Шаг 4а складывается из комбинации обычного метода наименьших квадратов с техникой оценки ошибок спецификации [23]. Такая комбинация обладает рядом преимуществ по сравнению с альтернативными методами оценки 1) она не предъявляет жестких требований к априорной информации 2) результаты не являются асимптотическими 3) вычислительная схема является простой. К недостаткам относятся предположение о независимости и аддитивности ошибок экзогенной и эндогенной переменной и последовательное включение эффектов ошибок измерения этих переменных. [c.78]
В приложении 2, которое находится в конце книги, приведены образцы заполнения с помощью спиртового гектографа стандартных бланков серии товаросопроводительных документов, выпускаемых массовым тиражом. Основной документ содержит информацию, входящую во все изготавливаемые товаросопроводительные документы. Матрица представляет собой зеркальное изображение печатного текста, вносимого в основной документ. Отгрузочная спецификация содержит практически всю информацию основного документа. Сертификат качества включает в себя только часть переменной информации, но в составе бланка содержится запись, подтверждающая соответствие товара по качеству действующим в СССР нормативным документам. Упаковочные листы составлены для двух мест, содержание которых они определяют. В первом месте содержатся запчасти пяти наименований, которые перечислены первыми, во втором месте — другие пять. Эти документы содержат одинаковые данные на одних и тех же местах. [c.26]
Спецификация модели помимо списка эндогенных и экзогенных переменных включает в себя априорную информацию ограничения на коэффициенты и гипотезу о случайных возмущениях ut, а также правило нормализации. [c.405]
При решении задач поиска необходимой НСИ сначала выявляют, был заказан или нет соответствующий материал путем проверки включения данного номенклатурного номера в заказные спецификации плановой потребности, выборки сведений о наличии гарантийных писем на поставку и т. п. Затем определяют другие условия поставки, в частности, фондовость, наличие заключенных с поставщиком договоров и др. После этого находят планово-нормативную цену на поставленный материал и производят поиск нормативных параметров по ГОСТ или ТУ. После установления всей необходимой НСИ по каждому номенклатурному номеру сравнивают условно-постоянные и условно-переменные данные. Расчеты выполняют в одноименном блоке задачами идентификации с получением сначала информации об отклонениях фактических показателей от планово-нормативных. Эту информацию представляют хозяйственным руководителям для принятия решения о частичном акцепте платежных требований поставщиков. После принятия такого решения ИВЦ рассчитывает фактический акцепт и недоакцепт платежных требований и ежедневно представляет информацию в бухгалтерию [c.183]
Спецификация опирается, как правило, на имеющиеся экономически теории, на специальные знания или на интуитивные представления исследователя о системе. Эти априорные сведения определяют п ироду матриц В и Г. Например, информация (или предположение) с "ом, что определенные переменные непосредственно не участвуют в спецификации некоторого уравнения, означает равенство нулю соот-ве-ствующих элементов в строках матриц В и Г, содержащих коэффи-суенты данного уравнения. Дополнительные сведения о системе могут К. еть вид ограничений на комбинации элементов матриц В и Г, как, [c.351]
При построении эконометрических моделей обычно преследуют одну из двух основных целей, а иногда и обе эти цели одновременно. Одна цель состоит в получении сведений о структурных коэффициентах и (или) о коэффициентах приведенной формы модели. Другая цель заключается в попытке осуществить с помощью модели условный прогноз эндогенных переменных при определенных предположениях относительно будущих значений экзогенных величин. Если интерес сосредоточен на структурных коэффициентах, то, как мы видели, следует воспользоваться состоятельными операторами оценивания, а затем на основе той же исходной информации оценить асимптотические дисперсии полученных оценок. Если же нас могут удовлетворить коэффициенты приведенной формы, то их несмещенности и состоятельности можно достичь, применяя обыкновенный метод наименьших квадратов к каждому из уравнений в отдельности оценки выборочных дисперсий для полученных значений коэффициентов формируются при этом автоматически. Такой метод можно усовершенствовать. Например, когда имеются опасения, что одновременные возмущения в различных уравнениях приведенной формы окажутся коррелированными, можно воспользоваться процедурой Зельнера (см. гл. 7), позволяющей оценивать несколько внешне не связанных друг с другом уравнений. Однако ни обыкновенный метод наименьших квадратов, ни метод Зельнера не налагают каких-либо ограничений на параметры приведенной формы, в то время как такие ограничения неявно существуют и они воплощены в системе уравнений, связывающей параметры структурной и приведенной формы, т. е. в матрице П = —В-1Г. Клейн полагает, что если спецификация модели в ее структурной форме выбрана правильно, то более эффективными оценками параметров матрицы П будут оценки, найденные посредством оценок В и Г матриц В и Г структурных коэффициентов2, т. е. он предлагает находить оценку матрицы П как П = —В"1 1. Если для оценивания В и Г применялся состоятельный метод оценивания, то и оценка П- тоже будет состоятельной. При этом хотелось бы уметь формировать и оценки выборочных дисперсий элементов матрицы П. Точнее эта задача может быть сформулирована [c.400]
Любое ранжирование остальных четырех методов должно рассматриваться как пробное. Первым рассмотрим наименее противоречивый случай. В экспериментах, содержащих ошибку спецификации, двухшаговый метод наименьших квадратов показывает заметно худшие результаты по сравнению с остальными тремя методами, если предопределенные переменные не сильно коррелированы друг с другом, и его качества становятся относительно лучшими, когда такая корреляция присутствует. В итоге представляется правильным присвоение этому методу наименьшего рангового значения. Неожиданно метод максимального правдоподобия с полной информацией оказался лучше других. Можно было ожидать, что он более других методов пострадает от ошибочной спецификации. Конечно, для достаточно больших значений у21 это вполне может произойти. Также неожиданным оказалось и то, что метод наименьших квадратов, без ограничений не проявил себя в этих экспериментах. Это произошло потому, что при работе с малыми выборками использование априорной информации "о модели, которое достигается с помощью метода максимального правдоподобия с полной информацией и метода ограниченной информации для отдельного урав нения, дает больший вклад в качество оценок, чем уменьшение ошибок спецификации этой модели. Метод наименьших квадратов без ограничений не введен нас в заблуждение из-за неправильных ограничений на элементы матрицы П, не в то же время он не способен воспринять верные ограничения. В результате ov. не выдерживает конкуренции с двумя методами, использующими априорнук информацию, когда степень неточности ограничений не очень велика. [c.422]