Shrnutí na Základy ekonometrie a její aplikace

## Úvod Simultánní modely popisují ekonomické vztahy, kde se více endogenních proměnných ovlivňuje vzájemně současně. Tyto modely nelze vždy odhadovat běžnou metodou nejmenších čtverců přímo v strukturálním tvaru, protože na pravé straně rovnic mohou být endogenní proměnné. > **Definice:** Simultánní model je systém rovnic, ve kterém se alespoň jedna endogenní proměnná objevuje na pravé straně některé rovnice. ## Základní rozdělení modelů a vhodné metody odhadu - **Prosté (single-equation) modely**: každá rovnice je nezávislá a obsahuje pouze exogenní/predeterminované proměnné napravo. Pro odhad lze použít běžnou metodu nejmenších čtverců (BMNČ). - **Rekurzívní modely**: struktura je uspořádána tak, že endogenní proměnné tvoří kaskádu bez současné vzájemné závislosti (bez oboustranné endogenity). Parametry lze odhadnout postupně jednotlivě běžnou MNČ, přičemž předchozí odhadované $y$ se použije jako vysvětlující proměnná v další rovnici. - **Simultánní modely**: obsahují endogenní proměnné nalevo i napravo; výběr metody závisí na identifikaci modelu. ### Přehled metod pro simultánní modely | Typ modelu | Použitá metoda | Poznámka | |---|---:|---| | Přesně identifikovaný simultánní model | BMNČ aplikované na redukovaný tvar + převod na strukturální | Odhadujeme redukovaný tvar a zpětným převodem získáme strukturální parametry | | Nepřesně/neudáně identifikovaný model nebo rovnice s endogeními vysvětlivými | Dvoustupňová metoda nejmenších čtverců (DMNČ) | Používá prediktory z exogenních proměnných v 1. stupni a pak MNČ v 2. stupni | | Kompletní (všechna rovnice najednou) | Metody s úplnou informací (např. třístupňová MNČ, ML) | Odhaduje celý systém současně, náročné na data a výpočet | > **Definice:** BMNČ (běžná metoda nejmenších čtverců) minimalizuje součet čtverců reziduí v jedné rovnici. DMNČ (dvoustupňová MNČ) je metoda, kde se nejprve odhadnou teoretické hodnoty endogenních vysvětlujících proměnných a poté se tyto hodnoty použijí v druhém kroku k odhadu strukturálních parametrů. ## Odhad rekurzívního modelu BMNČ - Postup: 1. Odhadneme první rovnici BMNČ a získáme odhadovanou endogenní proměnnou $\,\hat y_1$. 2. Použijeme $\,\hat y_1$ jako vysvětlující proměnnou v další rovnici a opět odhadneme BMNČ. Pokračujeme dále podle pořadí rekurze. Praktický příklad: Máme dvě rovnice $$y_1 = \alpha_{10} + \alpha_{11} x + u_1$$ $$y_2 = \beta_{20} + \beta_{21} y_1 + \beta_{22} z + u_2$$ Postupně odhadneme první rovnici BMNČ a do druhé dosadíme $\hat y_1$. ## Kdy lze použít BMNČ přímo u simultánního modelu? - Pouze pokud je celý simultánní model přesně identifikovaný. V takovém případě: 1. Převést strukturální tvar na redukovaný tvar. 2. Odhadnout parametry redukovaného tvaru běžnou MNČ. 3. Z redukovaného tvaru zpětně vypočíst parametry strukturálního tvaru. > **Definice:** Přesná identifikace znamená, že každá struktura rovnice má dostatečný počet exogenních proměnných (nebo vyloučených proměnných) tak, aby bylo možné jednoznačně odhadnout strukturální parametry. ## Rozdíl: metody s úplnou a neúplnou informací | Kritérium | Metody s úplnou informací | Metody s neúplnou informací | |---|---:|---| | Jak se odhadují rovnice | Všechny rovnice najednou | Každá rovnice zvlášť | | Využití informací | Bere v potaz informace ze všech rovnic | Ignoruje informace z ostatních rovnic | | Počet pozorování | Vyžaduje více pozorování | Nevyžaduje tolik pozorování | | Výpočetní náročnost | Vysoká | Nízká | | Příklad | Třístupňová MNČ | Dvoustupňová MNČ (DMNČ) Význam: metody s úplnou informací mohou být efektivnější, pokud je model správně specifikován a máme dost dat; metody s neúplnou informací jsou praktičtější při menších datových sadách nebo při zaměření na jednotlivé rovnice. ## Proč nelze odhadnout strukturální formu simultánního modelu BMNČ přímo? - Strukturální forma obsahuje endogenní proměnné na obou stranách rovnice, což vede k korelaci mezi vysvětlujícími proměnnými a chybovými členy. BMNČ předpokládá exogenní vysvětlu