经典计量经济学模型(放宽基本假定问题).pptVIP

对一元线性回归模型： OLS估计量为 1、如果X与?相互独立，得到的参数估计量仍然是无偏、一致估计量。 已经得到证明 随机解释变量X与随机项?的关系不同，参数OLS估计量的统计性质也会不同。 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， 但是 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。 2的证明中已得到 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）。 四、工具变量法 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： （1）与所替代的随机解释变量高度相关； （2）与随机误差项不相关； （3）与模型中其它解释变量不相关，以避免出现多重共线性。 工具变量法的应用 移项、加和。 两边取期望 如果选择Z为X的工具变量，那么在上述估计过程可改为: 这种求模型参数估计量的方法称为工具变量法(instrumental variable method)，相应的估计量称为工具变量法估计量（instrumental variable (IV) estimator）。 对于矩阵形式： Y=X?+ ? 采用工具变量法（假设X2与随机项相关，用工具变量Z替代）得到的正规方程组为： 参数估计量为： 其中 称为工具变量矩阵 3、工具变量法估计量是一致估计量 一元回归中，工具变量法估计量为 如果工具变量Z选取恰当，即有 两边取概率极限得： 因此： 1、在小样本下，工具变量法估计量仍是有偏的。 注意： 2、工具变量并没有替代模型中的解释变量，只是在估计过程中作为“工具”被使用。 上述工具变量法估计过程可等价地分解成下面的两步OLS回归： 第一步，用OLS法进行X关于工具变量Z的回归： 容易验证仍有: 因此，工具变量法仍是Y对X的回归，而不是对Z的回归。 3、如果模型中有两个以上的随机解释变量与随机误差项相关，就必须找到两个以上的工具变量。但是，一旦工具变量选定，它们在估计过程被使用的次序不影响估计结果(Why？)。 4、OLS可以看作工具变量法的一种特殊情况。 5、如果1个随机解释变量可以找到多个互相独立的工具变量，人们希望充分利用这些工具变量的信息，就形成了广义矩方法（Generalized Method of Moments, GMM）。 在GMM中，矩条件大于待估参数的数量，于是如何求解成为它的核心问题。 工具变量法是GMM的一个特例。 6、要找到与随机扰动项不相关而又与随机解释变量相关的工具变量并不是一件很容易的事 可以用Xt-1作为原解释变量Xt的工具变量。 五、案例——消费函数 例 居民消费函数的估计中，采用OLS估计了下面的模型： 由于：居民消费支出（C1）,国内生产总值（Y）与随机扰动项(u)相互影响，因此， 容易判断Y与u同期相关（往往是正相关），OLS估计量有偏并且是非一致的（低估截距项而高估计斜率项 ）。 资本形成K可能与Y高度相关，而与u不相关。 * * . 加入工具变量的估计。 * * 2、近似共线性下OLS估计量非有效 近似共线性下，可以得到OLS参数估计量， 但参数估计量方差的表达式为 由于|X’X|?0，引起(X’X) -1主对角线元素较大，使参数估计值的方差增大，OLS参数估计量非有效。 仍以二元线性模型 y=?1x1+?2x2+u为例: 恰为X1与X2的线性相关系数的平方r2 由于 r2 ?1，故 1/(1- r2 )?1 多重共线性使参数估计值的方差增大，1/(1-r2)为方差膨胀因子(Variance Inflation Factor, VIF) 当完全不共线时, r2