Transcript Modele dynamiczne - Wydział Zarządzania
D. Ciołek
Metody badawcze
Dynamiczne modele ekonometryczne.
dr Dorota Ciołek
Katedra Ekonometrii Wydział Zarządzania UG http://wzr.pl/dc
1
D. Ciołek
Dynamiczny model ekonometryczny
Modele statyczne opisują relację miedzy zmienną endogeniczną
y t
a zmiennymi egzogenicznymi na zmianę zmiennej
x
.
x
w tym samym okresie czasu – natychmiastowa reakcja zmiennej
y t
W rzeczywistości gospodarczej spotykamy się z różnego typu odroczonymi w czasie reakcjami pomiędzy zmiennymi ekonomicznymi.
Model dynamiczny - w zbiorze zmiennych objaśniających występują opóźnione zmienne endogeniczne, opóźnione zmienne egzogeniczne lub zmienna czasowa
t
. Nie wszystkie wymienione kategorie zmiennych muszą występować jednocześnie.
2
D. Ciołek
Rodzaje modeli dynamicznych
1. Model tendencji rozwojowej:
y t
0 1
t
2
t
2
t
w roli zmiennej objaśniającej występuje zmienna czasowa t – trend deterministyczny.
2. Model z rozłożonymi opóźnieniami (ang. distributed lags model)
DL(q)
(np. z jedną zmienną egzogeniczne):
y t
0 0
x t
1
x t
1 2
x t
2 ...
q x t
q
t
opisuje zależność zmiennej endogenicznej
y t
od bieżących i przeszłych zmian zmiennej (zmiennych) egzogenicznych
x
.
3
D. Ciołek
Rodzaje modeli dynamicznych
3. Model autoregresyjny
y t
0 1
y t
1
AR(p)
: 2
y t
2 ...
p y t
p
t
bieżące wartości zmiennej
y
przeszłości. zależą od realizacji tej zmiennej w 4. Model autoregresejnymi z rozłożonymi opóźnieniami
ADL(p,q)
:
y t
0 1
y t
1 0
x t
2
y t
2 1
x t
1
...
2
x t
2
p y t
p
...
q x t
q
t
w roli zmiennych objaśniających występuje zmienna endogeniczna z okresów poprzednich oraz zmienna egzogeniczna z tego samego okresu i z okresów poprzednich.
4
D. Ciołek
Interpretacja w modelach dynamicznych
Modele dynamiczne nie mogą być interpretowane w taki sam sposób jak modele statyczne.
Przeprowadza się tzw. analizę mnożnikową: mnożnik natychmiastowy, mnożniki opóźnione indywidualne, mnożniki opóźnione skumulowane, mnożnik długookresowy.
Analiza mnożnikowa opisuje zawsze wpływ zmiennej egzogenicznej na zmienną endogeniczną.
Dla każdej zmiennej egzogenicznej wyznacza się oddzielną grupę mnożników.
5
D. Ciołek
Model z rozłożonymi opóźnieniami
Ogólny zapis modelu:
y t
0 0
x t
1
x t
1 2
x t
2
...
q x t
q
t
; (
i
0 , 1 , opóźnionymi rzędu ...,
i
.
q
) (natychmiastowym, bezpośrednim).
Informuje, o ile średnio zmieni się zmienna
y
jeżeli zmienna
x
w okresie bieżącym, w tym samym okresie wzrośnie o jednostkę, przy założeniu, że w pozostałych okresach wartość
x
zmieniła się.
nie
6
D. Ciołek
Model z rozłożonymi opóźnieniami
Mnożnik indywidualny opóźniony rzędu
i
:
i
określa, jak zmieni się zmienna
y
w okresie bieżącym jeżeli
i
okresów wcześniej (w okresie ( poziomu.
t - i
)) zmienna
x
wzrosła o jednostkę i w kolejnych okresach powróciła do poprzedniego Mnożnik skumulowany opóźniony rzędu
i
mnożników indywidualnych:
s
0 0
s
1
s
2 0 0 1 1
s
0 2 1
s
1 2 jest sumą
i
s i
i j
0
j
s i
1
i
7
D. Ciołek
Model z rozłożonymi opóźnieniami
Mnożnik skumulowany opóźniony rzędu
i
s i
określa, jak zmieni się zmienna
y
w okresie bieżącym jeżeli
i
okresów wcześniej (w okresie (
t - i
)) zmienna
x
wzrosła o jednostkę i w kolejnych okresach utrzymała się na nowym poziomie (utrwalona zmiana zmiennej egzogenicznej).
Do wszystkich interpretacji mnożników: Jeżeli w modelu występuje więcej zmiennych egzogenicznych w interpretacji musimy dodać założenie, że w tym samym czasie pozostałe zmienne pozostaną na niezmienionym poziomie.
