Задачи для самостоятельного решения
По данным индивидуального варианта выполните следующие задания.
1. Применив необходимое и достаточное условие идентификации, определите, идентифицировано ли каждое из уравнений системы.
2. Определите метод оценки параметров модели.
3. Запишите приведенную форму модели.
Вариант 1
Модель денежного рынка:
где R – процентная ставка;
Y – ВВП;
М – денежная масса;
I – внутренние инвестиции;
t – текущий период.
Вариант 2
Модель Менгеса:
где Y – национальный доход;
С – расходы на личное потребление;
I – чистые инвестиции;
Q – валовая прибыль экономики;
Р – индекс стоимости жизни;
R – объем продукции промышленности;
t – текущий период;
t-1 – предыдущий период.
Вариант 3
Одна из версий модифицированной модели Кейнса имеет вид
где С – расходы на потребление;
Y – доход;
I – инвестиции;
G – государственные расходы;
t – текущий период;
t-1 – предыдущий период.
Вариант 4
Модель мультипликатора-акселератора:
где С – расходы на потребление;
R – доход;
I – инвестиции;
t – текущий период;
t-1 – предыдущий период.
Вариант 5
Конъюнктурная модель имеет вид
где С– расходы на потребление;
Y – ВВП;
I – инвестиции;
r – процентная ставка;
М – денежная масса;
G – государственные расходы;
t – текущий период;
t-1 – предыдущий период.
Вариант 6
Модель протекционизма Сальватора (упрощенная версия):
|
|
где М – доля импорта в ВВП; N – общее число прошений об освобождении от таможенных пошлин;
S – число удовлетворенных прошений об освобождении от таможенных пошлин;
Е – фиктивная переменная, равная 1 для тех лет, в которые курс доллара на международных валютных рынках был искусственно завышен,
и 0 – для всех остальных лет;
Y – реальный ВВП;
Х – реальный объем чистого экспорта;
t – текущий период,
t-1 – предыдущий период.
Вариант 7
Макроэкономическая модель (упрощенная версия модели Клейна):
где С – потребление;
I – инвестиции;
Y – доход;
Т – налоги;
К – запас капитала;
t – текущий период;
t-1 – предыдущий период.
Вариант 8
Макроэкономическая модель экономики США (одна из версий):
где С – потребление;
Y – ВВП;
I – инвестиции;
r – процентная ставка;
М – денежная масса;
G – государственные расходы;
t – текущий период;
t-1 – предыдущий период.
Вариант 9
Модель Кейнса (одна из версий):
где С – потребление;
Y – ВВП;
I – валовые инвестиции;
G – государственные расходы;
t – текущий период;
t-l – предыдущий период.
Вариант 10
Модифицированная модель Кейнса:
где С – потребление;
|
|
Y – ВВП;
I – валовые инвестиции;
G – государственные расходы;
t – текущий период;
t-l – предыдущий период.
4. Временные ряды
в эконометрических исследованиях
Теоретическое введение
Модели, построенные по данным, характеризующим один объект за ряд последовательных моментов (периодов), называются моделями временных рядов.
Временной ряд – это совокупность значений какого-либо показателя за несколько последовательных моментов или периодов.
Каждый уровень временного ряда формируется из трендовой (Т), циклической (S) и случайной (Е) компонент.
Модели, в которых временной ряд представлен как сумма перечисленных компонент, – аддитивные модели, как произведение – мультипликативные модели временного ряда.
Аддитивная модель имеет вид: Y = T+ S + E.
M ультипликативная модель имеет вид: .
Построение аддитивной и мультипликативной моделей сводится к расчету значений Т, S и Е для каждого уровня ряда.
Построение модели включает следующие шаги:
1) выравнивание исходного ряда методом скользящей средней;
2) расчет значений сезонной компоненты S;
3) устранение сезонной компоненты из исходных уровней ряда и получение выровненных данных в аддитивной (T+Е) или в мультипликативной ( ) модели;
|
|
4) аналитическое выравнивание уровней (T+Е) или ( ) и расчет значений Т с использованием полученного уравнения тренда;
5) расчет полученных по модели значений (T+S) или ( );
6) расчет абсолютных и/или относительных ошибок.
Автокорреляция уровней ряда – это корреляционная зависимость между последовательными уровнями временного ряда:
,
где ; – коэффициент автокорреляции уровней ряда первого порядка;
,
где ; – коэффициент автокорреляции уровней ряда второго порядка.
Формулы для расчета коэффициентов автокорреляции старших порядков легко получить из формулы линейного коэффициента корреляции.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называют автокорреляционной функцией временного ряда, а график зависимости ее значений от величины лага (порядка коэффициента автокорреляции) – коррелограммой.
