第六章联立方程组模型的估计(精)
计量经济学之联立方程模型
计量经济学之联立方程模型引言联立方程模型（Simultaneous Equation Model，简称SEM）是计量经济学中的一个重要分析工具，用于研究多个经济变量之间的相互关系。
通过建立一组方程，可以理解变量之间的联动效应，并进行预测和政策分析。
本文将介绍联立方程模型的基本概念、建模步骤和常见的估计方法等内容。
基本概念联立方程模型的定义联立方程模型是指由多个方程组成的一种数学模型，用于描述多个经济变量之间的关系。
每个方程都包含一个因变量和若干个解释变量，以及一个误差项。
联立方程模型的核心思想是通过解方程组，得到各个变量的估计值，进而分析它们之间的关系。
基本假设在建立联立方程模型时，需要对变量之间的关系进行假设。
常见的基本假设有：1.线性关系假设：方程中的变量之间的关系是线性的。
2.独立性假设：各个方程中的误差项是独立的，即它们之间不存在相关性。
3.零条件均值假设：解释变量的条件均值为零，即解释变量的期望与误差项无关。
4.同方差假设：各个方程中的误差项方差相等。
建模步骤建立联立方程模型的步骤如下：步骤一：确定变量根据研究主题和数据可获得的变量，确定需要建立模型的变量集合。
步骤二：构建方程根据经济理论和实际问题，构建联立方程模型的方程形式。
每个方程包含一个因变量和若干个解释变量。
步骤三：参数估计通过收集数据，对联立方程模型进行参数估计。
常用的估计方法有最小二乘估计（Ordinary Least Squares，简称OLS）和广义矩估计（Generalized Method of Moments，简称GMM）等。
步骤四：模型诊断对估计得到的模型进行诊断，检验模型的拟合优度、参数显著性和误差项的假设等。
常见的诊断方法有虚拟变量检验、异方差性检验和序列相关性检验等。
步骤五：模型解释与政策分析根据估计得到的模型结果，解释各个变量之间的关系，并进行政策分析。
可以利用模型进行预测和模拟，评估不同政策对经济变量的影响。
第六章联立方程模型单一方程模型只...
第六章 联立方程模型单一方程模型只用一个方程来描述某个经济变量与其影响因素之间的关系，模型中解释变量x 是被解释变量y 的变化原因，y 是x 变化的结果，它们之间的因果关系是单向的。
但是经济现象的错综复杂性，使得经济系统中很可能包含多个经济关系，而且有些经济变量之间并不是简单的单向因果关系，而是相互依存、互为因果关系。
例如，研究消费函数时，一般认为消费是由收入决定的；但从社会再生产的动态过程来看，消费水平的改变又会导致生产规模的变化，进而影响收入，所以消费又决定收入。
利用单方程模型很难完整、准确地反映经济系统内的这种复杂关系，只有将多个方程有机地组合起来才能合理地进行描述。
联立方程模型就是由多个相互联系的单一方程组成的方程组。
由于其包含的变量和描述的经济关系较多，所以能够较为全面地反映经济系统的运行规律。
第一节 联立方程模型概述一、 联立方程模型的特点[例1]宏观经济模型tt t t t t t t tt t G I C Y Y b Y b b I Y a a C ++=+++=++=-21210110εε式中，C 为居民消费总额，Y 为国内生产总值，I 为投资总额，G 为政府消费。
这是一个简单的宏观经济模型，反映了国内生产总值中各项指标之间的关系。
其中，第一个方程为消费函数，第二个方程为投资函数，第三个方程为恒等方程，即假定进出口平衡的情况下，国内生产总值等于消费总额（居民消费和政府消费）与投资总额之和。
模型中共4个经济变量，其中居民消费、投资、国内生产总值之间都是互为因果关系，只有构造多个方程才能将它们作为一个完整的系统进行描述和分析。
[例2]农产品市场局部均衡模型sd s d Q Q R b P b b Q Y a P a a Q =+++=+++=22101210εε式中，s d Q Q ,分别为某农产品的市场需求量和供给量，P 为该农产品的价格，Y 为消费者收入，R 为影响农产品的天气条件指数。
