|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Косвенный метод наименьших квадратов: алгоритм метода; условия применения
В зависимости от того, является уравнение системы идентифицируемым или сверхиндент-м, используются различные методы оценки его структурных параметров. Косвенный метод наименьших квадратов позволяет построить оценки параметров только точно идентифицируемых уравнений. КМНК включает следующие этапы: 1) по структурной форме модели строится приведенная форма; 2) определяются МНК-оценки параметров приведенной формы; 3) по МНК-оценкам приведенной формы вычисляются оценки параметров структурной формы. Для оценки структурных параметров по приведенным воспользуемся равенством: АМ + В = 0. или через расширенную матрицу структурной формы , где I - единичная матрица . Для оценки коэффициентов i-й строки матрицы А, помимо этого соотношения, учтем априорные ограничения: условие нормализации и равенство нулю некоторых структурных коэффициентов. Таким образом, вектор коэффициентов i-й строки матрицы А удовлетворяет следующей системе уравнений: Можно показать, что если i-е уравнение идентифицируемо и выполнено условие нормализации, то система имеет единственное решение. Если значения элементов матрицы приведенной системы М неизвестны, то в системе используются их МНК-оценки. Двухшаговый метод наименьших квадратов: алгоритм метода; условия применения.
Двухшаговый метод МНК: Первый шаг 1. Проводится регрессия каждого столбца матрицы У(1) спецификации на все предопределенные переменные модели, т. е. рассматривается регрессия где - вектор-столбец приведенных параметров k+1(j-я строка матрицы коэф-тов приведенной формы). МНК-оценки вектора Mj определяются по формуле: 2. По оцененной модели вычисляется оценка: и формируется матрица оценок У(1). Второй шаг Строятся МНК-оценки структурных параметров А(1) и В(2) в регрессии: Запишем: ,где МНК-оценка параметров регрессионной модели имеет вид: Вектор оценок параметров спецификации: с учетом свойства идемпотентности матрицы N. Автоковариационная матрица оценок структурных параметров первого уравнения определяется выражением: где — дисперсия возмущения первого уравнения. Если для уравнения выполнено ранговое условие идентификации и порядковое условие со знаком равенства, то оценка ДМНК совпадает с оценкой КМНК. Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.) |