Одним из случаев успешного применения МНК для оценки структурных коэффициентов модели является его использование для рекурсивных (треугольных) моделей. В этих моделях эндогенные переменные последовательно (рекурсивно) связаны друг с другом. А именно, первая эндогенная переменная YI зависит лишь от экзогенных переменных Хь i = 1, 2,. .., m и случайного отклонения Si. Вторая эндогенная переменная Y2 определяется лишь значениями экзогенных переменных Х i = 1, 2,. .., m случайным отклонением 82, а также эндогенной переменной YI. Третья эндогенная переменная Y3 зависит от тех же переменных, что и Y2, случайного отклонения з, а также от предыдущих эндогенных переменных (Yi, Y2) и т. д. [c.326]
Лишь очень немногие программы могут быть настроены для выполнения подобного рода цепных пересчетов. Для этого программа должна быть построена по принципу электронной таблицы, т.е. массив хозяйственных операций должен интерпретироваться как специализированная электронная таблица, отдельные записи которой связаны друг с другом расчетными формулами. Изменение в ней хронологически предшествующих записей может при повторном пересчете вызывать рекурсивные изменения последующих, функционально связанных с ними записей. [c.238]
Здесь j указывает на объясняющую переменную, связь которой с объясняемой переменной / раскрывается в структурной модели, к пробегает по подмножеству всех переменных, непосредственно влияющих на j-ю переменную (на графе эти вершины связаны с вершиной / дугами). Соотношение (4.20) справедливо для любой рекурсивной системы. [c.221]
Модель включает как рекурсивные, так и одновременно решаемые уравнения, причем наличие последних позволяет учесть и некоторые обратные связи процесса энергопотребления. Это делает модель адекватной реальным взаимосвязям, что, в свою очередь, повышает надежность и достоверность прогнозных расчетов. [c.201]
Возникает задача вычислительной оценки с предварительным исключением абсурдных и неконкурентоспособных вариантов. Методы решения такой задачи находим, например в [31 ]. В основу их положен принцип представления процесса решения в виде многоступенчатой структуры. Каждая ступень связана с проверкой наличия тех или иных свойств у подмножества вариантов, по которым либо непосредственно сокращается исходное множество, либо подготавливается возможность такого сокращения в будущем. Одним из правил отсева бесперспективных вариантов является принцип монотонной рекурсивности, применяемый для решения задач дискретной оптимизации при пошаговом конструировании вариантов. [c.169]
Необходимость рассматривать системы, отличные от рекурсивных, возникает в связи с тем, что исследователь обычно располагает некоторыми усредненными (агрегированными) данными. Например, данные о рыночной конъюнктуре могут быть усреднены по недельным или месячным периодам. Предположим, что известны величины Pt — средняя цена за неделю t и Qt — средний объем ежедневных продаж за неделю /. Если считать время реакции рынка, как и раньше, равным одному дню, то соотношение Pt = a0 + a j. + UL вряд ли можно признать разумным. В этой ситуации рассмотренная в 14.1 модель представляется более естественной. [c.414]
Связи могут быть синергетическими и рекурсивными. [c.32]
МОДЕЛЬ РЕКУРСИВНАЯ — одна из эконометрических моделей, в которой причинно-следственные связи эндогенных переменных находятся в строгой односторонней последовательности. В данной модели матрица параметров представлена в виде треугольника, а отклонения случайных величин не находятся в прямой или обратной корреляции. [c.385]
Эта модель рекурсивна, так как pt и qt — текущие значения эндогенных переменных, а t-i — предопределенная переменная, участвующая в последовательности причинных связей [c.379]
РЕКУРСИВНАЯ СВЯЗЬ [ re ursive relation] — необходимая связь между экономическими явлениями и объектами, при которой ясно, где причина и где следствие. Напр., затраты в экономике всегда выступают в качестве причины, а их результаты— в качестве следствия. Между затратами и результатами Р.с. [c.307]
РЕКУРСИВНАЯ СВЯЗЬ (re ursive link) — вид связей в системе, при котором ясно, какое явление является причиной и какое — следствием, какая величина является аргументом и какая — ф-цией [c.220]
И последнее модель может быть включена в качестве составной части в многосетевую среду принятия решений, а полученная общая производительность — измеряться, исходя из заданного решающего правила (см. [290]). Наконец, более динамичные подходы можно получить, используя рекурсивные сети с механизмами обратной связи. [c.227]
