Modele wielorównaniowe. Problem identyfikacji
Ekonometria Szeregów Czasowych – SGH
Andrzej Torój
Plan wykładu
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Prezentacja dostępna pod adresem
http://web.sgh.waw.pl/~atoroj/
Problem identyfikacji
Specyfikacja modelu
Estymacja Identyfikacja parametrów
postaci strukturalnej
y
tA + x
tB = ε
ty
t= x
t(−1) BA
−1| {z }
Π
+ ε
tA
−1| {z }
vt
−BA
−1= Π
postać strukturalna
postać zredukowana postać
strukturalna
Elementy macierzy B i A nie zawsze można zidentyfikować na
podstawie macierzy Π. Z czego wynika ewentualny brak tej
możliwości i pod jakimi warunkami identyfikacja jest możliwa?
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Przykład 1
Rozważmy model konkurencyjnego rynku pozostającego w równowadze, składający się ze stochastycznych równań popytu i podaży oraz tożsamości będącej warunkiem równowagi:
d
t= α
0− α
1p
t+ ε
dts
t= β
0+ β
1p
t+ ε
std
t= s
t(≡ q
t)
gdzie d - popyt, s - podaż, α
1, β
1> 0, α
0> β
0. Zmienne endogeniczne to q
ti p
t. Po uwzględnieniu tożsamości zapisujemy postać strukturalną:
( q
t+ α
1p
t− α
0= ε
dtq
t− β
1p
t− β
0= ε
stq
tp
t1 1
α
1−β
1+ [1]
−α
0−β
0= ε
dtε
stPostać zredukowana:
q
tp
t= −
|{z}
[1]
−α
0−β
0| {z }
1×2
1 1
α
1−β
1 −1| {z }
2×2
| {z }
1×2
+
+
ε
dtε
st1 1
α
1−β
1 −1=
= [1]
π
1π
2+ v
1v
2π
1π
2= −
−α
0−β
01 1
α
1−β
1 −1=
=
α−11+β1
α
0β
0−β
1−1
−α
11
=
= h
α0β1+β0α1 α1+β1
α0−β0 α1+β1
i
Rozważmy
α 0
β 0
α 1 β 1
=
4 2 1 1
oraz
α 0 0 β 0 0 α 0 1 β 0 1
=
5 1 2 2
. Oba wektory
mogłyby wynikać z oszacowania wektora parametrów postaci zredukowanej
π 1
π 2
=
3 1
. Żaden z parametrów postaci
strukturalnej nie jest identyfikowalny.
Przykład 2
Równanie popytu w tym samym modelu uzupełniamy o dochód rozporządzalny konsumentów y t z parametrem α 2 .
d
t= α
0− α
1p
t+ α
2y
t+ ε
dts
t= β
0+ β
1p
t+ ε
std
t= s
t(≡ q
t) Postać strukturalna:
( q
t+ α
1p
t− α
0− α
2y
t= ε
dtq
t− β
1p
t− β
0= ε
stq
tp
t1 1
α
1−β
1+
1 y
t−α
0−β
0−α
20
= ε
dtε
stPostać zredukowana:
q
tp
t= −
|{z}
1 y
t−α
0−β
0−α
20
| {z }
2×2
1 1
α
1−β
1 −1| {z }
2×2
| {z }
2×2
+
+
ε
dtε
st1 1
α
1−β
1 −1=
=
1 y
tπ
11π
12π
21π
22+
v
1v
2π
11π
12π
21π
22= −
−α
0−β
0−α
20
1 1 α
1−β
1 −1=
"
α0β1+β0α1α1+β1
α0−β0 α1+β1 α2β1
α1+β1
α2 α1+β1
#
Po rozszerzeniu specyfikacji parametry równania podaży stały się identyfikowalne:
β 1 = π π
21α 0 − β
220
α 1 + β 1
| {z }
π
12· (−β 1 )
| {z }
−
π21π22
+ α 0 β 1 + β 0 α 1
α 1 + β 1
| {z }
π
11= β 0
Niech β 0 = 1 i β 1 = 2:
