Введение случайного компонента в экономическую модель. Эконометрическая модель. Адекватность, точность, область применения

Обычно предполагают, что все факторы, не учтенные явно в экономической модели, оказывают на объект некоторое результирующее воздействие, величина которого неизвестна заранее и может быть описана как случайная функция. Для ее описания в модель добавляют (обычно аддитивным образом) случайный параметр е, интегрирующий в себе влияние всех неучтенных явно факторов.

Эконометрическая модель - формализованное описание количественных взаимосвязей между переменными. Это главный инструмент эконометрики.

Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д [5]. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.

Эконометрическая модель имеет следующий вид[3]:

Y=f(X) + е

где Y - наблюдаемое значение переменной (объясняемая переменная);

f(X) - объясненная часть, зависящая от значений объясняющих переменных;

X={x1,x2,…,xn}

е - случайная составляющая (возмущения).

Можно выделить три класса эконометрических моделей:

- модель временных данных;

- регрессионная модель с одним уравнением;

- система одновременных уравнений.

область применения:

-прогноз эконометрических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы;

- имитация возможных сценариев социально-экономического развития системы.

-изучение: рынка;инвестиционной, финансовой или социальной политики;ценообразование;распределительных отношений;спроса и потребления;комплекса проблем.

Набор сведений представляет собой множество признаков, характеризующих объект исследования. Признаки могут выступать в одной из двух ролей: роль результативного признака (выполняет зависимая переменная Y); роль факторного признака (выполняет независимая переменная Х).

Переменные, участвующие в эконометрической модели любого типа, делятся на:

- экзогенные (независимые), значения которых задаются извне, автономно;

- эндогенные (зависимые), значения которых определяются внутри модели;

Эндогенная переменная по своей природе всегда случайна. Она формируется внутри экономической системы или в процессе. Экзогенные по своей природе могут быть как случайными, так и детерминированными. И эндогенные и экзогенные переменные могут быть лаговыми. То есть с задержкой в периоде.

- лаговые - эндогенные или экзогенные переменные эконометрической модели, датированные предыдущими моментами времени и находящиеся в уравнении с текущими переменными;

- предопределенные - экзогенные переменные, привязанные к прошлым, текущим и будущим моментам времени и лаговые эндогенные переменные, уже известные к данному моменту времени.

Любая эконометрическая модель оценивается по адекватности и точности. Адекватность – это соответствие модели исследуемому процессу. Адекватность оценивается через коэффициент детерминации. Для адекватных моделей определяют точность модели.

Точность может отражаться таким коэффициентом как – средняя относительная ошибка аппроксимации. Если она является на выше %7 то она является точной.

Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными. В первую очередь из всего круга факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы.

Случайная величина e_j, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения. Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.

От правильно выбранной спецификации модели зависит величина случайных ошибок – они тем меньше, чем в большей мере теоретические значения результативного признака подходят к фактическим данным. К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, т.е. использование парной регрессии вместо множественной. В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.