|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Оценка моделей с распределенными лагами: метод АлмонДля оценки неизвестных коэффициентов модели с распределённым лагом применяется метод Алмон или лаги Алмон. Данный метод можно применять к моделям, которые характеризуются полиномиальной структурой лага и конечной величиной лага L: yt=?0+?1xt+?2xt–1+…+?Lxt–L+?t. (1) Структура лага определяется графическим методом при отражении зависимости параметров при факторных переменных от величины лага. Алгоритм метода Алмон реализуется в несколько этапов: Суть метода Алмон состоит в следующем: 1) зависимость коэффициентов при факторных переменных ?i от величины лага i аппроксимируется полиномиальной функцией: а) первого порядка?i=c0+c1*i б) второго порядка в) третьего порядка г) в общем случае полиномиальной функцией порядка P: Алмон доказал, рассчитать оценки коэффициентов намного проще, чем найти оценки непосредственно коэффициентов ?i. Подобный метод оценивания коэффициентов?i называется полиномиальной аппроксимацией. 2) каждый коэффициент модели (1) можно выразить следующим образом: ?1=c0; ?2=c0+c1+…+cP; ?3=c0+2c1+4c2+…+2PcP; ?4=c0+3c1+9c2+…+3PcP; … ?L=c0+Lc1+L2c2+…+LPcP. Подставим полученные выражения для коэффициентов ?i в модель (1): yt=?0+c0xt+(c0+c1+…+cP)xt–1+…+(?L=c0+Lc1+L2c2+…+LPcP)xt–L+?t. 3) в полученном выражении перегруппируем слагаемые: Обозначим слагаемые в скобках при коэффициентах как новые переменные: С учётом новых переменных модель примет вид: yt=?0+c0z0+c1z1+…+cPzP+?t. (2) 4) оценки неизвестных коэффициентов модели (2) можно рассчитать с помощью традиционного метода наименьших квадратов. Далее на основе полученных оценок коэффициентов 5) найдём оценки коэффициентов модели (1), используя соотношения, полученные на первом шаге. К основным недостаткам метода Алмон относятся: 1) необходимо заранее знать величину максимального временного лага L, однако на практике это невозможно. Определить величину лага L можно с помощью вычисления показателей тесноты связи, например, линейных парных коэффициентов корреляции, между результативной переменной у и лаговым значением факторной переменной х. Если показатель тесноты связи является значимым, то данную переменную необходимо включить в модель с распределённым лагом. Порядок максимального значимого показателя тесноты связи принимается в качестве максимальной величины лага L; 2) порядок полиномиальной функции Р также заранее неизвестен. При выборе порядка полинома обычно исходят из того, что на практике не используются полиномы более второго порядка, а выбранная степень полинома должна быть на единицу меньше числа экстремумов в структуре лага; 3) если между факторные переменные коррелируют друг с другом, то новые переменные которые являются линейной комбинацией факторных переменных x, будут также коррелировать между собой. Поэтому проблема мультиколлинеарности в преобразованной модели (2) устранена не полностью. Однако мультиколлинеарность новых переменных zi в меньшей степени отражается на оценках неизвестных коэффициентов ?i исходной модели (1), чем при использовании традиционного метода наименьших квадратов к данной модели. 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.) |