<<
>>

12.2. Спецификация модели

В предыдущих главах мы использовали различные диагностические тесты, проверяющие адекватность спецификации регрессионной модели. Мы рассмот­рели тесты спецификации объясняющих переменных: /-тест объясняющей спо­собности (и следовательно, желательности включения в модель) отдельных объясняющих переменных и /'-тест объясняющей способности группы объяс­няющих переменных.
Были рассмотрены тесты адекватности спецификации ос­таточного члена: тест на автокорреляцию и тест на гетероскедастичность. Была предложена процедура, которая может использоваться как тест на функциональ­ную форму зависимости: процедура Бокса—Кокса для определения наиболее подходящего вида преобразования переменных (внутри заданного класса пре­образований). И это лишь небольшая часть всех диагностических тестов, приме­няемых на практике.

Общая стратегия исследования, которая неявно использовалась нами до настоящего времени, может быть обобщена следующим образом:

1. На основании экономической теории, опыта и интуиции сформи­ровать предварительную модель.

2. Подобрать имеющиеся данные и оценить параметры модели.

3. Провести диагностические тесты.

4. Если хотя бы один из тестов указывает на неадекватность специфи­кации модели, пересмотреть ее с целью устранения этой неадекватно­сти.

5. Когда спецификация оказывается удовлетворительной, поздравить себя с решением поставленной задачи и закончить работу.

Опасность этой стратегии (и «опасность» здесь — вполне подходящее слово) заключается в том, что причина, по которой окончательная версия модели окажется удовлетворительной, — искусная подгонка спецификации модели к имеющемуся набору данных, а вовсе не соответствие реальной модели. Эконо- метрическая литература заполнена двумя видами неявных свидетельств в пользу того, что это происходит все время, особенно с моделями, оцениваемыми на временных рядах, и в частности с моделями, отражающими макроэкономи­ческие взаимосвязи.

Часто случается, что исследователи, анализирующие одно и то же явление, но имеющие доступ к различным источникам данных, стро­ят внутренне согласованные, но абсолютно несравнимые модели; часто слу­чается также, что модели, выдержавшие диагностические тесты на выборке, имеют крайне малую прогностическую способность. Особенно выделяется с обеих этих точек зрения литература, посвященная моделированию совокуп­ных инвестиций. Еще одно свидетельство, если таковые все же необходимы, предоставляется экспериментами, показывающими, что совсем не сложно построить бессмысленные модели, выдерживающие все условные проверки (см. работу Дж. Пича и Дж. Уэбба [Peach, Webb 1983]). Как следствие все боль­ше возрастает осознание того, что тесты позволяют отклонить лишь совер­шенно неверно специфицированные модели, и тот факт, что модель выдер­жала их, не может служить гарантией ее правильности.

«Но как насчет тестов на предсказательную способность модели, описанных в главе 10?» — спросите вы. Там модель подвергалась оценке своей способно­сти соответствовать новым данным. С этими тестами возникает две проблемы. Во-первых, их эффективность довольно низка. Вполне возможно, что плохо специфицированная модель будет соответствовать наблюдениям периода пред­сказания, и нулевая гипотеза о стабильности модели не будет отвергнута, осо­бенно если период предсказания невелик. «Хорошо», — скажете вы, удлиняя период предсказания и укорачивая период выборки. Это действительно мо­жет оказаться правильным направлением анализа, но здесь снова возникает проблема, особенно если выборка малая. Укорачивая период выборки, вы по­низите соответствие модели выборочным данным, и определить, насколько существенно отличается ее поведение в период предсказания, будет еще труд­нее.

Другая проблема с тестами на стабильность предсказаний — вопрос, что делать

исследователю, если тест не удался. Понятно, что было бы неправильно закон­чить работу в этой точке, признав свое поражение. Естественное направление действий — продолжать переделывать модель, пока она не пройдет, и данный тест, однако после этого тест является не более «честным», чем тесты на пери­оде выборки.

Такое неудовлетворительное положение дел порождает интерес к двум взаимосвязанным вопросам: возможности отклонения некоторых из кон­курирующих моделей в результате сравнения их друг с другом и возможности принятия более систематической исследовательской стратегии, которая позво­лила бы сразу же исключить построение неадекватных моделей.