Методы корреляций и регрессий создавались как методы описания совместных изменений двух и более переменных. Совместные изменения переменных могут не означать наличия причинных связей между ними. Потребность в причинном объяснении корреляции привела американского генетика С. Райта к созданию метода путевого анализа (1910—1920) как одного из разновидностей структурного моделирования. Путевой анализ основан на изучении всей структуры причинных связей между переменными, т. е. на построении графа связей и изоморфной ему рекурсивной системы уравнений. Его основным положением является то, что оценки стандартизированных коэффициентов рекурсивной с истемы уравнений, которые интерпретируются как коэффициенты влияния (путевые коэффициенты), рассчитываются на основе коэффициентов парной корреляции. Это позволяет проанализировать структуру корреляционной связи с точки зрения причинности. Каждый коэффициент парной корреляции рассматривается как мера полной связи двух переменных. [c.18]
Для формальной верификации гипотез необходимо соответствие между графом и системой уравнений, его описывающей. Алгебраическая система, соответствующая графу без контуров (петель), является рекурсивной системой, позволяющей рекур-рентно определять значения входящих в нее переменных. В такой системе в уравнения для признака xt включаются все переменные, за исключением расположенных выше его по графу связей. Формулировка гипотез в структуре рекуррентной модели обычно не вызывает затруднений при использовании данных в динамике. Если же анализируются статистические данные, то следует учитывать зависимость системы от ее прошлых состояний. [c.213]
СВЯЗИ В СИСТЕМЕ [system linkages] — то, что объединяет элементы системы в одно целое. Связи между элементами системы могут быть жесткими (таковы они обычно в технике) и гибкими, изменяющимися в процессе функционирования системы (таковы они в живых существах, в экономике, в обществе), а также непосредственными и опосредованными. С точки зрения кибернетики связь — это относительно устойчивый процесс обмена информацией, который регулирует поведение систем (т.е. управляет ими). Наиболее важными считаются следующие виды связей прямые, обратные, рекурсивные, синергические и циклические. [c.317]
СВЯЗИ (в системе) (system links) — отношения общности и взаимной зависимости, объединяющие элементы системы в одно целое С между элементами системы могут быть жесткими и гибкими, изменяющимися в процессе функционирования системы, а также непосредственными и опосредованными К оси видам С относятся прямая С, обратная С, рекурсивная С, синергическая С и циклическая С [c.228]
Программа SEE Гузмана в соответствии с геометрией соединений линий устанавливает связи между областями этих соединений. (Связи устанавливаются также и между областями, которые не являются соседними. Для этого необходимо, чтобы в каждой области были соединения линий, удовлетворяющие специальным критериям сходства.) Две области (или, следуя рекурсивному определению, ядра) образуют ядро, если между ними установлено не менее двух связей. В конечном итоге ядра отождествляются с телами. Таким образом, в рамках программы телом считается совокупность областей, характер объединения которых выражен связями . В описанном здесь алгоритме в явном виде определено, что представляют собой эти объединения это дало возможность сформулировать более детальные описания сцены. Важное отличие данной работы состоит в выяснении того обстоятельства, что характеризующие тела объединения — это объединения не областей, а поверхностей, которые на рисунке выражены этими областями. Гузман вообще не различает термины поверхность и область . [c.122]
И главный фактор успеха здесь - это понимание того, что такое рациональное инвестиционное поведение, плюс качественная и количественная математическая модель такого поведения. Много сил в науке было отдано тому, чтобы описать рациональный инвестиционный выбор (например, через функцию инвестиционной полезности). Однако, если исследование аспектов рационального инвестиционного поведения не опирается на детальный анализ фондового рынка и макроэкономической обстановки в стране, где осуществляются инвестиции, то такой анализ рационального инвестиционного поведения является бесполезным. А в такой постановке задача практически не звучит. Приятным исключением является подход, применяемый компанией Latti e Finan ial [129], где прослеживается детальная модельная связь между макроэкономическими факторами и количественными оценками тенденций фондового рынка. Но здесь другая крайность слишком велика в моделях [129] доля механистического понимания связей на макро- и микроуровне, когда возникает прямой соблазн рекурсивного прогнозирования , где будущее с точностью до вероятностно расред елейного случайного сигнала определяется настоящим. Фактор рационализации выбора совершенно выпадает из моделей такого сорта. [c.95]
Смотреть страницы где упоминается термин Рекурсивная связь
: [c.10] [c.51] [c.51] [c.190] [c.190] [c.176] [c.55] [c.268] [c.403] [c.319] [c.263]Смотреть главы в:
Популярный экономико-математический словарь -> Рекурсивная связь
Популярный экономико-математический словарь (1973) -- [ c.51 ]