第八章 联立方程模型蓝色.pptVIP

二、工具变量法 对恰好识别的结构方程，如果存在内生变量作为解释变量，它与随机误差项相关，就不能直接应用最小二乘法估计参数。 * 第93页，共136页，编辑于2022年，星期一 工具变量法的思路是，用合适的预定变量作为工具变量代替结构方程中的内生变量，从而降低解释变量与随机误差项之间的相关程度，再利用最小二乘法进行参数估计。 * 第94页，共136页，编辑于2022年，星期一 （一）工具变量的选择 如果内生解释变量Ｙt与ut相关，我们就选择一个工具变量Zt来代替Yt。Zt要满足两个条件：一是Zt与ut高度不相关，即Cov（Zt, ut）=0；二是Zt与Yt高度相关，即Cov（Zt，Yt）≠0。在联立方程模型中，工具变量一般从外生变量中选取。 * 第95页，共136页，编辑于2022年，星期一 （二）工具变量法求得的参数估计量的统计性质 工具变量法求得的参数估计量是有偏、一致的估计量。即 （8.41） （8.42） * 第96页，共136页，编辑于2022年，星期一 四、识别的条件 模型识别的条件有两个，即阶条件和秩条件。阶条件是必要条件，秩条件是充分必要条件。判断模型的识别情况，要将两个条件结合起来，灵活应用。 * 第61页，共136页，编辑于2022年，星期一 设结构式模型所含方程的总数（或内生变量总数）为M，模型包含的变量总数（包括前定变量和内生变量）为H，待识别的方程包含的变量总数（包括内生变量和前定变量）为G。下面对方程可识别的阶条件、秩条件进行讨论。 * 第62页，共136页，编辑于2022年，星期一 １．阶条件：若某一个结构式方程是可以识别的，则此方程排斥的变量总数大于或等于模型中方程数减一，即 H－G≥ M－1 式中，等号成立为恰好识别，不等号成立为过度识别，即 * 第63页，共136页，编辑于2022年，星期一 若 H-G < M-1，则不可识别； H-G = M-1 ，则为恰好识别； H-G > M-1 ，则为过度识别。 * 第64页，共136页，编辑于2022年，星期一 应用阶条件时要注意： （1）阶条件是必要条件，不是充分条件。不能仅从不等式H－G ≥ M－1的成立，来断定方程是可以识别的。 （2）如果阶条件不成立，则方程不可识别。 * 第65页，共136页，编辑于2022年，星期一 【例8.7】例8.6模型的识别。 这里M=２，H=5，G1=4，G2=3，则有： H－G1=1 M－1=1， M－1=H－G1； H－G2=2 M－1=1， M－1<H－G2。 所以，两个方程都满足阶条件，方程 （8.33）为恰好识别，方程（8.34）为过度识别。 （8.33） （8.34） * 第66页，共136页，编辑于2022年，星期一 2．秩条件：在具有M个方程的结构式模型中，任何一个方程可以识别的充分必要条件是：不包括在该方程中的变量（包括内生变量和前定变量）的参数所组成的矩阵（记为A）的秩为M－1，即r（A）= M－1。 * 第67页，共136页，编辑于2022年，星期一 秩条件是充分必要条件，也就是说：如果秩条件成立，则方程是可识别；如果方程是可识别的，则秩条件成立，或者秩条件不成立，则方程是不可识别的。 * 第68页，共136页，编辑于2022年，星期一 注意，秩条件虽然是充分必要条件，但它不能断定方程是恰好识别还是过度识别。因此，必须将秩条件和阶条件结合起来，才能完成方程识别性判断。 下面举例说明应用阶条件判断结构式方程识别性的实际步骤。 * 第69页，共136页，编辑于2022年，星期一 【例8.8】设有模型 试判断第二个方程的识别性。 * 第70页，共136页，编辑于2022年，星期一 解：第一步，将各方程删去干扰项，把变量全部移至方程左边，写作 将参数列入表8.1中。 * 第71页，共136页，编辑于2022年，星期一 表8.1 参数表 Ｙ1 Y2 Y3 Ｘ1 Ｘ2 Ｘ3 1 2 3 1 0 －1 －3 1 1 0 －1 1 2 0 0 —1 0 0 0 －1 2 方 程 参 数 变 量 * 第72页，共136页，编辑于2022年，星期一 第二步，划去要判断识别性的方程的参数行，划去该方程中非零参数的那些列。例如，本例研究第