联立方程计量经济模型理论与方法课件

第六章第六章 联立方程计量经济模型联立方程计量经济模型理论方法理论方法Theory and Methodology of Theory and Methodology of Simultaneous-Equations Simultaneous-Equations Econometrics ModelEconometrics Model16.1 6.1 联立方程计量经济学模型的提出联立方程计量经济学模型的提出 6.2 6.2 联立方程计量经济学模型的基本概念联立方程计量经济学模型的基本概念 6.3 6.3 联立方程计量经济学模型的识别联立方程计量经济学模型的识别 6.4 6.4 联立方程计量经济学模型的估计联立方程计量经济学模型的估计 6.5 6.5 联立方程计量经济学模型的讨论联立方程计量经济学模型的讨论 26.1 6.1 问题的提出问题的提出一、一、经济研究中的联立方程计量经济学问题经济研究中的联立方程计量经济学问题二、二、计量经济学方法中的联立方程问题计量经济学方法中的联立方程问题 3一、经济研究中的联立方程计量经一、经济研究中的联立方程计量经济学问题济学问题 4 研究对象研究对象经济系统，而不是单个经济活动经济系统，而不是单个经济活动;“系统系统”的相对性的相对性相互依存、互为因果，而不是单向因果关系相互依存、互为因果，而不是单向因果关系;必须用一组方程才能描述清楚必须用一组方程才能描述清楚.5一个简单的宏观经济系统一个简单的宏观经济系统由国内生产总值由国内生产总值Y Y、居民消费总额、居民消费总额C C、投资总额、投资总额I I和政府消费额和政府消费额G G等变量构成简单的宏观经济系统。等变量构成简单的宏观经济系统。将政府消费额将政府消费额G G由系统外部给定，其他内生。由系统外部给定，其他内生。6在消费方程和投资方程中，在消费方程和投资方程中，国内生产总值决国内生产总值决定居民消费总额和投资总额；定居民消费总额和投资总额；在国内生产总值方程中，它又由居民消费总在国内生产总值方程中，它又由居民消费总额和投资总额所决定。额和投资总额所决定。7总结：联立方程模型是指由一个以上的相互关总结：联立方程模型是指由一个以上的相互关联的单一方程组成的方程组。每个单一方程中联的单一方程组成的方程组。每个单一方程中包含一个或多个相互关联的变量。包含一个或多个相互关联的变量。估计参数时必须考虑联立方程所能提供的信息，估计参数时必须考虑联立方程所能提供的信息，而单一方程模型的参数估计仅考虑被估方程自而单一方程模型的参数估计仅考虑被估方程自身所能提供的信息。身所能提供的信息。8联立方程模型举例需求与供给模型需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件其中需求量其中需求量供给量供给量时间时间9联立方程模型举例凯恩斯收入决定模型凯恩斯收入决定模型消费函数消费函数收入恒等式收入恒等式其中消费支出其中消费支出收入收入投资（假定为外生）投资（假定为外生）储蓄储蓄时间时间10联立方程模型举例工资价格模型工资价格模型考虑货币工资与价格决定的菲利普斯模型：考虑货币工资与价格决定的菲利普斯模型：其中货币工资变化率其中货币工资变化率失业率，失业率，价格变化率价格变化率资本成本变化率资本成本变化率进口原材料变化率进口原材料变化率时间时间11联立方程模型举例宏观经济学中的宏观经济学中的ISIS模型模型商品货币市场均衡模型：商品货币市场均衡模型：消费函数消费函数税收函数税收函数投资函数投资函数定义定义政府支出政府支出国民收入恒等式国民收入恒等式12联立方程模型举例其中国民收入消费开支计划的或希望的净投资给定的政府支出水平税收可支配收入利率13联立方程模型举例LMLM模型模型货币市场均衡关系式：货币市场均衡关系式：货币需求函数货币需求函数货币供给函数货币供给函数均衡条件均衡条件其中收入，利率，给定的货币供应其中收入，利率，给定的货币供应量量.如果假定货币需求等于货币供给，则模型可如果假定货币需求等于货币供给，则模型可以简化为：以简化为：14联立方程模型举例计量经济模型计量经济模型最早做联立方程模型的是沃顿商学院的克莱最早做联立方程模型的是沃顿商学院的克莱因教授。他关于宏观经济的的联立方程模型因教授。他关于宏观经济的的联立方程模型被称之为克莱因模型。由以下几部分组成：被称之为克莱因模型。由以下几部分组成：消费函数消费函数投资函数投资函数劳动要求劳动要求以及三个恒等式：以及三个恒等式：1514.2联立方程模型举例恒等式恒等式恒等式恒等式恒等式恒等式其中消费支出资本存量投资支出税收政府支出税后收入利润时间民间工资账单随机干扰政府工资账单16二、计量经济学方法中的联立方程二、计量经济学方法中的联立方程问题问题17随机解释变量问题随机解释变量问题 解释变量中出现随机变量，而且与误差项相解释变量中出现随机变量，而且与误差项相关。关。为什么？为什么？18损失变量信息问题损失变量信息问题 如果用单方程模型的方法估计某一个方程，将如果用单方程模型的方法估计某一个方程，将损失变量信息。损失变量信息。为什么？为什么？19损失方程之间的相关性信息问题损失方程之间的相关性信息问题 联立方程模型系统中每个随机方程之间往往存在某种相关性。表现于不同方程随机误差项之间。如果用单方程模型的方法估计某一个方程，将损失不同方程之间相关性信息。20结论结论必须发展新的估计方法估计联立方程计量经济学模型，以尽可能避免出现这些问题。