计量经济学课件§6.4 联立方程计量经济学模型的单方程估计方法.pptVIP

第2阶段估计结果 ⒍用两阶段最小二乘法估计投资方程 投资方程是过度识别的结构方程，只能用2SLS估计。估计过程与上述2SLS估计消费方程的过程相同。得到投资方程的参数估计量为： 至此，完成了该模型系统的估计。 2SLS第2阶段估计结果 ⒎用GMM估计投资方程 投资方程是过度识别的结构方程，也可以用GMM估计。选择的工具变量为c、G、CC1,得到投资方程的参数估计量为： 与2SLS结果比较，结构参数估计量变化不大。残差平方和为3832486，显著减少。为什么？利用了更多的信息。 GMM估计结果 六、主分量法的应用 ⒈方法的提出 主分量方法本身并不是联立方程模型的估计方法，而是配合其它方法，例如2SLS使用于模型的估计过程之中。 数学上的主分量方法早就成熟，Kloek和Mennes于1960年提出将它用于计量经济学模型的估计。 2SLS是一种普遍适用的联立方程模型的单方程估计方法，但是当它在实际模型估计中被应用时，立刻就会遇到不可逾越的困难。其第一阶段—用OLS估计简化式方程，是难以实现的。为什么？ ⒉方法的原理 所谓主分量方法，就是用较少数目的新变量重新表示原模型中较多数目的先决变量的方法。 例如，如果能够找到5个左右的新变量表示宏观经济模型中的30个先决变量，那么只需要15组以上的样本，就可以进行2SLS第一阶段的估计。 对充当主分量的变量是有严格要求：一是它必须是先决变量的线性组合，二是它们之间必须是正交的。前一条是保证主分量对先决变量的代表性；后一条是保证主分量之间不出现共线性。 ⒊主分量的选取 用两个主分量表示两个原变量 可以证明，a1、a2分别是X’X的2个特征值对应的特征向量。 用k个主分量表示k个原变量 同样可以证明，a1、a2、…、ak分别是X’X的k个特征值对应的特征向量。 用f个主分量表示k个原变量 选择a1、a2、…、af分别是X’X的f个最大特征值对应的特征向量。 在2SLS中主分量的选取 对于简化式方程 ⒋主分量法在ILS中的应用 对于2SLS，直接利用主分量完成第一阶段的估计，得到内生解释变量的估计量。 对于ILS，必须求得到简化式参数，进而计算结构式参数。 首先估计Y=ZΔ+Ε，然后将Z=XA代入，得到Y=XΠ 中Π的估计量。 七、其它有限信息估计方法简介(Limited Information Estimation Methods) ⒈有限信息最大或然法(LIML，Limited Information Maximum Likelihood ) 以最大或然为准则、通过对简化式模型进行最大或然估计，以得到结构方程参数估计量的联立方程模型的单方程估计方法。 由Anderson和Rubin于1949年提出，早于两阶段最小二乘法。 适用于恰好识别和过度识别结构方程的估计。 在该方法中，以下两个概念是重要的： 一是这里的“有限信息”指的是每次估计只考虑一个结构方程的信息，而没有考虑模型系统中其它结构方程的信息； 二是这里的“最大或然法”是针对结构方程中包含的内生变量的简化式模型的，即应用最大或然法求得的是简化式参数估计量，而不是结构式参数估计量。 具体参见教科书。 ⒉有限信息最小方差比方法(LVR，Least Variable Ratio ) 估计某一个结构方程参数时，仍然只利用关于该方程的信息，没有利用方程系统的信息，所以是一种有限信息估计方法。 参见教科书。 八、k级估计式 ⒈k级估计式 本身不是一种估计方法，而是对上述几种方法得到的估计式的概括。 对于联立方程模型中的第1个结构方程： k级估计式 为： 显然，当 k=0时，即为OLS估计式； k=1时，即为2SLS估计式； k等于有限信息估计方法中的时，即为有限信息估计式。 ⒉k级估计式的性质 假设工具变量与随机误差项不相关，即 且先决变量与随机误差项不相关，即 那么，容易证明k级估计式是一致性估计式。 工具变量与随机误差项不相关，对k是有限制的，必须有（证明见教科书）： 这就是说，只有在2SLS或有限信息估计方法中，k级估计式是一致性估计式，而在OLS方法中，不具有一致性。 §6.5-6联立方程模型的单方程估计方法Single-Equation Estimation Methods 一、狭义的工具变量法（IV） 二、间接最小二乘法(ILS) 三、二阶段最小二乘法(2SLS) 四、三种方法的等价性证明 五、简单宏观经济模型实例演示 六、主分量法的应用 七、其它有限信息估计方法简介 八、k级估计式 联立方程计量经济学模型的估计方法分为两大类：单方程估计方法与系统估计方法。 所谓单方程估计方法，指每次只估计模型系统中的一个方程，依次逐个估