Методы оценивания систем одновременных уравнений
Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Методы оценивания систем одновременных уравнений
Любое уравнение системы одновременных уравнений, даже при условии идентифицируемости, нельзя оценить обычным методом наименьших
квадратов или обобщенным методом.
Если обыкновенный МНК применить к уравнению модели, в котором
присутствуют несколько текущих значений эндогенных переменных, то придется одну из них выбрать в качестве «зависимой» переменной для данного
уравнения. Тогда оставшиеся (одно или несколько) текущие значения эндогенных переменных, участвующие в этом соотношении, будут, вообще говоря, коррелировать с ошибками, и потому МНК-оценки параметров модели
окажутся смещенными и несостоятельными.
В более общем случае, когда модель состоит из одновременных уравнений, не удовлетворяющих специальным предположениям о рекурсивности,
существует простой метод оценивания – косвенный метод наименьших квадратов (К-МНК), но он применим лишь к точно идентифицируемым уравнениям. В случае сверхидентифицируемости косвенный МНК не применим.
Если система сверхидентифицируема, то один и тот же структурный коэффициент допускает разные выражения через параметры приведенной формы,
так как в системе, связывающей эти коэффициенты число уравнений превышает число неизвестных. В этом случае наиболее простым и в то же время
надежным является двухшаговый метод наименьших квадратов (2-МНК).
Косвенный метод наименьших квадратов (К-МНК) (или метод приведенной формы) предназначен для оценивания структурных параметров отдельного уравнения системы и может дать результат (без сочетания с другими методами, например, с двухшаговым методом наименьших квадратов)
только в применении к точно идентифицируемому уравнению.
Суть К-МНК состоит в следующем. Сначала структурная форма преобразуется в приведенную, затем с помощью МНК оцениваются параметры
каждого уравнения приведенной формы модели в отдельности. Наконец, параметры приведенной формы трансформируются в параметры структурной
формы модели. Иначе говоря, на этом этапе осуществляется обратный переход от системы с численными параметрами приведенной формы к системе
структурной формы. Оценки структурных параметров, полученные К-МНК,
получаются состоятельными.
Пример 1. Для иллюстрации К-МНК рассмотрим простую структурную
форму
y1 12 y2 11 x1 1
y2 21 y1 22 x2 2 .
Оба уравнения точно идентифицируемы, по необходимому условию
(1) K 2 x1 , x2 , k 1 x1 , m 2 y1 , y2
K k 2 1 m 1 2 1.
k 1 x2 , m 2 y1 , y2
K k 2 1 m 1 2 1.
Достаточное условие легко проверить самостоятельно в качестве
упражнения.
Приведенная форма имеет вид
y1 a1 x1 a2 x2 1
y 2 b1 x1 b2 x 2 2 .
Пусть в результате статистического наблюдения собраны данные об
эндогенных переменных y1 , y 2 и экзогенных переменных x1 и x 2 . На основе
этой информации с помощью МНК оценим неизвестные параметры приведенной формы, т. е. получим â1 , â 2 и b̂1 , b̂2 . Это первый этап косвенного метода наименьших квадратов. На втором этапе необходимо по найденным
оценкам âi , b̂i , i 1,2 определить значения структурных параметров и .
Для этого используем соотношения, связывающие структурные параметры
каждого уравнения, с параметрами приведенной формы:
(2)
K 2
x1 , x2 ,
11
12 22
, a2
;
1 12 21
1 12 21
21 11
22
, b2
.
b1
1 12 21
1 12 21
a1
Заменим в этих выражениях неизвестные значения коэффициентов их
оценками, из полученной системы четырех уравнений с четырьмя неизвестными найдем оценки структурных коэффициентов ̂ 12 , ̂ 21 , ˆ11 , ˆ 22 .
В этом случае МНК-оценки параметров приведенной формы получаются несмещенными и состоятельными, однако оценки структурных коэффициентов, найденные из этой системы, будут только состоятельными.
Двухшаговый метод наименьших квадратов (2-МНК). Опишем в общих чертах суть вычислений по двухшаговому методу, которым оцениваются коэффициенты лишь одного уравнения сверхидентифицированной системы.
К процедуре оценивания параметров при применении 2-МНК прибегают дважды. На первом шаге производится оценивание обычным МНК параметров приведенной формы. Это дает возможность получить оценки систематической и случайной составляющей эндогенной переменной y , т. е.
