第九章教案9-2.pptVIP

§9.2联立方程计量经济学模型的识别The Identification Problem 一、识别的概念 二、识别阶条件 三、识别秩条件 四、实际应用 一、识别的概念 ⒈为什么要对模型进行识别？ 从一个例子看 如果利用C、Y的样本观测值并进行参数估计后，很难判断得到的是消费方程的参数估计量还是新组合方程的参数估计量。 只能认为原模型中的消费方程是不可估计的。 这种情况被称为不可识别。 只有可以识别的方程才是可以估计的。 ⒉识别的定义 3种定义： “如果联立方程模型中某个结构方程不具有确定的统计形式，则称该方程为不可识别。” “如果联立方程模型中某些方程的线性组合可以构成与某一个方程相同的统计形式，则称该方程为不可识别。” “根据参数关系体系，在已知简化式参数估计值时，如果不能得到联立方程模型中某个结构方程的确定的结构参数估计值，则称该方程为不可识别。” ⒊模型的识别 上述识别的定义是针对结构方程而言的。 模型中每个需要估计其参数的随机方程都存在识别问题。 如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型系统是可以识别的。反过来，如果一个模型系统中存在一个不可识别的随机方程，则认为该联立方程模型系统是不可以识别的。 恒等方程由于不存在参数估计问题，所以也不存在识别问题。但是，在判断随机方程的识别性问题时，应该将恒等方程考虑在内。 ⒋恰好识别(Just Identification)与过度识别 (Overidentification) 如果某一个随机方程具有一组参数估计量，称其为恰好识别； 如果某一个随机方程具有多组参数估计量，称其为过度识别。 二、联立方程模型的识别阶条件 识别的阶条件 对结构模型中的第 i个结构方程，记 K为结构模型中内生变量和预定变量的总个数，Ｍｉ为第i个结构方程中内生变量和预定变量的总个数，G为结构模型中内生变量即结构方程的个数，具体地，阶条件可以表示成： 若K-Mi=G-1时，第ｉ个结构方程恰好识别， 若时K-MiG-1，第i个结构方程过度识别， 若时K-Mi≦G-1，第ｉ个结构方程不可识别。 需要指出的是，阶条件仅是一个必要条件，即该方程不满足阶条件一定不能被识别，但满足阶条件不一定就能被识别。 三、联立方程模型的识别秩条件 1.秩条件的内容 秩条件的具体内容为：在具有G个方程的结构式模型中，任何一个方程能够被识别的充分必要条件是：该方程被斥变量结构参数矩阵的秩为G-1。或者说，该方程被斥变量结构参数矩阵中，至少有一个G-1阶的非零行列式。 2.利用秩条件识别某个结构方程的步骤 （1）列出模型的结构参数矩阵 （2）先划去待判断方程的系数所在的行，再划去该方程中非零系数所在的列，得到该方程的被斥变量结构参数矩阵 （3）考察被斥变量结构参数矩阵的秩，如果秩等于G-1,则该结构方程可以识别，否则该方程不能识别。或者，也可以考察被斥变量结构参数矩阵中是否有一个G-1阶的非零行列式，如果有，则该方程可以识别，否则不可识别。 例题 判断第1个结构方程的识别状态 判断第2个结构方程的识别状态 第3个方程是平衡方程，不存在识别问题。 综合以上结果，该联立方程模型是可以识别的。 与从定义出发识别的结论一致。 模型识别的一般程序 第一步，首先考虑阶条件。阶条件不成立，则方程不可识别。 第二步，如果阶条件成立，再考虑秩条件是否成立。如果秩条件不成立，则该方程仍不可识别。 第三步，秩条件成立时，再根据阶条件来判断是过度识别，还是恰好识别。 注：（1）只有统计形式上有待估参数的随机方程，才有识别问题，而非随机方程不存在识别问题。（2）只有联立方程模型中所有随机方程全部可识别时，模型才是可识别的。 四、实际应用中的经验方法 当一个联立方程计量经济学模型系统中的方程数目比较多时，无论是从识别的概念出发，还是利用规范的结构式或简化式识别条件，对模型进行识别，困难都是很大的，或者说是不可能的。 理论上很严格的方法在实际中往往是无法应用的，在实际中应用的往往是一些经验方法。 关于联立方程计量经济学模型的识别问题，实际上不是等到理论模型已经建立了之后再进行识别，而是在建立模型的过程中设法保证模型的可识别性。 “在建立某个结构方程时，要使该方程包含前面每一个方程中都不包含的至少1个变量（内生或先决变量）；同时使前面每一个方程中都包含至少1个该方程所未包含的变量，并且互不相同。” 该原则的前一句话是保证该方程的引入不破坏前面已有方程的可识别性。只要新引入方程包含前面每一个方程中都不包含的至少1个变量，那么它与前面方程的任意线性组合都不能构成与前面方程相同的统计形式，原来可以识别的方程仍然是可以识别的。 该原则的后一句话是保证该新引入方程本身是可以识别的。只要前面每个方程都包含至少1个