π 11 π 12 π 21 π 22
=
" 2α
0
+α
1α
1+2
α
0−1 α
1+2 2α
2α
1+2 α
2α
1+2
# .
Zarówno dla
α 0
α 1
α 2
=
3 2 2
, jak i dla
α 0
α 1
α 2
=
5 6 4
,
spełniona jest równość Π =
2 1 2 1 1 2
. Parametry równania popytu
wciąż są zatem nieidentyfikowalne.
Przykład 3
Równanie podaży z przykładu 2 uzupełniamy o zasób kapitału wśród producentów na rozważanym rynku:
d
t= α
0− α
1p
t+ α
2y
t+ ε
dts
t= β
0+ β
1p
t+ β
2r
t+ ε
std
t= s
t(≡ q
t) Postać strukturalna:
( q
t+ α
1p
t− α
0− α
2y
t= ε
dtq
t− β
1p
t− β
0− β
2r
t= ε
stq
tp
t1 1
α
1−β
1+
1 y
tr
t
−α
0−β
0−α
20 0 −β
2
=
ε
dtε
stPostać zredukowana:
q
tp
t= −
1 y
tr
t
−α
0−β
0−α
20 0 −β
2
| {z }
3×2
1 1
α
1−β
1 −1| {z }
2×2
| {z }
3×2
+
+
ε
dtε
st1 1
α
1−β
1 −1=
=
1 y
tr
t
π
11π
12π
21π
22π
31π
32
+
v
1v
2
π
11π
12π
21π
22π
31π
32
= −
−α
0−β
0−α
20 0 −β
2
1 1
α
1−β
1 −1=
α0β1+β0α1 α1+β1
α0−β0 α1+β1 α2β1
α1+β1
α2 α1+β1
−α1β2 α1+β1
β2 α1+β1
β
0i β
1ustalamy jak wcześniej.
α
1= −
ππ3132
β
2= β
2α
1+ β
1| {z }
π32
·
α
1|{z}
−π31 π32
+ β
1|{z}
π21 π22
α
2= α
2α
1+ β
1| {z }
π22
·
α
1|{z}
−π31 π32
+ β
1|{z}
π21 π22
α
0= α
0− β
0α
0+ α
1| {z }
π12
α
0+ α
1|{z}
−π31 π32
+ β
0|{z}
f (Π)
⇒ α
0=
π121−πα1+β012
Po rozszerzeniu specyfikacji również parametry równania popytu stały się
identyfikowalne.
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Przykład 1: ilustracja graficzna
s(β
0,β
1) d(α
0,α
1)
d(α
0’,α
1’) s(β
0’,β
1’)
p q
s(β
0,β
1) d(α
0,α
1)
d(α
0’,α
1’) s(β
0’,β
1’)
p
q
Przykład 2: ilustracja graficzna
s(β
0,β
1) d(α
0,α
1,α
2y
1) d(α
0’,α
1’,α
2y
1)
p q
d(α
0,α
1,α
2y
2) d(α
0’,α
1’,α
2y
2) s(β
0,β
1)
d(α
0,α
1,α
2y
1) d(α
0’,α
1’,α
2y
1)
p q
d(α
0,α
1,α
2y
2)
d(α
0’,α
1’,α
2y
2)
Przykład 3: ilustracja graficzna
s(β
0,β
1,β
2r
1) d(α
0,α
1,α
2y
1)
p q
d(α
0,α
1,α
2y
2) s(β
0,β
1,β
2r
2)
s(β
0,β
1,β
2r
1) d(α
0,α
1,α
2y
1)
p q
d(α
0,α
1,α
2y
2)
s(β
0,β
1,β
2r
2)
Wnioski z przykładów
1
Brak identyfikowalności parametrów postaci strukturalnej wynika ze specyfikacji modelu.