Построение аналитической функции для моделирования тенденции (тренда) временного ряда называют аналитическим выравниванием временного ряда. Для этого чаще всего применяются следующие функции:
· линейная ;
· гипербола ;
· экспонента ;
· степенная функция ;
· парабола второго и более высоких порядков
|
|
.
Параметры трендов определяются обычным МНК, в качестве независимой переменной выступает время t = 1, 2, ..., n, а в качестве зависимой переменной – фактические уровни временного ряда уt. Критерием отбора наилучшей формы тренда является наибольшее значение скорректированного коэффициента детерминации .
При построении моделей регрессии по временным рядам для устранения тенденции используются следующие методы.
Метод отклонений от тренда предполагает вычисление трендовых значений для каждого временного ряда модели, например и , и расчет отклонений от трендов: и . Для дальнейшего анализа используют не исходные данные, а отклонения от тренда.
Метод последовательных разностей заключается в следующем: если ряд содержит линейный тренд, тогда исходные данные заменяются первыми разностями:
;
если параболический тренд – вторыми разностями:
.
В случае экспоненциального и степенного тренда метод последовательных разностей применяется к логарифмам исходных данных.
Модель, включающая фактор времени, имеет вид
.
Параметры а и b этой модели определяются обычным МНК.
Автокорреляция в остатках — корреляционная зависимость между значениями остатков et, за текущий и предыдущие моменты времени.
Для определения автокорреляции остатков используют критерий Дарбина - Уотсона и расчет величины:
, 0£d£4.
Коэффициент автокорреляции остатков первого порядка определяется по формуле
, .
Критерий Дарбина - Уотсона и коэффициент автокорреляции остатков первого порядка связаны соотношением
.
Эконометрические модели, содержащие не только текущие, но и лаговые значения факторных переменных, называются моделями с распределенным лагом.
Модель с распределенным лагом в предположении, что максимальная величина лага конечна, имеет вид
.
Коэффициент регрессии b0 при переменной хt, характеризует среднее абсолютное изменение уt, при изменении xt на 1 ед. своего измерения в некоторый фиксированный момент времени t, без учета воздействия лаговых значений фактора х. Этот коэффициент называют краткосрочным мультипликатором.
В момент (t+1) воздействие факторной переменной х, на результат уt составит (b0+b1) условных единиц; в момент времени (t+2) воздействие можно охарактеризовать суммой (b0+b1+b2) и т.д. Эти суммы называют промежуточными мультипликаторами. Для максимального лага (t+l) воздействие фактора на результат описывается суммой (b0+b1+…+bl=b), которая называется долгосрочным мультипликатором.
Величины
bj=bj/b, j=0,1,…,l
называются относительными коэффициентами модели с распределенным лагом. Если все коэффициенты bj имеют одинаковые знаки, то для любого j
0<bj<1 и .
Величинa среднего лага модели множественной регрессии определяется по формуле средней арифметической взвешенной:
и представляет собой средний период, в течение которого будет происходить изменение результата под воздействием изменения фактора в момент t.
Медианный лаг – это период, в течение которого с момента времени t будет реализована половина общего воздействия фактора на результат:
где lMe – медианный лаг.
Оценку параметров моделей с распределенными лагами можно проводить согласно одному из двух методов: методу Койка или методу Алмон.
В распределении Койка делается предположение, что коэффициенты при лаговых значениях объясняющей переменной убывают в геометрической прогрессии:
, l=0,1,2,…, 0<l<1.
Уравнение регрессии преобразуется к виду
.
После несложных преобразований получаем уравнение, оценки параметров которого приводят к оценкам параметров исходного уравнения.
В методе Алмон предполагается, что веса текущих и лаговых значений объясняющих переменных подчиняются полиномиальному распределению:
.
Уравнение регрессии примет вид
,
где , i=1,…,k; j=1,…,p.
Расчет параметров модели с распределенным лагом методом Алмон проводится по следующей схеме:
1) устанавливается максимальная величина лага l;
2) определяется степень полинома k, описывающего структуру лага;
3) рассчитываются значения переменных z0,...,zk;
4) определяются параметры уравнения линейной регрессии уt от zi;
5) рассчитываются параметры исходной модели с распределенным лагом.
Модели, содержащие в качестве факторов лаговые значения зависимой переменной, называются моделями авторегрессии, например:
.
Как и в модели с распределенным лагом, b0 в этой модели характеризует краткосрочное изменение уt под воздействием изменения хt
на 1 ед. Долгосрочный мультипликатор в модели авторегрессии рассчитывается как сумма краткосрочного и промежуточных мультипликаторов:
.
