Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги / Эконометрика. Начальный курс

.pdf
Скачиваний:
15
Добавлен:
20.11.2023
Размер:
21.93 Mб
Скачать

9.1. Внешне не связанные уравнения

221

ря наличию корреляции между ошибками в разных уравнениях,

— это так называемая система внешне не связанных между со­ бой уравнений (Seemingly Unrelated Regression, SUR). Затем мы исследуем общие системы регрессионных уравнений, которые в эконометрике называются системами одновременных уравнений (Simultaneous equations).

9.1.Внешне не связанные уравнения

Чтобы понять постановку задачи и суть проблемы, рассмотрим следующий пример. Предположим, что исследуется зависимость инвестиций у, осуществляемых некоторым предприятием (напри­ мер, компанией «Газпром»), от его дохода х\ и размера основного фонда Х2

Vt = + fc x ti + /З3ха + еи t = l .......

п.

(9.1)

Представим теперь, что имеется ряд наблюдений другого ана­ логичного предприятия (например, компании «ЛУКОЙЛ»):

Ч = 7i + 72Pti + 73Pt2 + «t, t = l , . . . , n .

(9.2)

Конечно, можно оценивать уравнения (9.1), (9.2) по отдельно­ сти. Внешне они выглядят как не связанные друг с другом. Но ясно, что в данной ситуации естественно считать ошибки et и щ коррелированными, поскольку предприятия в каждый период t действуют в «одной экономической среде». Поэтому целесообраз­ но объединить уравнения (9.1), (9.2) и оценивать их совместно, используя доступный обобщенный метод наименьших квадратов.

Общая задача формулируется следующим образом. Даны М регрессионных уравнений:

У\ = X i& i +

1/2 == ^ 2 0 2 + е 2>

(9.3)

Ум = х мРм + ем>

222

Гл. 9. Системы регрессионных уравнений

где

п х 1 вектор зависимых переменных, X i п х ki мат­

рица независимых переменных, /3; — fcj х 1 вектор неизвестных параметров, е* — n х 1 вектор ошибок, i = 1,..., М. Будем пред­ полагать, что Ее* = 0 и E(£is£jt) = <Тц при s = t и 0 в противном случае. Последнее условие можно представить так:

Е (eie'j) = OijIn, = (9.4)

где I n — единичная матрица размера п х п . Иными словами, зада­ ны М регрессионных уравнений, по каждому из которых имеется п наблюдений. Если данные имеют структуру временных рядов, то считается, что ошибки во всех уравнениях коррелированы в один и тот же момент времени и некоррелированы для разных моментов. Равенство (9.4) определяет связь между этими уравне­ ниями. Каждое отдельное уравнение в (9.3) удовлетворяв!’ усло­ виям классической регрессионной модели и может быть оценено обычным методом наименьших квадратов. Однако, если объеди­ нить эти уравнения и применить обобщенный метод наименьших квадратов, то можно повысить эффективность оценивания.

Обозначим

1/1

У2

У

Ум.

01

02

0 =

L&M1

X i

О

 

О

О

Х 2

 

О

О

О

•• х

м\

ei"

 

 

 

«2

2

= (<Пз)>

*,j = l , ... ,M .

 

еMl

 

 

 

Тогда система (9.3) переписывается в виде

у = Х(3 + е.

Используя понятие произведения Кронекера двух матриц, ко­ вариационную матрицу вектора ошибок можно представить так:

Е(ее') = О = Е ® 1п

9-1. Внешне не связанные уравнения

223

(приложение ЛА, п. 18). Предположим, что матрица Е не выро­ ждена. Для построения оценки вектора /3 применим обобщенный метод наименьших квадратов (п. 5.2, формула (5.4)):

3 GLS = (X'Sl~xX ) ~ lX'Sl~ly

= (Х '(£ -1 ®

® 1п)у

(9.5)

(здесь мы воспользовались известным свойством произведения Кронекера: для двух квадратных невырожденных матриц А и В выполнено равенство (А ® В )~ х = А ~ 1® В ~ 1 (приложение ЛА, п. 18)).

Нетрудно понять, что в общем случае оценка (9.5) отличается от оценки, полученной в результате применения обычного мето­ да наименьших квадратов к каждому уравнению в системе (9.3). Есть, однако, две ситуации, когда эти оценки совпадают.

1.Уравнения в (9.3) действительно не связаны друг с другом, т. е. &ij = 0 при i ф j.

