Современный подход к эконометрическому моделированию

Следует отдавать предпочтение тем моделям, которые проходят диагностические критерии, хотя, может быть, и имеют низкий коэффициент детерминации, перед теми моделями, которые имеют высокий коэффициент детерминации, однако диагностические критерии говорят о нарушении основополагающих гипотез, необходимых для того, чтобы обосновать применяемые методы оценивания.

Важное правило современного эконометрического моделирования заключается во всесторонней проверке оцениваемой модели на предмет нарушения тех или иных допущений или предположений. Перечислим основные критерии, которые применяются в настоящее время для того, чтобы проверить, насколько правильно специфицирована регрессионная модель, прежде чем оценивать ее параметры по реальным статистическим данным соответствующего экономического объекта или явления.

· Критерий пропущенных переменных. Этот критерий является критерием добавления той переменной, которая, как подозревается, могла быть пропущена. Многие другие диагностические критерии также используют критерии добавления переменных.

· Критерии функциональной формы. Критерий Рамсея RESET (Regression specification error test).

· Критерии структурных изменений (критерий Чоу, CUSUM и CUSUMSQ) и критерии выбросов.

· Критерии автокорреляции остатков (критерий Дарбина-Уотсона, критерий Бреуши-Годфри (альтернативный критерий Дарбина), точечно-оптимальные критерии Кинга), Кохрана-Оркатта, Хилдрета-Лу.

· Критерии экзогенности регрессоров (критерий Дарбина-Ву-Хаусмана).

· Критерий первых разностей и другие критерии преобразования данных.

· Невложенные критерии (nonnested tests).

· Критерии стационарности переменных (тест Дики-Фуллера – ADF).

· Критерии гетероскедастичности ошибки (тест ранговой корреляции Спирмена, тест Парка, Глейзера, Голдфелда-Квандта).

· Критерии нормальности. Сюда же можно отнести показатели, которые не связаны с проверкой статистических гипотез и не выявляют неправильность спецификации модели, но указывают на недостоверность оценок и их потенциально плохую робастность:

· Показатели влиятельности наблюдений (DFFITS, DFBETAS).

· Показатели мультиколлинеарности (число обусловленности и т. п.).

Общий порядок использования процедур диагностических критериев состоит в следующем. Каждому из критериев соответствует статистика, которая является функцией данных. В предположении, что использованная вероятностная модель верна, можно теоретически вывести распределение данной статистики (зачастую распределение выводится из асимптотической теории и известно только приближенно).

Процедура проверки модели состоит в том, что если полученная на основе имеющегося набора данных статистика выходит за некоторый установленный заранее доверительный интервал, то нулевая гипотеза отклоняется. В случае отклонения нулевой гипотезы делается вывод, что принятые допущения неверны, т.е. модель специфицирована неверно.

Доверительный интервал задается, как правило, указанием критической границы. Вероятность того, что статистика выйдет за пределы доверительного интервала, заданного данной критической границей, и, тем самым, будет отклонена верная нулевая гипотеза, называют уровнем значимости. Понятно, что полученной на основе имеющегося набора данных статистике соответствует некоторый уровень значимости. Этот уровень значимости сам по себе можно рассматривать как статистику и использовать для проверки нулевой гипотезы. Чаще всего на практике используют 5%-ю границу. Если получен уровень значимости менее 5%, то нулевая гипотеза отклоняется и делается вывод о том, что модель специфицирована неверно.