8
D. Ciołek
Model z rozłożonymi opóźnieniami
Mnożnik długookresowy – parametr równowagi długookresowej:
q i
0
i
Jeśli długookresowy poziom zmiennej egzogenicznej
x
wzrasta o jednostkę, to odpowiada temu zmiana długookresowego poziomu zmiennej endogenicznej
y
o
δ
jednostek. Relacja długookresowa – długookresowa postać modelu:
y
0
x
Podstawowy problem w modelach właściwego stopnia maksymalnego opóźnienia w modelu – czyli określenie rzędu
q
.
DL
polega na ustaleniu
9
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami
ADL(p, q):
y t
0 1
y t
1 0
x t
2
y t
2 1
x t
1
...
2
x t
2
p y t
p
...
q x t
q
t
ADL(1, 0):
y t
0 | | 1 1
y t
1 0
x t
t
; (
t
2 ,....,
T
)
Interpretacja modelu polega na wyliczeniu mnożników.
10
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami Mnożnik krótkookresowy:
0 0 Pokazuje jak w bieżącym okresie zmienna endogeniczna zależy od jednostkowej zmiany zmiennej egzogenicznej, przy założeniu stałości pozostałych czynników.
Mnożniki indywidualne opóźnione:
i
i
1 0 mnożnik
i
-tego rzędu.
Jeżeli w okresie
t - i x
(
i
okresów przed okresem bieżącym) zmienna wzrośnie o jednostkę i w kolejnych okresach powróci do poprzedniego poziomu, to zmienna endogeniczna
y
bieżącym będzie wyższa o
π i
jednostek.
w okresie
11
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami Mnożniki skumulowane opóźnione:
s i
0 1 2
i
i j
0
j
Jeżeli w okresie
t - i x
(
i
okresów przed okresem bieżącym) zmienna wzrośnie o jednostkę i w kolejnych okresach utrzyma się na tym nowym poziomie, to zmienna endogeniczna
y
bieżącym będzie wyższa o
π i
jednostek.
w okresie
12
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami
Zakładamy, że istnienie równowaga długookresowa, czyli:
x
E
t
t
t
1 Model
ADL(1,0)
y
0 zapiszemy następująco: 1
y
0
x
zatem:
y
( 1 1 ) 0 0
x
y
1 0 1 1 0 1
x
1 1 1
13
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami Długookresowa postać modelu – relacja długookresowa:
y
0 *
x
* Długookresowy wyraz wolny:
Mnożnik długookresowy:
0 * 1 0 1 1 0 1 Jeśli długookresowy poziom zmiennej egzogenicznej
x
wzrasta o jednostkę, to odpowiada temu zmiana długookresowego poziomu zmiennej endogenicznej
y
o
δ
jednostek.
14
D. Ciołek
Model autoregresyjny z rozłożonymi opóźnieniami
ADL(1, 1):
y t
0 1
y t
1 0
x t
Mnożnik krótkookresowy: 0 0 1
x t
1
t
;
Mnożniki indywidualne opóźnione:
i
i
1 0
i
1 1 1 ; Mnożnik długookresowy: 1 0 1 1
(
t
2 ,....,
T
)
15
D. Ciołek
Przykład:
Makroekonomiczna funkcja konsumpcji
Celem badania jest analiza konsumpcji globalnej w Polsce w latach 1970-2000. Znane są wartości konsumpcji globalnej (w mld $) oraz dochodu globalnego (w mld $) w tych latach. Dane pochodzą z Penn World Tables i wyrażone są w cenach stałych z roku 1996. W badaniu opieramy się na ekonomicznej teorii konsumpcji: C = f (Y).
Konsumpcja i PKB w Polsce w latach 1970-2000.
500 450 400 350 300 250 200 150 100 50 0 Konsumpcja PKB
16
D. Ciołek
Przykład:
Makroekonomiczna funkcja konsumpcji
Model makroekonomicznej funkcji konsumpcji wynikający z teorii trwałego dochodu (teorii permanentnego dochodu):
C t
0 1
Y t
2
C t
1
t
Przy pomocy MNK oszacowano parametry strukturalne powyżego modelu dla 31 obserwacji rocznych z okresu 1970-2000:
C t
(
9 , 7334
13 , 574 ) (
0 ,
2398
0 , 0794 )
Y t
0
(
, 70360
0 , 09078 )
C t
1
ˆ
t
Wyznaczone zostały również następujące miary i statystyki testów:
R
2 0 , 944
R
2 0 , 939 ˆ 12 , 29
C
221 , 92
JB =
4,56 [0,522]
V
ˆ
C W =
3,52 [0,080] 100 % 12 , 29 221 , 92 100 5 , 538 %
DW
= 1,4597
17
D. Ciołek
Przykład:
Makroekonomiczna funkcja konsumpcji
Badanie autokorelacji składników losowych: Test h-Durbina:
H H A
0 : : 1 1 0 0
h
ˆ
1
T
1
T
ˆ
2
(
ˆ
1
)
DW
ˆ
2 1 ˆ 1 2 1 czyli
( 0 , 09078 )
2 ˆ 1 1
DW
2
0 , 00824
1 1 , 4597 2 0 , 27015
h
0 , 27015 1 31 31 0 , 00824 1 , 74 Wartość krytyczna:
z
z
0 , 05 1 , 96
18
D. Ciołek
Przykład:
Makroekonomiczna funkcja konsumpcji
Mnożnik krótkookresowy: 0 0 , 2398 Mnożniki indywidualne opóźnione: 1 0 , 2398 0 , 7036 0 , 1687 2 0 , 2398 0 , 7036 2 0 , 1187 3 0 , 2398 0 , 7036 3 0 , 0838 Mnożniki skumulowane opóźnione:
s
0 0 0 , 2398
s
1 0 , 2398 0 , 1687 0 , 4085
s
2 0 , 2398 0 , 1687 0 , 1187 0 , 5272
s
3 0 , 2398 0 , 1687 0 , 1187 0 , 0838 0 , 611
19
D. Ciołek
Przykład:
Makroekonomiczna funkcja konsumpcji
Postać długookresowa modelu:
C
1
0 1
1
0 1
Y
*
C
1 9 , 7334 0 , 7036 0 , 2398 1 0 , 7036
Y
*
C
32 , 8387 0 , 809
Y
* Mnożnik długookresowy: 0 , 809 ˆ 1
20
D. Ciołek
Dynamiczne Modele Panelowe
Załóżmy, że mamy panelowy model autoregresyjny z efektami indywidualnymi: y it α i γy i, t 1 u it Sprawdźmy, czy możliwe jest oszacowanie powyższego modelu za pomocą poznanych estymatorów: RE, FE i FD. a) Estymator RE Zauważmy, że zmienna y i,t-1 jest zmienną objaśnianą w równaniu modelu dla obserwacji z okresu t-1 : y i, t 1 α i γy i, t 2 u i, t 1 Widać, że zmienna ta zależy od efektu indywidualnego - metoda RE nie może być wykorzystana. Copyright by Dorota Ciołek i -
21
D. Ciołek
Dynamiczne Modele Panelowe
b) Estymator FE - within Przy założeniu, że w wektorze zmiennych objaśniających znajduje się jedynie wartość opóźnionej zmiennej objaśnianej, postać estymatora można zapisać jako: γˆ FE i t i y t it y y i, t i 1 y i, t y 1 i, 1 2 y i, 1 Podstawiając wzór modelu autoregresyjnego do licznika powyższego wzoru otrzymujemy: γˆ FE γ i t i u t it y u i, t i 1 y i, y t 1 i, 1 2 y i, 1 Copyright by Dorota Ciołek
22
D. Ciołek
Dynamiczne Modele Panelowe
Estymator byłby nieobciażony gdyby drugi czynnik był równy zero. Można jednak wykazać, że granica stochastyczna licznika równa jest: plim N i t u it u i y i, t 1 y i, 1 δ 2 ε T 2 (T 1) Tγ (1 γ) 2 γ T 0 Oznacza to, że: Powyższe wyrażenie jest zbieżne do zera przy T dążącym do nieskończoności, czyli przy długich szeregach.
Najczęściej, gdy szeregi są dość krótkie (nawet gdy T=10) estymator jest znacznie obciążony!
23
Copyright by Dorota Ciołek
D. Ciołek
Dynamiczne Modele Panelowe
c) Estymator FD Zauważmy, że postać będąca podstawą do zastosowania tej metody w przypadku rozpatrywanego modelu autoregresyjnego jest następująca: y it y i, t 1 γ(y i, t 1 y i, t 2 ) (u it u i, t 1 ) Niestety, zmienna objaśniająca nie jest niezależna od składnika losowego.
Fakt wystąpienia zależności między zmienną (zmiennymi) objaśniającymi a zmienną objaśnianą sugeruje możliwość zastosowania metody zmiennych instrumentalnych. Copyright by Dorota Ciołek
24
D. Ciołek
Dynamiczne Modele Panelowe
Modele dynamiczne szacowane są przy pomocy pewnej wersji UMZI – estymator UMM zaproponowany przez Arellano i Bonda (1991) Szacując najprostszy model autoregresyjny postaci: y it α i γy i, t 1 u it zapisujemy go w postaci pierwszych różnic: y it y i, t 1 γ(y i, t 1 y i, t 2 ) (u it u i, t 1 ) Szukamy instrumentu dla zmiennej (y i, t 1 y i, t 2 ) Jeżeli składnik losowy nie wykazuje autokorelacji, to właściwym instrumentem w tym przypadku jest zmienna
y i,t-2
.
25
Copyright by Dorota Ciołek