На основе обычного МНК невозможно получить на основе качественных оценок параметров системы одновременных уравнений.
Алгоритм косвенного метода наименьших квадратов:
· Структурная модель преобразовывается в приведенную форму модели. Прим:
· Для каждого уравнения приведенной формы модели обычным МНК оцениваются приведенные коэффициенты;
· Коэффициенты приведенной формы модели трансформируются в параметры структурной формы модели.
Недостаток: если уравнение сверхидентифицируемо, то один и тот же структурный коэффициент допускает разные выражения через коэфф приведенной формы.
Двухшаговый МНК состоит в том, что оценивают параметры отдельного уравнения системы, а не рассматривают сис-му в целом.
Алгоритм двухшагового метода наименьших квадратов:
Обозначим:
и перепишем в виде:
1) проводится регрессия каждого столбца матрицы на все экзогенные переменные, т.е. рассматривается регрессия
, где П1 матрица коэфф приведенной формы;
2) строится прогнозное значение , где
|
|
3) осуществляется регрессия с заменой в правой части на т.е. строятся МНК-оценки структурных параметров и регрессии
Применение ДМНК будет эффективным лишь в том случае, когда коэффициент детерминации R2 для приведенных уравнений, построенных на первом этапе, будет достаточно высоким. В этом случае инструментальные переменныев очень малой степени коррелируют со случайным отклонением и будут близки к истинному значению (r) заменяемых переменных.