Модели в виде систем одновременных уравнений Оценка параметров

Модели в виде систем одновременных уравнений

Оценка параметров структурной формы модели Предполагаем, что модель идентифицируема. Для иллюстрации этого метода, в котором каждое поведенческое уравнение модели оценивается отдельно от другого, выберем простейшую "паутинную" модель спроса-предложения товара: (1.1) Необходимо найти оценки параметров a0, a1, b0, b1, а также СКО этих оценок

Оценка параметров структурной формы модели Убедимся в том, что оба уравнения модели идентифицированы Воспользуемся правилом ранга: rk(ĀRiT)≥G-1, i=1,2

Оценка параметров структурной формы модели Для первого уравнения системы (1.1) имеем: Проверяем условие: rk(ĀR1T)≥G-1 2=3-1=2, следовательно, первое уравнение точно идентифицированно Соответственно для второго уравнения: rk(ĀR1T)≥G-1 2=3-1=2

Оценка параметров структурной формы модели Что доступно для наблюдения: (y*I, pi, pi-1) Имеем уравнения наблюдений схемы Гаусса-Маркова: y1 = a0 + a1 · p1 + u1 y2 = a0 + a1 · p2 + u2 ...................………. yn = a0 + a1 · pn + un Однако, применить к ней МНК нельзя, т.к. COV(pi,ui)≠0 Запишем приведенную форму модели для переменной pt (1.2)

Оценка параметров структурной формы модели Оценки параметров структурной формы модели оказываются смещенными и неэффективными даже при выборках большого объема Это видно из следующих вычислений: (1.2) Из (1.2) видно, что вектор оценок параметров модели отличается от «истинных» значений на некоторую величину, которая делает оценки смещенными

Оценка параметров структурной формы модели Форма (1.2) оценок параметров линейной модели МНК полезна тем, что она позволяет сформулировать достаточные условия состоятельности Условия состоятельности: (1.3) (1.4) (1.5)

Косвенный метод наименьших квадратов Косвенный метод наименьших квадратов применяется в случае точной идентифицируемости уравнений модели Алгоритм применения КМНК: 1. От структурной формы модели переходят к приведенной 2. Определяются МНК-оценки параметров приведенной формы модели 3. По МНК-оценкам приведенной формы вычисляют-ся оценки параметров структурной формы модели.

Косвенный метод наименьших квадратов Мы знаем связь параметров структурной и приведенной форм моделей: М=-АВ или АМ=-В или АМ+В=0 (2.1) Это выражение с использованием расширенной матрицы коэффициентов Ā в матричной форме имеет вид: (2.2) где: I – единичная матрица размером kxk Для оценки параметров i-го уравнения необходимо добавить априорные ограничения и условия нормализации

Косвенный метод наименьших квадратов В результате получается система алгебраических уравнений относительно элементов матрицы Ā (2.3) Доказывается, что, если i-ое уравнение точно идентифицируемо и выполнено условие нормализации, то система (2.3) имеет единственное решение

Косвенный метод наименьших квадратов Задача. Построить модель потребления свинины на душу населения у1 (в фунтах) в зависимости от цены на нее у2 (долл/фунт), располагаемого дохода х1 (в долл) и расходов по обработке мяса х2 (% от цены) Известно: Потребление свинины пропорционально ее цене при этом потребление падает с ростом цены, и пропорционально располагаемому доходу 2. Цена растет с ростом потребления свинины и ростом стоимости ее переработки

Косвенный метод наименьших квадратов Решение. 1. Спецификация модели. С учетом отмеченных закономерностей спецификацию модели можно записать в виде (2.4) В приведенной форме модель (2.4) примет вид: (2.5)

Косвенный метод наименьших квадратов 2. Сбор исходной информации для оценки модели

Косвенный метод наименьших квадратов 3. Оценка МНК параметров приведенной формы модели (2.6)

Косвенный метод наименьших квадратов 4. Вычисление параметров структурной формы модели 4.1 Для первого уравнения модели Расширенная матрица коэффициентов Ā имеет вид Система алгебраических уравнений (2.3) примет вид (2.7)

Косвенный метод наименьших квадратов После перемножения матриц в системе (2.7) получим m11 – a12m21 - b11=0 m12 – a12m22 = 0 Решив полученную систему относительно параметров aij получим искомые параметры для первого уравнения модели (2.4)

Косвенный метод наименьших квадратов 4.2 Рассматриваем второе уравнение моделей (2.4-2.5) Структурные параметры для него есть решение системы уравнений:

Косвенный метод наименьших квадратов В результате структурная форма модели (2.4) получила вид Остается проверить ее адекватность

Двухшаговый метод наименьших квадратов В основе метода лежит понятие «инструментальных переменных» Пусть имеем линейную модель множественной регрессии (3.1) В модели (3.1) объясняющие переменные коррелируют со случайными возмущениями

Двухшаговый метод наименьших квадратов Определение. Переменные (z1t, z2t,…,zkt) называются инструментальными для модели (3.1), если они удовлетворяют двум требованиям: Т.е. zit коррелируют в пределе с xit и не коррелируют в пределе со случайными возмущениями Теорема. Процедура (3.2) (3.3) доставляет состоятельные оценки параметров модели (3.1) (3.4)

Двухшаговый метод наименьших квадратов Вопрос. Как построить инструментальные переменные? Вернемся к уравнению (1.2) (1.2) Перепишем его в виде: (3.5) Если удастся избавиться от εt, т.е. найти переменную то она могла бы выступить в качестве инструментальной переменной

Двухшаговый метод наименьших квадратов Алгоритм оценки коэффициентов структурной формы уравнений ДМНК Оценивание параметров приведенной формы модели для эндогенных переменных, включенных в правую часть уравнения модели с помощью МНК 2. Оцениваются параметры структурной формы уравнения модели, в правую часть которой вместо значений эндогенных переменных подставляются их оценки, рассчитанные по приведенным формам модели, которые получены на предыдущем шаге. 3. Оцениваются точностные характеристики модели

Двухшаговый метод наименьших квадратов Пример. Рассмотрим предыдущую задачу: Оценить параметры структурной формы модели (2.4) (2.4) Оценка параметров первого уравнения Приведенная форма уравнения для эндогенной переменной y2t имеет вид:

Двухшаговый метод наименьших квадратов Оценка эндогенной переменной ŷ2t соответственно есть (3.6) Исходные данные для оценки параметров первого уравнения модели (2.4) Здесь ŷ2t рассчитано по формуле (3.6)

Двухшаговый метод наименьших квадратов По данным столбцов 2, 3, 4 оцениваются структурные параметры первого уравнения модели (2.4) 2. Уточнение СКО структурных параметров Окончательно первое уравнение модели (2.4) имеет вид