Проверка выполнения основных предпосылок регрессионного анализа

Тема 5. Проверка выполнения основных предпосылок регрессионного анализа Тема 5. Проверка выполнения основных предпосылок регрессионного анализа Курс: Эконометрика Книга: Тема 5. Проверка выполнения основных предпосылок регрессионного анализа Дата: Среда, 1 Март 2017, 14:01 Оглавление • 1 Проверка выполнения основных предпосылок регрессионного анализа • 2 Гетероскедастичность • 3 Обнаружение гетероскедастичности • 4 Устранение гетероскедастичности • 5 Автокорреляция. сущность и последствия автокорреляции • 6 Обнаружение автокорреляции • 7 Мультиколлинеарность. суть и последствия мультиколлинеарности • 8 Обнаружение мультиколинеарности • 9 Методы устранения мультиколлинеарности 1 Проверка выполнения основных предпосылок регрессионного анализа 2 Гетероскедастичность 3 Обнаружение гетероскедастичности 4 Устранение гетероскедастичности 5 Автокорреляция. сущность и последствия автокорреляции 6 Обнаружение автокорреляции 7 Мультиколлинеарность. суть и последствия мультиколлинеарности 8 Обнаружение мультиколинеарности 9 Методы устранения мультиколлинеарности Тема 6. Системы одновременных уравнений Тема 6. Системы одновременных уравнений Книга: Тема 6. Системы одновременных уравнений Дата: Среда, 1 Март 2017, 14:09 Оглавление • 1 Системы эконометрических уравнений • 2 Составляющие систем уравнений. структурная и приведенная формы модели • 3 Проблема идентификации. необходимые и достаточные условия идентифицируемости • 4 Оценка систем уравнений • 5 Двухшаговый метод наименьших квадратов (дмнк) 1 Системы эконометрических уравнений 2 Составляющие систем уравнений. структурная и приведенная формы модели 3 Проблема идентификации. необходимые и достаточные условия идентифицируемости 4 Оценка систем уравнений 5 Двухшаговый метод наименьших квадратов (дмнк) Если система одновременных уравнений сверхидентифицируема, то КМНК не используется, так как он не дает однозначных оценок параметров структурной модели. В этом случае могут использоваться другие методы оценивания, среди которых наиболее распространенным и простым является двухшаговый метод наименьших квадратов (ДМНК). Основная идея ДМНК состоит в том, чтобы на основе приведенной формы модели получить для сверхидентифицируемого уравнения набор эндогенных переменных, а затем, используя их в структурной форме модели, обычным МНК получить оценки параметров. Метод получил название двухшагового, так как дважды используется МНК. Алгоритм ДМНК включает следующие этапы: Составление приведенной формы модели. Применение обычного МНК к каждому уравнению приведенной формы и получение оценок приведенных параметров. Определение теоретических значений эндогенных переменных, фигурирующих в качестве факторов в структурной форме модели. Определение оценок структурных параметров каждого уравнения в отдельности обычным МНК, используя в качестве факторов входящие в это уравнение предопределенные переменные и теоретические значения эндогенных переменных, полученные на этапе1. Сверхидентифицируемая структурная модель может быть двух типов: – все уравнения системы сверхидентифицируемые; система содержит наряду со сверхидентифицируемыми также идентифицируемые уравнения. Если все уравнения системы сверхидентифицируемые, то для оценки структурных параметров каждого уравнения используется ДМНК. Если в системе есть идентифицируемые уравнения, то структурные параметры по ним находятся из системы приведенных уравнений. ДМНК является наиболее общим методом решения систем одновременных уравнений. Для идентифицируемых уравнений ДМНК дает тот же результат, что и КМНК. ДМНК обладает рядом достоинств, делающим его весьма привлекательным для практического применения. 1. В данном методе 2-й этап (этап оценки приведенных уравнений) применяется для конкретных уравнений, не затрагивая оставшиеся уравнения модели. Это позволяет уменьшать объем вычислений. 2. При наличии сверхидентифицируемых уравнений ДМНК в отличие от МНК определяет единственные оценки параметров модели. 3. Применяя данный метод, достаточно использовать лишь экзогенные и сверхидентифицируемые переменные модели.