предполагается, что yi yˆ i i , где ŷi – оценки значений этой переменной,
полученные по приведенной форме.
На втором шаге эндогенные переменные, находящиеся в правой части
структурных уравнений, заменяются их оценками ŷi . К преобразованому таким путем структурному уравнению применяется обычный МНК.
Оценки структурных параметров, полученные 2-МНК, получаются, вообще говоря, смещенными, но состоятельными и эффективными.
Отметим, что в большинстве эконометрических компьютерных пакетов
для оценивания систем одновременных уравнений реализован именно двухшаговый метод наименьших квадратов, при использовании которого фактически каждое уравнение оценивается независимо от других.
Трехшаговый метод наименьших квадратов (3-МНК). Метод применяется для оценки параметров системы одновременных уравнений в целом.
Сначала к каждому уравнению применяется двухшаговый метод для определения оценок коэффициентов и оценок дисперсий случайных ошибок. Затем
с использованием найденных оценок дисперсий возмущений строится оценка
ковариационной матрицы. После этого для оценивания коэффициентов всей
системы применяется обобщенный метод наименьших квадратов. Трехшаговый метод в случае, когда возмущения, входящие в различные структурные
уравнения, коррелируют друг с другом, оказывается асимптотически эффективнее двухшагового метода.
При практическом использовании 3МНК требуется иметь в виду, что:
1) каждое уравнение, являющееся определением (т. е. все тождества),
необходимо исключить из системы прежде, чем приступать к вычислениям;
2) каждое неидентифицируемое уравнение также исключается;
3) в системе остаются только точно идентифицируемые и сверхидентифицируемые уравнения, причем с вычислительной точки зрения целесообразно применять трехшаговую процедуру к каждой из этих групп уравнений
отдельно;
4) если матрица ковариаций для структурных возмущений блочнодиагональная, то вся процедура трехшагового оценивания может быть применена отдельно к каждой группе уравнений, соответствующих одному блоку.
Пример 2. В 1950 году Л. Клейн предложил динамическую модель макроэкономики, получившую название модель Клейна 1. Она описывается следующей системой уравнений.
Ct 0 1 Pt 2 Pt 1 3 Wt P WtG 1t
(потребление),
I t 0 1Pt 2 Pt 1 3 K t 1 2t
(инвестиции),
Wt P 0 1 X t 2 X t 1 3 At 3t (зарплата в частном секторе),
X t Ct I t Gt
(совокупный спрос в равновесии),
Pt X t Tt Wt P
(доход частного сектора),
K t K t 1 I t
(капитал).
Переменные, стоящие в левых частях уравнений, являются эндогенными. Экзогенными переменными в данной модели являются: G – государственные расходы, не включающие зарплату, T – непрямые налоги плюс чистый доход от экспорта, W G – зарплата в государственном секторе, At –
временной тренд (в годах, начиная с 1931 года). Кроме того, включены три
лаговые переменные. Модель содержит три поведенческих уравнения, одно
уравнение равновесия и два тождества.
Приведем результаты оценивания первых трех уравнений на основе
ежегодных данных для экономики США за период с 1921 по 1941 г. с помощью обычного МНК и двухшагового МНК (в скобках указаны оценки стандартных ошибок).
Обычный метод наименьших квадратов:
Ct 16,2 0,193 Pt 0,090 Pt 1 0,796 Wt P WtG ,
(1,30) (0,091) (0,091)
(0,040)
I t 10,1 0,480Pt 0,333Pt 1 0,112K t 1 ,
(5,47) (0,097) (0,101)
(0,027)
Wt P 1,48 0,439 X t 0,146 X t 1 0,130 At .
(1,27) (0,032) (0,037)
(0,032)
Двухшаговый метод наименьших квадратов:
Ct 16,6 0,017 Pt 0,216 Pt 1 0,810 Wt P WtG ,
(1,32) (0,118) (0,107)
(0,040)
I t 20,3 0,150Pt 0,616Pt 1 0,158K t 1 ,
(7,54) (0,173) (0,162)
(0,036)
P
Wt 1,50 0,439 X t 0,147 X t 1 0,130 At .
(1,15) (0,036) (0,039)
(0,029)