Отметим, что такая интерпретация коэффициентов модели авторегрессии и расчет долгосрочного мультипликатора основаны на предпосылке о наличии бесконечного лага в воздействии текущего значения зависимой переменной на ее будущие значения.
Решение типовой задачи
Постановка задачи
Имеются следующие данные о величине дохода на одного члена семьи и расхода на товар А (таблица 4.1).
Таблица 4.1. Исходные данные задачи
Показатель | 1985 г. | 1986 г. | 1987 г. | 1988 г. | 1989 г. | 1990 г. |
Расходы на товар А, руб. | 30 | 35 | 39 | 44 | 50 | 53 |
Доход на одного члена семьи, % к 1985 г. | 100 | 103 | 105 | 109 | 115 | 118 |
Требуется:
1. Определить ежегодные абсолютные приросты доходов и расходов и сделать выводы о тенденции развития каждого ряда.
2. Перечислить основные пути устранения тенденции для построения модели спроса на товар А в зависимости от дохода.
3. Построить линейную модель спроса, используя первые разности уровней исходных динамических рядов.
4. Пояснить экономический смысл коэффициента регрессии.
5. Построить линейную модель спроса на товар А, включив в нее фактор времени. Интерпретировать полученные параметры.
Решение задачи
1. Обозначим расходы на товар А через у, а доходы одного члена семьи – через х. Ежегодные абсолютные приросты определяются по формулам: , .
Расчеты можно оформить в виде таблицы (таблица 4.2).
Таблица 4.2. Расчет абсолютных приростов
yt | Dyt | xt | Dxt |
30 | 100 | ||
35 | 5 | 103 | 3 |
39 | 4 | 105 | 2 |
44 | 5 | 109 | 4 |
50 | 6 | 115 | 6 |
53 | 3 | 118 | 3 |
Значения Dу не имеют четко выраженной тенденции, они варьируют вокруг среднего уровня, что означает наличие в ряде динамики линейного тренда (линейной тенденции). Аналогичный вывод можно сделать и по ряду х: абсолютные приросты не имеют систематической направленности, они примерно стабильны, а следовательно, ряд характеризуется линейной тенденцией.
2. Так как ряды динамики имеют общую тенденцию к росту, то для построения регрессионной модели спроса на товар А в зависимости от дохода необходимо устранить тенденцию. С этой целью модель может строиться по первым разностям, т.е. Dу=f(Dх), если ряды динамики характеризуются линейной тенденцией.
Другой возможный путь учета тенденции при построении моделей – найти по каждому ряду уравнение тренда:
и
и отклонения от него:
; .
Далее модель строится по отклонениям от тренда: dy=f(dx).
При построении эконометрических моделей чаще используется другой путь учета тенденции – включение в модель фактора времени. Иными словами, модель строится по исходным данным, но в нее в качестве самостоятельного фактора включается время, т.е. .
3. Модель имеет вид
.
Для определения параметров а и b применяется МНК. Система нормальных уравнений следующая:
Применительно к нашим данным имеем
Решая эту систему, получим:
а = 2,565 и b = 0,565,
откуда модель имеет вид
.
4. Коэффициент регрессии b = 0,565 руб. Он означает, что с ростом прироста душевого дохода на 1%-ный пункт расходы на товар А увеличиваются со средним ускорением, равным 0,565 руб.
5. Модель имеет вид
.
Применяя МНК, получим систему нормальных уравнений:
Расчеты оформим в виде таблицы. 4.3.
Таблица 4.3. Расчетные данные
t | y | x | yx | yt | xt | x2 | t2 |
1 | 30 | 100 | 3000 | 30 | 100 | 10000 | 1 |
2 | 35 | 103 | 3605 | 70 | 206 | 10609 | 4 |
3 | 39 | 105 | 4095 | 117 | 315 | 11025 | 9 |
4 | 44 | 109 | 4796 | 176 | 436 | 11881 | 16 |
5 | 50 | 115 | 5750 | 250 | 575 | 13225 | 25 |
6 | 53 | 118 | 6254 | 318 | 708 | 13924 | 36 |
21 | 251 | 650 | 27500 | 961 | 2340 | 70664 | 91 |
Система уравнений примет вид
Решая ее, получим
а = –5,42; b = 0,322; с = 3,516.
Уравнение регрессии имеет вид
.
Параметр b = 0,322 фиксирует силу связи у и х. Его величина означает, что с ростом дохода на одного члена семьи на 1%-ный пункт при условии неизменной тенденции расходы на товар А возрастают в среднем на 0,322 руб. Параметр с = 3,516 характеризует среднегодовой абсолютный прирост расходов на товар А под воздействием прочих факторов при условии неизменного дохода.
Дата добавления: 2019-02-26; просмотров: 289; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!