联立方程计量济学模型.pptVIP

四、实际应用中的经验方法 §6.4一种特殊的联立方程—递归系统 一、递归系统模型 如果 则这类模型被称为递归系统模型。 二、递归系统模型的估计 §6.4 联立方程计量经济学模型的估计 一、概述 联立方程的两种估计方法：单方程估计方法；系统估计方法。 单方程估计方法：最小二乘原理法（间接最小二乘法、两阶段最小二乘法、工具变量法）；有限信息估计方法。 一、狭义的工具变量法（IV） 1.工具变量的选取： （6.4.1） 中的每个结构方程如 （6.4.2） 中包含 个内生解释变量和 个先决解释变量，写成矩阵形式为 （6.4.3） 其中 欲估计方程（6.4.3）须克服随机解释变量的问题有效的方法是工具变量法。这里用方程中没有包含的 个先决变量去作为方程中包含的 个内生解释变量的工具变量。如此选择工具变量的方法被称为狭义的工具变量法。 如果结构方程是恰好识别的即满足 ，那么工具变量的选择就很简单。 如果结构方程是过度识别的即满足 ，那 么，工具变量的选择就较麻烦，且参数估计的结果有一定的任意性。所以一般认为这种工具变量的方法只适用于恰好识别的结构方程的估计。 2.IV参数估计量及其统计特性 当选则 作为 的工具变量时，得到的参数估计量为 其中 该方法在小样本下有偏，在大样本下渐进无偏。若工具变量与方程随机误差项完全不相关，其参数估计量是无偏的。 3.参数估计量与工具变量的次序无关 二、间接最小二乘法（ILS） 原理：先对简化式方程应用普通最小二乘法，然后通过参数关系体系得到结构式参数的估计量。 特点：只适用于恰好识别的结构方程 1.一个简单的例子 可以证明第一个结构方程恰好识别，可用间接最小二乘法进行其参数估计。模型1有两个内生变量简化式为 应用普通最小二乘法，对每个简化式方程估计参数， 得到参数估计量 ，将简化式代入第一个结构方程得到参数关系体系及应用该体系和简化式参数估计量 ，得到的结构式参数估计值如下： 2.一般间接最小二乘法的估计过程 将（6.4.3）改写成 即 其中 内生变量的简化式模型为 （6.4.6） 代入结构式模型得到 将 分成两部分，一部分对应结构方程中包含的先决变量 ，一部分对应结构方程中未包含的先决变量 ，即 （6.4.7） 于是得到参数关系体系 用普通最小二乘法估计简化式模型（6.4.6），得到其参数代入参数关系体系（6.4.7），先由第2组方程得到 ，再代入第1组方程得到 。于是得到了结构方程（6.4.2）的结构参数估计量。 3.间接最小二乘法参数估计的统计性质（同工具法） 4.间接最小二乘法也是一种工具变量方法 可以证明，采用间接最小二乘法估计结构方程等价于 一种工具变量方法，选择 作为 的工具变量， 即用 依次作为 的工具变量，于是（6.4.3）的间接最小二乘估计量可 以写成 （6.4.8） 三、二阶段最小二乘法（2SLS） 现实中很多方程是过度识别的，二阶段最小二乘法适用于这种方程，是一种普遍应用的方法。 1.二阶段最小二乘法 （6.4.1）中的第1个结构方程（6.4.3）不能直接采用普通最小二乘法，但对于简化式 可直接应用普通最小二乘法得到 用 的估计量 替代（6.4.3）中的 ，得到新的方程 显然上述方程不存在随机解释变量问题，可以直接应用普通最小二乘法估计参数，得到 （6.4.13） 2.二阶段最小二乘法参数估计的统计性质 小样本下有偏，大样本下渐进无偏 3.二阶段最小二乘法也是一种工具变量方法 四、对于恰好识别的结构方程，三种方法等价 （6.4.4）