Динамические эконометрические модели.

Модель является динамической, если в данный момент времени t она учитывает значения входящих в нее переменных, относящихся как к текущему, так к предыдущим моментам времени, т.е. если эта модель отражает динамику исследуемых переменных в каждый момент времени.

Можно выделить два основных типа динамических эконометрических моделей:

1. модели авторегрессии и модели с распределенным лагом, в которых значения переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель.

2. модели второго типа учитывают динамическую информацию в неявном виде. В них включены переменные, характеризующие ожидаемый или желаемый уровень результата, или одного из факторов в момент времени t. Этот уровень считается неизвестным и определяется экономическими единицами с учетом информации, которой они располагают в момент (t-1).

В зависимости от способа определения ожидаемых значений показателей различают модели неполной корректировки, адаптивных ожиданий и рациональных ожиданий. Оценка параметров этих моделей сводится к оценке параметров моделей авторегрессии.

При исследовании экономических процессов нередко приходится моделировать ситуации, когда значение результативного признака в текущий момент времени t формируется под воздействием факторов, действовавших в прошлые моменты времени Например, на выручку от реализации или прибыль компании текущего периода могут оказывать влияние расходы на рекламу или проведение маркетинговых исследований, сделанные компанией в предшествующие моменты времени. Величину , характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, — лаговыми переменными.

Модели с распределенным лагом – это модели, содержащие не только текущие, но и лаговые значения факторных переменных X_t. Пример модели: Например, разработка экономической политики как на макро-, так и на микроуровне трубет решения задач, определяющих, какое воздействие окажут значения управляемых переменных текущего периодна на будущие значения экономических показателей. Например, как повлияют инвестиции в промышленность на валовую добавленную стоимость этой отрасли экономики будущих периодов или как может изменить объем ВВП, произведенного в периоде (t+1), под воздействием увеличения денежной массы в периоде t?

. Наряду с лаговыми значениями переменных X_t на величину зависимой переменной Y_t текущего периода могут оказывать влияние значения результативного признака в прошлые моменты или периоды времени. Например, потребление в момент времени t формируется под воздействием дохода текущего и предыдущего периодов, а также объема потребления прошлых периодов, например потребления в период (t-1). Модели, в которых учитываются процессы, происходящие с результативной переменной в прошлые периоды, называют моделями авторегрессии. Пример модели:

Построение моделей с распределнным лагом и моделей авторегрессии имеет свою специфику:

1. обычный МНК к оценке параметров этих моделей применить нельзя ввиду нарушения его предпосылок, т.е. требуются специальные статистические методы.

2.требуется решать проблему выбора оп-тимальной величины лага и определять его стрру.

3.модели с распределенным лагом и модели авторегрессии могут быть взаимосвязаны, что требует в некоторых случаях перехода от одной модели к другой.