联立方程模型课件.pptVIP

從上面的幾例可知，模型中存在的識別問題是可以消除的。我們在原模型兩方程中添加不同的解釋變數，就使得兩個方程都從不可識別變為可識別。一般來說，如果我們能夠用經濟理論或額外資訊為聯立方程組施加約束條件，則可以消除識別問題。這些約束條件可以採取各種形式，但最常用的是所謂的“零約束”，即規定某些結構參數為0，也就是說，某些內生變數和外生變數不出現在某些方程之中。在上面的例3中，共有4個變數，第一個方程中沒有Rt，第二個方程中沒有Yt，因而每個方程各有一個零約束。正是由於這個零約束，使得它們有別於用任意λ和μ形成的線性組合方程，具有獨一無二的形式，因而是可識別的。2.恰好識別和過度識別可識別方程可分成恰好識別（just-identified或exactlyidentified）和過度識別（over-identified）兩類。如果模型中約束條件所提供的資訊對於識別某個方程剛好夠用，則該方程是恰好識別的，如果約束條件所提供的資訊對於識別某個方程不但夠用，而且有餘，則該方程是過度識別的。如果一個方程是不可識別的，則它的結構參數不能被估計，也就是說，不存在估計這些參數的有意義的方法。因此，模型中若有不可識別方程，則應首先消除這個問題。三、識別的階條件和秩條件在實踐中，經濟模型比我們所舉的簡單聯立方程模型例子要複雜得多。當模型中方程很多時，要確定該模型中某個方程是否可識別顯然將很複雜。對於這種情況，有一些比較方便的判別準則可用。其中常用的是所謂“識別的階條件”（ordercondition）：模型中一個方程是可識別的必要條件是，該方程所不包含的模型中變數的數目大於等於模型中方程個數減1，即 K－M≥G－1.其中：K＝模型中的變數總數（內生變數＋前定變數） M＝該方程中所包含的變數數目 G＝模型中方程個數（即內生變數個數）儘管識別的階條件只是一個必要條件，也就是說，模型中任何可識別方程必定滿足K－M≥G－1,但滿足該條件的方程則未必是可識別方程。但在實際應用中，為方便起見，人們往往用它來判別一個方程是否可識別，就象用一階導數是否等於零來判別極值是否存在一樣。經驗表明，在絕大多數情況下，這種用法不會有多大問題，但應當明白，畢竟存在著該條件滿足而方程不可識別的情況。實踐中，應用識別的階條件進行判別的準則是：若K－MG－1,則不可識別;若K－MG－1,則過度識別;若K－M=G－1,則恰好識別。上述識別的階條件是該條件在實際應用中使用最廣泛的一種形式，其更一般的表述形式為：模型中一個方程是可識別的必要條件是，施加於該方程的結構參數上的約束條件的數目大於等於模型中方程個數減1，即 R≥G－1其中：R＝施加於該方程的結構參數上的約束條件的數目 G＝模型中方程個數顯然這種表述形式包含了前一種表述形式，是前者的推廣，因為前者僅涉及係數的零約束（不包含某個變數，即其係數為0），而後者則包含了所有形式的約束。另外一個準則是識別的秩條件（rankcondition），這是一個充要條件，陳述如下：在一個有G個方程的模型中，其中任何一個方程是可識別的充要條件是模型中不包括在這個方程中的所有變數的係數矩陣的秩等於G－1。上述兩個條件，我們不在這裏證明，有興趣的同學可參閱有關參考書。下麵，用前頭農產品供求模型的例子，討論一下階條件的使用方法：例4.簡單的凱恩斯收入決定模型 對於消費函數，我們有：K=3，M=2，G＝2，K–M=1=G–1=1，因而恰好識別。對於收入恒等式，因為該式中包含兩個係數約束條件（C和I的係數為1），我們有R=2G-1=1，因而過度識別。第三節聯立方程模型的估計由第一節我們得知，聯立方程模型的一個特點是內生變數往往作為解釋變數出現在方程中，通常與它作為解釋變數的那個方程的擾動項相關。在這種情況下，使用OLS法得到的估計量既不是無偏的，又不是一致的。也就是說，不管樣本多大，OLS估計量也不收斂於它們的真值。因此，在聯立方程模型的情況下，我們一般不能再使用OLS法對模型進行估計。針對聯立方程模型的特點，計量經濟學家提出了很多用於聯立方程模型的估計方法。這些方法分為兩類：單方程方法和系統估計方法。單方程方法單方程方法是對整個聯立方程模型中每個方程分別進行估計的方法。當