Лаговая переменная

Равенство (7.39) имеет смысл только при t> 2, так как при t= 1 не определены значения лаговых переменных. Можно показать, что параметры модели сохранятся, если при t= 1 умно-  [c.183]


Рассмотрим сначала результат применения к модели (8.14) обычного метода наименьших квадратов. Начнем с модели (8.15). Предположим сначала для простоты, что регрессор Хв уравнении (8.15) отсутствует, т. е. лаговая переменная у,- является единственной объясняющей переменной, и модель имеет вид  [c.200]

Модель (8.32) называется моделью с распределением Койка лаговых объясняющих переменных. Ее еще иногда называют моделью с геометрическим распределением, имея в виду, что коэффициенты при лаговых переменных образуют геометрическую прогрессию со знаменателем yi (напомним, что yjПреобразование модели (8.15) к виду (8.32) называется обратным преобразованием Койка.  [c.203]

Явный вид (8.44) случайного члена показывает, что имеет место корреляция между лаговой переменной Yt и ошибкой регрессии е то есть оценки метода наименьших квадратов не будут состоятельными.  [c.208]


Однако естественно предположить, что расходы на дорогостоящий товар — отдых на зарубежных курортах — зависят не только от текущих доходов, но и от доходов в предыдущие периоды. Изменим спецификацию модели, включив в качестве регрессоров лаговые переменные X.  [c.254]

Лаговая переменная 20, 147, 178 Линеаризация модели 22, 125, 126 Линейная комбинация векторов 270  [c.301]

Классификация переменных на эндогенные и экзогенные зависит от теоретической концепции принятой модели. Экономические переменные могут выступать в одних моделях как эндогенные, а в других как экзогенные переменные. Внеэкономические переменные (например, климатические условия) входят в систему как экзогенные переменные. В качестве экзогенных переменных могут рассматриваться значения эндогенных переменных за предшествующий период времени (лаговые переменные). Так, потребление текущего года (у,) может зависеть не только от ряда экономических факторов, но и от уровня потребления в предыдущем году 0>, j).  [c.181]

Динамическая модель может и не содержать учет тенденции, но лаговые переменные в ней обязательны. Динамическая модель Кейнса представлена следующими тремя уравнениями  [c.209]

Если в модели Кейнса доход рассматривается как лаговая переменная, то в других исследованиях функции потребления в виде лаговой переменной используется потребление предыдущего года, т. е. считается, что потребление текущего года зависит не только от дохода, но и от достигнутого в предыдущий период уровня потребления.  [c.209]

Примером динамической модели экономики, учитывающей для каждой эндогенной переменной лаговые переменные соответствующего экономического содержания, может служить мо-  [c.209]


Хотя коэффициент детерминации по модели, параметры которой были рассчитаны обычным МНК, несколько выше, однако стандартные ошибки коэффициентов регрессии в модели, полученной с учетом ограничений на полиномиальную структуру лага, значительно снизились. Кроме того, модель, полученная обычным МНК, обладает более существенным недостатком коэффициенты регрессии при лаговых переменных этой модели xt и х, 3 нельзя считать статистически значимыми.  [c.305]

Несмотря на бесконечное число лаговых переменных в модели (7.16), геометрическая структура лага позволяет определить величины среднего и медианного лагов в модели Койка. Поскольку сумма коэффициентов регрессии в модели (7.16) есть сумма геометрической прогрессии, т. е.  [c.307]

Предполагается, что в момент времени / экономические агенты ничего не знают о переменных х, и zt, поэтому правая часть уравнения содержит только лаговые переменные.  [c.333]

Лаг 19, 230, 291, 293, 297, 307, 309 Лаговые переменные 291, 307, 311 Линеаризация 62-63, 66, 69-71, 103 Линейная модель множественной регрессии 90 Линейность 15-16, 70-71 Ложная корреляция 19, 222  [c.339]

Модели с лагами (модели с распределенными лагами) — это модели, содержащие в качестве лаговых переменных лишь независимые (объясняющие) переменные. Примером является модель (12.1)  [c.277]

Остановимся вначале на двухшаговом методе. Он применяется при наличии в оцениваемой модели лаговых переменных. Содержательный смысл двухшагового метода состоит в следующем. Как известно, МНК-оценки параметров уравнения равны b= (J X) 1 X" Y, но лаговые значения у, используемые как объясняющие переменные (в этой формуле они являются частью матрицы А), заранее неизвестны. Поэтому для того, чтобы воспользоваться этой формулой, сначала, на первом шаге, определяются недостающие значения объясняемых переменных. Это в данном случае делается путем расчета МНК-оценок, т.е. строится регрессия, в которой в роли объясняемых переменных выступают только имеющиеся в исходной информации. После этого, когда исходные эмпирические данные дополнены рассчитанными значениями и сформирован полный набор данных, можно приступать к оценке искомых параметров.  [c.358]