2
Nie jest to w szczególności efekt zbyt krótkiej próby czy błędów w procesie estymacji.
3
Brak identyfikowalności parametrów postaci strukturalnej nie musi oznaczać, że model jest “zły”; oznacza jedynie, że na gruncie dostępnych danych nie jest możliwe ustalenie wartości poszczególnych jego parametrów.
Ewentualny brak identyfikowalności dotyczy wszystkich parametrów danego równania (por. przykłady 1, 2, 3). Stąd mówimy o
identyfikowalności równań, a gdy wszystkie równania są
identyfikowalne - o identyfikowalności modelu.
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Liczba identifykowanych parametrów
Liczba parametrów postaci strukturalnej Liczba parametrów postaci zredukowanej
AM×M
z}|{
M
2+
BK ×M
z}|{
KM +
Σε;M×M−symetryczna
z }| {
M (M + 1) · 1
2 ≥
ΠK ×M
z}|{
KM +
Σv;M×M−symetryczna
z }| {
M (M + 1) · 1 2 Różnica wynosi maksymalnie M
2.
W przykładzie 3 osiągnięcie identyfikowalności wymagało przyjęcia M 2 = 4 dodatkowych założeń:
1
o normalizacji ze względu na zmienną q t w pierwszym i drugim równaniu, stąd A 11 = 1 i A 12 = 1;
2
o wykluczeniu niektórych zmiennych z niektórych równań, stąd
B 22 = 0 i B 31 = 0.
Notacja
Postać strukturalna: y t A + x t B = ε t , A M×M , B K ×M , M zmiennych endogenicznych (o wartościach dla t w poziomym wektorze y t ), K zmiennych egzogenicznych (o wartościach dla t w poziomym wektorze x t ).
j -te równanie postaci strukturalnej: y t A [:,j ] + x t B [:,j ] = ε j ,t , gdzie
A [:,j ] , B [:,j ] to j-ta kolumna macierzy – odpowiednio – A i B. Ze
względu na normalizację w równaniu j oraz wykluczenie niektórych
zmiennych z tego równania klasyfikujemy jego zmienne i właściwe
im parametry:
Zmienne Ozn. Rodzaj Liczba Parametry y
jzmienna objaśniana w równaniu j ,
względem niej normalizacja
1 1
Endogeniczne bieżące
Y ˜
jzmienne występujące w równaniu j jako zmienne objaśniające
M ˜
jA ˜
[:,j ]˜ ˜
Y
jzmienne nie występujące w równaniu j jako zmienne objaśniające
˜ ˜
M
jA ˜ ˜
[:,j ]= 0
Z góry ustalone
X ˜
jzmienne występujące w równaniu j jako zmienne objaśniające
K ˜
jB ˜
[:,j ]˜ ˜
X
jzmienne nie występujące w równaniu j jako zmienne objaśniające
˜ ˜
K
jB ˜ ˜
[:,j ]= 0
Model w postaci zredukowanej
yj ,t ˜yj ,t ˜˜yj ,t
| {z }
yt
=
~xj ,t ˜˜xj ,t
| {z }
xt
1 z}|{
˜dj Mj˜ z }| { D(1)
˜˜ Mj z }| { D(2)} ˜Kj
˜˜
dj D(3) D(4)}K˜˜j
| {z }
Π
+h
vj ,t ˜vj ,t ˜ evj ,t i
| {z }
vt
Ponieważ Π = −BA−1czyli ΠA = −B, dla j-tej kolumny macierzy A i B możemy zapisać:
ΠA[:,j ]= −B[:,j ]
" d˜j D(1) D(2)
˜˜
dj D(3) D(4)
#
1 A˜[:,j ]
0
=
− ˜B[:,j ] 0
Stąd:
(˜ d
j+ D
(1)A ˜
[:,j ]= − ˜ B
[:,j ]} ˜ K
jrownan
˜ ˜
d
j+ D
(3)A ˜
[:,j ]= 0 } K ˜ ˜
jrownan z ˜ M
jparametrami (
D
(3)A ˜
[:,j ]= − d ˜ ˜
j} K ˜ ˜
jrownan z ˜ M
jniewiadomymi (∗) B ˜
[:,j ]= − ˜ d
j− D
(1)A ˜
[:,j ]}wzor na pozostale ˜ K
jparametrow Dla każdego równania (∀
j) możliwe są następujące przypadki:
1
K ˜ ˜
j< ˜ M
j⇒ nieskończenie wiele rozwiązań, parametry postaci strukturalnej równania j nie są identyfikowalne;
2
K ˜ ˜
j= ˜ M
j⇒dokładnie jedno rozwiązanie, identyfikowalność jednoznaczna;
3
K ˜ ˜
j> ˜ M
j⇒identyfikowalność nadmierna, można testować czy
sprzeczności są istotne statystycznie.
