计量经济学-14.ppt

§4.4 随机解释变量问题 一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例 基本假设:解释变量X1,X2,…,Xk是确定性变量。 如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。 假设X2为随机解释变量。对于随机解释变量问题，分三种不同情况： 1. 随机解释变量与随机误差项独立(Independence) 二、实际经济问题中的随机解释变量问题 例如： （1）耐用品存量调整模型： 耐用品的存量Qt由前一个时期的存量Qt-1和当期收入It共同决定： Qt=?0+?1It+?2Qt-1+?t t=1,?T （2）合理预期的消费函数模型 合理预期理论认为消费Ct是由对收入的预期Yte所决定的： 计量经济学模型一旦出现随机解释变量，且与随机扰动项相关的话，如果仍采用OLS法估计模型参数，不同性质的随机解释变量会产生不同的后果。 下面以一元线性回归模型为例进行说明 随机解释变量与随机误差项相关图 2、如果X与?同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。 kt的分母中包含不同期的X；由异期相关性知：kt与?t相关，因此， 3、如果X与?同期相关，得到的参数估计量有偏、且非一致。 注意： 如果模型中带有滞后被解释变量作为解释变量，则当该滞后被解释变量与随机误差项同期相关时，OLS估计量是有偏的、且是非一致的。 即使同期无关，其OLS估计量也是有偏的，因为此时肯定出现异期相关。 模型中出现随机解释变量且与随机误差项相关时，OLS估计量是有偏的。 如果随机解释变量与随机误差项异期相关，则可以通过增大样本容量的办法来得到一致的估计量 但如果是同期相关，即使增大样本容量也无济于事。这时，最常用的估计方法是工具变量法（Instrument variables）。 1、工具变量的选取 工具变量：在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量。 选择为工具变量的变量必须满足以下条件： 2、工具变量的应用 以一元回归模型的离差形式为例说明如下： 3、工具变量法估计量是一致估计量 1、在小样本下，工具变量法估计量仍是有偏的。 4、OLS可以看作工具变量法的一种特殊情况。 五、案例——中国居民人均消费函数 例4.4.1 在例2.5.1的中国居民人均消费函数的估计中，采用OLS估计了下面的模型： OLS估计结果： (13.51) (53.47) R2=0.9927 F=2859.23 DW=0.5503 SSR=23240.7 GMM是近20年计量经济学理论方法发展的重要方向之一。 IV是GMM的一个特例。 解释变量的内生性检验 回归模型的基本假设要求随机解释变量与模型的随机干扰项至少不存在同期相关性,即随机解释变量至少是同期外生变量.那么如何判断所设定的模型中各解释变量是同期外生变量呢? 通常采用豪斯曼(Hausman)检验 　　设二元原线性模型: 其中，与　是随机解释变量，而且明确知道　是外生变量，但怀疑　是同期内生变量。如何检验　是否具有内生性？ 　　　豪斯曼检验的基本思想：如果　是内生变量，则需寻找一外生变量　作为工具变量，并对原二元模型进行工具变量法估计，将工具变量法的估计结果与对原二元模型直接进行普通最小二乘法的估计结果对比，看差异是否显著。如果有显著差异，则表明　是内生变量。 　 第一步，将怀疑是内生变量的关于外生变量　，　作普通最小二乘估计： 　　 　得到残差项 第二步，将第一步得到的残差项　加入到原模型后，再进行普通最小二乘估计： 　　　 　仍假设随机干扰项 满足所有线性回归基本假设,并与 不同期相关。如果　前的参数　显著为零，则表明第一步回归式中，随即干扰项　与　同期无关，进而与原二元线性回归模型式的随机干扰项　同期无关，而　，　是外生变量，他们肯定与　同期无关，由第一步的回归式子知　与　同期无关。因此，第二步回归式子不拒绝　＝０的假设，则可判断原二元线性模型中的解释变量　是同期外生变量，否则为同期内生变量。 说明： 　第一，由上述第一部的式子可知，判断　与　是否同期相关，等价于判断　与　　是否同期相关；而对第二步式子的普通最小二乘回归，等价于对下式进行普