V3-8系统回归模型.pptVIP

模型识别所需要的额外信息来源 一个有G个内生变量和K个外生变量的联立方程组模型共有G2+G×K个待估计参数，而由简化模型只能得到G×K个参数，因而只有利用其他有关参数的信息才能识别整个系统。 这种额外的信息来源有： 标准化－每个方程都有一个系数等于1 等式－利用理论上的均衡关系 排除－方程中不包括某些变量（系数等于0） 线性约束－利用已知信息对结构模型系数进行限制（有时可以排除虚假的结构关系） * 模型识别所需要的额外信息来源 误差约束－对模型误差项的方差－协方差矩阵进行限制（方程间残差项相关） 例：递归模型 非线性关系－参数间的非线性一方面使分析增加了难度，另一方面则可能有助于解决模型识别问题。 * * 联立方程模型估计问题 由于模型中存在内生的解释变量，因而直接用OLS方法估计联立方程模型中的每个方程，所得到的系数是有偏的和不一致的。 计量经济学家发展了一些可以用于估计联立方程模型的方法，其核心思想是 避开内生解释变量 用其它变量替代内生解释变量 这些方法通常建立在估计量的一致性特点基础上，既适合于大样本情况。 * 情况1：似乎无关的方程组 似乎无关方程组模型并没有将内生变量作为解释变量，但不同方程的内生变量存在概念上的相互联系，或受到共同的外部因素影响，导致方程间误差相关。 以一个由三个方程组成的系统模型为例： 若各方程的误差项相互独立，那么可以用OLS方法分别估计每