Економетрія

 

 

Для багатьох економічних процесів, які розвиваються у часі, типовим є той факт, що ефект впливу одного показника на інший виявляється не одразу (не миттєво), а поступово, через деякий період часу – тобто значення залежної змінної y змінюється через деякий проміжок часу після зміни значення деякого фактора x. Таке явище називається лагом (запізненням), а сам проміжок часу між зміною пояснюючої змінної і залежної змінної – часовим лагом.

Явище, при якому  вплив зміни пояснюючих змінних економетричної моделі на зміну залежної змінної проявляється не миттєво, а з деяким часовим запізненням називається лагом (запізненням).

Проміжок часу між зміною значення деякої пояснюючої змінної і зміною значення залежної зміною моделі називається часовим лагом.

Неважко зрозуміти, що при кількісному вимірюванні зв’язку  між такими показниками в якості пояснюючих змінних використовуються не тільки поточні значення змінних, але й деякі попередні за часом значення, а також і сам час. Моделі такого типу називаються динамічними. В свою чергу змінні, вплив яких на ендогенну змінну моделі характеризується деякими запізненнями називається лаговими змінними.

Економетричні моделі, в яких у якості пояснюючих змінних використовуються не тільки поточні значення змінних, але й деякі попередні за часом значення, а також і сам час, називаються економетричними моделями динаміки або динамічними моделями.

Змінні економетричної моделі, вплив яких на ендогенну змінну моделі характеризується деякими часовим запізненям, називаються лаговими змінними.

Динамічні моделі поділяються на 2 класи:

1.Моделі розподіленого лагу (дистрибутивно – лагові моделі);

2.Авторегресійні моделі.

Моделлю розподіленого лагу називається модель, яка в якості лагових змінних містить тільки незалежні (пояснюючі) змінні.

Моделі розподіленого лагу поділяються на 2 види:

а) моделі нескінченного розподіленого лагу;

б) моделі з кінцевим числом лагів.

У загальному випадку модель нескінченого розподіленого лагу для однієї лагової змінної має наступний вигляд:

або

де   - параметри моделі при лаговій змінній;   – пояснююча  лагова змінна; r – часовий лаг;   - стохастична складова моделі.

Прикладами кількісного взаємозв’язку між економічними показниками, коли виникає необхідність врахування часових лагів є: взаємозв’язок між капітальними вкладеннями (або інвестиціями) і введенням основних фондів, між затратами виробничих ресурсів і обсягом виробництва, між доходом і витратами і т.ін.  

Модель з кінцевим числом лагів  у к – періодів у загальному випадку для однієї лагової змінної має наступний вигляд:

де к – число часових лагів (періодів, на протязі яких здійснюється вплив пояснюючої лагової змінної   – на ендогенну змінну  ).

Коефіцієнти   у виразах (5.1) – (5.4) називаються коефіцієнтами  лагу, а послідовність - структурою лагу.

Коефіцієнти лагу   відповідають наступним вимогам:

1)  , для будь яких   ;

2)  ;

3)  або  , де   – скінченне число ;

4)   ;

5)  або   (для кінцевого лагу).

Величини   називаються нормованими (стандартизованими) коефіцієнтами лагу, а послідовність   - нормованою (або стандартизованою) структурою  лагу.

Коефіцієнт  називається короткостроковим (або впливовим) мультиплікатором. Він характеризує зміну середнього значення залежної змінної y під впливом одиничної зміни пояснюючої лагової змінної x у той же самий момент часу. Сума коефіцієнтів    (або ) називається довгостроковим мультиплікатором. Він характеризує зміну середнього значення залежної змінної y під дією одиничної зміни лагової пояснюючої змінної x всі часові періоди, які входять до структури лагу. Сума коефіцієнтів  (або  ) називається проміжним мультиплікатором.

Зазначимо, що у більш загальному випадку до наведених вище дистрибутивно-лагових моделей (5.1) – (5.4) можуть входити більш ніж одна лагова змінна, а також поточні значення інших пояснюючих змінних, які можуть впливати на залежну змінну моделі. Такі дистрибутивно-лагові моделі прийнято називати узагальненими моделями розподіленого лагу. Оцінювання параметрів таких моделей є більш складним внаслідок необхідності врахування обмежень на коефіцієнти лагу β, які були розглянуті вище.

В цьому контексті слід розглядати і авторегресійні моделі. Авторегресійною моделлю – називається модель, яка в якості пояснюючих лагових змінних містить значення залежних змінних.

Прикладом авторегресійної моделі може бути наступна модель:

Причин виникнення лагів в економіці є достатньо багато і серед них основними є наступні.

1.Психологічні причини. Ці причини пов’язані з інерцією в поведінці людей. Наприклад, люди не одразу змінюють свої споживацькі звички після зниження цін, або підвищення доходів. 

2.Технологічні причини. Наприклад, винахід персональних комп’ютерів не привів до миттєвого витіснення ними великих ЕОМ внаслідок необхідності заміни необхідного програмного забезпечення, яка відбувалося протягом достатньо великого проміжку часу..

3.Інституціональні причини. Наприклад, контракти між фірмами, трудові договори і угоди, різні форми інших контрактів між юридичними і фізичними особами вимагають деякої постійності на протязі дії контракту, або угоди.

 

 

В економетричних дослідженнях кількісний аналіз статистичних даних здійснюється на основі емпіричних критеріїв. Розглянемо найбільш важливі.

Коефіцієнт кореляції відображає ступінь взаємозв’язку між факторами. Коефіцієнт кореляції визначається грецькою буквою ρ, яка вимовляється як “ро” і відповідає латинській “r”. Для змінних х і у цей коефіцієнт визначається наступним чином:

деρх,у – коефіцієнт кореляції змінних х і у;