аналитически уступает структурной форме модели, т. к. в ней отсутствуют оценки взаимосвязи между эндогенными переменными.
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.
Структурная модель (2) в полном виде, состоящая в каждом уравнении системы из n эндогенных и m экзогенных переменных, содержит n ( n -1+ m ) параметров. Приведенная модель (3) в полном виде содержит nm параметров. Таким образом, в полном виде структурная модель содержит большее число параметров, чем приведенная форма модели. Поэтому n ( n -1+ m ) параметров структурной модели не могут быть однозначно определены через nm параметров приведенной формы модели.
Чтобы получить единственно возможное решение для структурной модели, необходимо предположить, что некоторые из структурных коэффициентов модели равны нулю. Тем самым уменьшится число структурных коэффициентов.
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. число параметров структурной модели равно числу параметров приведенной формы модели.
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 (2) в полном виде всегда неидентифицируема.
Модель сверхидентифицируема, если число приведенных коэффициентов больше числа структурных коэффициентов. В этом случае на основе приведенных коэффициентов можно получить два или более значений одного структурного коэффициента. Сверхидентифицируемая модель, в отличие от неидентифицируемой, 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.
Обозначим Н – число эндогенных переменных в i — ом уравнении системы, D – число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение. Тогда условие идентифицируемости уравнения может быть записано в виде следующего счетного правила:
D+1 = Н – уравнение идентифицируемо;
D+1 Н – уравнение неидентифицируемо;
D+1 > Н – уравнение сверхидентифицируемо.
Это счетное правило отражает необходимое, но не достаточное условие идентификации. Более точно условия идентификации определяются, если накладывать ограничения на коэффициенты матриц параметров структурной модели. 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.
где M – доля импорта в ВВП;
N – общее число прошений об освобождении от таможенных пошлин;
S – число удовлетворенных прошений;
E – фиктивная переменная, означающая, является ли курс доллара искусственно завышенным или нет;
Y – реальный ВВП;
X – реальный объём чистого экспорта;
t – текущий период;
t -1 – предыдущий период.
Проверим данную модель на идентификацию и определим, каким методом могут быть рассчитаны её коэффициенты (в случае, если модель сверх – или точно идентифицируема).
Сначала рассмотрим общие характеристики структурной формы. Здесь три эндогенные переменные – Mt , Nt и St , они стоят в левых частях уравнений. Кроме того, в правых частях находятся четыре предопределенные переменные – одна лаговая ( Mt -1 ) и три экзогенные – Et -1 , Yt и Xt . Теперь проверим каждое уравнение.
Уравнение I . В этом уравнении присутствуют три эндогенные переменные ( Mt , Nt и St ), но отсутствуют две предопределенные переменные — Yt и Xt . Поэтому Н=3 , D =2 , и необходимое условие идентификации выполняется, поскольку D +1= H . Это означает, что первое уравнение точно идентифицируемо.
Уравнение II . В этом уравнении присутствуют три эндогенные переменные ( Mt , Nt и St ), но отсутствуют три экзогенные — Е t — 1 , Mt -1 и Xt . Поэтому Н=3 , D =3 , D +1> H и второе уравнение по необходимому условию является сверхидентифицируемым.
Уравнение III . В этом уравнении, как и в других уравнениях, присутствуют все три эндогенные переменные, но отсутствуют три экзогенные — Е t — 1 , Mt -1 и Yt . Поэтому Н=3 , D =3 , D +1> H , и третье уравнение системы является сверхидентифицируемым.
Проверим каждое уравнение на выполнение достаточного условия идентификации. Для этого сначала запишем расширенную матрицу системы в виде следующей таблицы:
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:
 | уравнение идентифицируемо |
 | уравнение неидентифицируемо |
 | уравнение сверхидентифицируемо |
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.
| N | Уравнение |  | счетное правило |
 |  | идентифицируемо | |
 |  | сверхидентифицируемо | |
 | 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.
| | | |  | | |
| I уравнение | -1 | b11 | b12 | 0 | 0 |
| II уравнение | 0 | b21 | 0 | -1 | 0 |
| Тождество | 1 | 0 | 0 | 1 | 1 |
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.)
| годы |  |  |  |  |  | Предсказанное |
| 4823.23 | 2281.18 | 670.44 | 2629.62 | 4182,05 | ||
| 7305.65 | 3009.42 | 1165.23 | 1014.2 | 4823.23 | 6731,57 | |
| 8943.58 | 3972.81 | 1504.71 | 1193.5 | 7305.65 | 9496,45 | |
| 10830.54 | 5001.77 | 1762.41 | 1947.3 | 8943.58 | 11692,48 | |
| 13243.24 | 6147.26 | 2186.37 | 2345.6 | 10830.54 | 13947,4 | |
| 17048.12 | 7670.68 | 2865.01 | 2659.4 | 13243.24 | 16716,24 | |
| 21625.37 | 9613.84 | 3611.11 | 3472.1 | 17048.12 | 21268,68 | |
| 26903.49 | 11927.59 | 4730.02 | 4284.8 | 21625.37 | 26648,73 | |
| 33258.14 | 14831.38 | 6716.22 | 26903.49 | 33297,77 |
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]
http://pandia.ru/text/79/403/28531.php
http://mydocx.ru/2-20587.html