2.Все уравнения в (9.3) имеют один и тот же набор независи­ мых переменных, т.е. Х \ = Хъ = ... = Х м -

Первое утверждение почти очевидно, поскольку матрица П в этом случае является диагональной. Доказательство второго утвер­ ждения требует некоторых вычислений, мы его оставляем чита­ телю в качестве упражнения.

Для использования доступного обобщенного метода наимень­ ших квадратов нужно оценить матрицу £ . Это можно сделать, применяя к каждому уравнению системы (9.3) обычный ме­

тод наименьших

квадратов,

получая

векторы остатков a , i =

1, . .. ,М , и беря

в качестве

оценок

ковариаций

величины

$ ij = ( e ^ e j) /n .

Можно проверить, что эти оценки являются со­

стоятельными.

л

Отметим в заключение, что эффективность оценки 0 QLS (или ее доступного варианта) по сравнению с МНК-оценками тем вы­ ше, чем сильнее корреляция между ошибками.

224

Гл.9. Системы регрессионных уравнений

9.2.Системы одновременных уравнений

Примеры: кривые спроса и предложения

Пример 1. Рассмотрим вначале простой пример системы одно­ временных уравнений, который демонстрирует основные пробле­ мы, возникающие при попытке оценить неизвестные параметры. (Этот пример входит практически во все учебники по эконометри­ ке.) Предположим, что исследуется зависимость спроса и предло­ жения некоторого товара от его цены и дохода — так называемые кривые спроса и предложения:

Q? = <*i + «2 Pt +

£t

(предложение),

Q? = Pi + fa pi +

+ «t

(спрос),

где Pt — цена товара, Yt — доход в момент времени t. Предполага­ ется, что на рынке существует равновесие, т.е. в каждый момент времени наблюдается одна величина

Qt = Qt = Qt

(равновесие).

Записывая каждое уравнение, для простоты в отклонениях от средних значений (см. п. 2.2), получаем следующую систему:

qt = ot?pt + £t

(предложение),

(9.6)

qt = foPt + P m + Щ

(спрос).

(9.7)

Отметим, что в соответствии с этой моделью цена и величина опроса-предложения определяются одновременно (отсюда и тер­ мин «одновременные уравнения») и поэтому обе эти переменные должны считаться эндогенными. В отличие от них доход yt явля­ ется экзогенной переменной. Подчеркнем, что деление перемен­ ных на экзогенные и эндогенные определяется содержательной стороной модели. Предполагается, что в каждом уравнении эк­ зогенные переменные некоррелировапы с ошибкой. В то же время эндогенные переменные, стоящие в правых частях уравнений, как

9.2. Системы одновременных уравнений

225

правило, имеют ненулевую корреляцию с ошибкой в соответству­ ющем уравнении. Действительно, разрешим систему (9.6), (9.7) относительно qt и pt:

 

 

«2Щ- fogj

(9.8)

<*2 -

fo

«2 - 0 2

 

I h v t

ttt - £ t

(9.9)

2 - 0

2

O C 2 - 0 2

 

Тогда, учитывал некоррелированность yt с щ и gt, из (9.9) по­ лучаем

Cov(pt,et)

C o v ( u t , g ( ) — V ( g t )

(9.10)

«2 -/% что, в общем случае, не равно 0. В п. 5.1 при рассмотрении модели

со стохастическими регрессорами отмечалось, что наличие кор­ реляции между регрессорами и ошибками приводит к смещенно­ сти и несостоятельности МНК-оценок. В нашем простом примере величину асимптотического смещения можно получить в явном виде. Как известно (см. (2.6)), МНК-оценка коэффициента «2 в уравнении (9.6) имеет следующий вид:

а 2 =

(9.11)

Так как в последнем слагаемом в (9.11) числитель состоит из коррелированных величин, а числитель и знаменатель зависимы, то нет никакой надежды, что в общем случае

Е

= 0,

4t=i

' t=i '

т. е. оценка аг является смещенной. Кроме того, она и несостоя­ тельна. Действительно, предположим для простоты, что ошибки u, g независимы и распределения щ и gt не зависят от t. Будем считать также, что существует plimn_ 0o(l/n ) у? = V(y). Пе­ репишем (9.11) так:

с*2 = С*2 +

226

Гл. 9. Системы регрессионных уравнений

Тогда в силу закона больших чисел и формулы (9.10) имеем

У(е«)

