第六章联立方程模型(计量经济模型中科院,许健)说课.pptVIP

第六章 联立方程模型 过渡 似不相关回归 方程系统 工具变量法 违背解释变量与误差项不相关的假定 似不相关回归 似不相关回归：SUR模型，Seemingly Unrelated Regressions。 似不相关回归可以理解为对虚拟变量模型的改进 似不相关回归 该模型存在两个问题： （1）原来两个模型随机项的方差未必相等，如果不等，新模型就可能出现异方差问题； （2）两个模型的误差项在同一时点或者同一样本上有可能存在相关性。 SUR模型的思想来自于第2个问题 似不相关回归 如果存在相关性，一方面是造成了自相关问题，需要处理，另一方面也为模型的估计提供了新的信息 通过广义最小二乘，可以实现SUR模型的估计。 由于利用了看上去不相关方程的误差同期相关性所提供的信息，一般SUR模型会提供更好的估计结果。 工具变量 背景 回归模型假定解释变量X为设计矩阵，以保证X与随机误差项u不相关 如果相关又会如何？？ 出现相关最常见的原因是遗漏变量，我们以此为例来进行说明 工具变量 真实模型： 设定模型 工具变量 工具变量 在两种情况下无偏： 工具变量 偏误情况 工具变量 如果遗漏变量与解释变量正相关，则解释变量与随机误差项正相关 如果遗漏变量与解释变量负相关，则解释变量与随机误差项负相关 无论何种情况，系数估计都会出现偏误 工具变量 处理此类问题的一般方法是工具变量法（instrumental variable） 寻找一个变量Z，满足： 则称Z为X的工具变量 工具变量 IV估计量 工具变量 该IV估计量也可以通过两个OLS来获得： 所以，工具变量估计也可称为2SLS估计 工具变量 IV估计量的统计性质 有偏 一致 如果不满足工具变量两个条件的任何一个，都是非一致的 工具变量 例（Wooldridge） 工具变量 Wooldridge给出两个可能的IV： 母亲的受教育水平 成长过程中兄弟姐妹数 工具变量 选择工具变量，需要验证它是否满足两个条件，对于与X（内生变量）相关，可以通过做X与Z的回归模型，对系数进行检验，但对于与u不相关，则只能依靠理论设定了！ 工具变量 从一元扩展到多元 选择Y2的工具变量Z2，满足： 与Y2相关，与随机误差项不相关，与另一外生解释变量不要高度相关 工具变量 在检验时，采用如下回归模型： 如果Z2系数显著不为0，则满足一个基本条件，其含义是，控制其他外生解释变量，相关性仍然存在。 工具变量 复工具变量——两阶段最小二乘2SLS 如果一个内生解释变量有多个满足基本条件的工具变量，则它们的线性组合也必然满足基本条件 与内生解释变量相关度最高的组合是最好的IV 工具变量 工具变量 两阶段最小二乘： 第一阶段：内生解释变量对外生解释变量及其自身工具变量作OLS，得到复工具变量 第二阶段： 工具变量 2SLS如何解决的解释变量与u相关问题 工具变量 工具变量（IV）与代理变量（Proxy variable） 代理变量是与遗漏的不可观测变量相关，从而可以作为其代理的变量 两种方法解决问题的思路是完全不同的，代理变量一般都是很差的工具变量（与u相关） 主要内容： 联立方程模型是处理复杂关联问题的主要方法。将主要讨论： 一、联立方程模型解决的基本问题 二、结构式与简约式 三、识别条件 四、常用估计思想 五、Hausman检验 一、联立方程模型解决的基本问题 在经济领域，有大量单方程模型在表面上可以用普通方法求解，其实却隐含陷阱： 一、联立方程模型解决的基本问题 在竞争市场上，P和Q是同时决定的，此时，P不具有设计的含义，也是一个内生随机变量； 此时，OLS的基本假定不能被满足，回归系数的估计不具有一致性； 一、联立方程模型解决的基本问题 根本问题在于： P和Q是由一组联立方程决定，仅考虑单方程，就没有考虑供求相等的约束条件。 一、联立方程模型解决的基本问题 一般来说，由于复杂经济系统中存在的错综复杂的因果关系，一个变量往往同时是解释变量和被解释变量，经常须使用联立方程才能加以描述。 一、联立方程模型解决的基本问题 为解决单方程的统计问题，必须使用联立方程： 一、联立方程模型解决的基本问题 解释变量也是内生随机变量，且与随机误差项相关。 一、联立方程模型解决的基本问题 违背回归假定会导致参数估计不一致 一、联立方程模型解决的基本问题 显然，即使样本增大，估计值也是有偏的。 二、结构式与简约式 联立方程模型有两种表现方式，结构式与简约式 结构式是指：模型按照经济理论或者实际经济关系直接设定； 简约式：方程左端为内生变量，方程右端为外生变量或滞后内生变量（可以统称为先决变量）以及随机项。 二