计量学-联立方程组模型

11
1 21 1 22
,
21
1 12 1 22
,
12
23 1 22
,
22
3 1 22
,
13
3 1 22
23
32 1 22
29
需要注意的是，并不是联立方程组模型引进越 多的变量，方程或整个模型的识别性越强越好。
例如若在上面的供给函数中再加入一个认为与
这种产品的供给有关的气温变量 作解释变量，
联立方程组模型
1
本章简单介绍联立方程组模型计量分 析，包括联立方程组模型的基本概念、 假设、识别性和参数估计等。
2
第一节 联立方程组模型及其假设 第二节 联立方程组模型的识别性 第三节 联立方程组模型的参数估计
3
第一节联立方程组模型及其假设
一、联立方程组模型的基本概念 联立方程组模型是方程组形式的计量经
当然这需要符合一定条件，就是后面要 讨论的联立方程组模型的识别性。
12
二、联立方程组模型的假设 （一）联立方程组模型的一般表示法
一般用Y1,,Yg 分别表示有g个方程的联立方程 组模型的g个内生变量，用 X1,, X K 表示模型 的K个前定变量
13
模型的结构式表示为：
Y1t Y 12 2t Y 1g gt 11X1t 1K X Kt 1t
济模型。 用一个简单的微观市场均衡模型说明联
立方程组模型的基本情况，以及它们所 涉及的基本概念。
4
这个微观市场均衡模型包括一个供给函 数、一个需求函数、以及一个均衡方程 ，具体如下：
QtS 1 2 Pt 3Pt1 1t QtD 1 2Pt 3Yt 2t
QtS QtD
5
称被决定的 Pt 和 Qt 为模型的“内生变量”。 联立方程组模型的内生变量对应单方程模型中 的被解释变量。
8
Qt QtS QtD
Qt 1 2Pt 3Pt1 1t
Qt 1 2Pt 3Yt 2t
Qt
1 21 122
23 122
Yt
3 122
Pt 1
1t 2 2t 122
Pt
1 12 122
3 122
Yt
32 122
Pt 1
2 1t 2t 122
9
引进下述记法
11
2 1t 2t 122
21 u2t
20
供求模型的识别问题
S2 P
S1 (Qt 1 2 Pt 1t )
Pt
D2
D1 (Pt 1 2Qt 2t )
Qt
21
Q
根据均衡价格和销售量数据确定供给和需求函 数，实际上就是根据简约式推导结构式。由于 简约式中只有两个参数，而结构式中有四个参 数，因此根据两个方程
S
g
1,
N
的条件是S矩阵的秩rank(S)g-1
39
“秩条件”（Rank Condition）
rank(S)g-1是联立方程组模型方程识别
性的关键条件：
当rank(S)g-1时所考察方程是不可识别
的；
当rank(S)g-1时所考察方程是可识别的。
40
识别性的“阶条件”(Order Condition) 因为S矩阵的列数，也就是没有出现在考察方
Y2t Y 21 1t 2gYgt 21X1t 2K X Kt 2t
Ygt Y g1 1t gg 1Yg 1t g1X1t gK X Kt gt
14
（二）联立方程组模型的矩阵表示法
ΓYt βXt εt
向量、矩阵记号如下：
1 12
Γ
21
1
g1 g 2
11
1 21 122
, 21
1 12 122
是无法从简约式参数推导、确定出结构式参数
的。
能否根据简约式参数解出结构式参数，是识别 问题的另一种标准。
22
为了说明怎样的联立方程组模型是可识 别的，我们在需求函数中引进收入变量 ，得到如下模型：
Qt 1 2Pt 1t Pt 1 2Qt 3Yt 2t
,
12
23 1 22
,
22
3 1 22
,
13
3 1 22
,
23
32 1 22
,
14
4 1 22
24
42 1 22
31
23 32 13 1 22 24 42 14 1 22
3 122
2
4 122
2
通过简约式采纳述可以导出两个的2 值。这时候
我们称 2 所在的需求函数为“过度可识别”的。
35
根据上述判别法则可进一步推出下述结论：如 果在联立方程组模型中存在一个，或可以用其 他方程的线性组合得到一个，所有变量都已包 含在所考察方程中的方程，那么所考察的方程 是不可识别的。
该结论的一个直接推论是，如果联立方程组模 型中的某个方程包含了模型中所有的变量，那 么该方程是不可识别的。
36
