Спецификация и структура модели

В эконометрике предполагают, что ошибки измерения сведены к минимуму, рассматривая главным образом ошибки спецификации модели. Под спецификацией модели понимают выбор того или иного вида функциональной зависимости (уравнения регрессии), что не столь просто, т.к. часто одни и те же данные могут на первый взгляд одинаково хорошо приближаться различными кривыми (функциями). Однако же величина случайных ошибок не будет одна и та же для таких спецификаций модели, и сведение остаточного члена к минимуму позволяет выбрать наилучшую спецификацию.

Помимо выбора спецификации модели не менее важно также правильное описание структуры модели, в частности, для зависимости данных о временном ряде. Значение результативного признака может зависеть не от фактического значения объясняющей переменной, а от значения, которое ожидалось в предыдущем периоде. Тогда, если ожидаемое и фактическое значения тесно связаны, то будет казаться, что между результативным признаком и объясняющей переменной имеется зависимость, хотя в действительности это всего лишь приближение (аппроксимация) и расхождение опять будет связано с наличием остаточного случайного члена.

Описанная выше простейшая регрессионная модель всего лишь с двумя переменными входит в класс регрессионных моделей с одним уравнением, в которых одна объясняемая переменная представляется в виде функции от нескольких независимых (объясняющих) переменных и параметров. Таким образом, этот класс включает модели множественной регрессии.

Более простыми, в некотором смысле, являются модели временных рядов, включающие модели тренда (основная тенденция развития), сезонности (периодических компонентов), а также более сложные модели авторегрессии, адаптивного прогноза, скользящего среднего и др. Все они объясняют поведение временного ряда, исходя только из его предыдущих значений. эконометрический моделирование корреляционный управление Значительно более общими, чем два описанных выше класса, являются модели, описываемые системами уравнений, — системы одновременных уравнений. В этих уравнениях кроме объясняющих переменных в правых частях могут находиться также и объясняемые переменные из других уравнений, т. е. отличные от объясняемой переменной, стоящей в левой части данного уравнения.

Кроме того, при моделировании экономических процессов рассматриваются два типа данных: пространственные данные и временные ряды. Примеры пространственных данных даются набором сведений по разным фирмам в один и тот же момент времени или данными по курсам валют по обменным пунктам. Временные данные — это ежеквартальные данные по инфляции, средней зарплате, национальному доходу, денежной эмиссии за последние годы и т. п.

При использовании отдельных уравнений регрессии, как правило, предполагается, что аргументы (факторы) можно изменять независимо друг от друга, хотя в действительности их изменения не независимы, а изменение одной переменной чаще всего влечет за собой изменения во всей системе признаков, т.к. они являются взаимосвязанными. Таким образом, необходимо уметь описывать структуру связей между переменными с помощью системы одновременных уравнений, которые еще называются структурными уравнениями.