联立模型的单方程估计方法一.docVIP

PAGE PAGE 171 §6.5联立方程模型的单方程估计方法(一) 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，依次逐个估计；所谓系统估计方法，指同时对全部方程进行估计，同时得到所有方程的参数估计量。显然，从模型估计的性质来讲，系统估计方法必然优于单方程方法，但从方法的复杂性来讲，单方程方法又优于系统估计方法。在实际中，单方程方法得到广泛的应用。 单方程估计方法主要解决的是联立方程模型系统中每一个方程中的随机解释变量问题，同时尽可能地利用单个方程中没有包含的、而在模型系统中包含的变量样本观测值的信息，没有考虑模型系统方程之间的相关性对单个方程参数估计量的影响。 单方程估计方法按其方法原理又分为两类。一类以最小二乘为原理，例如间接最小二乘法、两阶段最小二乘法、工具变量法等，我们称其为经典方法；一类称为有限信息估计方法，例如以最大或然为原理的有限信息最大或然法，以及仍然应用最小二乘原理、但并不以残差平方和最小为判断标准的最小方差比方法等。 联立方程模型的单方程估计方法不同于单方程模型的估计方法，无论是研究对象还是方法本身都是不同的，不要将二者混淆。 一、狭义的工具变量法（IV） 工具变量方法（Instrumental Variables）是一类估计方法的统称，可以有各种不同的选择工具变量的方法。在这里仅指一种特定的工具变量而言，故称为“狭义的工具变量法”。 工具变量的选取 对于联立方程模型 (6.5.1) 的每一个结构方程，例如第1个方程，可以写成如下形式： (6.5.2) 该方程包含个内生解释变量和个先决解释变量。写成矩阵形式为： (6.5.3) 其中 n为样本容量，请读者注意，这里的的含义已不同于结构式识别条件中的。 欲估计结构方程(6.5.3)，必须克服随机解释变量问题，有效的方法是工具变量法。在§4.4中已经给出了工具变量的条件，在这里，自然就会想到，方程中没有包含的个先决变量基本满足工具变量的条件，可以选择它们作为方程中包含的个内生解释变量的工具变量。如此选择工具变量的方法被称为狭义的工具变量法。 如果结构方程(4.5.3)是恰好识别的，即满足=，那么，工具变量的选择就很简单。 如果结构方程(4.5.3)是过度识别的，即满足，那么，工具变量的选择就比较麻烦。而且参数估计结果有一定的任意性，因为每从个没有包含在方程之中的先决变量中选出变量作为工具变量，就得到一组参数估计值。共计可能有种不同的参数估计值。所以，一般认为，这种工具变量方法只适用于恰好识别的结构方程的估计。 ⒉ IV参数估计量及其统计特性 选择作为的工具变量，得到参数估计量为： (6.5.4) 其中 (6.5.4)估计量的估计过程已经在§4.4中介绍了，这里不再重复。 工具变量法参数估计量，正如在§4.4中已经说明的，一般情况下，在小样本下是有偏的，但在大样本下是渐近无偏的。如果选取的工具变量与方程随机误差项完全不相关，那么其参数估计量是无偏性估计量。 ⒊ 参数估计量与工具变量的次序无关 对于恰好识别的结构方程，选择该方程中没有包含的个先决变量作为方程中包含的个内生解释变量的工具变量，虽然只能有一组选择，但在这一组中具体哪个先决变量作为哪个内生变量的工具变量，仍然具有任意性。但是这种任意性对参数估计量没有影响。为什么？ 从§4.4中知道，工具变量法参数估计量是一个关于该参数估计量的正规方程组的解。由该正规方程组的形成过程可以看出，如果工具变量的次序不同，也就是工具变量被使用的先后不同，那么正规方程组中方程的次序将不相同。但是由代数知识可知，在一个线性代数方程组中，方程的次序不影响方程组的解。所以，只要选择的工具变量组中的变量是相同的，只能得到一种参数估计量，而与变量的次序无关。这是一个重要的概念，请读者能够理解，在后续课程中还将多次用到这个概念。 二、间接最小二乘法(ILS) 联立方程模型的结构方程中包含有内生解释变量，不能直接采用普通最小二乘法估计其参数。但是对于简化式方程，正如在关于简化式模型概念介绍中提到的，可以采用普通最小二乘法直接估计其参数。于是就提出了间接最小二乘法：先对关于内生解释变量的简化式方程采用普通最小二乘法估计简化式参数，得到简化式参数估计量，然后通过参数关系体系，计算得到结构式参数的估计量。 间