1. Идентифицируемость кейнсианской модели формирования доходов (пример 6.1) можно вывести из следующих соображений. Применяя МНК к системе приведенных уравнений (6.7), можно найти оценки их параметров l 0, l 1, l 2. Зная данные оценки, несложно определить оценки параметров a и b структурной модели (6.1), так как в силу (6.8) a = l 2/ l 1, b = l 0/ l 1.
2. Применим аналогичные рассуждения к модели спроса и предложения (6.2). Оценки параметров l 0, l 1, l 2, l 3 приведенной системы (6.9) можно получить с помощью МНК. Однако этого недостаточно для оценки пяти параметров a 0, a 1, a 2, b 0, b 1 системы структурных уравнений (6.2). Мы сможем определить параметры b 0 и b 1 функции предложения (6.2.2), используя соотношения (6.10): b 1 = l 1/ l 3, b 0 = l 0 – b 1 l 2. Однако a 0, a 1, a 2 определить однозначно невозможно. Для этого требуется некоторое доопределение модели.
3. Заметим, что проблема идентифицируемости – это проблема количества информации. В случае сверхидентифицируемости имеет место ситуация переопределенности, т.е. как бы «слишком много» информации, и противоречивость этой информации не позволяет получить искомое решение.
|
|
Между тем в ситуации неидентифицируемости информации «слишком мало», что дает возможность существованию нескольких различных решений.3
Оценка систем уравнений
Непосредственное применение МНК для каждого из уравнений системы одновременных уравнений приводит, вообще говоря, к получению смещенных и несостоятельных оценок. Обычно это происходит вследствие коррелированности одной или нескольких объясняющих переменных со случайным отклонением.
В силу невозможности получения на основе «обычного» МНК качественных параметров системы одновременных уравнений необходимо использовать другие методы получения «хороших» оценок.