Весь процесс эконометрического моделирования можно разбить на шесть основных этапов.
1-й этап (постановочный) - определение конечных целей моделирования, набора участвующих в модели факторов и показателей, их роли;
2-й этап (априорный) - предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации и исходных допущений, в частности относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих в виде ряда гипотез;
3-й этап (параметризация) - собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей между переменными;
4-й этап (информационный) - сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей;
5-й этап (идентификация модели) - статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели Непосредственно связан с проблемой идентифицируемости модели, то есть ответа на вопрос «Возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным данным в соответст-вии с решением, принятым на этапе параметризации?». После положительного ответа на этот вопрос необходимо решить проблему идентификации модели то есть предложить и реализовать математически корректную процедуру оценивания неизвестных параметров модели по имеющимся исходным данным;
6-й этап (верификация модели) — сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.
Эконометрическое исследование включает решение следующих проблем
ü качественного анализа связей экономических переменных — выделения зависимых (yj) и независимых переменных (хi),
ü изучения соответствующего раздела экономической теории;
ü подбора данных;
ü спецификации формы связи между у и хi;
ü оценки параметров модели;
ü проверки ряда гипотез о свойствах распределения вероятностей для случайной компоненты (гипотезы о средней дисперсии и ковариации);
ü анализа мультиколлинеарности объясняющих переменных, оценки ее статистической значимости, выявления переменных, ответственных за мультиколлинеарность;
ü введения фиктивных переменных;
ü выявления автокорреляции, лагов;
ü выявления тренда, циклической и случайной компонент;
ü проверки остатков на гетероскедастичность;
ü анализа структуры связей и построения системы одновременных уравнений;
ü проверки условия идентификации;
ü оценивания параметров системы одновременных уравнений (двухшаговый и трехшаговый метод наименьших квадратов, метод максимального правдоподобия);
ü моделирования на основе системы временных рядов: проблемы стационарности и коинтефации;
ü построения рекурсивных моделей, авторегрессионных моделей,
проблем идентификации и оценивания параметров.