计量学-联立方程组模型的参数估计
因此第一个结构式方程参数的间接最小二乘估
计，与简约式参数的最小二乘估计的关系为：
βˆ1 Πˆ Γˆ 1
也就是
ˆ11 ˆ12
ˆ1K1
0
0
XX
1
XY
1
ˆ12
ˆ1g1
0
0
9
分别由分块矩阵 和
Y Y1 Y11 Y12
Yi XΠi ui , i 2,, g1
对它们分别作最小二乘估计，得：
Πˆ i XX1XYi , i 2,, g1
因此这些内生变量的估计量为：
Yˆi XΠˆ i XXX1XYi , i 2,, g1
29
它们可以合并为：
Yˆ10 Yˆ 2 Yˆ 3 Yˆ g1
XXX1 X Y2 Y3 Yg1
以简约式的第l个方程为例：
Ylt l1 X1t l 2 X 2t lK X Kt ult
该方程的系数构成行向量 Πl l1,,lK
，它的最小二乘估计量为：
Πˆ l XX1XYl
6
这些参数估计向量可以合并成下列简约式 模型参数的估计量矩阵：
Πˆ
Πˆ 1Πˆ 2 Πˆ g
ˆˆ 1211
X X11 X12
表示 Y 和X 。
X11
X12 X11
ˆ11
X12
ห้องสมุดไป่ตู้
ˆ1K1
0
X11
0
X12 Y1
Y11
1
ˆ12
Y12
ˆ1g1
0
0
10
X11X11
X12X11
ˆ11
X11X12
ˆ1K1
X11Y1
X12X12
联立方程模型的估计课件
详细描述
该模型假设货币供应和需求之间存在某种关 系，例如货币供应和需求都受到其他因素的 影响。通过联立方程模型，我们可以估计这 些关系，并进一步了解通货膨胀和货币价值 的变化对经济的影响。
案例四：经济增长模型
总结词
该模型通过经济增长的驱动因素，探讨了如何促进经济的长期稳定增长。
详细描述
该模型假设经济增长受到多种因素的影响，例如技术进步、投资、劳动力等。通过联立方程模型，我 们可以估计这些因素对经济增长的影响，并进一步了解如何促进经济的长期稳定增长。
的差异，评估模型的预测能力和解释能力。 根据评估结果，可以对模型进行修正和改进，
以提高模型的精度和可靠性。
联立方程模型估计的注意事项与挑战
内生性问题
总结词
内生性问题是指模型中的一个或多个解释变量与误差项相关，导致估计结果偏误。
详细描述
内生性问题的出现通常是由于解释变量与误差项相关，这会导致OLS估计量不一致。为 了解决内生性问题，可以采用工具变量法（IV）进行估计。
04
随着人工智能和机器学习技术的发展，未来联立方程模型的估计方法 将更加智能化和自动化。
THANKS
感谢观看
联立方程模型估计的步骤与流程
数据收集与整理
数据准备
在进行联立方程模型估计之前，需要收集相关的数据并进行整理。数据来源可以是调查、统计或其他 途径，需要确保数据的准确性和完整性。数据整理包括数据清洗、缺失值处理、异常值检测等步骤， 以确保数据质量。
模型设定与识别
模型构建
根据研究目的和问题背景，选择合适的联立方程模型进行设定。模型设定需要考虑变量之间的关系、因果关系等因素，并确 定模型的形式和结构。在模型设定后，需要进行识别，确定模型中变量的内生性和外生性，为后续的参数估计提供基础。
计量经济学第六部分VAR
如果所有变量是单整的，且非平稳变量之间存在着协 整关系时： 1、对一阶差分的方法来构造VAR模型； 2、建立VECM模型。
16
八、 VAR的应用:Granger因果关系检验
2024/10/15
13
七、 最大滞后阶数k的确定：AIC统计量
AIC
log
T t 1
et2
2k
T T
min{AIC} k
log
T
ek2t
t 1
T
e2 (k 1)t
t 1
2 T
滞后阶数分别为k和k+1的两个VAR模型，只要它们 的AIC统计量越接近，就表明滞后阶数越适度!