这就从计量经济学理论方法上提出了联立方程问题。216.26.2联立方程计量经济学模型的联立方程计量经济学模型的若干基本概念若干基本概念 一、一、变量变量二、二、结构式模型结构式模型三、三、简化式模型简化式模型四、四、参数关系体系参数关系体系22一、变量一、变量对联立方程模型系统而言，已经不能用对联立方程模型系统而言，已经不能用被解释变量与解释变量来划分变量，而被解释变量与解释变量来划分变量，而将变量分为内生变量和外生变量两大类。将变量分为内生变量和外生变量两大类。23内生变量内生变量（Endogenous Variables）内生变量，是由模型系统决定的变量，表现为具有某种概率分布的随机变量随机变量，他的数值会受到模型中其他变量的影响，它的参数是联立方程系统估计的元素。内生变量一般都是经济变量。24内生变量内生变量（Endogenous Variables）特点（判断是否是内生变量的依据）（1）内生变量既受模型中其他变量的影响，同时又影响模型中的其他内生变量。（2）内生变量一般都直接或间接地受模型系统中随机误差项的影响。25一般情况下，内生变量与随机项相关，即 （3 3）一般来讲，模型系统中每个单方程中的被解释变量都是内生变量；但是，但是，并不是所有的内生变量都是只作为被解释变量，在联立方程模型中，内生变量既作为被解释变量，又可以在不同的方程中作为解释变量。26外生变量外生变量(Exogenous Variables)外生变量一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是模型系统研究的元素。外生变量影响系统，但本身不受系统的影响。外生变量一般是经济变量、条件变量、政策变量、虚变量。分为政策性外生变量政策性外生变量（税率、利率、货币供给量和政府采购）和非政策性外生非政策性外生变量变量（如时间趋势和自然条件等）27外生变量外生变量(Exogenous Variables)特点：（判断是否是外生变量的依据）（1）外生变量的变化对模型系统中的内生变量直接产生影响，但自身变化却由模型系统之外的其他因素来决定。（2）相对于内生变量，外生变量可视为可控的非随机变量，从而与模型中的随机误差项不相关。28注意：注意：外生变量和内生变量的划分是相对的。取决于所设定计量经济学模型的研究目的。29 先决变量先决变量（Predetermined Variables）模型求解之前已经确定取值的变量外生变量与滞后内生变量(Lagged Endogenous Variables)统称为先决变量。滞后内生变量是联立方程计量经济学模型中重要的不可缺少的一部分变量，用以反映经济系统的动态性与连续性。一般假定先决变量与模型中的随机误差项不相关一般假定先决变量与模型中的随机误差项不相关先决变量只能作为解释变量。30单方程与联立方程中变量的分类单方程与联立方程中变量的分类单方程计量经济学模型联立方程计量经济学模型理论上的分类估计上的分类被解释变量内生变量联合被解释变量解释变量内生变量外生变量先决变量滞后内生变量31二、结构式模型二、结构式模型Structural ModelStructural Model32定义定义根据经济理论和行为规律建立的描述经济变量之间直接结构关系的计量经济学方程系统称为结构式模型。结构式模型中的每一个方程都是结构方程（Structural Equations）。各个结构方程的参数被称为结构参数（Structural Parameters or Coefficients）。33结构方程的方程类型结构方程的方程类型 将一个内生变量表示为其它内生变量、先决变量和随机误差项的函数形式，被称为结构方程的正规形式。34完备的结构式模型完备的结构式模型具有g个内生变量、k个先决变量、g个结构方程的模型被称为完备的结构式模型。在完备的结构式模型中，独立的结构方程的数目等于内生变量的数目，每个内生变量都分别由一个方程来描述。35完备的结构式模型的矩阵表示完备的结构式模型的矩阵表示习惯上用Y表示内生变量，X表示先决变量，表示随机项，表示内生变量的结构参数，表示先决变量的结构参数，如果模型中有常数项，可以看成为一个外生的虚变量，它的观测值始终取1。363738简单宏观经济模型的矩阵表示简单宏观经济模型的矩阵表示3940结构式模型的特点结构式模型的特点（1）模型直观地描述了经济变量之间的关系结构，模型的经济意义明确经济意义明确。（2）模型只反映了各变量之间的直接影直接影响响，无法直观地反映各变量之间的间接影响和总影响。（3）无法直接运用结构式模型进行预测41三、简化式模型三、简化式模型 Reduced-Form ModelReduced-Form Model42定义定义用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。简化式模型中每个方程称为简化式方程(Reduced-Form Equations)(Reduced-Form Equations)，方程的参数称为简化式参数(Reduced-Form Coefficients)(Reduced-Form Coefficients)。43简化式模型的矩阵形式简化式模型的矩阵形式 44简单宏观经济模型的简化式模型简单宏观经济模型的简化式模型45特点：特点：（1 1）由于简化式模型中作为解释变量的变量中没）由于简化式模型中作为解释变量的变量中没有内生变量，而是与随机误差项不相关的先决变量，有内生变量，而是与随机误差项不相关的先决变量，可以采用普通最小二乘法估计每个方程的参数，所可以采用普通最小二乘法估计每个方程的参数，所以它在联立方程模型研究中具有重要的作用。以它在联立方程模型研究中具有重要的作用。（2 2）简化式参数反映了先决变量对内生变量的总）简化式参数反映了先决变量对内生变量的总影响（直接影响和间接影响的总和）。影响（直接影响和间接影响的总和）。（3 3）利用简化式模型可以直接进行预测。）利用简化式模型可以直接进行预测。（4 4）简化式模型并不反映经济系统中变量之间的）简化式模型并不反映经济系统中变量之间的直接关系，并不是经济系统的客观描述，经济意义直接关系，并不是经济系统的客观描述，经济意义不明确。不明确。46结构是模型和简化式模型的区别与联系：结构是模型和简化式模型的区别与联系：（1 1）结构式模型中解释变量可能是先决变量，也可能是内）结构式模型中解释变量可能是先决变量，也可能是内生变量；简化式模型中的解释变量均为先决变量。生变量；简化式模型中的解释变量均为先决变量。（2 2）简化式模型可以用最小二乘法来估计参数，结构式模）简化式模型可以用最小二乘法来估计参数，结构式模型不行。型不行。（3 3）结构式模型经济意义明确，直观地描述了经济变量之）结构式模型经济意义明确，直观地描述了经济变量之间的结构关系，因模型解释变量中有内生变量，不便于进行间的结构关系，因模型解释变量中有内生变量，不便于进行经济预测和政策评价分析；简化式模型经济意义不明确，反经济预测和政策评价分析；简化式模型经济意义不明确，反映了先决变量对内生变量的总影响，解释变量中只含有先决映了先决变量对内生变量的总影响，解释变量中只含有先决变量，可以进行经济预测和政策评价分析。变量，可以进行经济预测和政策评价分析。（4 4）简化式模型是通过变量的连续替换从结构式模型中导）简化式模型是通过变量的连续替换从结构式模型中导出的。出的。47四、参数关系体系四、参数关系体系48联立方程模型举例凯恩斯收入决定模型凯恩斯收入决定模型消费函数消费函数收入恒等式收入恒等式其中消费支出其中消费支出收入收入投资（假定为外生）投资（假定为外生）储蓄储蓄时间时间49定义定义该式描述了简化式参数与结构式参数之间的关该式描述了简化式参数与结构式参数之间的关系，称为参数关系体系。系，称为参数关系体系。50作用作用利用参数关系体系，首先估计简化式参数，然后可以计算得到结构式参数。从参数关系体系还可以看出，简化式参数反映了先决变量对内生变量的直接与间接影响之和，这是简化式模型的另一个重要作用。例如，在上述模型中存在如下关系：51 21反映反映Yt-1对对It的的直接与间接影响之和；直接与间接影响之和；而其而其中的中的2正是结构方程中正是结构方程中Yt-1对对It的结构参数，显的结构参数，显然，它只反映然，它只反映Yt-1对对It的的直接影响直接影响。在这里，在这里，2是是Yt-1对对It的部分乘数，的部分乘数，21反映反映Yt-1对对It的完全乘数。的完全乘数。注意：简化式参数与结构式参数之间的区别与注意：简化式参数与结构式参数之间的区别与联系。联系。526.36.3联立方程计量经济学模型的识别联立方程计量经济学模型的识别The Identification ProblemThe Identification Problem 一、一、识别的概念识别的概念二、二、识别条件识别条件 三、三、实际应用中的经验方法实际应用中的经验方法、53一、识别的概念一、识别的概念54联立方程模型举例需求与供给模型需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件其中需求量其中需求量供给量供给量时间时间55识别的定义识别的定义从计量经济模型的观点看，所谓识别，就从计量经济模型的观点看，所谓识别，就是指能否从简化式模型的参数估计中推导是指能否从简化式模型的参数估计中推导出结构式模型的参数估计值。出结构式模型的参数估计值。若结构式参数能由简化式参数估计值表出，若结构式参数能由简化式参数估计值表出，则称这个特定的方程式可识别的；若结构则称这个特定的方程式可识别的；若结构式参数不能用简化式参数估计值表出，则式参数不能用简化式参数估计值表出，则称该方程不可识别。称该方程不可识别。只有当所研究联立方程模型中任意一个结只有当所研究联立方程模型中任意一个结构式方程都是可以识别时，才能考虑联立构式方程都是可以识别时，才能考虑联立方程模型的估计问题。方程模型的估计问题。56二、识别的类型二、识别的类型不可识别不可识别能够识别（可识别）能够识别（可识别）恰好识别恰好识别 过度识别过度识别571、不可识别：无法从简化式参数计算出结构式参数2、恰好识别：能从简化式参数中计算出唯一的结构式参数3、过度识别：可以从简化式参数中计算出结构式参数，并且结构式参数的值不是唯一的。581、不可识别：无法从简化式参数计算出结构式参数例例1：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件592、恰好识别：能从简化式参数中计算出唯一的结构式参数例例2：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件602、恰好识别：能从简化式参数中计算出唯一的结构式参数例例3：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件613、过度识别：可以从简化式参数中计算出结构式参数，并且结构式参数的值不是唯一的。例例4：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件62注意：注意：在求解线性代数方程组时，如果方程数目大于未知数数目，被认为无解；如果方程数目小于未知数数目，被认为有无穷多解。但是在这里，无穷多解意味着没有确定值，所以，如果参数关系体系中有效方程数目小于未知结构参数关系体系中有效方程数目小于未知结构参数估计量数目，被认为不可识别。参数估计量数目，被认为不可识别。63 如果参数关系体系中有效方程数目大于未如果参数关系体系中有效方程数目大于未知结构参数估计量数目，知结构参数估计量数目，那么每次从中选择与未知结构参数估计量数目相等的方程数，可以解得一组结构参数估计值，换一组方程，又可以解得一组结构参数估计值，这样就可以得到可以得到多组结构参数估计值，被认为可以识别，但不多组结构参数估计值，被认为可以识别，但不是恰好识别，而是过度识别。是恰好识别，而是过度识别。64总总 结结结构式方程的识别状态与模型中其他方程结构式方程的识别状态与模型中其他方程所含变量的个数密切相关，变量太少可能所含变量的个数密切相关，变量太少可能会使该方成不可识别（例会使该方成不可识别（例2中的需求方程），中的需求方程），太多又会造成该方程过度识别（例太多又会造成该方程过度识别（例4中的供中的供给函数）给函数）上述识别的定义是针对结构式联立方程模上述识别的定义是针对结构式联立方程模型而言的。在结构式联立方程模型中，每型而言的。在结构式联立方程模型中，每个需要估计参数的随机方程都存在识别问个需要估计参数的随机方程都存在识别问题。定义方程或平衡等式不存在识别问题。题。定义方程或平衡等式不存在识别问题。65如果联立方程模型中每个结构式方程都可识别，如果联立方程模型中每个结构式方程都可识别，则称结构式联立方程模型是可识别的，反之，只则称结构式联立方程模型是可识别的，反之，只要存在一个不可识别的结构是方程时，该结构式要存在一个不可识别的结构是方程时，该结构式联立方程模型不可识别。因此联立方程模型的识联立方程模型不可识别。因此联立方程模型的识别，必须是对每个结构式方程逐个地进行讨论，别，必须是对每个结构式方程逐个地进行讨论，直到每个结构式方程都可识别后，整个模型才可直到每个结构式方程都可识别后，整个模型才可识别并进行估计。识别并进行估计。注意：对结构式联立方程模型中的恒等式（定义注意：对结构式联立方程模型中的恒等式（定义方程或平衡条件），由于不存在参数估计问题，方程或平衡条件），由于不存在参数估计问题，故不存在识别。但是，在判断其他结构式方程的故不存在识别。但是，在判断其他结构式方程的识别问题时，应该将恒等式考虑在内。识别问题时，应该将恒等式考虑在内。66二、识别条件二、识别条件67准则一准则一能否从简化式参数计算出结构式参数。能否从简化式参数计算出结构式参数。说明说明：该准则是从识别的定义出发来判断模型的识别状态的。即：如果能从简化式参数计算得到结构式参数，方程可识别；并且如果得到的是唯一确定值，则恰好识别；若得到的结构式参数有多个解，则过度识别。已举例68准则二准则二是否具有是否具有统计形式统计形式的的唯一性唯一性统计形式：统计形式：方程中变量和变量之间的函数关系式。唯一性：唯一性：如果结构式模型中的某一个方程，与联立方程模型中其他任何一个方程或者所有结构式方程的任意线性组合而形成的方程相比较，具有不完全相同的内生变量和先决变量，则称这一结构方程具有确定的或唯一的统计形式。结论：如果模型中某个随机方程具有唯一的统计结论：如果模型中某个随机方程具有唯一的统计形式，则方程可识别；如果不具有唯一的统计形形式，则方程可识别；如果不具有唯一的统计形式，则不可识别。式，则不可识别。69例例1：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件70例例2：需求与供给模型：需求与供给模型 需求函数需求函数供给函数供给函数均衡条件均衡条件71例例3：需求与供给模型：需求与供给模型 需求函数需求函数供给函数供给函数均衡条件均衡条件72例例4：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件73注意：准则二只能判断方程是注意：准则二只能判断方程是否可识别，不能判断是恰好识否可识别，不能判断是恰好识别还是过度识别。别还是过度识别。74准则三准则三结构式识别条件结构式识别条件1、阶条件、阶条件2、秩条件、秩条件75例例1、2：需求与供给模型：需求与供给模型需求函数（需求函数（）供给函数（供给函数（）均衡条件均衡条件需求函数（需求函数（）供给函数供给函数均衡条件均衡条件76例例3：需求与供给模型（可识别）：需求与供给模型（可识别）需求函数需求函数供给函数供给函数均衡条件均衡条件77总结总结当一个方程可识别时，他一定不包含整个当一个方程可识别时，他一定不包含整个模型所包含的全部变量，当一个方程包含模型所包含的全部变量，当一个方程包含了模型所包含的全部变量时，该方程必定了模型所包含的全部变量时，该方程必定是不可识别的。是不可识别的。主要原因在于主要原因在于：当一个方程包含了模型所包含的全部变量时，他会与模型中的其他方程或至少会与模型中其他方程的线性组合方程具有相同的统计形式，违背准则二，从而导致该方程参数无法估计，不可识别。781、识别的阶条件、识别的阶条件如果一个方程能被识别，那么这个方程不如果一个方程能被识别，那么这个方程不包含的变量总数应大于或等于模型系统中包含的变量总数应大于或等于模型系统中方程个数（或内生变量的个数）减方程个数（或内生变量的个数）减1在联立方程计量经济学模型的结构式中引入以下记号：g=联立方程模型中内生变量的个数 gi=第i个方程中内生变量的个数 k=联立方程模型中先决变量的个数 ki=第i个方程中先决变量的个数79识别的阶条件识别的阶条件在有g个方程（或内生变量）的联立方程模型中，若其中一个方程为可识别的，则该方程包含的变量个数不得大于联立方程模型中先决变量的个数加1，即：gi+kik+1若gi+kik+1，该方程不可识别；若gi+ki=k+1，该方程恰好识别；若gi+kik+1，该方程过度识别。80注注 意意识别的识别的阶条件阶条件只是一个只是一个必要条件必要条件，而，而非充分非充分条件条件。如果某个方程不满足阶条件（即方程中的变量个数k+1），则一定不可识别。但是，满足阶条件的方程未必就是可识别的。阶条件只能帮助我们判断方程的不可识别性。阶条件只能帮助我们判断方程的不可识别性。只有根据别的方法判断某个结构式方程是可识别的之后，才能根据阶条件的后两条进一步确认该方程时恰好是别或过度识别。其他方法就是秩条件秩条件（判断可识别性，两种方法需结合）81例例1：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件82例例2：需求与供给模型：需求与供给模型 需求函数需求函数供给函数供给函数均衡条件均衡条件83例例3：需求与供给模型：需求与供给模型 需求函数需求函数供给函数供给函数均衡条件均衡条件84例例4：需求与供给模型：需求与供给模型需求函数需求函数供给函数供给函数均衡条件均衡条件85862、秩条件、秩条件充要条件充要条件在一个具有g个方程（内生变量）的模型系统中，任何一个方程可识别的充分必要条件充分必要条件是：所有不包含所有不包含在这个方程中的其他变量的参数矩在这个方程中的其他变量的参数矩阵阵A的秩为的秩为g-1 若若rank(A)=g-1，方程可识别，方程可识别 若若rank(A)g-1，方程不可识别，方程不可识别872、秩条件判断步骤、秩条件判断步骤1、将联立方程模型写成结构式方程的一般形式：2、列出模型的结构式参数矩阵（如果模型中每个随机方程都有截距项，在矩阵中可不列入常数项）3、在结构式参数矩阵中先划去要识别方程所在的行，再划去该方程中非零系数所在的列，得到该方程不包含变量的结构式参数矩阵A4、求rank(A)，若rank(A)=g-1，方程可识别 若rank(A)g-1，方程不可识别 不可识别，则判断终止；若方程可识别，还要进一步结合阶条件阶条件来判断是恰好识别还是过度识别。88例题例题89判断第1个结构方程的识别状态 所以，该方程可以识别。因为所以，第1个结构方程为恰好识别的结构方程。90判断第2个结构方程的识别状态 所以，该方程可以识别。因为所以，第2个结构方程为过度识别的结构方程。91第3个方程是平衡方程，不存在识别问题。综合以上结果，该联立方程模型是可以识别的。与从定义出发识别的结论一致。92总结：识别模型的一般做法总结：识别模型的一般做法第一：应用识别的阶条件。第一：应用识别的阶条件。若gi+kik+1，该方程不可识别；判断终止。若gi+kik+1，只能说明满足了识别的必要条件，并不一定就可识别，所以需进入下一步判断。第二，应用识别的秩条件。第二，应用识别的秩条件。若不满足秩条件，出现rank(A)g-1，方程不可识别，判断终止。若rank(A)=g-1，方程可识别，需进一步结合阶条件判断识别类型。第三，阶条件判断识别类型。第三，阶条件判断识别类型。gi+ki=k+1，方程恰好识别；gi+kik+1，该方程过度识别。注：定义方程不在讨论之列93三、实际应用中的经验方法三、实际应用中的经验方法94当一个联立方程计量经济学模型系统中的方程数目比较多时，无论是从识别的概念出发，还是利用规范的结构式或简化式识别条件，对模型进行识别，困难都是很大的，或者说是不可能的。理论上很严格的方法在实际中往往是无法应用的，在实际中应用的往往是一些经验方法。95 关于联立方程计量经济学模型的识别问题，实际上不是等到理论模型已经建立了之后再进行识别，而是在建立模型的过程中设法保证模型的可识别性。“在建立某个结构方程时，要使该方程包含前面每一个方程中都不包含的至少1个变量（内生或先决变量）；同时使前面每一个方程中都包含至少1个该方程所未包含的变量，并且互不相同。”96该原则的前一句话是保证该方程的引入不破坏前一句话是保证该方程的引入不破坏前面已有方程的可识别性。前面已有方程的可识别性。只要新引入方程包含前面每一个方程中都不包含的至少1个变量，那么它与前面方程的任意线性组合都不能构成与前面方程相同的统计形式，原来可以识别的方程仍然是可以识别的。97 该该原则的后一句话是保证该新引入方程本身后一句话是保证该新引入方程本身是可以识别的。是可以识别的。只要前面每个方程都包含至少1个该方程所未包含的变量，并且互不相同。那么所有方程的任意线性组合都不能构成与该方程相同的统计形式。98在实际建模时，将每个方程所包含的变量记录在如下表所示的表式中，将是有帮助的。