4.5. Динамические эконометрические модели

При исследовании экономических процессов нередко приходится модели-ровать ситуации, когда значение результативного признака в текущий момент времени t формируется под воздействием ряда факторов, действовавших в прошлые моменты времени t- 1, t- 2, ..., t- l.

Величину l, характеризующую запаздывание в воздействии фактора на результат, называют в эконометрике лагом, а временные ряды самих факторных переменных, сдвинутые на один или более моментов времени, - лаговыми переменными.

Эконометрическое моделирование охарактеризованных выше процессов осуществляется с применением моделей, содержащих не только текущие, но и лаговые значения факторных переменных. Эти модели называются моделями с распределенным лагом. Модель вида

yt = а + b0 • xt + b1 • x—1 + b2 • x—2 + et (4.11)

является примером модели с распределенным лагом.

Решение ряда задач макроэкономики требует ответа на вопрос - какое воздействие окажут значения управляемых переменных текущего периода на будущие значения экономических показателей. Например, как повлияют инвести-ции в промышленность на валовую добавленную стоимость этой отрасли экономики будущих периодов? Т. е. исследуются ситуации, когда на величину зависимой переменной текущего периода могут оказывать влияние ее значения в прошлые моменты или периоды времени. Эти процессы обычно описывают с помощью моделей регрессии, содержащих в качестве факторов лаговые значе-

ния зависимой переменной, которые называются моделями авторегрессии.

Модель вида

У, = а + b0 • X, + С1 • yt-1 +et (4Л2)

относится к моделям авторегрессии.

Таким образом, выделяют два основных типа динамических эконометри- ческих моделей:

модели авторегрессии;

модели с распределенным лагом, в которых значения факторной переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель.

Построение моделей с распределенным лагом и моделей авторегрессии имеет свою специфику. Во-первых, оценка параметров моделей авторегрессии, а в большинстве случаев и моделей с распределенным лагом не может быть произведена с помощью обычного МНК ввиду нарушения его предпосылок и требует специальных статистических методов. Во-вторых, исследователям при-ходится решать проблемы выбора оптимальной величины лага и определения его структуры. Наконец, в-третьих, между моделями с распределенным лагом и моделями авторегрессии существует определенная взаимосвязь, и в некоторых случаях необходимо осуществлять переход от одного типа моделей к другому.