Лаговые переменные " —Ошибки в переменных -Априорная информация  [c.16]

Разделив коэффициенты регрессии Ь, при лаговых переменных на долгосрочный мультипликатор, получим относительные коэффициенты модели с распределенным лагом, которые являются весами для соответствующих коэффициентов bj.  [c.248]

Системы одновременных уравнений наиболее полно описывают экономический объект, содержащий множество взаимосвязанных эндогенных (формирующихся внутри функционирования объекта) и экзогенных (задаваемых извне) переменных. При этом в качестве эндогенных и экзогенных могут выступать лаговые (взятые в предыдущий момент времени) переменные.  [c.20]

В другой модели спроса и предложения в качестве объясняющей предложение Qf переменной может быть не только цена товара Р в данный момент времени t, т.е. Р но и цена товара в предыдущий момент времени Р,- ь т.е. лаговая эндогенная переменная  [c.20]

Основная задача, решаемая на этом этапе, — выбор вида функции f(X) в эконометрической модели (1.1), в частности, возможность использования линейной модели как наиболее простой и надежной (о некоторых вопросах линеаризации модели см. 5.5). Весьма важной проблемой на этом (и предыдущих) этапе эконометрического моделирования является проблема спецификации модели (см. гл. 10), в частности выражение в математической форме обнаруженных связей и соотношений установление состава экзогенных и эндогенных переменных, в том числе лаговых формулировка исходных предпосылок и ограничений модели. От того, насколько удачно решена проблема спецификации модели, в значительной степени зависит успех всего эконометрического моделирования.  [c.22]

Предопределенные переменные - экзогенные и лаговые (за предыдущие моменты времени) эндогенные переменные системы.  [c.107]

Модель включает четыре эндогенные переменные (Q, / Y, и г,) и четыре предопределенные переменные (две экзогенные переменные - М, и G, и две лаговые эндогенные переменные - С,. и /,.i).  [c.118]

Заметим, что переменные X не коррелируют с ошибками Е, так что, применив обратное преобразование Койка, мы решили проблему коррелированности регрессоров со случайными членами. Однако применение обычного метода наименьших квадратов к модели (8.32) оказывается на практике невозможным из-за бесконечно большого количества регрессоров. Разумеется, в силу того, что коэффициенты входящего в модель ряда убывают в геометрической прогрессии, и, стало быть, сам ряд быстро сходится, можно было бы ограничиться сравнительно небольшим числом лагов. Однако и в этом случае мы столкнулись бы по крайней мере с двумя трудно решаемыми проблемами. Во-первых, возникла бы сильная мультиколлинеарность, так как естественно ожидать, что лаговые переменные сильно коррели-рованы. Во-вторых, уравнение оказалось бы неидентифицируемым. В модели на самом деле присутствует всего четыре параметра. Между тем как, взяв всего лишь три лага, мы бы получили оценки пяти параметров.  [c.203]

Модель содержит пять эндогенных переменных — С,, / S,, R, (расположены в левой части системы) и Р, (последняя — зависимая переменная, определяемая по первому тождеству), три экзогенных переменных — Т Gt, t и две предопределенные, лаговые переменные — Р, и / , ]. Как и большинство моделей такого типа, данная модель сверхидентифицируема и решаема ДМНК. Для прогнозных целей используется приведенная форма модели  [c.208]

Можно выделить два основных типа динамических экономе-трических моделей. К моделям первого типа относятся модели авторегрессии и модели с распределенным лагом, в которых значения переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель. Модели второго типа учитывают динамическую информацию в неявном виде. В эти модели включены переменные, характеризующие ожидаемый или желаемый уровень результата, или одного из факторов в момент времени t. Этот уровень считается неизвестным и определяется экономическими единицами с учетом информации, которой они располагают в момент (/ — 1).  [c.290]

При исследовании экономических процессов нередко приходится моделировать ситуации, когда значение результативного признака в текущий момент времени / формируется под воздействием ряда факторов, действовавших в прошлые моменты времени/— l,t—2,...,t — l. Например, на выручку от реализации или прибыль компании текущего периода могут оказывать влияние расходы на рекламу или проведение маркетинговых исследований, сделанные компанией в предшествующие моменты времени. Величину /, характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, — лаговыми переменными.  [c.291]

