第七章 联立方程模型的概念和构造.ppt

该模型中实际并不存在联立方程系统中各内生变量之间的相互依赖性，而是存在一种单向的因果依赖性，这种模型被称为递归模型或三角模型，也因其单向因果性而被称为因果性模型。(二)间接最小二乘法间接最小二乘法的基本思想是：尽管不可以直接对结构方程应用普通最小二乘法，但对于由结构式方程导出的简化式方程，可以应用普通最小二乘法得到参数估计值，然后利用简化式参数估计值和参数关系式求得结构参数的估计值。*第29页，共47页，星期日，2025年，2月5日应用间接最小二乘法的具体步骤如下：第一步：将结构式模型转化为简化式模型。第二步：对每个简化式方程应用普通最小二乘法，得到简化式参数的估计值。第三步：根据简化式参数与结构式参数之间的关系式以及简化式参数估计值求得结构式参数估计值。*第30页，共47页，星期日，2025年，2月5日(三)工具变量法工具变量法的基本思想是：用适当的前定变量作为工具变量代替结构方程中作为解释变量的内生变量，从而降低解释变量与随机误差项之间的相关程度，再利用普通最小二乘法进行估计。工具变量法的关键是工具变量的选取，一般而言，工具变量应满足如下的条件：⑴工具变量与所替代的内生变量之间高度相关。⑵工具变量是联立方程模型中真正的外生变量，即它与结构方程中的随机误差项不相关。⑶同一方程使用多个工具变量时，它们之间的多重共线性程度要低。⑷工具变量与结构方程中其它解释变量的多重共线性程度也要低。*第31页，共47页，星期日，2025年，2月5日（四）两阶段最小二乘法两阶段最小二乘法的基本思想是：利用简化式模型求得内生变量的拟合值，以消除随机误差项的影响，然后将结构方程右边的内生变量替换为相应的拟合值，并对替换后的结构方程分别运用普通最小二乘法估计参数。应用两阶段最小二乘法应满足如下的条件：⑴所考虑的结构方程是可以识别的。⑵结构方程中的随机误差项满足零均值，方差为常数，序列不相关。⑶前定变量多重共线性程度低。⑷样本容量要足够大，至少要不少于方程中出现的前定变量的个数。*第32页，共47页，星期日，2025年，2月5日间接最小二乘法、工具变量法、

两阶段最小二乘法的比较⑴两阶段最小二乘法实际上是工具变量法的一种特殊形式，在两阶段最小二乘法中，工具变量是第一阶段的拟合值。⑵在恰好识别的情况下，可以证明三种方法是等价的。⑶在过度识别的情况下，间接最小二乘法不能应用；按照工具变量选择的不同，工具变量法可以得到多个估计值；而两阶段最小二乘法则可以充分利用模型信息，得到结构参数的唯一估计值。*第33页，共47页，星期日，2025年，2月5日*第1页，共47页，星期日，2025年，2月5日本章要点联立性偏误的定义识别的定义及识别的阶条件和秩条件内生变量和外生变量的定义及联立性检验的步骤联立方程模型的估计方法（单一方程法和系统方程法）递归模型的特点及普通最小二乘估计方法*第2页，共47页，星期日，2025年，2月5日第一节联立方程模型的基本概念*第3页，共47页，星期日，2025年，2月5日首先考虑一个由三个方程组成的简单的市场供需模型（假定市场总是出清）：供给方程：需求方程：均衡方程：其中、分别表示t期、t-1期某商品的价格，、分别表示t期该商品的供给量和需求量，代表t期的收入。按照经济理论，对于一般商品，应满足0，0。以下将利用该模型说明联立方程模型的几组概念。*第4页，共47页，星期日，2025年，2月5日内生变量、外生变量、前定变量(一)内生变量由模型系统决定其取值的变量称为内生变量（endogenousvariables）。内生变量受模型中其它变量的影响，也可能影响其它内生变量，即内生变量既可以是被解释变量，也可以是解释变量。内生变量受模型内随机误差项的影响，是随机变量。在模型7.1中，、、的值是由模型决定的，因而是内生变量。*第5页，共47页，星期日，2025年，2月5日（二）外生变量由模型系统以外的因素决定其取值的变量称为外生变量（exogenousvariables）。外生变量也可以表述为：独立于该变量所在方程前期、当期、未来各期随机误差项的变量。外生变量只影响系统内的其它变量，而不受其它变量的影响，因此在方程中只能做解释变量，不能做被解释变量。由定义可以看出，外生变量不受模型中随机误差项的影响。在模型7.1中，t期的收入是由模型外的因素决定的，因而在该模型中是外生变量。*第6页，共47页，星期日，2025年，2月5日（三）前定变量所谓前定变量（