Сравнение альтернативных моделей

(12.8) (12.9) (12.10) (12.11)

Техника сравнения альтернативных моделей может быть достаточно слож­ной, и здесь мы ограничимся очень кратким частичным рассмотрением неко­торых вопросов. Начнем с введения различия между включенными и невклю- ченными моделями. Одна модель называется включенной в другую, если первая модель может быть получена из второй путем наложения некоторых ограниче­ний. Две модели называются невключенными (друг в друга), если ни одна из них не может быть представлена как ограниченная версия другой. Ограничения могут касаться любого аспекта спецификации модели, но в данном случае мы рас­смотрим лишь ограничения, накладываемые на параметры объясняющих пере­менных в модели, состоящей из одного уравнения. Проиллюстрируем это на примере функции потребления домашних хозяйств, анализируемой в главах 7 и 10. В этих главах рассматривались три динамические модели: модель с лаговой зависимой переменной (обозначим ее как модель В); оценка Прайса—Уин- стена статической модели (модель С); модель с лаговыми значениями всех пе­ременных и без ограничений на ее параметры (модель А). Добавим для полно­ты картины простую статическую модель (модель /)):

(A) уг= Х0 + Х^ + + Х^ + Х

<< | >>
Источник: Доугерти К.. Введение в эконометрику: Пер. с англ. — M.: ИНФРА-М, — XIV, 402 с.. 1999

Еще по теме 12.2. Спецификация модели:

  1. 6.1. Спецификация модели
  2. 7.9. Автокорреляция как следствие неправильной спецификации модели
  3. 12.8. Спецификация модели: от частного к общему или от общего к частному?
  4. 21.2. Спецификация и защита прав собственности
  5. 8.2. Подходы к спецификации прав собственности
  6. СПЕЦИФИКАЦИИ ETHERNET
  7. 6.СПЕЦИФИКАЦИЯ ПЕРЕМЕННЫХ РЕГРЕССИИ: П РЕДВАРИТЕЛЬНОЕ РАССМОТРЕНИЕ
  8. 6. СПЕЦИФИКАЦИЯ ПЕРЕМЕННЫХ В УРАВНЕНИЯХ РЕГРЕССИИ: ПРЕДВАРИТЕЛЬНОЕ РАССМОТРЕНИЕ
  9. Взаимосвязь моделей АБ-АБ и 1Б-ЬМ. Основные переменные и уравнения модели 1Б-1*М. Вывод кривых /5 и ЬМ. Наклон и сдвиг кривых 1Б и ЬМ. Равновесие в модели 1Б-ЬМ
  10. 3.2. Спецификация и «размывание» прав собственности. расщепление прав собственности
  11. 53. МОДЕЛЬ КУРНО. МОДЕЛЬ КОНКУРЕНТНЫХ РЫНКОВ
  12. Глава 3Метод дисконтированного денежного потока, модели капитализации постоянного дохода, модель Гордона
  13. 10.МОДЕЛИ ДВОИЧНОГО ВЫБОРА, МОДЕЛИ С ОГРАНИЧЕНИЯМИ ДЛЯ ЗАВИСИМОЙ ПЕРЕМЕННОЙ И ОЦЕНИВАНИЕ МЕТОДОМ МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
  14. § 3. Модель общества и модель человека: грани единого
  15. б) Модель оценки капитальных активов (модель САРМ)
  16. МОДЕЛЬ 14: МОДЕЛЬ ИНТЕРНЕТ – БИЗНЕСА
  17. МАТЕМАТИЧЕСКИЙ ВЫВОД МОДЕЛИ БАУМОЛЯ-ТОБИНА И ПОРТФЕЛЬНОЙ МОДЕЛИ ТОБИНА
  18. МАТЕМАТИЧЕСКИЙ ВЫВОД МОДЕЛИ БАУМОЛЯ-ТОБИНА И ПОРТФЕЛЬНОЙ МОДЕЛИ ТОБИНА
  19. 27. ОСНОВНЫЕ ЭТАПЫ РАЗРАБОТКИ ФИНАНСОВОЙ МОДЕЛИ {БЮДЖЕТОВ) БИЗНЕС‑ПЛАНА. ПОДГОТОВКА НЕОБХОДИМОЙ ИСХОДНОЙ ИНФОРМАЦИИ ДЛЯ РАЗРАБОТКИ ФИНАНСОВОЙ МОДЕЛИ
  20. Модель совокупного спроса и совокупного предложения - модель AD-AS