计量经济学第十章-联立方程.ppt

《计量经济学第十章-联立方程.ppt》由会员分享，可在线阅读，更多相关《计量经济学第十章-联立方程.ppt（64页珍藏版）》请在三一办公上搜索。

1、,第九章 联立方程模型,单一方程模型只用一个方程描述经济变量与各解释变量之间的关系。在单一方程模型中解释变量是被解释变量变化的原因，它们之间的因果关系是单向的。然而社经济现象是复杂的，因果关系可能是双向的，或者一果多因，或者一因多果，很难用单个方程完整地加以表达。联立方程模型就是由多个互相联系的单一方程组成的方程组。由于它包含的变量多，结构也较复杂，所以能全面反映经济系统的运行规律。,一、联立方程模型及其设定 从经济意义上看，联立方程模型主要反映了模型对象的经济行为以及外部环境、市场均衡条件。如：需求供给模型 Qd=b10+b11P+b12 Y+u1 Qs=b20+b21P+b22 R+u2

2、Qd=Qs式中：Qd:需求量；P:市场价格；Y:消费者收入 Qs:供给量；R:气候条件因子,第一节 联立方程模型的基本概念,小型国民经济宏观模型 这是一个不考虑进出口因素的封闭的国内经济系统模型，包括三个随机方程，一个衡等式。消费方程：Ct=b10+b11Yt+b12 Ct-1+u1 投资方程：I t=b20+b21(Yt-Yt-1)+b22 Yt-1+b23 Rt-4+u2 利率方程：Rt=b30+b31Yt+b32(Yt-Yt-1)+b33(Mt-Mt-1)+b34(Rt-1+Rt-2)+u3 国民收入方程：Yt=Ct+I t+Gt 式中：C:个人消费总量；I:国内投资总额；Y:国内生产总

3、值GDP G:政府支出；M:货币供应量；R:短期利率,二、联立方程模型的变量和方程式变量：1.内生变量，是由模型系统内决定的变量，其值在解联立方程后得到。2.外生变量，是由模型系统外部决定的变量。3.前定变量，包括外生变量和滞后内生变量。内生变量与外生变量的划分不是绝对的，随着新的行为方程的加入，外生变量可以转化为内生变量；随着行为方程的减少，内生变量也可以转化为外生变量。,三、联立方程的类型,1、结构模型（structural model）把内生变量表述为其他内生变量、前定变量与随机误差项的方程体系。例：如凯恩斯模型 Ct=0+1Yt+ut1 消费函数 It=0+1Yt+2Yt-1+ut2

4、投资函数 Yt=Ct+It+Gt 国民收入等式 Ct消费；Yt国民收入；It投资；Gt政府支出；1,1,2称为结构参数。模型中内生变量有三个Ct，Yt，It。外生变量有一个 Gt。内生滞后变量有一个Yt-1。Gt,Yt-1又称为前定变量。因模型中包括三个内生变量，含有三个方程，所以是一个完整的联立模型。,结构式模型的意义 结构式模型描述了经济变量间的直接经济联系，可用于分析解释变量对被解释变量的直接营销。但是，由于模型中各方程包含内生变量，产生联立方程偏倚，使系数估计困难，也无法进行预测，所以说有经济分析意义，但缺少计量经济学意义。,结构式模型的类型1）行为方程，它是反映经济活动主体的经济行为

5、的函数关系式2）技术方程，它是基于生产技术的关系而建立的函数关系式3）制度方程，它是与法律、法令、规章制度有直接关系的经济数量关系式4.恒等式，恒等式有两种，一种是表示某种定义的恒等式，另一种是平衡方程。,简化式模型的特点可直接用OLS进行估计反映了前定变量对内生变量的总影响可以直接进行经济预测模型经济含义不明确结构式模型与简化式模型的区别与联系经济含义和用途不同模型中变量间的联系不同估计方法不同一定条件下可以转化,第二节 联立方程模型的识别,一、模型识别的定义 1、从结构方程参数的关系角度 一个结构方程可以识别，是指它的全部估计系数可以从参数关系体系的方程组求解得到。若每个结构方程都可识别，

