第7章 虚拟变量与随机解释变量.ppt

此例说明了三个问题： (1)如何在模型中引入虚拟变量； (2)如何测量定性因素的影响； (3)如何区分不同类型的模型。 7.3.4 随机解释变量的修正方法：工具变量法 工具变量（Instrument Variable—IV）法的基本思路是：当随机解释变量与随机误差项相关时，则寻找另一个变量，该变量与随机解释变量高度相关，但与随机误差项不相关，称其为工具变量，用其替代随机解释变量。 1．选择工具变量的要求 （1）工具变量必须是有明确经济含义的外生变量； （2）工具变量与所替代的随机解释变量高度相关，而与随机误差项不相关； （3）工具变量与模型中的其他解释变量也不相关，以免出现多重共线性； （4）模型中多个工具变量之间不相关。 2．工具变量的应用 工具变量对随机解释变量的替代并不是“完全”替代，即不是用工具变量代换模型中对应的随机解释变量，而是在最小二乘法的正规方程组中用工具变量对随机解释变量进行部分替代。 对于一元线性回归模型 容易证明，参数工具变量估计量是有偏的、一致的估计量。在实际经济分析中，对于工具变量的选择，一般的做法是： 在EViews软件中，工具变量法是含在二阶段最小二乘法中。所以必须选择二阶段最小二乘法，在“工具变量”的提示后面，输入所有的工具变量名，即可实现工具变量法估计。 3．工具变量法的缺陷 (1)在解释变量x与随机误差项u相关的情况下，要寻求一个既与x高度相关，又与u不相关的工具变量z十分困难。 (2)在能找到符合要求的工具变量条件下，所选择的工具变量不同，模型参数估计值也不会一致，使参数估计出现随意性。 (3)由于使用了工具变量，有可能产生较高的标准差不能保证参数估计值的渐近方差一定能达到最小。 例7.3.1 工具变量法的应用。表7.3.1是国内生产总值x、消费y、投资z的样本观测值，试分析消费y关于国内生产总值x的线性回归关系： 表7.3.1 国内生产总值、消费与投资数据（单位：亿元） 7515.0 13145.9 21280.4 8 30396.0 46405.9 79853.3 15 6444.0 11365.2 18319.5 7 28457.6 43579.4 74894.3 14 6095.0 10556.5 16466.0 6 26867.2 40003.9 68330.4 13 5495.0 9360.1 14704.0 5 23877.0 33635.0 58510.5 12 4322.0 7451.2 11784.0 4 19260.6 27216.2 47110.9 11 3846.0 6542.0 10132.8 3 12988.0 20182.1 34500.6 10 3386.0 5773.0 8792.1 2 9636.0 15952.1 25863.6 9 2468.6 4694.5 7164.3 1 IV CS GDP 序号 IV CS GDP 序号 对上述关系采用最小二乘法得如下结果（表7.3.2）： 表7.3.2 回归结果 模型中宏观消费y是随机变量。因为y是国内生产总值x的一个重要组成部分，所以x也应该是随机变量。这就违背了模型中解释变量非随机的假定。所以应该选择一个工具变量设法替代变量x。投资z是国内生产总值x的一部分，自然与x高度相关。经计算，上述模型的残差与z的相关系数为-0.0342，这在一定程度上说明z与误差项u不相关。基于上述理由，选择z做x的工具变量，得： 利用EViews软件，其具体操作是，从EViews主菜单中点击Quick键，并选择Estimate Equation功能。从而打开Equation Specification（模型设定）对话框。在Method窗口，选择TSLS（两阶段最小二乘法）估计方法。从而打开如图7.3.1的对话框。 图7.3.1 选择两阶段最小二乘法估计方法 在Equation Specification窗口输入: y c x 在Instrument list窗口输入工具变量: z c为截距项，也可以不写，点击OK键，得结果如表7.3.3所示。 表7.3.3 回归结果 工具变量法还可以直接利用EViews软件中的TSLS命令，本例中，在命令窗口输入 TSLS y c x @ c z 其中，c代表常数（EViews软件规定C为常数项），则输出同样结果。 如果用滞后一期的国内生产总值x(-1)作为工具变量，即在Instrument list窗口输入工具变量x(-1)，点击OK键，则得表7.3.4结果。 表7.