高级计量经济分析及Stata应用 课件 第9章 结构方程模型.pptx

《高级计量经济分析及stata应用》上海师范大学商学院

第9章结构方程模型

9.1结构方程模型概述结构方程模型（structuralequationmodeling，SEM）整合了因素分析和路径分析与计量经济分析方法，综合利用协方差矩阵或计量建模方法由显变量推断隐变量，并检验假设模型有效拟合优度的一组方程。2025/4/143

9.1结构方程模型概述结构方程模型的分析过程是：第一，设定初始结构方程模型，先判断结构方程组是否为可识别模型。第二，对于可识别模型，通过收集显变量的数据，利用最大似然估计或广义最小二乘估计等估计方法，估计未知参数。第三，评价模型拟合程度。如果模型与数据拟合得不好，就需要对模型进行修正，重新设定模型，一个拟合较好的模型往往需要反复试验多次，直到达到研究要求拟合优度。第四，模型预测应用及有效性评价。4

9.1结构方程模型概述结构方程模型通常是借助路径图将初始模型描述出来，对于复杂的模型尤其如此。路径图实际上提供了一个假设模型，它体现了隐变量与隐变量之间、隐变量与显变量之间（包括内生隐变量与显变量和外生隐变量与显变量之间）可能存在的关系，而且，这种关系的具体程度，可以通过路径系数及其显著程度来反映。2025/4/145

9.1结构方程模型概述结构方程模型一般由测量方程和结构方程两部分构成。1.测量方程：这部分描述的是隐变量（latentvariables）和显变量（observedvariables）之间的关系。隐变量是不能直接观测的变量，比如态度、信念等，而显变量是可以直接测量的变量，比如问卷调查中的得分。测量方程通常使用因子分析来估计隐变量和显变量之间的关系。2.结构方程：这部分描述的是隐变量之间的因果关系。结构方程可以看作是多个回归方程的集合，每个方程都描述了一个或多个自变量对一个因变量的影响。在结构方程中，每个方程都包含了一个或多个预测变量（解释变量）和一个结果变量（被解释变量），以及它们之间的路径系数，这些路径系数代表了变量间关系的强度和方向。2025/4/146

9.1结构方程模型概述（1）测量模型对于显变量与隐变量之间的关系，通常建立测量方程：2025/4/147（9.1）（9.2）小写eta小写zeta大写lamda

9.1结构方程模型概述2025/4/148（2）结构模型隐变量之间的关系方程为：（9.3）

9.2内生处理的控制函数估计法内生处理的控制函数估计法是一种用于处理内生性问题的统计技术。其基本原理是通过提取内生解释变量的内生性来源，并将其作为控制变量加入到原始模型中，以此来纠正内生性问题对估计结果的潜在偏误。基本原理：1.内生性来源提取：首先，识别导致内生解释变量（EndogenousExplanatoryVariables，简称EEV）内生的来源。这通常是由于遗漏变量、样本选择偏差、测量误差或互为因果关系等因素造成的。2.第一阶段回归：对内生解释变量进行第一阶段回归，使用一个或多个工具变量（InstrumentalVariables，简称IVs）来预测内生变量。工具变量需要满足两个条件：与内生变量有强相关性，并且与误差项不相关（即外生性）。2025/4/149

内生处理的控制函数估计法3.残差作为控制变量：控制函数估计法的核心在于，不是用第一阶段回归的预测值替换内生变量，而是将第一阶段回归产生的残差（即内生变量与其工具变量预测值之间的差异）作为一个新的控制变量引入到原模型中。这个残差项代表了内生变量中未被工具变量解释的部分，可以被视为内生性的度量。4.第二阶段回归：在第二阶段回归中，将原始模型与新加入的残差项一起估计。通过控制这个残差项，可以消除内生变量与误差项之间的相关性，从而获得无偏的估计结果。2025/4/1410

异同点

1.与传统的2SLS和IV方法的异同：控制函数法与传统的两阶段最小二乘法（2SLS）和工具变量（IV）方法一样，都用于处理内生性问题。不同之处在于，控制函数法不是简单地用第一阶段回归的预测值替换内生变量，而是将第一阶段回归的残差作为控制变量加入模型中。2.Hausman检验的简便性：控制函数方法提供了一个简单的Hausman检验，即通过比较OLS和2SLS检验模型是否存在内生性问题。此检验的优势在于其对模型中可能存在的异方差性和群集相关性保持稳健，即便这些特性的具体形态未知。3.处理复杂模型的简约性：控制函数法能简化非线性内生变量的处理，从而允许以较简单的方式分析复杂模型。总结来说，内生处理的控制函数估计法通过将内生性的度量（即第一阶段回归的残差）作为控制变量加入模型，来纠正内生性问题，从而获得无偏的估计结果。这种方法在处理内生性问题时提供了一种灵活且有效的途径。2025/4/14