6、则称模型可识别，否则模型就是不可识别的。结构方程可以识别又包含两种情况：如果求解结构参数唯一，则称恰好识别；如果求解结构参数不唯一，则称过度识别。2、从结构方程的统计形式角度 如果被识别方程具有确定的统计形式，则这个结构方程可以识别，否则不可识别。,1、不可识别 Qd=b10+b11P+u1 Qs=b20+b21P+u2 Qd=Qs联立求解上述方程，得,二、模型识别状态,写成模型的简化形式：P=10+V1Q=20+V2,待求的结构式参数有四个，b10,b11,b20,b22，而只有二个方程组，方程无解，这个模型不可识别。,2、恰好识别 Qd=b10+b11Pt+b12Y+u1 Qs=b20+b

7、21Pt+b22Pt-1+u2 Qd=Qs联立求解上述方程，得 P=10+11Yt+12 Pt-1+V1 Q=20+21Yt+22 Pt-1+V2参数关系式体系为：,待求的结构式参数有六个，b10,b11,b20,b22,b21,b22,而恰好有六个方程组，方程有唯一解，模型恰好识别。,3、过度识别 Qd=b10+b11Pt+b12Y+b13W+u1 Qs=b20+b21Pt+b22Pt-1+u2 Qd=Qs联立求解上述方程，得 P=10+11Yt+12 Pt-1+13 W+V1 Q=20+21Yt+22 Pt-1+23 W+V2参数关系式体系为：,待求的结构式参数有七个，b10,b11,b2

8、0,b21,b22,b13,b23，但却有八个方程组，方程有解，但解不唯一，模型过度识别。,三、联立方程模型识别的条件,第三节 联立方程模型的估计,（三）结构式模型1、联立方程偏误 对于结构式联立方程，由于有内生解释变量，可能造成其与解释变量或随机误差项相关，且解释变量与被解释变量界限不清楚等原因，如果仍用OLS估计，估计量必然存在相关性、有偏性、非一致性，即联立方程偏误。所以，联立方程不能直接用OLS方法估计，而要用到其他方法估计。由于简单式模型和递归模型直接可用OLS估计，所以，联立方程模型的估计方法一般是针对结构式模型而言的，当然，需要估计联立方程的前提首先是能够识别。,2、联立方程的估

9、计方法 单一方程估计法，即有限信息估计法；方程组估计法，系统估计法，即完全信息估计法。前者只考虑被估计方程的参数约束问题，而不过多地考虑方程组中其他方程所施加的参数约束，因此称为有限信息估计方法。后者在估计模型中的所有方程的同时，要考虑由于略去或缺少某些变量而对每个方程所施加的参数约束。因此称为完全信息估计法。,显然对于联立方程模型，理想的估计方法应当是完全信息估计法，例如完全信息极大似然法（FIML）。然而这种方法并不常用。因为这种方法计算工作量太大，将导致在高度非线性的情况下确定问题的解，这常常是很困难的，若模型中某个方程存在设定误差，这种误差将传播到其他方程中去。所以对于联立方程模型常用

10、的估计方法是单一方程估计法。常用的单一方程估计法有间接最小二乘法（ILS），工具变量法（IV），两阶段最小二乘法（2SLS），有限信息极大似然法（LIML）。当然，三阶段最小二乘法（3SLS）也是常用的系统估计方法。,3、联立方程常用估计方法1）工具变量法（instrument variable）工具变量法是一种估计联立方程模型的单一方程方法，每次只能估计联立方程模型中的一个方程。工具变量法的基本思想是利用适当的工具变量去代替结构方程中作为解释变量的内生变量，以减少解释变量与随机项的相关性。,工具变量法的应用步骤,（1）选择适当的工具变量 选择适当的工具变量代替结构方程中作解释变量的内生变量。

