第7章 随机解释变量.pptVIP

第7章 随机解释变量 第一节 随机解释变量问题 第二节 误差变量模型 第三节 工具变量法 * 信息系刘康泽 * 中南财经政法大学刘康泽 经典回归分析中，假定解释变量是非随机变量，即确定性变量，并且与随机误差项不相关，但是在实际计量分析中，这个假定却常常不能被满足。 一般而言，经济管理问题中的变量取值不仅往往难以人为控制，而且对其观测也往往难以十分精确。这是因为对经济变量的观测一般只能在经济系统的实际运行中进行，而不能在人为控制的实验环境（如：实验室）中进行，因而表现为解释变量的某种随机性。 设模型 随机解释变量问题可分为几种情况： ⑴ 随机解释变量与随机误差项独立 这表明独立随机解释变量模型中参数的OLS估计量是无偏的。 此时协方差矩阵已不同于非随机解释变量模型回归系数估计量 的协方差矩阵 。 但是随机误差方差的估计仍可采用通常的估计量： 因此 仍然是 的无偏估计。 【注】尽管OLS估计量及协方差矩阵的估计量都是无偏的，但由于 已不再是被解释变量的固定线性组合，所以 将不再是的BLUE。 ⑵ 随机解释变量与随机误差项不相关 可以证明此模型参数的OLS估计量是一致估计，并且可以证明它是渐进有效的。因此在大样本情形下OLS法仍然可以使用。 ⑶ 随机解释变量与随机误差项相关 如果协方差 由此，对于相关的随机解释变量模型，其回归系数的OLS估计量既不是无偏的，也不是一致的，因此，此情形下OLS法不宜使用。 由于许多经济变量都难以精确测定，所以模型中包含有观测误差的解释变量是一种常见的情形。这种模型通常称为误差变量模型。由于观察误差的随机性，所以这种模型是一种典型的含有随机解释变量的模型。 假设所要估计的真实回归模型为： 并假设变量x*和y*均不能十分精确地度量，实际得到的观察值是x和y，两者均含有观测误差，即x= x*+u，y= y*+v，其中u，v均为观测误差，假定两者都具有零均值和同方差，且两者不相关，同时也不与x*和y*相关，即 将x和y代入模型中，得 在此模型中 由于 ，故利用OLS法对（1）式进行估计时，其模型的回归系数的估计量将是有偏的和不一致的。 由上面的讨论可以知道：当设定的回归模型中包含有随机解释变量，并且这些解释变量与随机误差项相关的话，那么使用OLS法求得的参数估计量不仅是有偏的和非有效的，而且更严重的是不具有一致性，因此在这些情况下不能使用OLS法，而解决这一问题的方法是采用工具变量法。 设模型为 ，且解释变量中包含有与随机误差项相关的随机变量，所谓工具变量，就是在模型估计过程中视为工具使用以替代模型中与 相关的随机解释变量。 工具变量的选取应满足以下条件： ① 与所替代的变量高度相关； ② 与随机误差项不相关； ③ 与模型中其他解释变量不相关，以避免出现多重共线性 。 分别记z1，z2，…，zk为x1，x2，…，xk的工具变量，记这些工具变量的样本观察值为 由于工具变量的性质，可假设ZTX非奇异，且 具体的做法是： 工具变量法得到的估计量是无偏估计量。