第六章3联立方程模型的估计20103说课讲解.pptVIP

⒈2SLS是应用最多的单方程估计方法 IV和ILS一般只适用于联立方程模型中恰好识别的结构方程的估计。 在实际的联立方程模型中，恰好识别的结构方程很少出现，一般情况下结构方程都是过度识别的。为什么？ 2SLS是一种既适用于恰好识别的结构方程，又适用于过度识别的结构方程的单方程估计方法。 ⒉2SLS的方法步骤 第一阶段：对内生解释变量的简化式方程使用OLS。得到： 用估计量代替结构方程中的内生解释变量，得到新的模型： 第二阶段：对该模型应用OLS估计，得到的参数估计量即为原结构方程参数的二阶段最小二乘估计量。 例：设有结构式模型 第一阶段： 写出对应的简化式模型 应用OLS估计得到： 第二阶段： 代入被估计的结构方程 应用OLS估计得到： 3. 2SLS的使用条件 待估计的结构式方程必须是可识别的； 结构方程的随机误差项必须满足基本假定：零均值、同方差、无序列相关 所有的先决变量与随机误差项不相关，且先决变量间不存在严重的多重共线性。 样本容量n足够大，至少nk，以保证简化式参数估计量有意义。 4. 二阶段最小二乘法也是一种工具变量方法 如果用Y0的估计量作为工具变量，按照工具变量方法的估计过程，应该得到如下的结构参数估计量： 可以严格证明两组参数估计量是完全等价的，所以可以把2SLS也看成为一种工具变量方法。 参数估计量在小样本下是有偏的，在大样本下，是渐近无偏，且是一致的。 五、三种方法的等价性证明 ⒈三种单方程估计方法得到的参数估计量 ⒉IV与ILS估计量的等价性 在恰好识别情况下 工具变量集合相同，只是次序不同。 次序不同不影响正规方程组的解。 ⒉2SLS与ILS估计量的等价性 在恰好识别情况下 ILS的工具变量是全体先决变量。 2SLS的每个工具变量都是全体先决变量的线性组合。 2SLS的正规方程组相当于ILS的正规方程组经过一系列的初等变换的结果。 线性代数方程组经过初等变换不影响方程组的解。 六、简单宏观经济模型实例演示 ⒈模型 消费方程是恰好识别的； 投资方程是过度识别的； 模型是可以识别的。 ⒉数据 ⒊用狭义的工具变量法估计消费方程 用Gt作为Yt的工具变量 估计结果显示 ⒋用间接最小二乘法估计消费方程 C简化式模型估计结果 Y简化式模型估计结果 ⒌用两阶段最小二乘法估计消费方程 比较上述消费方程的3种估计结果，证明这3种方法对于恰好识别的结构方程是等价的。估计量的差别只是很小的计算误差。 代替原消费方程中的Yt，应用OLS估计 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，但残差平方和为3832486，显著减少。 为什么？利用了更多的信息。 Copyright?princebf,2008-2009,YNUFE Copyright?princebf,2008-2009,YNUFE Copyright?princebf,2008-2009,YNUFE Copyright?princebf,2008-2009,YNUFE Copyright?princebf,2008-2009,YNUFE Copyright?princebf,2008-2009,YNUFE §6.3 联立方程模型的估计 一、概述 二、狭义的工具变量法 三、间接最小二乘法 四、二阶段最小二乘法 一、估计概述 1、联立方程偏误 联立方程模型由于联立的结果会产生随机解释变量、多重共线性等问题 如果应用OLS对每一个方程分别估计时，必然会出现： （1）内生解释变量与随机误差项是相关的； （2）参数估计量是有偏的且是不一致的 这一由于方程联立而产生的偏误，称为联立方程偏误 （1）单方程估计方法 又称有限信息估计方法，解决了单个方程中的随机解释变量问题，同时利用了其它方程中的其它变量的信息，但未考虑方程间的相关性的影响 不同于单方程计量经济学模型的估计方法 一类以最小二乘为原理，包括间接最小二乘法（ILS）、两阶段最小二乘法（2SLS）、工具变量法（IV）等 另一类不以最小二乘为原理，或不直接从最小二乘原理出发，包括有限信息最大似然法（LIML）、最小方差比方法（LVR）等 （2）系统估计方法 又称完全信息估计方法，利用了模型系统提供的所有信息，包括方程间的相关性的影响 估计性质上由于单方程方法，但比