Yt 1 11Yt1 ... 1pYt p 11X t1 ... 1p X t p 11Zt1 ... 1pZt p e1t X t 1 21Yt1 ... 2 pYt p 21X t1 ... 2 p X t p 21Zt1 ... 2 pZt p e2t Zt 1 31Yt1 ... 3 pYt p 31X t1 ... 3 p X t p 31Zt1 ... 3 p Zt p e3t
假设
:
E
(u1t
)
E
(u2t
)
0,Var(u1t
)
2 1
,Var(u2t
)
2 2
;
E(u1tu2t ) 12
6
四、 同期自相关问题：方法一
X 2t
12
2 1
X 1t
0
* 21
X
1t
1
计量经济学-第六章：联立方程计量经济模型
It
2122Yt1
23Gt
v2t
Yt 3132Yt133Gtv3t
3.简化式模型的矩阵表示
Ct 1112Yt113Gtv1t
It
2122Yt1
23Gt
v2t
Yt 3132Yt133Gtv3t
C t
Y It Yt11 Nhomakorabea12
13
21
22
23
31
32
33
1
X
Y G
t
结构式模型的导出的结果：
C Itt001100 1 1001111112( 111 1 21)11YYt t1111111 111G Gttu11ut111t 1uu1212tt111u2u21tt Yt 10 1011121Yt11111Gt 1u1 t 1 u2t1
而简化式模型的一般表示：
Ct 1112Yt113Gtv1t
Ct 0 1Yt u1t It 0 1Yt 2Yt1 u2t
Yt Ct It Gt
◇联立方程模型中方程、变量及其属性 方程包括：随机方程、确定性方程 按变量性质：内生变量、外生变量 按因果关系：解释变量、被解释变量 内生变量：是随机变量，内生变量之间相互影响， 内生变量还受到外生变量的影响 外生变量：是确定性变量，对内生变量产生影响 先决变量：外生变量、滞后内生变量
2.模型的一般表示方法 对于联立方程模型，可描述为： g个内生变量（g个方程），内生变量用向量Y表示； k个先决变量，先决变量用向量X表示； 则结构式模型矩阵表示为：
参数矩阵为：
U
◇写出下列简单宏观计量经济模型的矩阵形式：
Ct 0 1Yt u1t It 0 1Yt 2Yt1 u2t
《计量经济学》-联立方程模型
γ 2k
X
kt
u2t
L L L L L L
bg1Y1t b Y g2 2t L b Y gg gt γ X g1 1t γ X g2 2t L γ X gk kt ugt
结构方程的个数等于内生变量的个数，称为完备模型
10
结构型的矩阵表示（一）
b11 b12 L
b21
b22
L
L L L
c5
a2b1 a b
,
c6
a3b1 a b
17
1.结构方程的识别
恰好识别：通过简化模型的参数估计值和参数关系式可以得到 结构方程的参数估计值的惟一解，该结构方程恰好识别
过度识别：通过简化模型的参数估计值和参数关系式可以得到 结构方程的参数估计值的多个解，该结构方程过度识别
不可识别：通过简化模型的参数估计值和参数关系式可以得不 到结构方程的参数估计值，该结构方程不可识别
u1t
u2
t
Ut
u
BYt ΓXt Ut
或
B
Γ
Yt Xt
Ut
12
2. 简化型
Ct
a1b2 1 a1
b1
Yt 1
a1 1 a1
b1
Gt
u1t
a1u2t b1u1t 1 a1 b1
It
b2 ( 1
1 a1 ) a1 b1
Yt
1
b1 1 a1 b1
Gt
u2 t
第九章
联立方程模型
主要内容
联立方程模型的概念 联立方程模型的形式 模型的识别 联立方程模型的参数估计
2
一. 联立方程模型的概念
由若干个单一线性经济计量方程构成联立方程组，描述整个经 济系统的模型称为联立方程经济计量模型，简称联立方程模型