<*2-02‘

(Напомним, что Cov(t»t,et) = 0.) Далее, из (9.9) в силу некорре­ лированности у с и vie получаем

Й 5 Ф

' =

 

+v(£)+v(“))-

Окончательно,

 

 

 

p h m a2 = a 2 -

^ ( у )

+ V(u) + у (е) = Att2 + (1 “ А)/%>

где

 

 

 

iflgу(») + V(«)

, у

У(«)

&IУ(») + У(«) + V(e) ’

# V(y) + V(u) + V(e) *

Таким образом, p lu n ^ ^ c ^ = а 2, только если V(e) = 0. Система (9.6), (9.7) называется структурной формой моде­

ли, соответственно коэффициенты этих уравнений называются структурными коэффициентами. Система (9.8), (9.9) называется

приведенной формой модели. Обозначал

7Г1 =

(a2f t) /( a 2 - ft),

vlt =

(a2ut - fte t)/(a 2 - ft),

(9.12)

*2 =

ft/(<*2 -

/%),

b*2t =

- et)/(a 2 - ft),

(9.13)

перепишем (9.8)

и (9.9):

 

 

 

 

 

 

 

 

4t =

»iVt +

«'lt,

 

 

 

 

Pt =

*2Pt +

t^2t-

 

Здесь уже в каждом уравнении экзогенная переменная некоррслирована с ошибкой, поэтому метод наименьших квадратов даст состоятельные оценки S?i и х2 коэффициентов щ и 7г2 . За«- метим, что а 2 = тгх/яг2, поэтому (в силу теоремы Слуцкого) ве­ личина a 2iLs = 5ri/x2 будет состоятельной оценкой структурно­ го параметра а 2. Такой способ оценивания структурных коэффи­ циентов с помощью оценок коэффициентов приведенной формы

9.2. Системы одновременных уравнений

227

называется косвенным методом наименьших квадратов (Indirect Least Squares, ILS). Следовательно, для структурного коэффици­ ента первого уравнения можно построить состоятельную оценку, используя косвенный метод наименьших квадратов.

В главе 8 отмечалось, что при наличии корреляции между регрессорами и ошибками для получения состоятельных оценок можно воспользоваться методом инструментальных переменных. В нашей модели для оценивания аг в качестве инструмента есте­ ственно использовать у — эта переменная некоррелирована с е по условию и в силу (9.9) коррелировала с р. Тогда согласно (8.2)

поскольку

Таким образом, в данном случае оценки, полученные косвен­ ным методом наименьших квадратов и с помощью инструмен­ тальных переменных, совпадают.

Пример 2. Усложним нашу исходную модель, включив в урав­ нение (9.7) для спроса процентную ставку rt:

Qt = foPt +

+ 04rt + Щ

(спрос),

(9.14)

считая эту переменную экзогенной. Проводя непосредственные вычисления, для системы (9.6), (9.14) получаем следующую при­ веденную форму:

 

 

4t

=

^u j/t +

^12П

+ vit,

 

 

P t

=

* 2 iy t +

*2 2 r t + u2ti

где

 

 

 

 

 

 

 

^11

=

( а 2/З з)/(<*2 -

(h)>

* \2

=

( « 2^ 4 ) /( « 2 - lh )y

*21

=

0 з/(<Х2 ~

 

 

*2 2

=

& / ( « 2 - (h ) ,

а и i/jt — такие же, как и в (9.12), (9.13). Очевидно, что с*2 = ян /?Г21 = ^ 12/^22 • Поэтому при использовании косвенного метода

228

Гл. 9. Системы регрессионных уравнений

наименьших квадратов можно в качестве оценки структурного параметра а-2 брать либо я ц /я 21. либо ^12/^ 22, причем, в общем случае, это будут разные оценки. Точно так же можно в качестве инструмента использовать как у*, так и г(, тоже получая разные оценки. При этом, естественно, возникает вопрос, какая из них лучше. Ответ на него будет дан ниже при рассмотрении общей задачи.

