Оценка параметров моделей с распределенными лагами

Модель с конечным числом лагов при правильной ее спецификации может быть оценена обычным МНК. В этом случае в уравнении

(5.40)

переменные рассматриваются как объясняющие переменные обычной множественной регрессии.

Вместе с тем применение МНК к моделям с конечным числом лагов может быть реально затруднено ввиду следующих причин:

1) при наличии тенденции переменные тесно связаны между собой, что вызывает мультиколлинеарность факторов, которая может привести к не интерпретируемым знакам у коэффициентов регрессии и к снижению их точности;

2) возможна автокорреляция остатков, так как МНК применяется к временным рядам с тенденцией.

Поэтому нередко для оценки параметров модели с распределенным конечным числом лагов используются специальные методы преобразования, как и для модели с бесконечным числом лагов. Разработаны разные методы оценивания параметров моделей с распределенными лагами, которые учитывают характер распределения коэффициентов регрессии при лаговых объясняющих переменных. Иными словами, методы оценивания параметров модели с распределенными лагами основаны на изучении структуры лага. Так, предполагая полиномиальное распределение лаговых коэффициентов, используют метод Алмон, а при гипотезе геометрической прогрессии для лаговых коэффициентов применяется преобразование Койка.