11、工具变量应满足以下条件：1、必须与由它代替的结构方程中内生变量高度相关。2、工具变量必须是外生变量，与特定结构方程的随机项无关。3、必须与特定结构方程原有外生变量的线性相关程度很低，避免出现特定结构方程中的多重共线性。4、如果一个结构方程中使用2个以上的工具变量，这些工具变量之间也不能存在高度线性相关。,工具变量法的应用步骤,（2）对变量替换后的结构方程两端分别用解释变量相乘，并对 n 次观察求和，得到方程个数与未知结构参数个数相同的一组线性方程组。（3）再将这些线性方程组联立求解，求得该特定方程结构参数的估计量。,2）间接最小二乘法（ILS）间接最小二乘法的基本思路：如果可能，将结构式模型转

12、化成简化式模型，然后通过参数关系体系，得到相关参数。它适用于恰好识别的模型。其步骤是（1）判断结构方程识别状态，如恰好识别才可进行下一步（2）结构式模型转化为简化式模型，求得参数关系体系（3）用OLS估计简化式模型（4）根据前面的参数关系体系，得出结构式参数。,3）二阶段最小二乘法（2SLS）二阶段最小二乘法的基本思想是通过回归，用内生变量的估计值最为工具变量，然后再回归。二阶段最小二乘法，即适用于恰好识别的方程，也适用于过度识别的方程，但更适合后者。,二阶段最小二乘法的步骤,（1）用OLS估计简化式方程，得到内生变量的估计值。设被估计方程形式为：,相应的简化式方程组,对简化式方程组的每一个方

13、程应用OLS，求得 Yi的估计值 Yi。,二阶段最小二乘法的步骤,（2）以 Yi 作为工具变量，替代所有内生变量，再用OLS估计得到相应的参数,对上式应用OLS，求得 b12,b12,r11,r1k 的估计量。,4）三阶段最小二乘法（3SLS）在2LSLS的基础上，再进行广义最小二乘估计，以克服各个结构方程随机误差项同期相关等问题。三阶段最小二乘法是二阶段最小二乘法的推广，将参数估计分为三个阶段。其中：三阶段最小二乘法的第一、第二阶段采用2SLS，第三阶段采用广义最小二乘法（GLS）,3SLS的优点：(1)充分利用模型结构信息 2SLS只能对模型的一个结构方程进行参数估计，所利用的只是模型参数

14、的部分信息。事实上总体结构对每个结构参数都有程度不同的影响，3SLS可以充分利用模型的全部信息。(2)克服各方程之间随机项相关造成的估计偏误。2SLS假定各结构方程之间的随机项是序列不相关的。但在联立方程模型中，各方程之间随机项可能相关，这时应引入广义最小二乘法。以克服由于各方程之间随机项相关造成的估计偏误。,应用3SLS的基本假定,（1）必须确知联立方程模型中各结构方程的变量、函数形式。（2）联立方程模型中每一结构方程的随机项不存在序列相关。（3）联立方程模型中不同结构方程的随机项是同期相关的。（4）联立方程模型是过度识别的。模型的恒等式要排除，未能识别的方程应剔除。,三阶段最小二乘法的应用

15、步骤,第一阶段：用OLS估计简化式方程，求出内生变量的估计式。设联立方程模型为：BY+X=相应的简化式模型为：Y+X=v 得到内生变量的简化式估计值 Y=(Y1,Y2,Yg,),三阶段最小二乘法的应用步骤,第二阶段：将求得的方程，求出的内生变量简化式估计值代入结构方程。,将Y2,Y3,Yg,代入，用OLS进行估计，,求出每个方程随机扰动项的估计值残差，方差和协方差。,三阶段最小二乘法的应用步骤,第三阶段：运用广义最小二乘法GLS求得的结构参数估计量。如果不同方程的误差项互不相关，则 3SLS估计与2SLS估计相同。,案例：美国各州地方政府费用支出模型：,GOV 为政府支出，AID为联邦政府拨款

16、额，INC为各州收入的自然对数，POP为各州人口总数，PS为小学与中学在校生人数。,一、TSLS估计方法1：命令方式TSLS GOV C AID INC POP C INC POP PS 方程1的回归命令形式 所有前定变量TSLS AID C GOV PS C INC POP PS,方法2：菜单方式,主菜单中选择【Quick】【Estimate Equation】打开方程定义窗口，在【Estimation Settings】中选择TSLS,估计结果,二、3SLS估计：新建一个系统对象。点击工作文件窗口中【Objects】【New Object】，在对象类型中选择system，点击ok,在系统对

17、象窗口中输入待估模型，同时输入工具变量（在系统对象中，应完整的写出方程的表达式）即：gov=c(1)+c(2)*aid+c(3)*inc+c(4)*pop ps inc popaid=c(5)+c(6)*gov+c(7)*ps inc ps,点击系统对象窗口【Procs】【Estimate】，弹出系统估计对话框，选择3SLS，点击ok，,第四节 联立方程模型的检验,包括单方程检验和方程系统的检验。凡是在单方程模型中必须进行的各项检验，对于联立方程模型中的结构方程，以及应用2SLS或3SLS方法过程中的简化式方程，都是适用的和需要的。模型系统的检验主要包括：拟合效果检验预测性能检验方程间误差传递

18、检验样本点间误差传递检验,一、拟合效果检验,将样本期的先决变量观测值代入估计后的模型，求解该模型系统，得到内生变量的估计值。将估计值与实际观测值进行比较，据此判断模型系统的拟合效果。模型的求解方法：迭代法。为什么不直接求解？常用的判断模型系统拟合效果的检验统计量是“均方百分比误差”，用RMSP表示。,当RMSPi=0，表示第i个内生变量估计值与观测值完全拟合。一般地，在g个内生变量中，RMSP5%的变量数目占70%以上，并且每个变量的RMSP不大于10%，则认为模型系统总体拟合效果较好。,二、预测性能检验,如果样本期之外的某个时间截面上的内生变量实际观测值已经知道，这就有条件对模型系统进行预测

19、检验。将该时间截面上的先决变量实际观测值代入模型，计算所有内生变量预测值，并计算其相对误差。,一般认为，RE5%的变量数目占70%以上，并且每个变量的相对误差不大于10%，则认为模型系统总体预测性能较好。,三、方程间误差传递检验,寻找模型中描述主要经济行为主体的经济活动过程的、方程之间存在明显的递推关系的关键路径。在关键路径上进行误差传递分析，可以检验总体模型的模拟优度和预测精度。例如，计算：,称为冯诺曼比，如果误差在方程之间没有传递，该比值为0。,四、样本点间误差传递检验,在联立方程模型系统中，由于经济系统的动态性，决定了有一定数量的滞后内生变量。由于滞后内生变量的存在，使得模型预测误差不仅

20、在方程之间传递，而且在不同的时间截面之间，即样本点之间传递。必须对模型进行滚动预测检验。,给定t=1时的所有先决变量的观测值，包括滞后内生变量，求解方程组，得到内生变量Y1的预测值；对于t=2，只外生给定外生变量的观测值，滞后内生变量则以前一时期的预测值代替，求解方程组，得到内生变量Y2的预测值；逐年滚动预测，直至得到t=n时的内生变量Yn的预测值；求出该滚动预测值与实际观测值的相对误差。,将t=n时的所有先决变量的观测值，包括滞后内生变量的实际观测值，代入模型，求解方程组，得到内生变量Yn的非滚动预测值；求出该非滚动预测值与实际观测值的相对误差。比较两种结果，二者的差异表明模型预测误差在不同的时间截面之间的传递。,