第04章 其他回归方法41468.ppt

输入工具变量时，应注意以下问题： 1. 使用TSLS估计，方程说明必需满足识别的阶条件，即工具变量的个数至少与方程的系数一样多。参见Davidson和MacKinnon(1994)和Johnston和DiNardo(1997)的讨论。 2. 根据经济计量学理论，与扰动项不相关的解释变量可以用作工具变量。 3. 常数c是一个合适的工具变量，如果忽略了它，EViews会自动把它加进去。 TSLS估计结果： 下面我们利用美国1959:1?1999:4的宏观数据计算CS关于GDP, GDP增量和利率的TSLS估计，工具变量是c、CS(-1) 、GOV、M1 、TIME 。 §4.3 非线性最小二乘估计 经典的计量经济学模型理论与方法是在线性模型的基础上发展、完善起来的，因而线性计量经济学模型领域的理论与方法已经相当成熟。但是，现实经济活动并不都能抽象为线性模型，所以非线性计量经济学模型在计量经济学模型中占据重要的位置，关于它的理论与方法的研究是计量经济学理论与方法研究的一个广泛的领域。 假设回归方程为： 其中f 是解释变量和参数 ? 的函数。最小二乘估计就是要选择参数 ? 使残差平方和最小： 如果 f 关于参数的导数不依赖于参数?，则我们称模型为参数线性的，反之，则是参数非线性的。例如， 是参数线性的，f 关于参数的导数与参数? 无关。 而 其函数的导数仍依赖于参数?，所以它是参数非线性的。对于这个模型，没有办法使用普通最小二乘估计来最小化残差平方和。必须使用非线性最小二乘估计技术来估计模型参数。 非线性最小二乘估计根据参数? 的选择最小化残差平方和。最小化的一阶条件是： 其中G(?)是f (X, ?)关于? 的导数。 估计协方差矩阵为： 关于非线性估计的详细讨论，参见Pindick和Rubinfeld (1991, 231 - 245页) 或Davidson和MacKinon(1993)。 即 令 估计非线性最小二乘模型很简单，对于任何系数非线性的方程，EViews自动应用非线性最小二乘估计，会使用迭代算法估计模型。 1. 说明非线性最小二乘估计 对于非线性最小二乘模型，必须使用直接包含系数约束的EViews表达式以方程形式来说明。可以使用缺省系数向量C中的元素(例如，c(1), c(2), c(34), c(87) ) ，也可以定义使用其它系数向量。例如： Y=c(1)+c(2)*(K^c(3)+L^c(4)) 就是缺省系数向量C的4个元素从c(1)到c(4)。 例4.6：如果设定例3.1中的消费函数为非线性形式： （4.3.11） 其中：cst 是实际居民消费，inct 是实际可支配收入。利用我国1978年～2002年的年度数据估计此非线性方程，由于用迭代法计算，首先要赋初值，比如可以设?3的估计值b3初值是1，则可以利用OLS估计值(例3.1中，b1 =414.88，b2 =0.51) 作为b1 ，b2 的初值。经过迭代，得到的非线性消费方程为 （4.3.12） b1，b2 ，b3 的标准差分别为386.3，0.21和0.096。 非线性形式的边际消费倾向为 即 MPCt = c(2)*c(3)*inctC(3)-1 = 0.214*1.0857*YDt1.0857-1 图4.3 动态的边际消费倾向 因此，非线性情况下的MPC是时变的，根据式（4.3.11）计算得到的边际消费倾向序列如图4.3所示。注意，inc 的平均值(9795.355)对应的边际消费倾向为 MPC=0.2139?1.0857?9795.355(1.0857-1) =0.51 等于线性模型估计值，因为线性模型的参数反映的是变量之间平均意义上的影响关系。 2.估计方法选项 （1）初始值 迭代估计要求模型系数有初始值。选择参数初始值没有通用的