计量经济学第10章 联立方程模型.pptVIP

计量经济学—理论·方法·EViews应用 郭存芝 杜延军 李春吉 编著 电子教案 三、结构式识别条件 ⒈结构式识别条件 直接从结构模型出发 一种规范的判断方法 每次用于1个随机方程 具体描述为： 如果 ，则第i个结构方程不可识别。 如果 ，则第i个结构方程可以识别。 如果 ，则第i个结构方程恰好识别， 如果 ，则第i个结构方程过度识别。 一般将该条件的前一部分称为秩条件（Rank Condition），用以判断结构方程是否识别； 将后一部分称为阶条件（Order Conditon），用以判断结构方程恰好识别或者过度识别。 ⒉例题 判断第1个结构方程的识别状态 判断第2个结构方程的识别状态 第3个方程是平衡方程，不存在识别问题。 综合以上结果，该联立方程模型是可以识别的。 与从定义出发识别的结论一致。 四、实际应用中的经验方法 当一个联立方程计量经济学模型系统中的方程数目比较多时，无论是从识别的概念出发，还是利用规范的结构式或简化式识别条件，对模型进行识别，困难都是很大的，或者说是不可能的。 理论上很严格的方法在实际中往往是无法应用的，在实际中应用的往往是一些经验方法。 该原则的前一句话是保证该方程的引入不破坏前面已有方程的可识别性。只要新引入方程包含前面每一个方程中都不包含的至少1个变量，那么它与前面方程的任意线性组合都不能构成与前面方程相同的统计形式，原来可以识别的方程仍然是可以识别的。 在实际建模时，将每个方程所包含的变量记录在如下表所示的表式中，将是有帮助的。  这里我们只介绍间接最小二乘法和两阶段最小二乘法。 二、间接最小二乘法(ILS, Indirect Least Squares) ⒈方法思路 联立方程模型的结构方程中包含有内生解释变量，不能直接采用OLS估计其参数。但是对于简化式方程，可以采用OLS直接估计其参数。 间接最小二乘法：先对关于内生解释变量的简化式方程采用OLS估计简化式参数，得到简化式参数估计量，然后通过参数关系体系，计算得到结构式参数的估计量。 间接最小二乘法只适用于恰好识别的结构方程的参数估计，因为只有恰好识别的结构方程，才能从参数关系体系中得到唯一一组结构参数的估计量。 一个简单的例子 一个结构式模型为 应用普通最小二乘法，在样本数据的支持下对每个简化式方程分别估计其参数，得到参数估计量 将简化式代入第1个结构方程，得到参数关系体系： 基本的步骤： 1. 对于结构式模型的某1个恰好识别的结构方程，写出相应的简化式方程； 2. 使用样本数据和OLS法估计简化方程得到简化式参数估计量； 3. 将简化式代入该结构方程，得到从参数关系体系； 4. 根据参数关系体系和简化式参数估计量来计算结构参数估计量。 间接最小二乘法参数估计的统计性质 对于简化式模型应用OLS法得到的参数估计量具有线性性、无偏性、有效性。 通过参数关系体系计算得到结构方程的结构参数估计量在小样本下是有偏的，在大样本下是渐进无偏的。 三、二阶段最小二乘法(2SLS, Two Stage Least Squares) ⒈2SLS是应用最多的单方程估计方法 在实际的联立方程模型中，恰好识别的结构方程很少出现，一般情况下结构方程都是过度识别的。 2SLS是一种既适用于恰好识别的结构方程，又适用于过度识别的结构方程的单方程估计方法。 ⒉2SLS的方法步骤 在应用二阶段最小二乘法的整个过程中，并没有涉及结构方程中内生解释变量和先决解释变量的数目，所有二阶段最小二乘法的应用与方程的识别状态无关，既可以用于恰好识别的结构方程，又可以用于过度识别的结构方程。 二阶段最小二乘估计量的统计性质： 在小样本下是有偏的，在大样本下是渐近无偏的。 对于恰好识别的模型，间接最小二乘法和两阶段最小二乘法是等价的。 第四节 案例分析 克莱因两次世界大战之间模型（1921-1941） 现要估计第1个结构方程的参数，可以证明该方程是恰好识别的，可以采用ILS。该方程有两个内生变量，相应的简化式方程为： 由 计算得到结构参数估计值： 请大家动手计算一下！ 第一步：用最小二乘法估计简化式，求出结构式模型的随机方程中所包含的内生解释变量的估计值 第二步：以内生解释变量的估计值替代结构式模型的随机方程中的内生解释变量，用最小二乘法估计结构式参数，得到结构式参数的估计结果。 P279 例10-6 例10-7 析: 简化式模型可表示为 其中，参数 随机误差项