计量金融学计量金融学-8-3.pptVIP

说明：对于过度可识别的方程，不在该方程中的模型前定 变量个数大于该方程包含的内生解释变量个数，因此完 全可以在该方程中没有出现的前定变量中选择足够的变 量作为工具变量。当然应该尽可能选择与这些被替代的 内生解释变量相关性较强的变量。 事实上工具变量法不仅可用于过度可识别方程的参数 估计，也适用于恰好可识别方程的参数估计。但对于恰 好可识别的方程来说，理论上间接最小二乘估计效果更 好，而且能够证明若用全部前定变量作工具变量，那么 工具变量法估计与间接最小二乘估计是一致的。 【例4-4】下面的小型宏观经济模型是根据凯恩斯收入决定理论等建立的： ? 第一个方程是货币供给方程，第二个方程是国民收入决定方程，其中， 是国民收入（GDP）； 是货币供给； 是私人投资； 是政府支出。并已得到某国家1970—1994年间数据，如表4-1所示。要求估计第一个方程中的参数 和 。 表4-1 某国家宏观经济数据 首先在这个模型中内生变量是 和 ， 和 则是外生变量。根据识别性的判断法则不难判断，该模型中的第一个方程是过度可识别的，第二个方程是恰好可识别的，因此第一个方程的参数应该用工具变量法估计。若用外生变量 作为工具变量，则我们可以得到工具变量法估计结果 ? 可决系数为0.986567，两个参数估计量对应的 统计量分别为2.332818和40.27498，模型和两个变量都是显著的。 四、两阶段最小二乘估计 上一小节用工具变量法得到了过度可识别联立方程组模型方程参数的一致估计，但工具变量法估计的好坏与所选择的工具变量有很大关系。所选工具变量与所估计方程的内生解释变量相关性越强，与所估计方程原有的前定变量和误差项相关性越小，则参数估计就越可靠有效。这提供了进一步提高参数估计质量的启发，引出了两阶段最小二乘估计法（two stage least squares，2SLS）。 两阶段最小二乘估计的第一个阶段，就是寻找用于工具变量法估计的理想工具变量，第二个阶段则用第一个阶段找到的工具变量进行工具变量法估计。这里仍然以上一小节说明工具变量法的三方程模型为例，说明两阶段最小二乘估计的思路和方法。这个模型为： ? 还是讨论其中第一个方程的参数估计。 已知该方程是过度可识别的，上一节用模型两个外生变量中的 作为工具变量进行了工具变量法估计。但该方程也许有更好的工具变量参数估计，因为模型的另一个外生变量 也可以作工具变量，而且很可能是比 更好的工具变量。此外如果把 对两个外生变量 和 进行回归，也就是对 的简约式方程进行回归，然后把得到的回归理论值 作为工具变量。因为 与 相关性强，而且与 无相关性，满足理想工具变量的所有要求，因此用 作工具变量应该是比 和 都更好的工具变量。 根据这种思路，我们先估计 的简约式方程 ? 得到最小二乘估计回归方程 ? 把 作为工具变量，对第一个方程进行工具变量法估计，可得 的两阶段最小二乘估计为 ? 该模型第一个方程中的常数项 ，仍可用通常的方法估计为 ? 不难验证，上述 的两阶段最小二乘估计，与方程 中参数 的普通最小二乘估计是相同的。这一点实际上是具有普遍性的，就是联立方程组模型的两阶段最小二乘估计，都相当于先用普通最小二乘法估计方程中内生解释变量的简约式，然后用得到的估计量代替内生解释变量代入原方程，再对原方程作普通最小二乘估计。这也许正是这种参数估计方法称为两阶段最小二乘估计法的原因。 【例4-5】仍以【例4-4】模型和相关数据为例，用两阶段最小二乘法估计第一个方程的参数。 首先，用最小二乘法将第一个方程的内生解释变量 对外生变量 和 回归，得到回归直线 ? 再把 作为新变量替代第一个方程中的变量 ，进行最小二乘估计得到第一个方程的两阶段最小二乘估计回归结果 ? 回归可决系数为0.992768，两个参数估计的 统计量分别为2.900848和56.18817，都是显著的。总体上两阶段最小二乘估计的结果比工具变量法要更好一些。? * * 4-3 联立方程组模型的参数估计 一、最小二乘估计及其问题 与单方程线性回归分析一样，联立方程组模型计量经济分析的核心步骤也是参数估计。一般来说，除了没有未知参数需要估计的