СТРУКТУРНАЯ ФОРМА МОДЕЛИ [stru tural form of a model] — такая форма представления эконометрической модели, в которой в виде уравнений и тождеств записаны закономерные и случайные (стохастические) соотношения между текущими и лаговыми переменными модели, отражающими наблюдаемые исследователем экономические явления и процессы, а также другие ограничения модели и стохастические компоненты (см. Помехи). Коэффициенты уравнений при этом называются структурными коэффициентами. С.ф. для решения модели обычно преобразуется в приведенную форму модели.  [c.351]

ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ [e onometri model] — основное понятие эконометрии, экономико-математическая модель, параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа и прогнозирования конкретных экономических процессов как на макро-, так и на микроэкономическом уровне на основе реальной статистической информации. Наиболее распространены Э.м., представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых параметрами модели, а также лаговыми переменными (см. Лаг). Кроме регрессионных (как линейных, так и нелинейных) уравнений, применяются и другие матема-тико-статистические модели.  [c.400]

Almon lag (лаг Алмон) Вид распределенного лага (distributed lag), при котором веса при лаговых переменных определяются многочленом. Например, многочлен второй степени может дать перевернутую U-об-разную форму распределения весов во времени.  [c.24]

Лаговые переменные 401 Линеаризация 184 Линеаризующие преобразования переменных 184  [c.473]

В свою очередь переменные, влияние которых характеризуется определенным запаздыванием, называются лаговыми переменными.  [c.277]

При использовании преобразования Койка для уравнения (12.1) на коэффициенты регрессии накладываются достаточно жесткие ограничения. Предполагается, что "веса" коэффициентов при лаговых переменных убывают в геометрической прогрессии. В ряде случаев такое предположение весьма уместно, но в некоторых других оно не выполняется. Встречаются случаи, когда значения лаговой объясняющей переменной за 3-4 периода от момента наблюдения оказывают на зависимую переменную большее влияние, чем текущее или предшествующее ему значение объясняющей переменной (р3, р4 > Ро pi). Распределенные лаги Алмон позволяют достаточно гибко моделировать такие изменения.  [c.287]

Для оценки параметров всей системы уравнений в целом используется трехшаговый МНК. К его применению прибегают в тех случаях, когда переменные, объясняемые в одном уравнении, в другом выступают в роли объясняющих. Так было в нашем примере с моделью спроса и предложения, где спрос и предложение, с одной стороны, определяются рыночной ценой, а с другой стороны, предложение должно быть равно спросу. При расчете параметров таких моделей необходимо учитывать всю систему соотношений. В трех-шаговом методе это реализуется в три этапа. Первые два из них похожи надвухшаговый метод, т.е. производится оценка параметров в уравнениях с лаговыми переменными. В нашем примере лаго-  [c.358]

Если порядок процесса AR(p) заранее неизвестен, то рекомендуется включать возможно большее количество лагов, чтобы устранить возможную автокорреляцию ошибок. Дело в том, что в ADF тесте предполагается, что ошибки являются белым шумом и критические значения, указанные в таблице 11.1, справедливы только при этом условии. Однако включение чрезмерного количества лагов снижает мощность теста. Чтобы определить количество лагов, которое надо включить в уравнение, можно использовать критерии выбора порядка ARMA модели, описанные ниже, или статистическую значимость дополнительной лаговой переменной. Заметим, что тест Дики-Фуллера включен во все современные эконометрйческие пакеты.  [c.281]

Мы будем пользоваться термином лаговые переменные как д. лаговых значений объясняющих переменных А, так и для лаговь значений зависимой переменной Y. В каждом из этих случаев мы на нем с соображений, относящихся к спецификации модели, а зат( обсудим возникающую задачу оценивания.  [c.291]

Лаг распределенный 292 Лаговые переменные 13, 281 Левиатана оценки 318, 321 Леонтьева модель 91 Линейная гипотеза 21  [c.440]

Обобщая изложенное, можно сказать, что эконометртеская модель позволяет объяснить поведение эндогенных переменных в зависимости от значений экзогенных и лаговых эндогенных переменных (иначе — в зависимости от предопределенных, т.е. заранее определенных, переменных).  [c.20]

Приведенные ниже результаты вычисления предсказуемости индекса S P500 методом box- ounting (см. Рисунок 7, Рисунок 8) иллюстрируют роль искусственных примеров. Пространство признаков в данном случае формировалось методом ортогонализэции, описанным в главе о способах предобработки данных. В качестве входных переменных использовались 30 главных компонент в 100-мерном лаговом пространстве. Из этих главных компонент были выбраны 7 признаков - наиболее значимые ортогональные линейные комбинации. Как видно из этих рисунков, лишь применение искусственных примеров оказалось способным в данном случае обеспечить заметную предсказуемость.  [c.156]

Эконометрика (2002) -- [ c.20 , c.147 , c.178 ]

Вводный курс эконометрики (2000) -- [ c.277 ]