Тема 7. Метод інструментальних змінних

Автокореляція елементів часового ряду може бути описана на основі авторегресійної функції певного порядку. Але коли йдеться про моделювання взаємозв’язків на основі багатомірних часових рядів, де необхідно кількісно описати залежність однієї змінної від інших і врахувати автокореляцію залежної змінної, то економетрична модель буде мати лагову змінну Y, що входить до пояснюючих змінних, тобто:

.

Наведемо економічні приклади :

Приклад 1. Нехай потрібно побудувати економетричну модель, яка характеризує залежність обсягу інвестицій від технічного рівня об’єкта інвестування та ефективності економічної діяльності. В цьому випадку вихідна інформація повинна мати три часових ряди, один з яких буде характеризувати обсяг зміни капітальних вкладень у часі, другий — технічний рівень об’єкта інвестування, а третій — ефективність економічної діяльності. При цьому кожне наступне значення часового ряду буде знаходитись у певній залежності від попереднього. Наприклад, якщо в попередньому році в даний об’єкт було вкладено велику частину інвестицій, то, очевидно, що в наступному році їх рівень може значно зменшитись через економічну та технічну недоцільність. А це означає, що економетрична модель наведеної залежності у загальному вигляді:

,

де — обсяг інвестицій у періоді ; — обсяг інвестицій у періоді t – 1; X1t — фондомісткість основних фондів у періоді t; X2 t — рентабельність економічної діяльності в періоді t; ut — стохастична складова, залишки.

Приклад 2. Нехай треба побудувати економетричну модель, яка характеризує залежність між рівнем експорту певної продукції та обсягом її виробництва. Будуючи цю економетричну модель на основі двох часових рядів, потрібно також урахувати той факт, що рівень експорту в період t, як правило, корелює з його рівнем в період t – 1. Тому економетрична модель матиме загальний вигляд:

,

де — рівень експорту продукції в період ;

— рівень експорту продукції в період ;

— обсяг виробництва в період ;

— залишки.

Можна було б навести ще багато прикладів, коли залежна змінна ( ) економетричної моделі залежить не тільки від пояснюючих змінних , але й від свого попереднього значення – . У таких випадках порушується третя передумова для застосування методу 1МНК при оцінці параметрів моделі, тобто пояснюючі змінні корелюють із залишками ( ). У цьому випадку вони стають стохастичними змінними.

Зважаючи, що впливає на , а – на , то й впливає на навіть тоді, коли послідовні значення залишків є незалежними.

Якщо в цьому випадку оцінки параметрів моделі визначатимуться на основі методу 1МНК, то вони будуть необгрунтованими. Зауважимо, що навіть якщо лише один елемент вектора , ми маємо змогу отримати всі елементи вектора (всі оцінки моделі) необгрунтованими.

Другою причиною, яка може призвести до порушення третьої передумови, коли , є наявність помилок у вихідній інформації.

Досі пір припускалось, що змінні економетричної моделі вимірюються без помилок, і тільки залишки — це єдина форма помилок, яка допускається. Але дуже часто при вимірюванні змінних, які включаються в економетричну модель, допускаються помилки. Наявність цих помилок впливає на оцінку параметрів моделi. Так, якщо матриця пояснюючих змінних X має помилки, то її можна записати як суму двох матриць

,

де — матриця дійсних значень пояснюючих змінних;

— матриця помилок.

Звідси економетрична модель матиме вигляд:

.

Обгрунтованість оцінок параметрів цієї моделі залежить від того, чи дорівнює нулю матриця коваріацій змінних із залишками , тобто:

.

, у свою чергу, можна записати так:

.

Якщо в цих співвідношеннях допустити, що матрицю X (як її дійсні значення, так і помилки) гранично не корелюють із залишками, тобто:

і ,

то матриця коваріації помилок частіше всього не дорівнює нулю,

, а це означає, що за наявності помилок виміру змінних оцінка параметрів моделі за методом 1МНК є необгрунтованою та асимптотично зміщеною.

Кореляція між пояснювальними змінними і залишками є серйозною перешкодою для застосування методу 1МНК.

 

 

У цьому випадку для оцінки параметрів моделі використовується метод інструментальних змінних, оператор оцінювання якого запишеться так:

,

де — матриця інструментальних змінних;

— матриця, транспонована до матриці ;

— матриця пояснювальних змінних;

— вектор залежної змінної.