联立方程模型课件.pptVIP

2 、模型的识别条件 对于递归型模型——直接用 OLS 法 对于恰好识别模型——用间接最小二乘法、 工具变量法 对于过度识别模型——用二段最小二乘法、 三段最小二乘等 对于不足识别模型——不能估计其结构型参数 3 、考虑数据的可用性和计算方法的复杂性 31 单一方程估计法与系统估计法 1 、单一方程估计法 对方程组每个方程 逐一估计 的方法 特点：只考虑该方程本身的（有限）信息，不考虑整个 方程提供的全部信息 方法： OLS 、工具变量法、间接最小二乘法、二段最小 二乘法、有限信息极大似然法 2 、系统估计法 对模型中全部方程 同时进行估计 的方法论 特点：考虑用到模型的全部信息，也称完全信息法 方法：三段最小二乘法、似乎不相关法、完全信息极大 似然估计法 本课程只讲单一方程估计法 32 二、递归模型的估计— OLS 法 递归模型性质的回顾： 11 1 12 2 13 3 21 1 22 2 23 3 31 1 3 1 1 2 21 1 2 3 31 1 32 2 3 1 1 2 2 2 33 3 1 2 1 1 1 2 2 3 3 m m m mm m m m m m Y u Y Y u Y Y Y u X X X X X X X X X X Y Y Y Y X X u ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? L L L L L L L L L L L L L L L 33 递归模型中内生变量的参数呈三角形矩阵形式： 1 0 0 1 0 1 递归模型中各内生变量之间的联系只是单向的，都满足 OLS 基本假定，实际并没有联立方程偏倚问题 21 ? 1 u 1 2 , X X 2 u 3 u 1 Y 2 Y 3 Y 31 ? 32 ? 3 Y 2 Y 1 Y 1 Y 2 Y 3 Y 34 三、恰好识别模型的估计 —— 间接最小二乘法 基本思想： 恰好识别模型通过简化型参数可以唯一确定结构型 参数。显然，可以先用 OLS 法估计简化型参数，然后求解 出结构型参数，即间接最小二乘法（ ILS ） 估计步骤： ●先将结构型方程变换为简化型方程 ●用 OLS 法估计简化型参数（因简化型符合基本假定） ●利用简化型与结构型参数的关系式，求解结构型参数 35 举例 : 商品需求与价格的模型 其中 :Q 供需量、 P 价格、 Y 收入、 W 气候 根据识别条件，可证明该模型是恰好识别模型，简化型 为 其中 可求解出 : 0 1 2 1 0 1 2 2 t t t t t t t t Q P Y u Q P W u ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 11 12 13 1 21 22 23 2 t t t t t t t t t Q Y W v p Y W v ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? 0 21 1 0 2 1 1 1 11 12 13 1 1 1 1 1 1 ; ; ; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 2 2 21 22 23 1 1 1 1 1 1 ; ; ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 1 2 0 1 2 ? ? ? ? ? ? ? 36 ● 简化型参数的估计是无偏的（小样本），并 且是一致估计式（大样本） ● 结构型参数估计在 小样本中是有偏 的（因 结构型参数与简化型参数是非线性关系），但在 大样本中是一致 估计量。 ● 但是结构型参数的间接最小二乘估计 不具有最小 方差特性。 间接最小二乘估计的特性： 37 四、过度识别模型的估计 —— 二段最小二乘法 基本思想： 联立方程模型的估计除了识别问题以外，主要需要解决结 构型模型中内生变量作为解释变量与随机项相关而引起的 联立方程偏倚的问题 ● 由结构型方程变换得到的简化型方程的一般形式为 11 1 12 2 1 1 1 k k X X Y v X ? ? ? ? ? ? ? ? L 21 1 22 2 2 2 2 k k X X Y v X ? ? ? ? ? ? ? ? L 1 1 2 2 m k m m m mk X X Y v X ? ? ? ? ? ? ? ? L 随机分量 精确分量 38 ● 用 OLS 法估计出简化型参数 ，可以由 计算出 精确分量的估计值 ● 因为由简化型方程估计的 与结构型方程中的随机扰 动项 不相关，但作为 的精确分量， 与 高度相关， 可用各个 作工具变量替代作为解释变量的各个 , 对 模型用 OLS 估计其参数。 二段最小二乘法