99联立方程模型识别举例联立方程模型识别举例消费函数消费函数投资函数投资函数税收函数税收函数定义方程定义方程1006.46.4联立方程模型的估计联立方程模型的估计一、一、概述概述二、二、狭义的工具变量法（狭义的工具变量法（IVIV）三、三、间接最小二乘法间接最小二乘法(ILS)(ILS)四、四、二阶段最小二乘法二阶段最小二乘法(2SLS)(2SLS)五、五、三种方法的等价性证明三种方法的等价性证明六、六、简单宏观经济模型实例演示简单宏观经济模型实例演示*七、七、主分量法的应用主分量法的应用*八、八、k k级估计式级估计式 101一、概述一、概述102联立方程计量经济学模型的估计方法分为两大类：单方程估计方法与系统估计方法单方程估计方法与系统估计方法。所谓单方程估计方法，指每次只估计模型系统中的一个方程，依次逐个估计。也将单方程估计方法称为有限信息估计方法。103所谓系统估计方法，指同时对全部方程进行估计，同时得到所有方程的参数估计量。也将系统估计方法称为完全信息估计方法。联立方程模型的单方程估计方法不同于单方程联立方程模型的单方程估计方法不同于单方程模型的估计方法模型的估计方法。104单方程估计方法按其方法原理又分为两类。一类以最小二乘为原理以最小二乘为原理，例如间接最小二乘法间接最小二乘法（ILS,Indirect Least Square）、两阶段最两阶段最小二乘法小二乘法(2SLS,Two Stage Least Squares)、工具变量法工具变量法（IV,Instrumental Variables）等，称其为经典方法；105一类不以最小二乘为原理，或者不直接从最小二乘原理出发，例如以最大或然为原理的有限信息有限信息最大或然法最大或然法(LIML,Limited Information Maximum Likelihood)，以及仍然应用最小二乘原理、但并不以残差平方和最小为判断标准的最最小方差比方法小方差比方法(LVR,Least Variable Ration)等。106系统估计方法主要包括三阶段最小二乘法三阶段最小二乘法(3SLS,Three Stage Least Squares)和完全信完全信息最大或然法息最大或然法(FIML,Full Information Maximum Likelihood)。本书只介绍几种简单的、常用的单方程估计方法。在大量的联立方程模型的应用研究中，仍然广泛应用普遍最小二乘法进行模型的估计。107二、狭义的工具变量法二、狭义的工具变量法（IVIV，Instrumental VariablesInstrumental Variables）108方法思路方法思路“狭义的工具变量法”与“广义的工具变量法”解决结构方程中与随机误差项相关的内生解释变量问题。方法原理与单方程模型的IV方法相同。模型系统中提供了可供选择的工具变量，使得IV方法的应用成为可能。109例例3：需求与供给模型：需求与供给模型 需求函数需求函数供给函数供给函数均衡条件均衡条件110三、间接最小二乘法三、间接最小二乘法(ILS,Indirect Least Squares)(ILS,Indirect Least Squares)111方法思路方法思路联立方程模型的结构方程中包含有内生解释变量，不能直接采用OLS估计其参数。但是对于简化式方程，可以采用OLS直接估计其参数。间接最小二乘法：先对关于内生解释变量的简化式方程采用OLS估计简化式参数，得到简化式参数估计量，然后通过参数关系体系，计算得到结构式参数的估计量。112间接最小二乘法只适用于恰好识别的结构方程的参数估计，因为只有恰好识别的结构方程，才能从参数关系体系中得到唯一一组结构参数的估计量。113四、二阶段最小二乘法四、二阶段最小二乘法(2SLS,Two Stage Least Squares)(2SLS,Two Stage Least Squares)1142SLS2SLS是应用最多的单方程估计方法是应用最多的单方程估计方法IVIV和和ILSILS一般只适用于联立方程模型中一般只适用于联立方程模型中恰好识恰好识别别的结构方程的估计。的结构方程的估计。在实际的联立方程模型中，恰好识别的结构方程很少出现，一般情况下结构方程都是过度识别的。2SLS是一种既适用于恰好识别的结构方程，又适用于过度识别的结构方程的单方程估计方法。1152SLS2SLS的方法步骤的方法步骤第一阶段：对内生解释变量的简化式方程使用OLS。得到：用估计量代替结构方程中的内生解释变量，得到新的模型：116第二阶段：对该模型应用OLS估计，得到的参数估计量即为原结构方程参数的二阶段最小二乘估计量。117二阶段最小二乘法也是一种工具变量方法二阶段最小二乘法也是一种工具变量方法 如果用Y0的估计量作为工具变量，按照工具变量方法的估计过程，应该得到如下的结构参数估计量：118 可以严格证明两组参数估计量是完全等价的，所以可以把2SLS也看成为一种工具变量方法。证明过程见计量经济学方法与应用（李子奈编著，清华大学出版社，1992年3月）第130131页。119五、三种方法的等价性证明五、三种方法的等价性证明120三种单方程估计方法得到的参数估计量三种单方程估计方法得到的参数估计量 121IVIV与与ILSILS估计量的等价性估计量的等价性在恰好识别情况下。工具变量集合相同，只是次序不同。次序不同不影响正规方程组的解。1222SLS2SLS与与ILSILS估计量的等价性估计量的等价性在恰好识别情况下。ILS的工具变量是全体先决变量。2SLS的每个工具变量都是全体先决变量的线性组合。2SLS的正规方程组相当于ILS的正规方程组经过一系列的初等变换的结果。