В модели частичной корректировки предполагается, что поведенческое уравнение определяет фактическое значение зависимой переменной:
В общем случае эконометристы хотят включить все имеющиеся данные в выборку для минимизации ее размера:
В распределении Койка делается простое предположение, что коэффициенты при лаговых значениях объясняющей переменной убывают в геометрической прогрессии:
Если функция спроса оказывается менее эластичной, то рынок с каждым циклом будет удаляться все дальше от точки равновесия:
Моделирование ожиданий часто становится наиболее ответственной и сложной задачей в прикладной экономике:
На практике распределение лагов объясняющей переменной всегда соответствует простой функции:
Обычно производственные компании распределяют прибыль, остающуюся после уплаты налогов, частично на выплату доходов акционерам в форме дивидендов, а оставшиеся средства направляют на финансирование инвестиций:
Относительная ошибка прогноза определяется как ошибка прогноза, деленная на действительное значение переменной:
Оценки коэффициентов при нефиктивных переменных и их стандартные отклонения будут в точности такими же, как и в уравнении регрессии, оцененном только на периоде выборки:
Оценки, полученные с помощью метода наименьших квадратов, являются состоятельными:
Ошибка предсказания равна разности между предсказанным и действительным значениями:
Регрессионные модели могут использоваться для построения прогнозов:
С ростом объема выборки при любых условиях оценки коэффициентов в уравнении регрессии стремятся к истинным значениям соответствующих коэффициентов:
Существуют удовлетворительные методы измерения ожиданий для решения макроэкономических задач:
Хотя первым модель адаптивных ожиданий предложил Ф. Кейган, самым известным ее приложением является модель потребления М. Фридмена: