Отбор объясняющих переменных методом дополнительной регрессии

2 принципа такого отбора:

- в модели следует оставлять только значащие факторы, используя при определении значащих факторов T-тест

- при отборе фактора х_j в модель строится для этого фактора дополнительная регрессия

x_jt=b₀+b₁x_1,t+…+b_j-1x_j-1,t+b_j+1x_j+1,t+…+v_j,t и вычисляется R_j²

в модели сохраняются те факторы, у которых коэффициенты детерминации в дополнительной регрессии наименьшие, а коэффициента корреляции стремятся к максимуму

Модели с лаговыми переменными: авторегрессионная модель и модель распределённых лагов; проблемы оценивания этих моделей.

Наиболее частой ошибкой спецификации модели является неправильный выбор функции регрессии и, в частности, отсутствие в функции значащей объясняемой переменной. Тогда для сглаживания негативного влияния пропущенного регрессора используют его заместитель (proxy - x^pr). Это переменная, которая коррелирована с пропущенным регрессором и доступна для наблюдения. В качестве такого заместителя часто выступают лаговые значения эндогенных и экзогенных переменных.

Если используется лаговое значение эндогенной переменной, то такая модель называется авторегрессионной моделью. Спецификация:

При оценивании моделей такого типа оказывается нарушенной 4ая предпосылка теоремы Гаусса-Маркова (о некоррелируемости объясняющих переменных со случайными остатками).

Значит, оценки МНК (или любого другого метода) утрачивают либо несмещенность на контролирующей выборке (если сл. остатки в модели не имеют автокорреляции), либо состоятельность, если остатки автокоррелированы.

Если используется эндогенная переменная объясняется через текущие и лаговые значения экзогенных, то такая модель называется моделью с распределенными лагами. Спецификация модели:

Поскольку временной ряд , как правило, не является белым шумом, то соседние уровни этой переменной сильно зависят друг от друга, и поэтому в модели возникает ситуация мультиколлинеарности (линейная зависимость столбцов матрицы экзогенных переменных). А это нарушение исходной предпосылки теоремы Гаусса-Маркова. В такой ситуации оценки параметров модели становятся ненадежными.

Эконометрические модели в виде систем линейных одновременных уравнений (СЛОУ): примеры и проблема идентификации (на примере модели спроса-предложения блага).

В общем случае экономическая модель может включать в себя несколько текущих эндогенных переменных. Линейная экономическая модель в общем случае имеет спецификацию (1).

Пример – модель спроса и предложения на конкурентном рынке:

(2)

Модель (1) называют моделью из одновременных уравнений, поскольку какие-то эндогенные переменные модели в некоторых поведенческих уравнениях могут играть роль объясняющих переменных, например, в модели (2) объясняющей эндогенной переменной в обоих уравнениях является цена р.

Моделям (1) присущи 2 проблемы – проблема идентификации и проблема оценивания параметров структурной формы.

Рассмотрим первую проблему на примере модели (2). Можно ли определить параметры а0, а1, b0, b1 поведенческих уравнений? Построим графики спроса и предложения.

Для наблюдений в рамках модели доступна равновесная цена и уровень спроса и предложения по равновесной цене .Знание точки Е не позволяет определить ни параметры кривой спроса, ни предложения.

Поясним эту мысль, составив приведенную форму (случайные остатки пока опустим)

(3). Рассматривая (3), констатируем, что эта форма состоит из двух уравнений с четырьмя искомыми параметрами. Определить их однозначно нельзя. В этом и заключается неидентифицируемость обоих уравнений модели (2). Например, если (3) разрешить относительно а1 и b1 : , то задаваясь любыми подходящими а0, b0 получим то или иное решение уравнений (3).

Опр: Поведенческое уравнение модели (1) является идентифицируемым, если по известным коэффициентам приведенной формы модели можно определить коэффициенты данного поведенческого уравнения.

Не нашли, что искали? Воспользуйтесь поиском по сайту: