9129两阶段最小二乘法.pptVIP

* §12.9 二阶段最小二乘法(2SLS法) 一、2SLS法的基本思想 工具变量法对于恰好识别的结构方程是有效的。但 对过度识别方程虽然能够给出过度识别结构方程的 参数估计，但这种方法不是有效的。其原因在于选 择工具变量的任意性和失去了未被选用的前定变量 所提供的信息。 那么如何解决在模型中选取前定变量来构造内生说 明变量的工具变量呢? 一个很自然的想法是，如果模型中每个内生说明变量 的工具变量都在前定变量中选取，那么工具变量的最 普遍的形式便是模型中所有前定变量的线性组合，也 就是我们可以利用间接最小二乘法将约简型方程估计 式作为工具变量。 这就解决了选择工具变量的唯一性和合理性的问题。 所谓合理就是指工具变量与它所代表的内生说明变量 相关性最强。 二、二阶段最小二乘法的步骤 设有结构模型 (12.9.1) 其中y1、y2是内生变量，x１、x 2是外生变量。 第一阶段，写出结构模型(12.9.1)对应的约简型 (12.9.2) 对约简型的每个方程应用OLS法，得 (12.9.3) 于是有 (12.9.4) 其中ε1t,ε2t分别为v1t，v2t的OLS估计量。 第二阶段 将(12.9.4)代入被估计的结构方程(12.9.1)的右边的 内生变量： (12.9.５) 其中 对模型(12.9.5)中每一个方程分别应用OLS法，得出 结构参数的估计值，便是二阶段最小二乘估计量。 在计算时需要用到的估计值 和 ，应通过 (12.9.3)算出。由于这个方法是在二个阶段分别应用 最小二乘法，故叫做二阶段最小二乘法。 在实际应用二阶段最小二乘法时，第一阶段对约简型 方程应用OLS法只需求出我们所需要的 ，并不需 要求出相应的εit的值。第二阶段只需用代替所估计 方程右边的yit即可应用OLS法，只不过这里的ε*it已 不是原来uit罢了。 综上所述，二阶段最小二乘法第一阶段的任务是产生 一个工具变量。第二阶段的任务是通过一种特殊形式 的工具变量法得出结构参数的一致估计量。 三、应用举例 用2SLS法估计一个农产品供需模型中的结构参数 (12.9.7) 其中内生变量 分别代表需求量，供给量 和价格；外生变量Yt,Wt分别代表收入和气候条件。 把(12.9.7)模型改写成： (12.9.8) 可以证明两个方程皆可恰好识别。样本数据列表于 表12.9.1。 第一阶段： 写出约简式： Pt＝Π10 + Π11Yt + Π12Wt + v1t (12.9.9) 对方程(12.9.9)应用OLS法，得P的估计量的约简方 程，如图12.9.1所示： 图12.9.1 (12.9.10) 第二阶段： 将(12.9.10)中的 代替模型(12.9.8)中的变量Pt： (12.9.11) 其中 的数值由第一阶段的OLS估计式(12.9.10)算 出(见表12.9.1)。 再用OLS法分别对模型(12.9.11)中每个方程进行估计， 得出模型(12.9.11)的2SLS估计式，如图12.9.2和图12.9.3 所示： 图12.9.2 图12.9.3 图12.9.2和图12.9.3中P1即为模型中的 。 (12.9.12) 在EViews软件中，二阶段最小二乘法，选择工具变 量Y、W可以直接应用TSLS来实现，对模型(12.9.8) 应用TSLS结果如图12.9.4和图12.9.5所示： *