联立方程模型估计.ppt

其中， 第二阶段：将所求内生变量的估计值代入结构方程（12.2.1）左端作为工具变量，对变换后的方程应用OLS，得到参数的2SLS估计量。并求每个结构方程随机扰动项的估计量——残差 ，以及的方差、协方差估计量 如对第i个结构方程的2SLS估计结果为： t=1,2,…,n (12.2.4) 残差为： t=1,2,…,n (12.2.5) （12.2.4）式可写为： i=1,2,…,g （12.2.6） Yi：n×1向量，由第i个方程因变量的n次样本观察值组成； Y0i：n×(gi-1)矩阵，由第i个方程中作为解释变量的内生变量的简化式估计值组成； X0i：n×ki矩阵，由第i个方程所包含的前定变量的样本观察值组成； B0i：(gi-1)×1向量，第i个方程的内生变量结构参数； ?0i：ki×1列向量，第i个方程前定变量结构参数； ?：n×1向量，第i个方程的随机扰动项 其中， 第三阶段：用广义最小二乘法（GLS）求结构参数的估计量 将整个2SLS方程组表示成一个矩阵形式的单一方程： 或者 (12.2.7) (12.2.8) 对于(12.2.8) 中的随机误差项?，为了使问题适当简单，作如下假设： 1、对于一个结构方程的随机误差项，在不同样本点之间，具有同方差性和序列不相关性。即 i=1,2,…,g 2、对于不同结构方程的随机误差项之间，具有且仅具有同期相关性。即 i,j=1,2,…,g；i?j 于是，联立方程模型系统随机误差项方差—协方差矩阵为 其中：?表示“直积”，即用符号后面的矩阵去乘符号前面矩阵的每个元素。 协方差矩阵?是由(g×g)个子矩阵组成，每个子矩阵都是一个主对角阵，且主对角线元素相同。 如果放弃两条假设，每个子矩阵就不是一个主对角阵，且主对角线元素也不相同。 由于随机项不可观察，?ii2与?ij未知，但可根据残差给出它的估计值： 于是有?的估计 用GLS法估计（12.2.8）式 得结构参数向量的估计： 2、三阶段最小二乘法估计量的统计性质 3SLS估计量的统计性质主要有： ⑴ 如果联立方程模型系统中所有结构方程都是可以识别 的，并且非奇异，则3SLS估计量是一致性估计量。 为了保证非奇异，必须将模型系统中的恒等式排除在外，不参加估计过程。因为恒等式的随机误差项为0，将使矩阵中出现0行和0列，使之成为奇异矩阵。 ⑵ 对大样本来说，3SLS估计量比2SLS估计量更有效。将3SLS估计量和2SLS估计量的分布进行比较，并根据Gauss-Markov定理，即可清楚看到这点。 ⑶ 如果是对角矩阵，即模型系统中不同结构方程的随机误差项之间无相关性，那么可以证明3SLS估计量与2SLS估计量是等价的。这反过来说明，3SLS方法主要优点是考虑了模型系统中不同结构方程的随机误差项之间的相关性。 例：克莱因（Klein）美国战争间模型是一个小型的宏观经济模型，结构方程如下： 消费函数： 投资函数： 劳动力需求函数： 国民收入： 利润： 资本存量： 其中：C为消费支出、I为投资支出、P为利润、Y为可支配收入、K为资本存量、WP为私营工资、WG为政府工资、G为政府支出、T为税金、t为时间。 该联立模型共由6个方程组成，其中3个行为方程，3个定义方程。变量共有10个，其中6个内生变量（C、I、WP、Y、P、K），4个外生变量（WG、G、T、t）；前定变量共有7个（WG、G、T、t、P-1、T-1、K-1）。 容易判断该联立模型中消费函数、投资函数为过度识别，劳动力需要函数为恰好识别。 该联立模型的一个样本数据列于表12-2-1。 分别用OLS，2SLS，3SLS方法对模型进行估计，结果列于表12-2-2 计量经济学Econometrics 主讲人：黄雷 联立方程模型的估计 单方程估计方法，又称有限信息法（limited information methods），指每次只估计模型系统中的一个方程，依次逐个估计；估计时仅考虑该方程给出的有限信息。 系统估计方法，又称完全信息法（full information methods），指同时对全部方程进行估计，同时得到所有方程的参数估计量。估计时同时考虑全部方程给出的信息。 从模型估计的性质来讲，系统估计方法优于单方程方法； 从方法的复杂性来讲，单方程方法又优于系统估计方法。 在实际中，单方程方法得到广泛的应用。