Warunek konieczny identyfikowalności
Warunkiem koniecznym identyfikowalności równania j jest K ˜ ˜
j≥ ˜ M
j, tzn. by liczba zmiennych egzogenicznych nie występujących w tym równaniu byłą przynajmniej taka, jak liczba zmiennych endogenicznych występujących w tym równaniu jako zmienne objaśniające.
Przykłady (c.d.):
1
K ˜ ˜
1= 0 < ˜ M
1= 1 – brak identyfikowalności równania 1
˜ ˜
K
2= 0 < ˜ M
2= 1 – brak identyfikowalności równania 2
2
K ˜ ˜
1= 0 < ˜ M
1= 1 – brak identyfikowalności równania 1
˜ ˜
K
2= 1 = ˜ M
2= 1 – równanie 2 jest identyfikowalne
3
K ˜ ˜
1= 1 = ˜ M
1= 1 – równanie 1 jest identyfikowalne
˜ ˜
K
2= 1 = ˜ M
2= 1 – równanie 2 jest identyfikowalne
Fakt: Warunek konieczny identyfikowalności jest spełniony dla wszystkich
równań modelu, jeżeli w każdym z nich występuje “własna”, unikalna zmienna
egzogeniczna.
Warunek wystarczający identyfikowalności
Warunkiem wystarczającym istnienia jednoznacznego
rozwiązania układu równań (∗) jest nie tylko K ˜ ˜ j = ˜ M j , lecz również pełen rząd kolumnowy (liniowa niezależność wszystkich kolumn) macierzy D (3) :
r
D (3)
= ˜ M j
Wniosek: warunek wystarczający identyfikowalności j-tego
równania zawiera w sobie warunek konieczny, bowiem przy K ˜ ˜ j < ˜ M j
liczba wierszy macierzy D (3) jest niższa od liczby kolumn, a taka
macierz nie może mieć ˜ M j kolumn liniowo niezależnych.
Metoda z tabelą
W praktyce spełnienie warunku koniecznego można również badać korzystając z następującej metody:
1
Zapisujemy parametry postaci strukturalnej (tzn. takiej, w której wszystkie zmienne z parametrami są po jednej stronie znaku równości) w tabeli, w której wiersze odpowiadają zmiennym endogenicznym
(równaniom), a kolumny - wszystkim zmiennym w modelu (parametry przyporządkowujemy tym zmiennym).
2
W celu sprawdzenia identyfikowalności parametrów j-tego równania wykreślamy z tabeli:
1
wiersz odpowiadający temu równaniu (j);
2
kolumny odpowiadające zmiennym, które są w tym równaniu (y
j ,t,
˜ y
j ,t, ˜ x
j ,t).
3
Sprawdzamy, czy macierz parametrów, która pozostała po wykreśleniach,
ma tyle liniowo niezależnych kolumn, ile wierszy.
