Ответы на экзаменационные билеты по эконометрике

Для определения по оценкам приведённых коэффициентов получить оценки структурных коэффициентов первого уравнения, необходимо из второго приведённого уравнения выразить переменную It и подставить полученное выражение в первое уравнение приведённой формы модели. Для определения оценок структурных коэффициентов второго уравнения, необходимо из второго приведённого уравнения выразить переменную Pt–1 и подставить полученное выражение в первое уравнение приведённой формы модели.

91. Метод инструментальных переменных

Метод инструментальных переменных основан на критике М. Фридменом оценивания кейнсианской функции потребления.

Общий вид функции потребления:

Cit=a+yit+it, (1)

где Сit– объём потребления i-го домашнего хозяйства в t-ом году;

yit – объём доходов i-го домашнего хозяйства в t-ом году;

– коэффициент предельной склонности к потреблению (0 1);

a – коэффициент автономного потребления;

it – независимая случайная составляющая модели.

В соответствии с кейнсианской трактовкой модели потребления, коэффициент автономного потребления а равен нулю.

К основным недостаткам модели потребления можно отнести:

1) оценки неизвестных коэффициентов модели регрессии, рассчитанные традиционным методом наименьших квадратов, изменяются год от года;

2) в ходе экспериментов было доказано, что оценка коэффициента для фермерских хозяйств ниже, чем для городского населения.

М. Фридмен показал невозможность применения традиционного метода наименьших квадратов для оценивания неизвестных коэффициентов модели регрессии (1) с помощью теории постоянных доходов.

Предположим, что справедливы следующие равенства:

Т – это индекс, означающий непостоянство (transitory) переменных.

Пусть переменные дохода yit и потребления Сit– этослучайные величины с нулевым математическим ожиданием и дисперсиями

соответственно, т. е.

По Фридмену переменные дохода и потребления связаны отношением вида:

Задача состоит в определении значимости функции потребления (2) при значимости функции потребления (1).

Представим функцию потребления (2) в виде равенства:

Тогда потребление можно представить следующим образом:

Обозначим выражение

как uit. Тогда функция потребления (2) примет вид:

Cit=a+yit+uit.

В модели потребления (1) величина it, является независимой случайной составляющей, а в модели потребления (2) величина uit коррелируют с yit, следовательно, нарушается первая предпосылка нормальной модели регрессии.

Рассчитаем показатель ковариации между переменной yit и uit:

Оценка коэффициента в модели потребления (1), полученная традиционным методом наименьших квадратов, равна выражению:

Следовательно, традиционный метод наименьших квадратов будет всегда давать заниженные оценки параметров, поэтому им пользоваться нельзя.

М. Фридмен предложил новый метод для оценки неизвестных коэффициентов подобных функций, названный им методом инструментальных переменных (Instrumental Variables – IV).

Суть метода инструментальных переменных заключается в следующем. Переменная yit из правой части уравнения, для которой нарушается первая предпосылка нормальной модели регрессии, заменяется на новую переменную, называемую инструментом:

В результате получим, что случайная ошибка uit и переменная yit между собой не коррелируют, но коррелируют с новой переменной 

 которая называется инструментом. Индекс y' означает, что переменная дохода относится к следующему году.

Оценка неизвестного коэффициента , полученная методом инструментальных переменных, выглядит следующим образом:

В общем случае инструментальная переменная z должна удовлетворять двум свойствам:

1) она должна тесно коррелировать с зависимой переменной у: cov(y,z)/=0;

2) она не должна коррелировать со случайной ошибкой t: cov(z,)=0.

Для модели множественной регрессии оценки неизвестных параметров модели рассчитываются по формуле:

92. Двухшаговый метод наименьших квадратов (ДМНК)

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

Оценки неизвестных параметров сверхидентифицированного уравнения нельзя рассчитать традиционным и косвенным методом наименьших квадратов. В данном случае для определения неизвестных оценок используется двухшаговый метод наименьших квадратов.

Алгоритм двухшагового метода наименьших квадратов реализуетсяв четыре этапа:

1) на основе структурной формы системы одновременных уравнений составляется её приведённая форма;

2) оценки неизвестных коэффициентов приведённой формы системы одновременных уравнений рассчитываются с помощью традиционного метода наименьших квадратов;

3) рассчитываются значения эндогенных переменных, выступающих в качестве факторных в сверхидентифицированном уравнении;