够使得λS 0，从而得到的方程中不包含 Z2t，
如：
λRZ1t λWt
那么所考察的方程是不可识别的。反过来如果不 存在上述非零向量，则所考察方程是可识别 的。
38
要满足λS 0 ，即：
S11
λS
1 2
Sg1,1 Sg1,2
S1N
S2N
00 0
通常一个联立方程组模型的内生变量数量与 方程个数相等，而且能够表示成每个内生变 量被其他变量决定的标准形式。
7
“结构式模型”（Structural Model）： 每个方程都代表经济问题和系统的一个方面， 每个参数都有意义，能反映研究问题或经济系 统结构和内在联系的联立方程组模型
“简约式模型”（Reduced Form Model）： 为了参数估计和分析的需要，常需要把结构式 模型变换为各内生变量只是前定变量函数形式 的“简约式模型” 。由于内生变量数与方程的 个数相等，因此这种变换一般是不难做到的。
1g
2
g
1
11 12
β
21
22
g1
g2
1K
2K
gK
Y1t
Yt
Y2t
X1t
Xt
X
2t
1t
εt
2t
Ygt
X
Kt
gt
15
（三）联立方程组模型的基本假设如下 1、模型由上述结构式线性方程组组成，或者可
用向量方程表示。其中有些系数，即 Γ和的 部分元素可以是0， εt 中有些元素也可以是0； 2、不等于0的 1t ,,2t 都满足单方程线性回归模 型误差项的假设，包括零均值、同方差、误差 序列不相关和正态分布。
17
第二节 联立方程组模型的识别性
一、识别性问题的意义 由于联立方程组模型中内生变量的水平由多个
方程的共同作用决定，因此能否根据所观测到 变量数据推测出生成它们的各个经济关系，或 者说联立方程组模型中的函数关系是否可以明 确辨别或唯一确定，是一个很重要的问题。这 就是联立方程组模型的识别性问题。 联立方程组模型的识别性等价于结构式参数与 简约式参数之间的对应关系。
32
当存在过度可识别的方程时，实际上也意味着 模型化为简约式后，简约式的参数不是完全独 立的，如本例的
23 13
2
24 14
相对上述过度可识别的情况，如果一个
方程的结构式参数可通过简约式参数得
到唯一的值，则称为“恰好可识别”的。
33
二、判断识别性的一般方法 根据前述分析可知识别性有两种等价的定义方
16
Cov(it , jt ) ij
3、不同方程的同期误差可以相关，但协方差与
时期t无关Co，v(即it , js ) 0 i j,t 不 s是t的函数。此
外，不同方程的误差项也不能有跨期相关性，
即
当
时必须成立。
4、模型的外生变量是确定性变量。
5、模型是可识别的。这是联立方程组模型特有 的重要假设。下一节将专门讨论这个问题。
27
如果要市场均衡模型的两个方程都可识别，只
需在供给函数中再引进一个变量，如 Pt1，也
就是下面的形式：
Qt 1 2Pt 3Pt1 1t Pt 1 2Qt 3Yt 2t
Qt 11 12Yt 13Pt1 u1t
Pt 21 22Yt 23Pt1 u2t
28
其中结构式和简约式系数的关系为：
一般联立方程组模型方程识别 性的一般判别法则的推导
设讨论的是有g个方程的联立方程组模型中某 个方程的识别性问题。设这个方程中有M个变
量，此外这个方程中没有出现，但在模型其他
方程中出现的有N个变量。 把所考察方程以外的其余g-1个模型方程，表
示为向量方程：
RZ1t SZ 2t Wt
37
根据前面的结论，如果这其余g-1个方程的一 个线性组合，能够产生一个不包含没有在考察 方程中出现的变量的方程，相当于存在一个非 零向量 λ (1, , g1) ，左乘上述向量方程能
程中变量的个数，Ng-1是rank(S)g-1的先决 条件，因此Ng-1是识别性的先决条件。
只有S矩阵同时满足阶条件和秩条件，所考察 的方程才是可识别的。不满足阶条件时肯定不 可识别，这有利于简化判断识别性的工作。
41
两种不同的满足可识别的阶条件和秩条 件的情况：
1、N=g-1
没有出现在考察方程中模型变量的个数 正好等于其他方程的个数。这时候实际 上就是该方程的结构式参数，可由简约 式参数唯一确定的情况，也就是恰好可 识别的情况。
23
解成简约式为：
Qt
1 21 122
23 122
Yt
1t 2 2t 122
11 12Yt
u1t
Pt
1 12 122