Metoda z tabelą – przykłady 1, 2, 3
1
d
t= α
0− α
1p
t+ ε
dts
t= β
0+ β
1p
t+ ε
std
t= s
t1 d
ts
tp
tα
0-1 0 −α
1β
00 -1 β
10 1 -1 0
dla równania 1:
−1
−1
, dla równania 2:
−1 1
2 wiersze > 1 wektor - brak
identyfikowalności obu równań
2
d
t= α
0− α
1p
t+ α
2y
t+ ε
dts
t= β
0+ β
1p
t+ ε
std
t= s
t1 d
ts
tp
ty
tα
0-1 0 −α
1α
2β
00 -1 β
10
0 1 -1 0 0
dla równania 1:
−1
−1
2 wiersze > 1 wektor - brak identyfikowalności; dla
równania 2:
−1 α
21 0
2 wektory liniowo niezależne - równanie
identyfikowalne
3
d
t= α
0− α
1p
t+ α
2y
t+ ε
dts
t= β
0+ β
1p
t+ β
2r
t+ ε
std
t= s
t1 d
ts
tp
ty
tr
tα
0-1 0 −α
1α
20
β
00 -1 β
10 β
20 1 -1 0 0 0
dla równania 1:
−1 β
2−1 0
, dla równania 2:
−1 α
21 0
, 2 wektory liniowo
niezależne - oba równania identyfikowalne
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Restrykcje nakładane na parametry stochastyczne
W ogólnym przypadku symetryczna macierz wariancji-kowariancji wektora składników losowych postaci strukturalnej
Cov (ε) = E ε
Tε = Σ
εzawiera M (M + 1) ·
12różnych elementów, podobnie jak możliwa do oszacowania macierz wariancji-kowariancji wektora składników losowych postaci zredukowanej Cov (v ) = E v
Tv = E
εA
−1TεA
−1= E
A
−1Tε
TεA
−1= A
−1TΣ
εA
−1= Σ
v.
Założenie o wzajemnej niezależności składników losowych postaci strukturalnej pozwala umieścić zera na M (M + 1) ·
12− M niediagonalnych miejscach macierzy Σ
ε, co może pozwolić wykorzystać równanie A
−1TΣ
εA
−1= Σ
vw procesie identyfikacji
elementów macierzy A.
Przykład 1 (c.d.)
Załóżmy, że Σ ε =
σ 2 d 0 0 σ s 2
. Wówczas
Σ v =
σ 2 v ,1,1 σ 2 v ,1,2 . σ 2 v ,2,2
= A −1 T
Σ ε A −1 =
=
" β
1
α
1+β
1α
1α
1+β
11 α
1+β
1−1 α
1+β
1#
σ d 2 0 0 σ 2 s
" β
1
α
1+β
11 α
1+β
1α
1α
1+β
1−1 α
1+β
1#
=
=
1 α
1+β
12
β 1 2 σ d 2 + α 2 1 σ s 2 β 1 σ d 2 − α 1 σ s 2 . σ 2 d + σ s 2
2 z 3 równości wykorzystujemy do ustalenia σ d 2 oraz σ 2 s , trzecia zaś
ustanawia zależność między α 1 a β 1 . Ta zależność oraz dwie
równości π 1 = ... i π 2 = ... (por. wcześniej) to wciąż za mało, by
zidentyfikować 4 parametry postaci strukturalnej.
Przykład 2 (c.d.)
Wykorzystajmy założenie Σ
ε=
σ
d20 0 σ
s2w drugim modelu. Po uwzględnieniu trzeciej zależności miedzy α
1i β
1możemy zidentyfikować 3 parametry równania popytu na podstawie 3 równań.
