《经济计量学》陈胜荣（计统系）11.pptVIP

根据市场出清机制，需求量=供给量，有： 求得： 其中： 将均衡Pt值代入上面的需求函数和供给函数，得到市场出清或均衡的需求量： 其中： 观察初始的需求和供给模型，共包括5个结构参数，但现在仅有4个方程（简化形式的系数为4个）。因此无法求得所有5个结构系数，但我们可以发现： 因此，供给函数是恰度识别的，而需求函数却不可识别。 有意思的事实： 正是由于需求函数中这个增加的变量才使得供给函数可以识别。 上图d表明，稳定的供给曲线和移动的需求曲线的交点是如何描绘出（识别）供给曲线的。 考虑如下模型： 可以验证，在市场出清条件下，这两个模型都是可以识别的。 注意变量的引入或排除是如何帮助我们识别模型的——即如何得到唯一的参数值。 正如将变量Xt排除在供给函数外以便能够识别供给函数一样，将变量Pt-1排除在需求函数之外也是为了能够识别需求函数。 结论：在联立方程系统中，如果一个方程包含了系统内的所有变量（内生的和外生的），那么它将不能识别。 过度识别 考虑如下模型： 其中，Wt表示消费者财富。 与前述恰度识别的模型对比，该模型中，供给函数不仅排除和收入变量，还排除和财富变量。 从供给函数中排除收入变量达到识别的目的，而从供给函数中将收入和财富都排除出去，则导致过度识别，即供给参数B2有两个估计值。 证明如下：令需求与供给相等，得到如下简化方程： 其中： 在需求供给模型中，共考虑了7个结构系数，但简化模型中共有8个系数。方程的个数比未知参数多，显然，参数有不止一个解。容易验证，B2实际上有两个值： B2的不确定导致了其他结构参数的不确定 看来是由于信息太多了：排除收入变量或财富变量其中之一，就足以识别供给方程了 与不可识别的情形相反：那里信息太少 启示：并非信息越多越好。 六、识别规则：识别的阶条件 识别规则：识别的阶条件 设m为模型中内生变量的个数； k为不包括在该方程中的所有变量（内生变量和外生变量）的个数，则： 若k=m-1，则方程恰好识别； 若km-1，则方程过度识别； 若km-1，则方程不可识别； 七、过度识别方程的估计： ——两阶段最小二乘法(2SLS) 考虑如下模型： 收入函数：Yt=A1+A2Mt+A3It+A4Gt+u1t 货币供给函数：Mt=B1+B2Yt+u2t 利用识别条件可知，收入方程是不可识别的（包含了所有变量），而货币供给方程则是过度识别的（排除了系统内的两个变量） 假定在货币供给函数中，找到一个替代变量或工具变量来代替Y，但却与u2不相关。若能得到这样一个替代变量，就可直接用OLS估计货币供给函数中的参数。这正是两阶段最小二乘法的思想： 第一阶段：首先做Y对整个模型中所有预定变量的回归（不只是该方程），以剔除Y与随机误差项u2之间可能存在的相关因素。 在此例中，就是做Y对I和G的回归，得 Yt=?t+wt 第二阶段：过度识别的供货供给函数可写为： Mt =B1+B2(?t+wt)+u2t =B1+B2?t+vt…………（11-50） 可以证明，虽然在原始的货币供给函数(11-46)中Y可能与随机误差项u2相关，但?t与vt却是渐近无关的。因此，可对上式使用OLS得到货币供给函数方程参数的一致估计值。 八、2SLS的应用实例：P272 从理论上说，2SLS要比OLS好，尤其是对大样本而言。 九、小结 联立问题：以解释变量形式出现的内生变量在另一个方程中可能与该方程的随机误差项相关，导致： 解释变量要么是固定的或非随机的，要么是随机的，但与随机项不相关。 识别问题：是不能唯一地估计方程中的参数。 对于不可识别的方程，一般无能为力； 一般只能通过改变模型的假定，即建立新的模型 对于恰好识别的方程：用间接最小二乘法（ILS）； 对于过度识别的方程：用两阶段最小二乘法（2SLS）。 案例分析：简单宏观经济模型 ⒈模型 消费方程是恰好识别的； 投资方程是过度识别的； 模型是可以识别的。 下列演示中采用了1978-1996年的数据。 2.数据 年份 Y I C G 1978 3606 1378 1759 469 1979 4074 1474 2005 595 1980 4551 1590 2317 644 1981 4901 1581 2604 716 1982 5489 1760 2868 861 1983 6076 2005 3182 889 1984 7164 2469 3675 1020 1985 8792 3386 4589 817 1986 10133 3846 5175 1112 1987 11784 4322 5961 1501 1988 14704 5495 7633 1576 1989 16466 6095 8524 1847