联立方程模型解读.ppt

第九章 联立方程模型 教师：卢时光 9.1 联立方程模型的性质 在前面的学习中，我们仅仅考察了单一方程模型，也就是只有一个应变量Y和一个或多个解释变量X的模型。在这些模型中，重点放在估计和预测X变量的固定值为条件下的Y的均值。因此在这样的模型中因果关系是从X到Y。 但是有许多情形这种单向的因果关系是没有意义的。比如，Y决定于X而同时某些X又反过来决定于Y。简而言之，Y和X之间有一种双向或联立的关系，以至于我们无法区分哪些是应变量而哪些是解释变量。 解决上述问题的方法之一，就是把一组变量合在一起，它们是能由另外一组变量联合地决定的，这种方法就是联立方程模型。在这种模型中有多于一个的方程，每个相互地或共同地依赖的变量，称为内生变量，占有一个方程。例如，宏观经济收入-消费的例子中，消费C是受到收入Y的影响（C=α+βY），而收入Y=C+I。C和Y被称为内生变量，而此时的I被称为外生变量。 在联立方程的参数估计时，我们必须要考虑到方程组中其他方程所提供的信息。 例1：需求和供给模型 一个商品的价格和数量是由需求和供给曲线的交点决定的。简单起见，我们假定需求和供给曲线是线性的，加上随机干扰项u1和u2，可以写成经验需求和供给函数： 诸α和β是参数，根据经验，预测α1为负（需求曲线是向右下方倾斜的，需求量与价格呈负相关。）β1为正（供给曲线是向右上方倾斜的，供给量与价格呈正相关。） P和Q是联合应变量。 影响需求量Qd的其他因素发生变化（如收入、财富和消费偏好等），方程中的干扰项u1t将发生改变。如果u1t是正的，需求曲线向右上方移动。需求曲线位置的变换，同时影响到了P和Q。 同理， u2t的改变（如罢工、气候、进出口的限制等），将使供给曲线发生移动，也会同时影响P和Q。由于P和Q之间的这种依赖性，需求方程中的u1t和Pt，以及供给方程中的u2t和Pt是不可能独立的。 例2：凯恩斯收入决定模型 宏观经济学中，简单的收入决定模型： 参数β1称为边际消费倾向，经济理论预测β1位于0和1之间。方程1是个随机消费函数，而方程2是收入恒等式，总收入等于总消费加上总投资（投资等于储蓄）。用图形来表示： 从上图中可以看出，C和Y是相互依赖的，并且不能指望方程1中的Yt会独立于干扰项ut。因为当ut变动时（由于误差项包含了种种因素），消费函数也会随之移动，而消费的变动又反过来影响Y。 由此，经典最小二乘方法对上述模型不适用。 例3：计量经济模型：克莱因模型I 一些计量经济学家在它们构造的计量经济模型中曾广泛地使用联立方程模型。下列模型被称为克莱因模型I。 在模型中，变量C、I、W、Y、P和K被看作联合应变量或内生变量，而变量Pt-1、Kt-1和Yt-1被看作前定的。 我们会发现，它们不是独立于随机干扰项的，因此不能够用OLS法逐个地估计方程组中的方程，这样得来的估计量是非一致性的，即使是大样本，它们也不收敛于真实值。 9.2 联立方程偏误：OLS估计量的非一致性 为了说明这点，我们回到例2中简单的凯恩斯收入决定模型。 假定： 即满足经典线性回归模型的假设。 （1）Yt和ut是相关的 把方程（1）带入方程（2） 即： 现在，对式子两边求期望，注意E(ut)=0，而I是外生变量，其期望就是其本身： 现在用Yt减去E(Yt)，结果是： 而 （为什么？） 由此得： Yt和ut的协方差的推导，用到了上面两个式子的结论。 这样，δ2是正的（0），所以Yt和ut的协方差一定不为零。这样， Yt和ut存在相关关系。这样违反了经典线性回归模型的假定：干扰与解释变量相互独立或至少不相关。如上所述，在这种情形下，OLS估计量是非一致性的。 （2）OLS估计量 的非一致性估计量 和前面一样，小写字母代表对均值的离差。将C的表达式代入上式： 上式的推导用到了 和 两个关系式。对上式两边求期望值： 直观的看，除非 为零，否则 一个有偏的估计量。 由于真实的β0和β1是已知的，再由于我们样本的误差恰好等于“真实”的误差（因为误差项源自蒙特卡罗法）。如果我们用左表中的数据来对C对Y的回归，如果回归是无偏的，那么我们应该得到β0=2，β1=0.8。但是，如果Y对干扰项u存在相关性，则情形就不会这样。 根据数据，得到： 就是说 有0.02065的过高估计。 回归结果是：