联立方程组模型
5
❖ 这个模型通常是研究市场均衡价格和销售量决定规
律的，因此 和 是决P定t1 Y和t 的条件Pt 。 Qt ❖ 我们称被决定的 和 P为t 模Q型t 的“内生变量”。
❖ 内生变量对应单方程模型中的被解释变量，不称被 解释变量而称内生变量的原因，主要是它们在一个 方程中可能是被解释变量，但在其他方程中又常常 作为解释变量出现。
7
❖ 外生变量和滞后内生变量这两种在当期是给定
的变量，统称为联立方程组模型的“前定变 量”。
❖ 区分和明确联立方程组模型的内生变量和前定 变量非常重要。
❖ 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（包括外生、滞后内生的前定变量， 也包括其他内生变量）决定的标准形式。
❖ 根据是否反映经济关系随时间演变的过程， 可分为动态模型和静态模型等。
❖ 举例：一个简单的微观市场均衡模型。
3
❖ 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，具体形式如
下： QtS 1 2 Pt 3 Pt1 1t QtD 1 2 Pt 3Yt 2t
❖ 为了进行参数估计和分析的需要，常常要把结 构式模型变换为各个内生变量都只是前定变量 函数的形式。我们称这种形式的联立方程组模 型为“简约式模型” 。
❖ 由于内生变量数与方程个数相等，这种变换一 般不难做到。
11
❖ 例如供求均衡模型就可以通过线性变换化为 下面的形式：
Qt
1 21 122
23 122
9
❖ 其中
1 ' 1 / 2 , 2 ' 1/ 2 , 3 ' 3 / 2 , '2t 2t / 2
联立方程模型
联立方程模型
(1) 什么是联立方程模型
联立方程模型是指以方程组的方式来描述经济现象的一种经济模型。
一般来说，联立方程模型其实就是一个方程组，这个方程组中包含了多个方程，每个方程内部都有若干变量。
在联立方程模型中，每个变量被视为不同方程中的自变量或者因变量。
这种模型用线性公式和非线性公式来描述经济现象或统计变量间的关系，用以识别并推测经济变量对行为和经济状况发生变化的程度等。
(2) 联立方程模型的用途
（1）研究不可观测的经济问题：联立方程模型可以用来研究一些不可观测到的经济问题，比如投资机会成本，经济均衡和无形资产等经济问题；
（2）描述经济数据的特点：联立方程模型也可以用来描述经济数据的特点，比如消费者的收入水平与消费额的关系，全球投资机会成本的变化，股票市场价格和利润水平的变化等；
（3）研究并预测经济变量：联立方程模型也可以用来研究和预测经济变量的变化，比如全球投资和消费水平的变化，全球利率变化等；
（4）预测市场异动：联立方程模型还可以用来预测股票市场或其他金融市场的异动，以提前发现投资机会或避免不利的投资。
(3) 联立方程模型的特点
（1）多元关系：联立方程模型涉及多元关系，能够从多个变量之间的线性和非线性关系中，发现变量对行为和经济状况发生变化的程度；
（2）解析能力：联立方程模型具有很强的解析能力，可以发现经济现象的隐藏机制；
（3）可预测性：联立方程模型具有很强的可预测性，可以进行经济预测，进而制定更好的未来经济政策；
（4）抽象性：联立方程模型抽象性强，其结果可以以精确的数学表达式反映出来，且结果易于理解；
（5）自变量独立性：联立方程模型中，不同方程之间的自变量是相互独立的，可以直接用来比较不同变量之间的关系。
第6章 联立方程模型
联立方程模型的基本概念 识别问题 联立方程模型的估计 实证分析
第一节 联立方程模型的基本概念
联立方程模型的定义 联立方程模型的变量及方程分类 联立方程模型的分类
6.1.1 联立方程模型的定义