线性代数方程组经过初等变换不影响方程组的解。123六、简单宏观经济模型实例演示六、简单宏观经济模型实例演示124模型模型 消费方程是恰好识别的；投资方程是过度识别的；模型是可以识别的。下列演示中采用了下列演示中采用了1978-19961978-1996年的数据，与教科年的数据，与教科书不同。书不同。125数数据据126用狭义的工具变量法估计消费方程用狭义的工具变量法估计消费方程 用用Gt作为作为Yt的工具变量的工具变量127估计结果显示估计结果显示128用间接最小二乘法估计消费方程用间接最小二乘法估计消费方程129C简化式模型估计结果简化式模型估计结果130Y简化式模型估计结果简化式模型估计结果131用两阶段最小二乘法估计消费方程用两阶段最小二乘法估计消费方程 比较上述消费方程的3种估计结果，证明这3种方法对于恰好识别的结构方程是等价的。估计量的差别只是很小的计算误差。代替原消费方程中的代替原消费方程中的Yt，应用，应用OLS估计估计132第第2阶段估计结果阶段估计结果133用两阶段最小二乘法估计投资方程用两阶段最小二乘法估计投资方程 投资方程是过度识别的结构方程，只能用2SLS估计。估计过程与上述2SLS估计消费方程的过程相同。得到投资方程的参数估计量为：至此，完成了该模型系统的估计。1342SLS第第2阶段估计结果阶段估计结果135用用GMM估计投资方程估计投资方程投资方程是过度识别的结构方程，也可以用GMM估计。选择的工具变量为c、G、CC1,得到投资方程的参数估计量为：与2SLS结果比较，结构参数估计量变化不大。残差平方和由24223582变为3832486，显著减少。为什么？利用了更多的信息。136GMM估计结果估计结果137*七、主分量法的应用七、主分量法的应用138方法的提出方法的提出主分量方法本身并不是联立方程模型的估计方法，而是配合其它方法，例如2SLS使用于模型的估计过程之中。数学上的主分量方法早就成熟，Kloek和Mennes于1960年提出将它用于计量经济学模型的估计。1392SLS是一种普遍适用的联立方程模型的单方程估计方法，但是当它在实际模型估计中被应用时，立刻就会遇到不可逾越的困难。其第一阶段用OLS估计简化式方程，是难以实现的。为什么？为什么？140方法的原理方法的原理所谓主分量方法，就是用较少数目的新变量重新表示原模型中较多数目的先决变量的方法。例如，如果能够找到5个左右的新变量表示宏观经济模型中的30个先决变量，那么只需要15组以上的样本，就可以进行2SLS第一阶段的估计。141对充当主分量的变量是有严格要求：一是它必须是先决变量的线性组合，二是它们之间必须是正交的。前一条是保证主分量对先决变量的代表性；后一条是保证主分量之间不出现共线性。142主分量的选取主分量的选取用两个主分量表示两个原变量：可以证明，可以证明，a1、a2分别是分别是XX的的2个特征值对应的个特征值对应的特征向量。特征向量。143用k个主分量表示k个原变量：同样可以证明，同样可以证明，a1、a2、ak分别是分别是XX的的k个个特征值对应的特征向量。特征值对应的特征向量。144用用f个主分量表示个主分量表示k个原变量：个原变量：选择选择a1、a2、af分别是分别是XX的的f个最大特征值对个最大特征值对应的特征向量。应的特征向量。145在在2SLS中主分量的选取中主分量的选取 对于简化式方程：对于简化式方程：146主分量法在主分量法在ILSILS中的应用中的应用对于2SLS，直接利用主分量完成第一阶段的估计，得到内生解释变量的估计量。对于ILS，必须求得到简化式参数，进而计算结构式参数。首先估计Y=Z+，然后将Z=XA代入，得到Y=X 中的估计量。147*八、八、k k级估计式级估计式148kk级估计式级估计式 本身不是一种估计方法，而是对上述几种方法得到的估计式的概括。对于联立方程模型中的第1个结构方程：k级估计式级估计式 为：为：149显然，当：k=0时，即为OLS估计式；k=1时，即为2SLS估计式；k等于有限信息估计方法中的时，即为有限信息估计式。150kk级估计式的性质级估计式的性质 假设工具变量与随机误差项不相关，即：且先决变量与随机误差项不相关，即：那么，容易证明k级估计式是一致性估计式。151工具变量与随机误差项不相关，对k是有限制的，必须有（证明见教科书）：这就是说，只有在2SLS或有限信息估计方法中，k级估计式是一致性估计式，而在OLS方法中，不具有一致性。1526.56.5联立方程计量经济学模型若干问联立方程计量经济学模型若干问题的讨论题的讨论一、一、模型估计方法的比较模型估计方法的比较 二、二、为什么普通最小二乘法被普遍采用为什么普通最小二乘法被普遍采用 三、三、联立方程模型的检验联立方程模型的检验153一、模型估计方法的比较一、模型估计方法的比较154大样本估计特性的比较大样本估计特性的比较 在大样本的情况下，各种参数估计方法的统计特性可以从数学上进行严格的证明，因而也可以将各种方法按照各个性质比较优劣。按渐近无偏性比较优劣。除了OLS方法外，所有方法的参数估计量都具有大样本下渐近无偏性。因而，除了OLS方法最差外，其它方法无法比较优劣。155按渐近有效性比较优劣 OLS 非一致性估计，未利用任何单方程外的信息；IV 利用了模型系统部分先决变量的数据信息；2SLS、LIML 利用了模型系统全部先决变量的数据信息；3SLS、FIML 利用了模型系统全部先决变量的数据信息和结构方程相关性信息。