第五章 立方程组模型的估计.ppt

第五章 联立方程组模型的估计 第一节 概述 克莱因(Klein)模型 1. 变量的分类 联立方程组模型的OLS 法 (1) 内生变量 Y 与随机误差 u 相关 (2) OLS 估计有偏 渐近无偏性 例 一致性 概率极限运算规则 (3) OLS 估计非一致 第二节 模型的结构式与简化式 二、模型的简化式 直接法 (2) 间接法 例 模型的简化式 模型的简化式 例 三、线性模型结构式的一般形式 结构式的矩阵形式 矩阵形式 四、线性模型简化式的一般形式及参数对应关系 矩阵形式 第三节 模型的识别问题 例 1 例 例 2 例 例 统计形式的唯一性 可识别的方程 可识别的联立方程组模型 恰好识别的方程 过度识别的方程 例 简化式 例 模型识别 第四节 模型识别的条件 一、模型结构式的识别条件 秩条件和阶条件 例 系数矩阵 第1个方程(需求方程)的识别 第2个方程(供给方程)的识别 模型简化式的识别条件 秩条件和阶条件 例 第1个结构方程的识别 第2个结构方程的识别 第3个结构方程的识别 一般方法 第五节 联立方程组模型的估计方法 一、间接最小二乘法(indirect least squares) 例 方程的识别 模型的简化式 参数关系式 第1个结构方程的 ILS 法 ILS 法 第2个结构方程的 ILS 法 ILS 法 第3个结构方程的 ILS 法 ILS 法 二、二阶段最小二乘法(two-stage least squares) 第一阶段 第二阶段 结构型一般形式的 2SLS 法步骤 第一阶段 (2) 求简化式参数的OLS 估计 (3) 内生变量用回归值与残差之和表示 矩阵形式 第二阶段 矩阵形式 矩阵形式 2SLS 的应用条件与统计性质 第六节 模型的应用与检验 应用 二、模型的检验方式 2 模型参数估计完成后的检验 拟合检验 整体检验 (2) 预测检验 第七节 计算实例与方法评价 表5-1 克莱因(Klein)模型的数据 一、2SLS 估计 第一步 简化式方程的 OLS 估计 (1) P 对应简化式参数的 OLS 估计 (2) Wp 对应简化式参数的 OLS 估计 (3) X 对应简化式参数的 OLS 估计 第二步 结构方程的 OLS 估计 (1) 第一个结构方程的 OLS 估计 (2) 第二个结构方程的 OLS 估计 (3) 第三个结构方程的 OLS 估计 模型的应用形式 方程组形式 2SLS 估计的整体检验 整体均方百分比误差 二、OLS 估计 第一个结构方程的直接 OLS 估计 (2) 第二个结构方程的直接OLS 估计 (3) 第三个结构方程的直接OLS 估计 直接 OLS 估计时的应用形式 直接 OLS 估计的整体检验 三、递归模型与 OLS 估计 递归模型一般形式 例 递归模型的特点 模型共有六个内生变量: C 、I 、W p 、X 、P 和 K 。八个前定量(包含截距项 X1 =1 ): W g 、G、T、A 、P-1、K -1 和 X -1 。即 m = 6 , k = 8 。模型可识别, 并且三个结构方程都是过度识别。从而应采用 2SLS 方法估计模型参数。 对三个结构方程中作为自变量的内生变量 P 、 W p 和 X 对应的简化式给出 OLS 估计。 用 代替三个结构方程中作为自变量的内生变量 ,得 再用 OLS 方法分别给出这三个结构方程的参数估计。 即 即 即 根据(5-82)式 或 得 或 (5-86) (5-88) 根据(5-88)式, 可计算各内生变量的整体拟合值及拟合误差。例如 C 的计算结果如下。 于是内生变量 C 的整体均方百分比误差为 类似可得其余各内生变量的整体均方百分比误差如下 直接采用 OLS 法, 得克莱因(Klein)模型的三个结构方程如下。 间接最小二乘(记为ILS )法是由简化式参数估计值间接给出结构式参数估计值, 因而间接最小二乘法适用于恰好识别方程。 间接最小二乘法步骤: (1)由模型的结构式给出简化式; (2)求出简化式参数 的OLS 估计值; (3)然后根据 和 的参数关系式, 得出结构参数 和 的估计值。 设模型 (5-58) (5-59) (5-60) 其中 为内生变量, 为前定变量。结构式的一般形式 于是系数矩阵 则模型相应的矩阵形式为