Модели адаптивных ожиданий и неполной корректировки

В зависимости от положенной в основу модели гипотезы о механизме формирования этих ожиданий различают модели адаптивных ожиданий, неполной корректировки и рациональных ожиданий. Поскольку эмпирические расчеты по моделям рациональных ожиданий достаточно сложные и требуют знания специальных методов математической статистики, рассмотрение которых выходит за рамки нашего учебника, подробнее остановимся на двух более простых моделях — адаптивных ожиданий и неполной корректировки — и покажем, что оценку параметров каждой из этих моделей можно проводить, используя обычную модель авторегрессии.  [c.319]


МОДЕЛИ АДАПТИВНЫХ ОЖИДАНИЙ И НЕПОЛНОЙ КОРРЕКТИРОВКИ  [c.319]

В отличие от модели адаптивных ожиданий в модели неполной корректировки эмпирически ненаблюдаемой переменной является результативный признак. Общий вид этой модели следующий  [c.322]

Соотношение (7.48) есть основное уравнение модели неполной корректировки. Его называют краткосрочной функцией модели. Как и в модели адаптивных ожиданий, уравнение (7.48) включает только фактические значения переменных. Зная оценки параметров этого уравнения, можно найти р. Затем путем алгебраических преобразований рассчитать параметры а и Ъ уравнения (7.45), описывающего зависимость ожидаемого значения результата от значений факторного признака. Уравнение (7.45) называют долгосрочной функцией модели неполной корректировки.  [c.323]


Описанные выше преобразование Койка, модель адаптивных ожиданий и модель неполной корректировки сводятся к модели авторегрессии вида (7.2). Однако при построении моделей авторегрессии возникают две серьезные проблемы.  [c.325]

В зависимости от способа определения ожидаемых значений показателей различают модели неполной корректировки, адаптивных ожиданий и рациональных ожиданий. Оценка параметров этих моделей сводится к оценке параметров моделей авторегрессии.  [c.290]