В то же время, как нетрудно проверить, даже знание точных значений коэффициентов приведенной формы и для исходной, и для усложненной моделей не позволяет сделать никаких выводов относительно структурных параметров второго уравнения. Для этого уравнения также невозможно использовать у или г в каче­ стве инструментальной переменной из-за возникающей при этом линейной зависимости между регрессорами. Это явление тесно связано с так называемой проблемой идентификации, о кото­ рой подробно будет говориться ниже. В данном случае нетрудно понять, почему уравнение (9.7) для спроса неидентифицируемо. Действительно, возьмем произвольное число Л и составим линей­ ную комбинацию уравнений (9.6) и (9.7), умножая первое на Л, второе — на (1 - Л) и складывал их:

qt = 72Pt + 73Vt + Vt,

(9.15)

где

 

72 = Aa2 + (1 —A)/?2, 73 = (1 - А)/?з,

i)t — A$t + (1 —А)щ.

Уравнение (9.15) имеет точно такой же вид, что и уравнение (9.7). Иными словами, существует бесконечно много структурных форм, совместимых с имеющимися данными qt, pt, yt• Поэтому ка­ кой бы метод оценивания структурных коэффициентов уравнения спроса ни был выбран, нельзя сказать, какое отношение получен­ ные оценки имеют к исходным параметрам /Зг и /З3. Подчеркнем, что это не статистическая проблема, не проблема количества на­ блюдений: даже имея бесконечное число наблюдений, невозможно «правильно» оценить уравнение спроса (9.7).

Сформулируем выводы, которые мы получили, и проблемы, с которыми столкнулись, исследуя этот простой пример системы одновременных уравнений.

9.2. Системы одновременных уравнений

229

1) Переменные в системах одновременных уравнений делятся на экзогенные и эндогенные. Первые отличаются от вторых тем, что в каждом уравнении они некоррелированы с соот­ ветствующей ошибкой.

2)Из-за наличия корреляции между эндогенными переменны­ ми и ошибками непосредственное применение метода наи­ меньших квадратов к структурной форме модели приводит к смещенным и несостоятельным оценкам структурных ко­ эффициентов.

3)Коэффициенты приведенной формы модели могут быть со­ стоятельно оценены методом наименьших квадратов. Эти оценки могут быть использованы для оценивания структур­ ных параметров (косвенный метод наименьших квадратов). При этом возможны три ситуации: структурный коэффици­ ент однозначно выражается через коэффициенты приведен­ ной системы, структурный коэффициент допускает несколь­ ко разных оценок косвенного метода наименьших квадратов, структурный коэффициент не может быть выражен через коэффициенты приведенной системы. В последнем случае соответствующее структурное уравнение является иеидентифицируемым. Неидентифицируемость уравнения не свя­ зана с числом наблюдений.

4)Экзогенные переменные можно использовать в качестве ин­ струментальных. В том случае, когда оценка косвенного ме­ тода единственна, она совпадает с оценкой, полученной с помощью инструментальных переменных.

Прежде чем перейти к общей теории, рассмотрим две моди­ фикации исходной модели (9.6), (9.7) с тем, чтобы дать более на­ глядное представление о понятии идентифицируемости.

Пример 3. Спрос и предложение зависят только от цены:

qt =

c*2Pt +

(предложение),

<?t =

lh.Pt + Щ

(спрос).

На плоскости (Q, Р) равновесие представляется как пересе­ чение кривых (в данном случае прямых) спроса и предложения.

230

Гл. 9. Системы регрессионных уравнений

В этой модели имеются только одна кривая спроса и одна кривая предложения, а различие в наблюдаемых значениях обусловлено только случайными ошибками £ и и (см. рис. 9.1).

Рис. 9.1

Понятно, что, имея только «облако» наблюдений (Qt, Pt), t = 1,... ,п, ничего нельзя сказать об «истинных» прямых D и S, по­ скольку каждая точка (Qt, Ft) может быть реализована как пере­ сечение двух прямых, имеющих произвольный наклон. Заметим, что этот вывод подтверждается и приведенной формой модели

qt =

(a2ut - fte t)/(a 2 - ft),

Pt =

(«t - £ t)/(o c i - f t) ,

которая в правых частях уравнений содержит только случайные ошибки.

Пример 4. Исходная модель (9.6), (9.7). Здесь имеются одна кри­ вая предложения и несколько кривых спроса, благодаря наличию экзогенной переменной у , а разброс в наблюдениях обусловлен не только случайными ошибками, но и сдвигом кривой спроса вдоль единственной кривой предложения. Это обстоятельство и позво­ ляет оценить параметры последней (см. рис. 9.2). В то же время о положении прямых А ничего сказать нельзя, поскольку, как и в предыдущем примере, любой их наклон совместим с имеющимися наблюдениями.