联立方程模型管理及财务知识分析概念.pptVIP

第八章 联立方程模型 另外一个准则是识别的秩条件（rank condition），这是一个充要条件，陈述如下： 在一个有G个方程的模型中，其中任何一个方程是可识别的充要条件是模型中不包括在这个方程中的所有变量的系数矩阵的秩等于G－1。 上述两个条件，我们不在这里证明，有兴趣的同学可参阅有关参考书。下面，用前面农产品供求模型的例子，讨论一下阶条件的使用方法： 例4. 简单的凯恩斯收入决定模型 对于消费函数，我们有：K=3，M=2，G＝2， K–M=1=G – 1=1，因而恰好识别。 对于收入恒等式， 无需判别识别状态，因为恒等式通常不存在不可识别问题. 以上我们讨论了识别的概念、判别方法以及解决识别问题的途径。一般而言，在实践中识别问题并不是一个出现频率很高的问题。遇到不可识别问题，往往是因为所设定的模型中含有一些无法观测的变量；或者是模型中的方程数目很少，某些行为方程中恰好用到了模型中的所有变量所致。 在建立宏观经济模型时，通常不会碰到方程不可识别的问题，因为这类模型一般包含数以百计的方程，每个方程中包含的变量数目相对于模型中的变量总数来说比例很小，因而通常所有方程都是过度识别的。 第三节 联立方程模型的估计 由第一节我们得知，联立方程模型的一个特点是内生变量往往作为解释变量出现在方程中，通常与它作为解释变量的那个方程的扰动项相关。在这种情况下，使用OLS法得到的估计量既不是无偏的，又不是一致的。 因此，在联立方程模型的情况下，我们一般不能再使用OLS法对模型进行估计。 针对联立方程模型的特点，计量经济学家提出了很多用于联立方程模型的估计方法。这些方法分为两类：单方程方法和系统估计方法。 单方程方法 单方程方法是对整个联立方程模型中每个方程分别进行估计的方法。当然，它不同于单方程模型的估计，因为在联立方程模型的情况下，我们还要考虑模型中其它方程对所估计方程的影响，也就是说，要用到整个联立方程模型的某些信息。 应用单方程法对模型中所包含的结构方程逐个进行估计，就会获得整个联立方程模型结构参数的估计值。 常用的单方程方法有间接最小二乘法（ILS法）、二阶段最小二乘法（2SLS法）和有限信息极大似然法（LIML法）。 系统估计方法 系统估计方法是对整个模型中全部结构参数同时进行估计的方法。采用系统方法对联立方程模型进行估计，可同时决定所有结构参数的估计值。 常用的系统方法有三阶段最小二乘法（3SLS法）和完全信息极大似然法（FIML法）。 一、单方程方法 1． 间接最小二乘法（ILS法，Indirect Least Squares） （1）思路 估计简化式系数 导出结构系数的估计值 由于简化式方程的解释变量均为前定变量，即外生变量或滞后内生变量，因而与现期扰动项无关。在这种情况下，采用OLS进行估计，将得到简化式系数的一致估计量。估计出简化式系数后，即可导出结构系数的估计值。这就是间接最小二乘法的思路。 在扰动项 满足标准假设条件的情况下，ILS估计量是一致估计量。 （2）具体步骤 （a）首先求出简化式方程； （b）对每一个简化式方程分别施用OLS法，得 出简化式系数的一致估计值； （c）由上一步估计出的简化式系数导出原结构 系数的估计值。 例：估计凯恩斯收入决定模型中的消费函数 解： （1）式的简化式方程为 即 我们有 由上述二式，不难得到 估计（4）式，得到π1 和π2的估计值 即可解出结构参数的估计值 （3）ILS法的局限性 应用ILS法的前提是，被估计的结构方程必须是恰好识别的，这样才能保证估计出的简化式系数与原结构系数之间存在着一一对应的关系，以保证可得到结构参数的唯一估计值。 由此可知，ILS仅适用于恰好识别方程的估计。由于这一限制并且用我们下面要介绍的2SLS法估计恰好识别方程，得到的结果与ILS完全一样。ILS法实用价值有限，因此我们在此不作深入讨论。 2、二阶段最小二乘法（2SLS法或TSLS法） （1）思路