Модели частичной корректировки
Модели частичной корректировки
Модели | |
частичной | |
корректировки |
учитывают желаемое (ожидаемое) значение результативного признака в период (t+ 1)
Моделью частичной корректировки является, например, уравнение
у* = c + aQx, +є,. (6)
В такой модели фактическое приращение результативного признака yr — v;,H пропорционально разности
У* -У,-п
где у* — желаемое значение результата,
vн — фактическое значение результата в предыдущий период.
Иначе говоря,
у[~Уг-1 = х, 0< Х< 1. у, УгВ итоге получим преобразованную модель
у, = Ху, +(1 -Х)у,_х + Л,. (7)
Механизм | |
формирования | і |
ожиданий | г |
в модели | |
частичной | У |
корректировки |
В такой модели у1 — это среднее арифметическое взвешенное желаемого значения у* и фактического значения у1_1 в предыдущем периоде.
У, = Ху, + (1 X)y,_t +11,. где 0 < к < 1.
Чем ближе X к 1, тем быстрее процесс корректировки;
Если X = 0, то корректировка yt не происходит;
Если X = 1. то корректировка происходит за один период
Проведем дальнейшее преобразование модели частичной корректировки так, чтобы стала возможной оценка ее параметров с помощью МНК:
у, = Ху* +(1 -)у,_х + ц,;
у, = Х(с + а0х + г) + (1 Х)у,_л + цг;
у, = Хс + XaGx,+ (Х)у,_, + (ц + Хе).
Исходная модель частичной корректировки (1) — это долгосрочная функция модели частичной корректировки: ожидаемое значение результативного признака зависит от фактического значения факторного признака.
Преобразованная модель частичной корректировки yt = кс + + ~Kairxt + (1 Х)у,ч + (р, + Хг) — это краткосрочная функция модели частичной корректировки: значения результативного и факторного признаков являются фактическими.
Модель частичной корректировки аналогична модели Койка. Однако в модели частичной корректировки переменная >'іН не коррелирует с текушим значением ошибки є,. Оценки параметров такой модели асимптотически несмещенные и эффективные (с ростом объема выборки)
Тесты
Динамическая модель отличается от других видов экономе-трических моделей тем, что в такой модели:
а) в данный момент времени учитывают значения входящих
в нее переменных, относящихся к текущему моменту времени;
б) в данный момент времени учитывают значения входящих
в нее переменных, относящихся к текущему и к предыдущему моментам времени.
Лаговые значения переменных непосредственно включены в модель:
а) авторегрессии;
б) адаптивных ожиданий;
в) с распределенным лагом;
г) неполной (частичной) корректировки.
Модели авторегрессии характеризуются тем, что они:
а) содержат в качестве факторных переменных лаговые значения результативного признака;
б) учитывают желаемое значение факторного признака в период (t + 1);
в) учитывают желаемое (ожидаемое) значение результативного признака в период (t + 1).
Для некоторой модели адаптивных ожиданий в процессе преобразований получен механизм формирования ожиданий х*,+ = 0,76х, + (1 0,76)х*. Как ожидаемое значение адаптируется к предыдущим реальным значениям:
а) не зависит от ре&тьных значений;
б) медленнее;
в) быстрее?
В результате анализа фактических данных получена модель авторегрессии yt = 3 + 100>7, , + 20х, + е;. Общее абсолютное изменение результата в момент времени (? + 1) равно:
а) 2000;
б) 300;
в) 60;
г) 6000.
Результативный признак зависит от ожидаемых значений факторного признака:
а) в краткосрочной функции модели адаптивных ожиданий;
б) в долгосрочной функции модели частичной корректировки;
в) в краткосрочной функции модели частичной корректировки;
г) в долгосрочной функции модели адаптивных ожиданий.
Для некоторой модели частичной корректировки механизм формирования ожиданий получен в виде равенства yt = у + г|. Это позволяет сделать вывод о том, что:
а) корректировка происходит быстрее;
б) корректировка происходит за один период;
в) корректировка не происходит;
г) корректировка происходит медленнее.
Обсуждение Эконометрика : учебное пособие в схемах и таблицах
Комментарии, рецензии и отзывы