156小样本估计特性的小样本估计特性的Monte CarloMonte Carlo试验试验 参数估计量的大样本特性只是理论上的，实际上并没有“大样本”，所以，对小样本估计特性进行比较更有实际意义。而在小样本的情况下，各种参数估计方法的统计特性无法从数学上进行严格的证明，因而提出了一种Monte Carlo试验方法。Monte Carlo试验方法在经济实验中被广泛采用。157小样本估计特性的Monte Carlo试验过程 第一步：利用随机数发生器产生随机项分布的一组样本；第二步：代入已经知道结构参数和先决变量观测值的结构模型中；第三步：计算内生变量的样本观测值；158 第四步第四步：选用各种估计方法估计模型的结构参数。上述步骤反复进行数百次，得到每一种估计方法上述步骤反复进行数百次，得到每一种估计方法的参数估计值的序列的参数估计值的序列。第五步第五步：对每种估计方法的参数估计值序列进行统计分析；第六步第六步：与真实参数（即试验前已经知道的结构参数）进行比较，以判断各种估计方法的优劣。159小样本估计特性实验结果比较无偏性 OLS 2SLS 3SLS（LIML，FIML）最小方差性 LIML 2SLS FIML OLS最小均方差性 OLS LIML 2SLS 3SLS（FIML）160为什么为什么OLS具有最好的最小方差性？具有最好的最小方差性？方差的计算公式：方差的计算公式：均方差的计算公式：均方差的计算公式：161 前者反映估计量偏离实验均值的程度；后者反映估计量偏离真实值的程度。所以尽管OLS具有最小方差性，但是由于它是有偏的，偏离真实值最为严重，所以它的最小均方差性仍然是最差的。162二、为什么普通最小二乘法被普遍采用二、为什么普通最小二乘法被普遍采用163 小样本特性小样本特性从理论上讲，在小样本情况下，各种估计方法的估计量都是有偏的。164 充分利用样本数据信息充分利用样本数据信息除OLS之外的其它估计方法可以部分地或者全部地利用某个结构方程中未包含的先决变量的数据信息，从而提高参数估计量的统计性质。但是其前提是所有变量具有相同的样本容量。在实际上变量经常不具有相同的样本容量。采用先进估计方法所付出的代价经常是牺牲了该方程所包含的变量的样本数据信息。165 确定性误差传递确定性误差传递确定性误差：结构方程的关系误差和外生变量的观测误差。采用OLS方法，当估计某一个结构方程时，方程中没有包含的外生变量的观测误差和其它结构方程的关系误差对该方程的估计结果没有影响。如果采用2SLS方法 如果采用3SLS方法 166 样本容量不支持样本容量不支持实际的联立方程模型中每个结构方程往往是过度识别的，适宜采用2SLS或3SLS方法，但是在其第一阶段要以所有先决变量作为解释变量，这就需要很大容量的样本。实际上是难以实现的。采用主分量方法等可以克服这个矛盾，但又带来方法的复杂性和新的误差。167 实际模型的递推（实际模型的递推（RecurredRecurred）结构）结构应用中的联立方程模型主要是宏观经济计量模型。宏观经济计量模型一般具有递推结构。具有递推结构的模型可以采用OLS。168补充：递推模型补充：递推模型（Recursive Model Recursive Model）169可以采用OLS依次估计每个结构方程；在估计后面的结构方程时，认为其中的内生解释变量是“先决”的。170三、联立方程模型的检验三、联立方程模型的检验171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模型系统的检验主要包括：172拟合效果检验拟合效果检验 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RMS表示。173当RMSi=0，表示第i个内生变量估计值与观测值完全拟合。一般地，在一般地，在g g个内生变量中，个内生变量中，RMS5%RMS5%的变量数目的变量数目占占70%70%以上，并且每个变量的以上，并且每个变量的RMSRMS不大于不大于10%10%，则，则认为模型系统总体拟合效果较好。认为模型系统总体拟合效果较好。174预测性能检验预测性能检验 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。175 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。176方程间误差传递检验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，如果误差在方程之间没有传递，该比值为该比值为0 0。177样本点间误差传递检验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滚动预测检验。178给定t=1时的所有先决变量的观测值，包括滞后内包括滞后内生变量生变量，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，滞后内滞后内生变量则以前一时期的预测值代替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。179将t=n时的所有先决变量的观测值，包括滞后包括滞后内生变量的实际观测值，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。在不同的时间截面之间的传递。180个人观点供参考，欢迎讨论！