孙敬水10联立方程模型.ppt

2．二阶段最小二乘法的主要步骤 第一阶段：利用OLS法估计结构式方程中所有内生变量的简化式方程，求得内生变量的估计值。 第二阶段：用内生变量的估计值替代结构式方程中的内生变量，第二次利用OLS法求得结构式参数的估计值。两个阶段，并在每个阶段各用一次OLS，故称为二阶段最小二乘法。 设有结构式模型： 利用TSLS法估计上述结构式方程的EViews命令序列为 第一阶段： LS Y1 C X1 X2 估计Y1的简化式方程 GENR EY1=Y1-RESID 计算Y1的估计值 LS Y2 C X1 X2 估计Y2的简化式方程 GENR EY2=Y2-RESID 计算Y2的估计值 第二阶段： LS Y1 C EY2 X1 估计替代后的结构式方程Y1 LS Y2 C EY1 X2 估计替代后的结构式方程Y2 实际上在EViews软件中，可以利用TSLS命令直接进行二阶段最小二乘估计，命令格式为 TSLS Yi C 解释变量名 @ C 前定变量名 命令中，符号@前面是第i个被估计方程中的所有解释变量名，包括内生变量和前定变量；符号@之后列出的是联立方程模型中的所有前定变量。如上述估计的结构式方程，可以用TSLS命令直接写成： TSLS Y1 C Y2 X1 @ C X1 X2 TSLS Y2 C Y1 X2 @ C X1 X2 也可以在方程说明窗口中，选择估计方法为TSLS，并在工具变量栏(Instrument list)中输入模型中的所有前定变量即可。 例10.3.2 现对例10.3.1的农产品市场均衡模型，用TSLS法重新估计需求函数和供给函数。步骤如下： 第一步：作为解释变量的内生变量P的简化方程为 对该方程应用OLS，即键入命令： LS P C Y R 估计P的简化式方程 GENR EP=P-RESID 计算P的估计值 得到如表10.3.2结果： 表10.3.2 回归结果 P 简化式方程为 第二步：利用上式计算的P的拟合值EP，在需求方程和供给方程中用EP代替P，再次应用OLS法，即键入命令： LS Q C EP Y 估计替代后的结构式方程即需求方程 LS Q C EP R 估计替代后的结构式方程即供给方程 估计结果如表10.3.3与表10.3.4： 表10.3.3 回归结果 表10.3.4 回归结果 TSLS与ILS法的估计结果相比可知，除了计算误差之外，估计结果是相同的。 上述估计的结构式方程，可以直接使用TSLS命令，即键入： TSLS Q C P Y @ C Y R 估计需求函数 TSLS Q C P R @ C Y R 估计供给函数 得到以下估计结果（表10.3.5与表10.3.6）： 表10.3.5 回归结果 表10.3.5 回归结果 表10.3.6 回归结果 借助于EViews中的System命令，可以直接对上述需求、供给方程进行TSLS估计。其步骤如下： （1）创建系统：在主菜单上点击Objects\New Object，并在弹出的对象列表框中选择System（系统）；然后在打开的系统窗口输入结构式模型的随机方程： （2）估计模型：在系统窗口点击Estimate按钮，在弹出估计方法选择窗口，选择TSLS方法后，点击OK，则输出估计结果(表10.3.7)： 表10.3.7 回归结果 同样得需求方程、供给方程估计式： 3．二阶段最小二乘法的使用条件 (1) 作为估计对象的结构式方程必须是可识别的； (2)结构式方程的随机误差项必须满足OLS的基本假定。 (3)所有的k个前定变量与随机误差项不相关，并且前定变量之间不存在严重的多重共线性。 (4)样本容量n要足够大，至少要有nk，以保证简化式方程的估计量有意义。 4．二阶段最小二乘估计量的性质 (1)在小样本条件下，结构式参数估计量是有偏的。 (2)二阶段最小二乘结构式参数估计量是一致的估计量。 (3)对于恰好识别方程，TSLS和ILS的估计结果是等价的。