Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Помимо определения точечных значений оценок параметров нелинейных эконометрических моделей в эконометрических исследованиях большое внимание уделяется и поиску их интервальных характеристик, по величине которых можно судить о качестве построенного варианта эконометрической модели. Напомним, что совокупность интервальных характеристик параметров линейных эконометрических моделей можно определить на основе элементов ковариационной матрицы их оценок, определенных для независимых и гомоскедастичных ошибок выражением (2.18)
Cov(a)= se 2 × (X ¢ × X)–1,
где Х – матрица значений независимых параметров.
Для нелинейной эконометрической модели в аналитическом виде получить аналог выражению (2.18) не представляется возможным. Однако можно определить некоторое приближение ковариационной матрицы оптимальных оценок параметров модели в области минимума суммы квадратов ошибки. Для этого разложим нелинейный функционал модели в окрестности точки оптимума параметров a * в ряд Тейлора. В результате в соответствии с выражениями (11.19)–(11.23) получим
где f * – вектор расчетных значений функционала f (a, х) в точке параметров a *, принадлежащей окрестности оптимума; Х * – матрица производных ¶ ft /¶ ai, определенная согласно выражению (11.21) в точке a *, h – ошибка разложения.
Перепишем выражение (11.34) в следующем виде:
g =
где вектор g определяется согласно выражению:
g = у – f *(a, х )+
Несложно заметить, что все компоненты вектора g в точке a * известны. Из этого вытекает, что в окрестности оптимума нелинейная эконометрическая модель может быть представлена в линейной форме записи (11.35).
В соответствии с этим, согласно выражению (2.18), ковариационная матрица оптимальных оценок параметров модели a может быть представлена в следующем приближенном виде:
Cov(a)= sh 2 ×
Приближенный характер матрицы Cov(a) обусловлен использованием аппроксимирующего приближения Тейлора для нелинейной модели и соответствующей ему точки a * из окрестности оптимума (а также матрицы ). В этом случае, также как и в случае выражения (2.34), можно показать, что найденные оценки a при Т ®¥ являются приблизительно состоятельными, а их распределение является асимптотически нормальным
(a,
где
Вопросы к главе XI
1. Каковы причины нелинеаризуемости моделей?
2. По каким признакам классифицируются методы оценки параметров нелинейных моделей?
3. Охарактеризуйте методы с производными и методы без производных?
4. Опишите процедуру прямого поиска.
5. В чем состоит суть методов Гаусса?
6. Опишите градиентные методы оценки параметров нелинейной модели и особенности представления целевой функции.
Дата публикования: 2014-10-25; Прочитано: 530 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!