联立方程模型是由两个或两个以上相互关联的方 程组成的计量经济模型。它主要用于描述经济系 统中多个变量之间的相互依赖、相互影响的关系。 一般我们可以把一个联立方程模型看做一个系统。 以下是几个联立方程模型的例子。
二、联立方程模型中方程的分类
联立方程模型中的方程一般可以分为以下几种类 型： 1、行为方程 行为方程是反映各经济活动主体，如政府、企业、 居民等经济行为的方程式。在例6-1中，需求函数 和供给函数反映了相应商品的需求方和供给方的 经济行为，它们都是行为方程。例6-2中的消费函 数和例6-3中的消费函数、投资函数、劳力需求函 数也都是行为方程。
以上关于内生变量和外生变量的划分是相对的， 它将随着不同的模型系统而发生变化。例如，在 例6-2中，It是外生变量，但是在其他的模型中， 如例6-3的宏观经济模型中，它却是内生变量。
3、前定变量
在联立方程模型系统中，前定变量指的是滞后内 生变量和外生变量。 因为在求解模型中的内生变量时，模型中的滞后 内生变量和外生变量必须是事前给定的，因此称 这两类变量为前定变量。 比如，例6-3中的滞后内生变量Pt-1、Kt-1、Yt-1和 Gt等外生变量都为前定变量。
X1 X X 2 X K K 1
1 ε 2 G G1
还可将(6.1)写成更一般的形式：
Y Β Γ X ε
(6.3)
其中，（B Γ）为结构参数矩阵。
【例6-4】简单的宏观经济模型：
联立方程模型的估计.pptx
一． 什么是联立方程模型 二． 联立性偏误 三． 联立方程模型的识别 四． 联立方程模型的估计
什么是联立方程模型
例题5.1：需求与供给模型
Q D
Q
t
S
t
0 0
1Pt 1Pt
2Yt 2Tt
u（t 结构方程） v（t 结构方程）
Q
D
t
Q（S 恒等式） t
内生变量：Q D、Q S、P
外生变量： Y、T
什么是联立方程模型
例题5.2：IS模型
C
t
It
0 0
1Ytd 1rt
u（t 结构方程） v（t 结构方程）
Tt 0 1Yt w（t 结构方程）
Ytd Yt T（t 恒等式）
Yt Ct It G（t 恒等式）
内生变量：C、Y、Y d、T、I、r
外生变量： G
什么是联立方程模型
例题5.3：犯罪率与警察部门规模
Crimet 0 1Policet 2 Edut u（t 结构方程）
Policet
0
1Crimet
v（t 结构方程）
内生变量： Crime 、Police
外生变量： Edu
参看课本例题15.1、15.2
什么是联立方程模型
几个概念
,
12
13 22 12
,
13
14 22 12
, 14
23 22 12
21
2211 22
12 21 12
, 22
2213 22 12
,
23
14 22 22 12
, 24
12 23 22 12
v1
u1
22
联立方程组
次数条件
K-J>H-1
K-J=H-1
K-J<H-1
解的个数
多个解
唯一
无解
估计方法
2阶段最小2乘法
间接最小二乘法，
2阶段最小2乘法
无
估计量的
性质
小样本：有偏性
大样本：一致性
小样本：有偏性
大样本：一致性
第一步检验次数条件；
K-J<H-1 ==〉不能识别；
第二步在可识别中检验秩条件，如果
，K-J=H-1 ==〉第i个结构方程为适度识别；
外生变量影响内生变量，但却不受内生变量的影响。
其他，如 ， ，在t期的时候已经完全知道它们的大小，这里称为先决内生变量(pre-determined endogenous variable)。
统称外生变量和先决内生变量为先决变量(pre-determined variable)
用图简单地表示一下经济变量的区分
1 , H=1
K-J=1-1=0，H-1=1-1=0
K-J=H-1 ==〉适度识别
(c-1):已知K=3 , J=2 , H=2
K-J=3-2=1，H-1=2-1=1
