Економіко-математичне моделювання

Економіко-математичне моделювання Економіко-математичне моделювання

library.tneu.edu.ua
from library.tneu.edu.ua More from this publisher
19.07.2013 Views

∗ ідентифікації; при mi < ki − 1 структурне рівняння не ідентифікується, оскільки число обмежень недостатнє і, таким чином, відповідні рівняння статистично не відрізняються одне від одного. В першому випадку МНК можна застосувати до прогнозної форми, якщо виконуються передумови відносно збурень. У другому випадку необхідно скористатися методами оцінювання, наприклад, багатокроковим МНК або методом максимальної правдоподібності. У третьому випадку оцінка параметрів структурних рівнянь неможлива. Альтернативною формою зазначеного критерію є така умова: число виведених із рівняння наперед визначених змінних повинно бути не менше числа ендогенних змінних, які беруть участь в ньому, зменшених на одиницю. Другим критерієм є правило порядку, яке містить необхідну та достатню умову ідентифікації. Це правило дає можливість точно встановити наявність або відсутність ідентифікації. При його використанні розглядаються змінні, які виведені із досліджуваного рівняння. На основі коефіцієнтів при цих змінних в інших рівняннях моделі будується матриця, ранг якої має бути не менше k–1, де k – загальна кількість сумісно залежних змінних. Недоліком правила порядку є те, що параметри моделі повинні бути відомими. При невеликому числі рівнянь можна на основі логічних міркувань припустити, які параметри відмінні від нуля. При великому числі рівнянь і змінних таке припущення не завжди виправдане. На практиці при перевірці ідентифікованості моделі дуже часто використовують правило рахунку, яке дає прийнятні результати. Необхідно відзначити, що ідентифікація сукупних рівнянь припускає, що збурення розподілені незалежно одне від одного. Але незалежність збурень – одна із вимог рекурсивної моделі. Таким чином, проблема ідентифікації рекурсивних моделей не виникає, оскільки вони завжди ідентифіковані. З проблемою ідентифікації приходиться мати справу при вивченні системи одночасних рівнянь, з допомогою яких описуються взаємозв’язки між економічними явищами. 18.4. Передумови побудови економетричних моделей Для оцінювання економетричних моделей потрібне виконання сукупності певних припущень відносно збурень і закону їх розподілів. Виконання припущень відносно ймовірнісних властивостей збурень доповнюється специфікацією моделі. Ці 612

припущення зв’язані з передумовами регресійного аналізу, які розглянуто у попередніх розділах. Передумова 1. Збурені змінні розподілені нормально. В загальному випадку неможливо апріорно визначити спільний розподіл збурених змінних. Проведення спільних експериментів породжує труднощі. Тому дуже часто обмежуються гіпотезою відносно розподілу збурень. Теоретично легше обґрунтувати багатомірний нормальний закон, який в свою чергу дозволить використати класичні статистичні критерії. Передумова 2. Математичне сподівання збурених змінних рівне нулю: M ( uit ) = 0 , i = 1, k; t = 1, T . (18.16) Передумова 3. Матриця ∑ = M ( u,u′ ) дисперсій і коваріацій u,u′ збурених змінних для будь-якого часу t невироджена, що в свою чергу означає, що всі тотожності моделі виключаються за допомогою t спеціальних перетворень і існує зворотна матриця для ∑ u,u′ Передумова 4. Збурені змінні різних рівнянь для кожного моменту часу t незалежні одне від одного. Ця умова зводиться до t вимоги, щоби матриця ∑ була діагональною u,u′ t ⎡σ11 0 … 0 ⎤ t ' ⎢ t ⎥ ∑ = M( u t,ut) = 0 22 0 u,u′ ⎢ σ … ⎥ . (18.17) t ⎢ 0 0 … σ ⎥ ⎣ kk ⎦ Крім цього, окреслена передумова відображає той факт, що збурені змінні дійсно носять випадковий характер і що всі змінні, які мають суттєвий вплив, містяться в окремих структурних рівняннях. Коваріації, відмінні від нуля, вказують на помилку специфікації структурних рівнянь. Ця передумова є однією з умов рекурсивної моделі. Передумова 5. Розподіл збурених змінних інваріантний відносно часу. Ця передумова означає незмінність дисперсій і коваріації для будь-якого періоду: t = ,t = 1,T ∑u,u′ ∑ , (18.18) u,u ′ Зазначена умова є узагальненням вимоги гомоскедастичності для лінійної регресії. 613

припущення зв’язані з передумовами регресійного аналізу, які<br />

розглянуто у попередніх розділах.<br />

Передумова 1. Збурені змінні розподілені нормально. В<br />

загальному випадку неможливо апріорно визначити спільний<br />

розподіл збурених змінних. Проведення спільних експериментів<br />

породжує труднощі. Тому дуже часто обмежуються гіпотезою<br />

відносно розподілу збурень. Теоретично легше обґрунтувати<br />

багатомірний нормальний закон, який в свою чергу дозволить<br />

використати класичні статистичні критерії.<br />

Передумова 2. Математичне сподівання збурених змінних рівне<br />

нулю:<br />

M ( uit<br />

) = 0 , i = 1,<br />

k;<br />

t = 1,<br />

T . (18.16)<br />

Передумова 3. Матриця ∑ = M ( u,u′<br />

) дисперсій і коваріацій<br />

u,u′<br />

збурених змінних для будь-якого часу t невироджена, що в свою<br />

чергу означає, що всі тотожності моделі виключаються за допомогою<br />

t<br />

спеціальних перетворень і існує зворотна матриця для ∑ u,u′<br />

Передумова 4. Збурені змінні різних рівнянь для кожного<br />

моменту часу t незалежні одне від одного. Ця умова зводиться до<br />

t<br />

вимоги, щоби матриця ∑ була діагональною<br />

u,u′<br />

t<br />

⎡σ11 0 … 0 ⎤<br />

t ' ⎢ t ⎥<br />

∑ = M( u t,ut) = 0 22 0<br />

u,u′<br />

⎢ σ … ⎥ . (18.17)<br />

t<br />

⎢ 0 0 … σ ⎥<br />

⎣ kk ⎦<br />

Крім цього, окреслена передумова відображає той факт, що<br />

збурені змінні дійсно носять випадковий характер і що всі змінні, які<br />

мають суттєвий вплив, містяться в окремих структурних рівняннях.<br />

Коваріації, відмінні від нуля, вказують на помилку специфікації<br />

структурних рівнянь. Ця передумова є однією з умов рекурсивної<br />

моделі.<br />

Передумова 5. Розподіл збурених змінних інваріантний відносно<br />

часу. Ця передумова означає незмінність дисперсій і коваріації для<br />

будь-якого періоду:<br />

t<br />

= ,t = 1,T<br />

∑u,u′ ∑ , (18.18)<br />

u,u ′<br />

Зазначена умова є узагальненням вимоги гомоскедастичності<br />

для лінійної регресії.<br />

613

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!