4. инструментальные переменные
4. инструментальные переменные
В основе возникновения метода инструментальных переменных лежат критические замечания Милтона Фридмана об оценивании кейнсианской функции потребления.
Функцию потребления в общем виде можно записать следующим образом:
C =а + в У, +є,, (1)
где Cjt — объем потребления i-го домашнего хозяйства в t-ом году; yit — объем доходов i-го домашнего хозяйства в t-ом году; в — коэффициент предельной склонности к потреблению
(0 < в < 1);
а — коэффициент автономного потребления.
В соответствии с кейнсианской трактовкой данной модели потребления коэффициент автономного потребления а равен нулю.
Выделим основные недостатки модели (1):
оценки параметров уравнения регрессии, полученные обычным методом наименьших квадратов, меняются год от года;
в ходе экспериментов было доказано, что оценка коэффициента в для фермеров ниже, чем для городского населения. Рассмотрим объяснение невозможности применения метода
наименьших квадратов к оцениванию параметров модели (1) на основе теории постоянных доходов Фридмана. Пусть
yit = yP + yTu ,
i =i +i
где индекс P означает постоянство (permanent), а индекс T означает непостоянство (transitory) переменных.
Предположим, что доход уи и потребление Cit являются случайными величинами с нулевым математическим ожиданием
и дисперсиями G2T и G2T соответственно, т. е.
yu ~ (0: G) ) и Cu ~ (0: G2t ). Данные величины связаны соотношением по Фридману:
Cp =а + в yP. (2)
Возникает вопрос: верна ли функция потребления (2) при существовании функции (i).
Представим функцию потребления (2) в виде следующего равенства:
/ у! + УІ _ yp .
Тогда
Обозначим Cp _ в Уі через ujf Таким образом, уравнение (2) после преобразований примет вид:
C, =а + в yi, + ut.
В модели потребления вида (i) ejt является независимой случайной составляющей, а в уравнении вида (2) нарушается первая предпосылка нормальной регрессионной модели, так как ujt коррелирован с в yif
Рассмотрим ковариацию между переменной yu и ujt:
cov(у,,ий) = cov(yP + yT;CT _вyT) = = cov(yP;Cp) +cov(yPt ;_вур) +cov(yp;Cp) _ _ cov (yp; в yp ) =_eG2.
Запишем МНК-оценку параметра /3 модели регрессии (1):
3 = 3
3G}
= 3-
G2p + G1T
Таким образом, метод наименьших квадратов в данном случае будет всегда давать заниженные оценки параметров, поэтому им пользоваться нельзя.
В 1950-е гг. М. Фридман предложил новый метод для оценивания параметров подобных функций. Он назвал его методом инструментальных переменных (Instrumental Variables — IV).
Его суть состоит в следующем. Переменная yit из правой части уравнения, для которой нарушается первая предпосылка нормальной регрессионной модели, заменяется на новую переменную, называемую инструментом:
сі-3 УІ.
В данном случае случайная ошибка ujt и yu не коррелированны между собой, но коррелированы с переменной y'a, которая называется инструментом. Индекс у' означает, что переменная дохода относится к следующему году.
Оценка, полученная с помощью метода инструментальных переменных, выглядит следующим образом:
Данная оценка по своим свойствам превосходит обычную МНК-оценку.
В общем случае инструментальная переменная z должна удовлетворять свойствам:
она должна тесно коррелировать с переменной у: cov(y, z) ^ 0;
она не должна коррелировать со случайной ошибкой et: cov(z, є) = 0.
Оценка коэффициента регрессии определяется по формуле:
Обсуждение Эконометрика.Конспект лекций
Комментарии, рецензии и отзывы