K-J=H-1 ==〉适度识别
(c-2):已知K=3 , J=3 , H=2
三、识别问题(identification problem)
1.定义
所谓识别问题，就是判断能否从诱导型参数的估计推算出结构型参数的推定。
2.种类
(1).过剩识别(over-identification)
通过诱导型参数估计和参数关系式可以得到2个或2个以上结构型参数估计的情况。
不能使用间接最小二乘法，而需要使用2阶段最小2乘法。
(完整word版)联立方程模型simultaneous-equationsmodel
(完整word 版)联立方程模型simultaneous-equationsmodel联立方程模型（simultaneous —equations model)13。
1 联立方程模型的概念有时由于两个变量之间存在双向因果关系，用单一方程模型就不能完整的描述这两个变量之间的关系.有时为全面描述一项经济活动只用单一方程模型是不够的。
这时应该用多个方程的组合来描述整个经济活动。
从而引出联立方程模型的概念.联立方程模型:对于实际经济问题，描述变量间联立依存性的方程体系。
联立方程模型的最大问题是E （X ’u ) 0,当用OLS 法估计模型中的方程参数时会产生联立方程偏倚,即所得参数的OLS 估计量βˆ是有偏的、不一致的。
给出三个定义：内生变量（endogenous variable)：由模型内变量所决定的变量。
外生变量（exogenous variable ）:由模型外变量所决定的变量。
前定变量（predetermined variable ）：包括外生变量、外生滞后变量、内生滞后变量. 例如：y t = 0 + 1 y t -1 + 0 x t + 1 x t -1 + u ty t 为内生变量;x t 为外生变量；y t —1, x t , x t -1为前定变量。
联立方程模型必须是完整的。
所谓完整即“方程个数 内生变量个数”。
否则联立方程模型是无法估计的。
13。
2 联立方程模型的分类(结构模型，简化型模型，递归模型） ⑴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:如下凯恩斯模型（为简化问题，对数据进行中心化处理,从而不出现截距项） c t = 1 y t+ u t 1 消费函数， 行为方程（behavior equation ） I t =1 y t+2 y t-1+ u t 2 投资函数， 行为方程y t = c t + I t + G t 国民收入等式，定义方程（definitional equation) (1)其中,c t 消费；y t 国民收入；I t 投资；G t 政府支出. 1, 1， 2称为结构参数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
§6.1 联立方程组及其简化式
联立方程组模型涉及主要问题：
估计问题 识别问题
§6.1 联立方程组及其简化式
模型(1)称为联立方程组模型的结构式( structural form) 由解(1)得到 :
u C Z 1 1 1 Y 1 Z u 1 1 1 (2)称为简化式(reduced form)
ˆ b ˆ ˆ6 b c2 1 2
ˆ ˆ1 ˆ1 b ˆ a 1 4
ˆ ˆ2 ˆ1 b ˆ a 2 4
§6.3 间接最小二乘法
Q a1 b1 P c1Y u1 (1) 例2： (2) Q a2 b2 P u2 模型中（1）为需求函数， （2）为供给函数。求得简化式： a1b2 a2b1 c1b2 Q b b b b Y error 2 1 2 1 P a1 a2 c1 Y error b2 b1 b2 b1 Q 1 2Y error P 3 4Y error
解得简化式：
