Предисловие ко второй книге

Предисловие ко второй книге

Вторая книга учебника состоит из двух частей (части 3 и 4) и предполагает свободное владение материалом, содержащимся в первой книге. Как и в первой книге, основные акценты в изложении смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа с привлечением смоделированных и реальных экономических данных.

В третьей части учебника рассматриваются методы статистического анализа моделей с дискретными объясняющими переменными, систем одновременных уравнений, панельных данных, а также структурные и приведенные формы векторных авторегрессий и моделей коррекции ошибок. Включенный в третью часть лекционный материал в основном соответствует материалу, содержащемуся в ранее изданной книге автора1.

В разд. 1 третьей части рассматривается возможность получения подходящих оценок параметров в ситуациях, когда объясняющие переменные, входящие в уравнение регрессии, корре-лированы с ошибкой в этом уравнении. Именно такое положение наблюдается в имеющих широкое применение моделях, известных как «системы одновременных уравнений». Это модели, состоящие из нескольких уравнений регрессии и такие, что переменные, выступающие объясняемыми переменными в одних уравнениях, являются объясняющими переменными в других уравнениях. Здесь основным методом оценивания параметров является метод инструментальных переменных, состоящий в «очистке» объясняющей переменной, коррелированной с ошибкой, от этой коррелированное™, и в подстановке в правую часть уравнения вместо этой объясняющей переменной ее очищенного варианта. Рассматриваются и другие методы оценивания систем одновременных уравнений, обсуждаются связи между различными методами, недостатки и преимущества каждого метода.

Носко В.П. Эконометрика для начинающих: дополнительные главы. М.: ИЭПП, 2005.

Раздел 2 дополняет содержащийся в разд. 11 первой книги учебника материал, касающийся моделей векторной авторегрессии и моделей коррекции ошибок для системы коинтегриро-ванных временных рядов. Это дополнение связано с рассмотрением возможности построения и оценивания структурной формы модели коррекции ошибок.

Раздел 3 посвящен методам статистического анализа панельных данных, т.е. данных, содержащих наблюдения за некоторым достаточно большим количеством субъектов в течение некоторого достаточно небольшого количества периодов времени. Особенностью многих моделей, используемых для статистического анализа таких данных, является предположение о наличии различий между субъектами исследования, которые постоянны во времени, но которые не удается реально измерить в виде значений некоей объясняющей переменной. Такие различия специфицируются в этих моделях как фиксированные или случайные эффекты. В зависимости от пригодности той или иной интерпретации этих эффектов используются различные методы оценивания параметров модели (обычный или обобщенный метод наименьших квадратов). Метод инструментальных переменных находит новое применение в динамических моделях панельных данных (в которых в качестве объясняющих переменных в правых частях уравнения могут выступать и запаздывающие значения объясняемой переменной) и реализуется в виде обобщенного метода моментов, ставшего весьма популярным в последние годы.

В разд. 4 обсуждаются особенности статистического анализа моделей, в которых объясняемая переменная имеет лишь конечное количество возможных значений или только частично наблюдаема. При оценивании этих моделей на первый план выступает метод максимального правдоподобия. Сначала рассматриваются модели бинарного выбора с двумя значениями объясняющей переменной (пробит, логит, гомпит) и модели с несколькими значениями объясняющей переменной (порядковая пробит-модель, мультиномиальная модель), а затем — модели с частично наблюдаемой (цензурированной) объясняемой переменной. При этом цензурирование может определяться значениями как самой объясняемой переменной (модель тобит I), так и некоторой дополнительной функции полезности (модель тобит II). В заключительной части этого раздела рассматриваемые модели (пробит, логит, тобит) распространяются на случай панельных данных.

В четвертой части учебника рассматриваются некоторые методы прогнозирования временных рядов, методология векторных авторегрессий (VAR) и ее применение к анализу систем макроэкономических рядов (построение структурных VAR, построение функций импульсного отклика и декомпозиций дисперсий ошибок прогнозов, проверка на отсутствие/наличие причинности по Грейнджеру и блочную экзогенность группы переменных в модели VAR), влияние нелинейных преобразований ряда на результаты проверки гипотезы единичного корня, применение динамического метода наименьших квадратов (DOLS) для оценивания коинтеграционного соотношения в системе рядов, имеющих порядки интегрированное™ 1 и 2. Заключительный раздел этой части посвящен модели стохастической границы производственных возможностей, которая не только применима к анализу эффективности производственных предприятий, но и используется, например, для анализа эффективности банков и эффективности сбора налогов.

Материал каждой части разбит на разделы, объединяющие несколько тем. По каждой теме кроме лекционного материала приведены контрольные вопросы, позволяющие провести контроль усвоения лекционного материала, а также задания для самостоятельной работы и практических занятий, которые выполняются студентами в компьютерном классе под руководством преподавателя. Методические указания к выполнению заданий на компьютере ориентированы на использование пакетов эконометрического анализа Econometric Views (Е Views) и Stata.

Для удобства читателя при первом упоминании в тексте те или иные термины выделены жирным шрифтом, а в скобках приведены их англоязычные эквиваленты. В конце каждой части есть словарь употребляемых в ней терминов.