![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
В основе этой группы методов лежит идея представления нелинейного функционала эконометрической модели f (a, x) в произвольной точке a (0) в виде линейной аппроксимирующей функции, например, ряда Тейлора. Это даст возможность определить в некотором смысле оптимальные приросты оценок параметров D ai (1), минимизирующие функцию суммы квадратов ошибки S 2 (выражение (11.7)) в окрестности точки a (0). При этом, поскольку ряд Тейлора не является точной аппроксимацией функционала модели f (a, x), то новые значения оценок ее параметров, определяемые по очевидной формуле ai (1)= ai (0)+D ai (1), i =0,1,..., п, могут не совпасть с наилучшими оценками. В таком случае необходимо аппроксимировать модель в точке a (1) и определить новые приросты параметров D ai (2) и соответствующие им оценки ai (2) и т. д. Таким образом, формируется итеративная процедура последовательного приближения к искомым “оптимальным” оценкам ai, которым соответствует локальный оптимум суммы квадратов ошибки в некоторой области существования значений параметров модели.
Нахождение оценок параметров модели, соответствующих глобальному минимуму, может быть осуществлено с использование такого же подхода, как и в методе прямого поиска, т. е. путем перебора различающихся вариантов исходных оценок параметров ai (0), выбираемых из различных участков допустимой области их существования.
В практике оценивания параметров нелинейных эконометрических моделей наибольшее распространение получил метод, известный в научной литературе как метод Гаусса-Зайделя. Для него характерны следующие этапы расчетов.
1. Нелинейный функционал ft (a, x) в момент времени t и в точке оценок параметров a 0 в соответствии с аппроксимирующей функцией Тейлора представляется в следующем виде:
где ft 0= ft (a 0, x) – значение функционала в начальной точке оценок параметров a 0=(a 00 , a 10 ,..., aп 0);
– расчетное значение производной функционала модели по параметру a i в точке ai 0.
На практике значения этих производных определяются на основе частных разностей:
где Jai 0 – малое приращение оценки параметра ai 0.
Таким образом, значения функции ft 0 и ее производных
в точке значений параметров ai 0 являются известными.
Подставим выражение (11.17) в формулу (11.12). Получим
где D ai (1)= ai (1)– ai (0); ai (1) – оценка параметра ai на первом шаге расчетов.
2. Расчетные значения оценок ai (1), i =0,1,..., п можно получить, приравняв нулю первые производные функции S 2 по приростам D ai. В результате получим систему уравнений, аналогичных нормальным уравнениям классического метода наименьших квадратов:
Обозначив уt – ft 0= gt 0, сформируем вектор-столбец g 0=(g 10,..., gЕ 0)¢ с Т компонентами. Из производных
сформируем матрицу
следующего вида:
![]() |
размера T ´(п +1).
Из приростов D ai (1) сформируем вектор-столбец D a (1)=(D a 0(1),..., D aп (1))¢.
Несложно заметить, что с учетом этих обозначений систему (11.20) можно представить в следующем виде:
Из (11.22), в сою очередь, вытекает, что оценки приростов параметров D a (1) на первом шаге расчетов находятся из векторно-матричного выражения, имеющего характерный вид:
3. Определив на основе полученных приростов D a i (1), i =0,1,..., п оценки параметров эконометрической модели ai 1= ai 0+D ai 1, проделаем ту же процедуру расчетов для получения новых приближений этих оценок. Заметим, что различные модификации метода Гаусса-Зайделя допускают расчет новых значений оценок на основе следующего выражения:
ai (j)= ai (j –1)+ hi (j)×D ai (j), (11.24)
где hi (j) – так называемый “ускоряющий” множитель, вводимый для сокращения числа шагов при поиске минимума функции S 2 по параметрам эконометрической модели.
Его значение выбирается с учетом величины угла наклона функции S 2 в точке aij. В области минимума функции S 2(a i) длину шага уменьшают, чтобы получить “наилучшую” оценку параметров.
Дата публикования: 2014-10-25; Прочитано: 317 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!