a1b2 a2b1 c1b2 c2b1 Q b b b b Y b b R error 2 1 2 1 2 1 P a1 a2 c1 Y c2 R error b2 b1 b2 b1 b2 b1
§6.3 间接最小二乘法
§6.1 联立方程组及其简化式
Ytt、 内生变量：由模型自身决定的变量，如上例中的 C
外生变量：由外部信息给出的变量，如上例中的 Z t 。 联立方程组中变量的分类
ቤተ መጻሕፍቲ ባይዱ
内生变量 变量 滞后内生变量 先决变量 外生变量
假设先决定变量和模型中误差项项是不相关的，内生变量与随机误差项是相关。
§6.3 间接最小二乘法
1. if 2.if 3. if k g 1：所讨论的方程恰好识别 k g 1：所讨论的方程过度识别 k g 1：所讨论的方程不可识别
Q a1 b1P c1Y u1 (1) 例１： Q a2 b2 P c2 R u2 (2)
模型中（1）为农产品的需求函数， （2）为农产品的供给函数。 Q：农产品数量，P：价格， Y ：收入， R ：雨量， P、Q 为内生变量， Y 、 R 为外生变量。
§6.3 间接最小二乘法
§6.3 间接最小二乘法
ˆ 2 、 ˆ4 ， ˆ 1 、 ˆ 3 、 用 OLS，求出
反解结构式参数，
ˆ ˆ2 ˆ1 b ˆ a 2 3 ，
ˆ2 ˆ b2 ˆ4
即只得出供给函数的２个参数估计，此时称供给函 数是可识别的，需求函数是不可识别的。
§6.3 间接最小二乘法
(2)
§6.2 联立方程的bias
假设
C Y u Y C Z
§6.2 联立方程的bias
ˆ
C Y Y Y u Y Y uY Y
t t 2 t t t 2 t t t 2 t
t
§6.2 联立方程的bias
ˆ 的无偏性不存在， 最小二乘估计 ˆ 的一致也不存在， 且 n 时，
简化式方程记为作
Q 1 2Y 3 R v1 Q 4 5Y 6 R v2
ˆ1 … ˆ6 对简化式用 OLS，可以求得参数估计：
§6.3 间接最小二乘法
从方程求解得
ˆ3 ˆ b1 ˆ6
ˆ2 ˆ b2 ˆ5
ˆ b ˆ ˆ5 b c1 1 2
§6.3 间接最小二乘法
ˆi （i=1…6） 利用 OLS 求出表示简化式参数估计 ，反解得到
ˆ ˆ2 ˆ5 ① b 2
ˆ ˆ3 ˆ6 ② b 2
ˆ ˆ2 ˆ1 b ˆ a 2 4
ˆ ，①和②不一定相等， 与例１中求得的解作对比，得到两个 b 2
这种情况称供给函数过度识别。 恰好识别（just-identified） 过度识别（over-identified） 不可识别（under-identified） 有解，且解唯一 有解，但是解不唯一 解不存在
第六章 联立方程组模型的估计
§6.1 §6.2 §6.3 §6.4 联立方程组模型及其简化式 联立方程的bias 间接最小二乘估计 两阶段最小二乘估计
§6.1 联立方程组及其简化式
Ct Yt ut Yt Ct Z t
（1）
式中 Yt：收入，Ct：消费，Zt：非消费支出。
Q a1 b1 P c1Y d1 R u1 例 3： Q a2 b2 P u2
a1b2 a2b1 c1b2 d1b2 Q b b b b Y b b R error 2 1 2 1 2 1 简化式 P a1 a2 c1 Y d1 R error b2 b1 b2 b1 b2 b1
ˆ 对①式用 OLS 可得出 Ct a bZ t
① ②
§6.3 间接最小二乘法
a 1 令 b 1
ˆ ˆ 、 称为间接最小二乘估计量。
但是上面的方法并不是总是有唯一解的，要求所讨论的模型一定要恰好识别。
§6.3 间接最小二乘法
且可能给出 的过大的估计。
§6.3 间接最小二乘法 （ILS：indirect Least Squares）
由式(2)
ut C t 1 1 Zt 1 Y 1 Z ut t t 1 1 1