Идентификация структурной модели

Идентификация модели-это соответствие между приведенной и структурной формами модели,позволяющие однозначно оценить структурные коэффициенты по приведенным коэффициентам модели. В структурной модели из n эндогенных и m экзогенных переменных в каждом уравнении системы общее число структурных коэффициентов составит n(n-1+m). Приведенная форма модели из n эндогенных и m экзогенных переменных содержит nm параметров. По идентифицируемости структурные модели делятся на три класса: идентифицируемые (D-1=H), неидентифицируемые(D-1<H), сверхидентифицируемые(D-1>H). чтобы уравнение, входящее в систему одновременных уравнений, было идентифицируемо, необходимо и достаточно, чтобы ранг матрицы коэффициентов по отсутствующим в нем переменным был на единицу меньше числа эндогенных переменных, в системе и определитель этой матрицы не был равен нулю.

Стационарные временные ряды и их основные характеристики

Во многих экономических задачах в качестве источников информации широко используют временные ряды. Временной ряд может быть изолированным, т.е. изучается 1 временной ряд, и по данным численности занятых строится модель динамики численности занятых или системы взаимосвязанных рядов, т.е. 1 из рядов рассматривается как моделируемый объект, другие-его факторы. Например строится модель прибыли в зависимости от объема реализации, численности работающих, фондовооруженности труда.составными компонентами временного ряда являются:уровни ряда, тенденция ряда, периодические и случайные колебания. Уровнем ряда является конкретное значение результата. Тенденция определяет основное направление развития явления за длительный период времени. Период колебания – это колебания вызванные особенностями существования явления в одни периоды, по сравнению с другими. Случайные колебания связаны с воздействием разного рода второстепенных факторов.

Временной ряд можно представить в виде: yt=d(T,P,E). Временные ряды могут быть разные. В одних отсутствует тенденция, в других период колебания. Временной ряд называют стационарным, если совместное распределение n наблюдений не зависит от сдвига по времени, т.е. среднее арифметическое, дисперсия и ковариация не зависят от момента времени.