放宽基本假设的模型讲述.ppt

§4.4 随机解释变量Random Independent Variable 一、随机解释变量问题 二、随机解释变量的后果 三、工具变量法 一、随机解释变量问题 1、随机解释变量问题 单方程线性计量经济学模型假设解释变量与随机项不相关, 或者说X是确定性变量，不是随机变量。 违背这一假设设的问题被称为随机解释变量问题。 2、随机解释变量问题的3种情况 对于模型 Yi=?0+?1X1i+?2X2i+?+?kXki+?i i=1,2,…,n 为讨论方便，假设X2为随机解释变量。 ⑴随机解释变量与随机误差项不相关，即 Cov(X2,?)= E(X2?)= E(X2) E(?) =0 (2)随机解释变量与随机误差项同期无关但异期相关 Cov(Xi2, ?i）=E(Xi2?i )=0 但是 Cov(Xi2, ?i-s）=E(Xi2?i-s )≠0 (3)随机解释变量与随机干扰项同期相关 Cov(Xi2, ?i）=E(Xi2?i )≠0 二、实际经济问题中的随机解释变量问题 随机解释变量问题主要表现于用滞后被解释变量作为模型的解释变量的情况。 例如： 耐用品存量调整模型： 耐用品的存量Qt由前一个时期的存量Qt-1和当期收入It共同决定： Qt=?0+?1It+?2Qt-1+?t t=1,?T 这是一个滞后被解释变量作为解释变量的模型。 但是，如果模型不存在随机误差项的序列相关性，那么随机解释变量Q t-1只与?t-1相关，与?t不相关，属于上述的第1种情况。 合理预期的消费函数模型 消费是由对收入的预期所决定的，于是有： 三、随机解释变量的后果 对回归模型 Y=XB+N 可见，随机解释变量带来什么后果取决于它与随机误差项是否相关。 1、随机解释变量与随机误差项不相关 这时采用OLS法估计模型，得到的参数估计量仍然是无偏的。 2、随机解释变量与随机误差项同期不相关异期相关 OLS法估计得到的参数估计量是有偏的，但是一致的。 3、随机解释变量与随机误差项同期相关 得到的参数估计量有偏且非一致。 四、工具变量法 Instrumental Variables Method 1、工具变量的选取 工具变量：在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量。 选择为工具变量的变量必须满足以下条件： （1）与所替代的随机解释变量高度相关； （2）与随机误差项不相关； （3）与模型中其它解释变量不相关，以避免出现多重共线性。 用普通最小二乘法估计模型，最后归结为求解一个关于参数估计量的正规方程组： 2、工具变量的应用 求解该方程组即可得到关于原模型参数的工具变量法估计量。 如果x2为随机变量，且与随机误差项相关；选择z作为它的工具变量。得到采用工具变量法的正规方程组： 理论解释： Z为X的工具变量，有总体条件 在一组样本容量为n的样本下，相应样本矩为（一元回归模型为例） 则构成正规方程组。 对于矩阵形式： Y=XB+N 正规方程组为 称为工具变量矩阵。 于是： 对于多元线性模型 其中利用了工具变量与随机误差项不相关。 3、几点注解 工具变量并没有替代模型中的解释变量，只是在估计过程中作为“工具”被使用。 如果模型中有两个以上的随机解释变量与随机误差项相关，就必须找到两个以上的工具变量。但是，一旦工具变量选定，它们在估计过程被使用的次序不影响估计结果。 工具变量法可等价的分解成两个阶段的普通最小二乘法： 也称两阶段最小二乘法。 五、解释变量的内生性检验 假设有如下设定的二元线性回归模型 其中X与 是随机解释变量，而且知道 是外生变量。需要检验X的内生性。 豪斯曼提出的检验方法如下： 第一步： 将怀疑是内生变量的X关于外生变量 ， 做普通最小二乘估计，得到残差 。 第二步：将第一步得到的残差项 加入到原模型后，再进行普通最小二乘估计 如果 的参数显著为零，则表明第一步的随机干扰项与Y同期无关，进而与原模型 的干扰项 同期无关，从而由步骤一X与 同期无关。可判断X是同期内生的。 反之，若不能拒绝 的假设 则 与Y同期相关，从而与 同期相关，由 和 的外生性，可知X与 同期相关，则可判断X是同期内生的。