Załóżmy, że wyniki estymacji parametrów postaci zredukowanej modelu 2 uzupełnimy o wyniki estymacji wariancji-kowariancji wektora składników losowych postaci zredukowanej v
t:
Σ
v=
σ
v ,1,12σ
2v ,1,2. σ
2v ,2,2=
1 α1+β1
2β
21σ
d2+ α
21σ
s2β
1σ
2d− α
1σ
s2. σ
d2+ σ
s2. Zgodnie z dotychczasowymi ustaleniami, β
0= 1 i β
1= 2. Możemy zatem zapisać 3 dodatkowe równania:
σ
2v ,1,1=
1 α1+2 24σ
2d+ α
21σ
s2σ
2v ,1,2=
1 α1+2 22σ
2d− α
1σ
s2σ
2v ,2,2=
1 α1+2 2σ
2d+ σ
2sWyznaczamy z ostatniego równania σ s 2 i podstawiamy do pozostałych dwóch:
σ 2 v ,1,1 =
1 α
1+2
2
4σ d 2 + α 2 1
σ 2 v ,2,2 (α 1 + 2) 2 − σ d 2
=
1 α
1+2
2
4 − α 2 1 σ 2 d + α 2 1 σ v ,2,2 2 = 2−α 2+α
11
σ d 2 + α 2 1 σ v ,2,2 2 σ 2 v ,1,2 =
1 α
1+2
2
2σ d 2 − α 1
σ 2 v ,2,2 (α 1 + 2) 2 − σ d 2
=
1 α
1+2
2
(2 + α 1 ) σ d 2 − α 1 σ 2 v ,2,2 = 2+α 1
1
σ 2 d − α 1 σ 2 v ,2,2 Z układu można wyrugować σ d 2 :
σ 2 v ,1,1 − α 2 1 σ 2 v ,2,2 = (2 − α 1 )
σ v ,1,2 2 + α 1 σ 2 v ,2,2
=
2σ v ,1,2 2 + 2α 1 σ 2 v ,2,2 − α 1 σ v ,1,2 2 − α 2 1 σ v ,2,2 2
Po redukcji powtarzających się składników i rozwiązaniu ze względu na α 1 otrzymujemy:
α 1 = σ
2
v ,1,1
−2σ
2v ,1,22σ
v ,2,22−σ
2v ,1,2Niech (z wyników estymacji) Σ v =
3 1 2 . 3 4
. Wówczas α 1 = 3−2·
1 2
2·
34−
12= 2. Pozostałe dwie równości z przykładu 2 pozwalają zidentyfikować
α 0
α 1
α 2
=
3 2 2
.
Do identyfikowalności mogą też prowadzić inne, liniowe i nieliniowe
restrykcje nakładane na parametry stochastyczne i strukturalne.
Plan prezentacji
1 Wprowadzenie
2 Trzy przykłady
3 Przykłady: interpretacja
4 Warunki identyfikowalności
5 Restrykcje na parametry stochastyczne
6 Zadania
Zadanie 1
Dany jest następujący model ekonometryczny:
y
1,t= 1 + 0, 5y
2,t+ x
1,t+ 0, 1x
2,t+ ε
1,ty
2,t= 2 − 2y
1,t+ 0, 5y
1,t−1+ ε
2,t1
Omów identyfikowalność poszczególnych równań modelu.
2
Przedstaw przykład takiej zmiany (takich zmian) specyfikacji, które doprowadziłyby do jednoznacznej identyfikowalności wszystkich równań.
3
Przedstaw przykład takiej zmiany (takich zmian) specyfikacji,
które doprowadziłyby do braku identyfikowalności przynajmniej
jednego z równań.
Zadanie 2
Zaproponowano następujący model wielorównaniowy:
y
1,t= α
0+ α
1y
2,t+ α
2x
1,t+ α
3x
3,t+ ε
1,ty
2,t= β
0+ β
1y
1,t+ β
2x
2,t+ ε
2,t1
Przeprowadź analizę identyfikowalności pierwszego równania.
2
Przeprowadź analizę identyfikowalności drugiego równania.
3
Czy do estymacji powyższego modelu można zastosować pośrednią MNK?
4