Какой метод чаще всего применяется для оценки параметров в эконометрических моделях?
Подробное объяснение
Наиболее распространенным методом оценки параметров эконометрических моделей является метод наименьших квадратов (МНК). Он заключается в минимизации суммы квадратов отклонений фактических значений зависимой переменной от расчетных, полученных по модели. МНК широко используется благодаря своей простоте, вычислительной эффективности и хорошим статистическим свойствам оценок при выполнении классических предпосылок, в частности, по теореме Гаусса—Маркова оценки являются BLUE (наилучшими линейными несмещенными).
Часто задаваемые вопросы (FAQ)
1
Какие предпосылки должны выполняться для того, чтобы оценки МНК были BLUE?
Для выполнения теоремы Гаусса—Маркова необходимы следующие предпосылки: линейность модели, случайная выборка, нулевое условное среднее ошибок, гомоскедастичность и отсутствие автокорреляции ошибок, а также отсутствие совершенной мультиколлинеарности.
2
В чем отличие МНК от метода максимального правдоподобия?
МНК минимизирует сумму квадратов остатков и не требует предположений о распределении ошибок для получения оценок (хотя для вывода статистических свойств распределение может понадобиться). Метод максимального правдоподобия (ММП) максимизирует функцию правдоподобия, основанную на предполагаемом распределении ошибок, и при нормальном распределении ошибок МНК и ММП дают одинаковые оценки.
3
Что делать, если предпосылки МНК нарушены?
При нарушении предпосылок (например, гетероскедастичность или автокорреляция) можно использовать обобщенный метод наименьших квадратов (ОМНК) или робастные стандартные ошибки. Также применяют другие методы, такие как метод инструментальных переменных при эндогенности.
Типичные ошибки
1
Считать, что МНК всегда дает несмещенные оценки.
МНК дает несмещенные оценки только при выполнении предпосылки о нулевом условном среднем ошибок (E(ε|X)=0). Если эта предпосылка нарушена (например, из-за пропущенных переменных или эндогенности), оценки смещены.
2
Игнорировать гетероскедастичность при использовании МНК.
Гетероскедастичность не приводит к смещению оценок МНК, но делает стандартные ошибки несостоятельными, что ведет к неверным выводам о значимости коэффициентов. Необходимо использовать робастные стандартные ошибки или взвешенный МНК.
3
Путать МНК с методом наименьших модулей (МНМ).
МНК минимизирует сумму квадратов остатков, а МНМ минимизирует сумму абсолютных отклонений. МНК более чувствителен к выбросам, но при нормальном распределении ошибок более эффективен.