Классификация эконометрии.


 

Отметим, что существует множество классификаций эконометрических моделей в зависимости от выбранных признаков классификации. Ниже приводится достаточно простая и удобная классификация.

 

1.6.1. По структуре уравнений регрессии

 

1). Аддитивные (полиноминальные) уравнения регрессии представляются в виде суммы базисных функций с соответствующими коэффициентами:

 

                                                                                                   (1.10)

 

где, {¦jj)} - совокупность базисных (координаторных) функций.

 

Пример:

 

                                                  

 

2). Мультипликативная форма в виде произведения базисных функций

 

                                                                          (1.11)

 

Примером такой модели является модель Брандона:

 

                                         

 

 – математическое ожидание (среднее).

 

1.6.2. По способу учета динамики:

 

1. Динамические многофакторные.

 

                                                                                                           (1.12)

 

где, t – время.

2. Квазистатические.

 

                                                                                                      (1.13)

 

 

3. Динамические с лаговыми переменными.

 

                                                                                    (1.14)

 

здесь t – временной  лаг (запаздывание).

 

4. Статические.

                                                                                                                    (1.15)

Замечание: Введение в модель лаговых переменных – весьма эффективный прием, который позволяет наряду с основным («быстрым») временем t учесть динамические процессы с большей постоянной времени, т.е. «медленное» время а, значит, предысторию процесса, что важно в эконометрических объектах .

 

1.6.3. По виду связи между .

 

Можно выделить модели:

1. Регрессионные (аддитивные и мультипликативные).

2. Системы одновременных уравнений – когда модель состоит не из одного уравнения, а нескольких, т.е. в правой части этих уравнений стоят компоненты векторов , т.е. четко не разделены причины и следствия.

3.Рекурсивные – частичный случай системы одновременных уравнений. В рекурсивных моделях система одновременных уравнений «расщепляются » по рекуррентному алгоритму.

 

1.6.4. По алгоритму оценки параметров модели.

 

1. Неадаптивные (метод наименьших квадратов, поисковые методы, алгоритмы нечеткой регрессии, и др.).

2. Адаптивные (обучаемые, включая нейросенсорный метод).

Замечание: На практике классификационные признаки могут «переплетаться», т.е. использоваться комбинированные (гибридные) модели, например нейро-нечеткие , нечеткие регрессионные и др.

 

Предыдущие материалы: Следующие материалы: