计量经济学(134页).pptVIP

* 方程中剔除4个矛盾方程，有8个程，而结构参数只有7个。需求方程和投资方程都是可识别的，但是，求解这一方程组，只有α0、α1、α2、α3得到唯一确定解，而β0、β1、β2却得到多组确定值，说明投资方程为过度识别的结构方程。 * 三、模型识别的简化型条件 如果已知联立方程模型的简化型参数，可以根据对简化型的分析判断模型的识别状态。 对于简化模型： 该条件的前一部分一般称为秩条件，后一部分称为阶条件。 * * 四、模型式别的结构型条件 直接从结构方程出发判断联立方程模型的识别状态。 若联立模型： 有g个内生变量，k个前定变量（包括常数项）。对模型中待识别的第i 个结构方程，该方程中包括gi 个内生变量，ki 个预定变量，则： * Ct It Tt Yt Yt-1 Gt X 1 0 -a2 -a1 0 0 -a0 0 1 0 0 -b1 0 -b0 0 0 1 -c1 0 0 -c0 -1 -1 0 1 0 -1 0 系数矩阵 消费方程： 消费方程不可识别。 * Ct It Tt Yt Yt-1 Gt X 1 0 -a2 -a1 0 0 -a0 0 1 0 0 -b1 0 -b0 0 0 1 -c1 0 0 -c0 -1 -1 0 1 0 -1 0 系数矩阵 投资方程： 投资方程可识别。 阶条件：g2=2，k2=2，k-k2=3-2=1， g2-1=0，即k-k2 g2-1，过度识别。 （H=7，M2=3，g = 4，H - M1 = 4 g – 1 = 3） * 第三节 联立方程模型的参数估计 对于可识别的联立方程模型的结构参数估计，不能直接对结构方程使用OLS（得到的是有偏、非一致性估计量）。 一、间接最小二乘法（ILS) 适用于恰好识别的联立方程模型。步骤为： 间接最小二乘估计量的性质：有偏、一致估计量，即：对于小样本，估计量是有偏的；对大样本，估计量是一致的。 * 二、两阶段最小二乘法（TLS) 步骤为： 两阶段最小二乘法实际上是以内生变量的估计值作为工具变量对结构方程进行估计的。使用TLS可以省去利用参数关系体系求解结构参数的麻烦，同时也可用于估计过度识别的联立方程模型。 * * 估计系数和方差为： 其中，C和D未校正因子（关于ρ的表达式，较小）。 二、忽略自相关使用OLS估计的后果 利用OLS估计，得到的估计值和方差都与GLS估计不同。根据前面关于OLS估计的线性和无偏性的证明，OLS估计是线性无偏的，但是考虑到干扰项的自相关，OLS估计是无效的。 * 如果ρ=0，估计结果是相同的。在存在自相关的情况下，参数的GLS估计式和方差估计式中均有自相关系数ρ，因此，忽略自相关的OLS估计值和方差都是不可信的。 * 1、绘制 的散点图 第三节 自相关的探察 一、图示法 首先利用OLS回归后，求出残差 。 如果大部分落在第I、第三象限，则 存在正自相关。 如果大部分落在第II、第IV象限，则 存在负自相关。 * 2、按时间顺序绘制 图 作出 随时间变化的图形，如果 呈由规律的变化，如锯齿形或循环形，则说明干扰项存在自相关。 若 随时间变化不断变换符号，说明存在负相关；若连续几个为正，后边几个为负，则可能存在正相关。 二、杜宾—瓦特森（Durbin-Watson）检验 基本假定： （1）回归式中有截距项 （2）解释变量是非随机的 （3）干扰项的模式为一阶自回归模式： * （4）回归模型中，物质后因变量被当作解释变量。 （5）没有缺落数据。 检验方法如下： 当d约接近2，u的自相关性越小。 * 检验步骤： （1）做OLS回归，得到残差。 （2）计算统计量d （3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临界值的下界和上界dL、dU 。 （4）根据下表的决策规则决定是否接受原假设。 原假设 决策 条件 无正自相关 拒绝 0ddL 无负自相关 拒绝 4 - dL≤d 无正或负的自相关 接受 dU≤d ≤4 -dL 无正或负的自相关 不能确定 dLd Du 4 – dUd 4 -dL D-W检验的缺陷是存在两个不确定域。如果统计量落入