12 联立方程模型识别

合集下载

12 联立方程模型和识别

12 联立方程模型和识别

将阶条件和秩条件综合在一起,判断结构式参数的可识别性:
(1)如果 G K G 1 ,且识别矩阵的秩=G-1,则 该模型过度识别; (2)如果 G K G 1 ,且识别矩阵的秩=G-1,则 该模型恰好识别; (3)如果 G K G 1 ,且识别矩阵的秩﹤G-1,则 该模型不可识别; (4)如果 G K G 1 ,则该模型不可识别。
二、联立方程模型的类型
1、模型的结构型
如上例。是依据经济理论设定模型时所采用的形式,直 接反映各变量之间的关系,用来描述某一经济结构。
◆模型中的每一个方程叫结构方程; ◆结构方程中的参数叫结构参数,表示每个前定变量对
内生变量的直接影响; ◆模型中结构方程的个数若等于内生变量的个数,该模 型叫完备模型。若模型不完备,则不能求解。
1
Cov( Pt vt )
2 p
2 v 1 1 2 (1 1 ) p
1 P lim pt t n n 1 2 1 pt P lim n n
pv E( ) p
t t 2 t
1
p p
t t 2 t
由此得出结论:如果模型中解释变量与残差项相关,则参数 估计量有偏且不一致。
( )Qt ( 0 0 ) ( 1 1 ) Pt (vt ut )
0 0 1 1 vt ut Qt Pt
※说明组合出来的式子与(1)、(2)具有相同的统计形式,并且
在数目上无限,因而是不可识别的。
0 0 1 1 vt ut 2 Qt Pt Yt
※线性组合与(1)具有不同的统计形式,可识别,但过度识
别;(2)与组合式具有相同的统计形式,不可识别。

(9)12.4-12.5联立方程的识别及识别规则

(9)12.4-12.5联立方程的识别及识别规则

(12.5.2)
所以,任一方程可识别的必要条件又叙述为:该方程 所不包含的变量(包括模型中内生变量和前定变量)总 数不小于模型中的方程数(或内生变量数)减1,式中等 号代表正确识别,不等号代表过度识别。 显然,条件(12.5.1)与(12.5.2)是等价的,实际应用时 可取其中之一。
例12.5.1.
其中∆代表未出现在被考察方程内而出现在其它方程 内的所有变量的系数矩阵,称为识别矩阵,R为求秩 符号。
例12.5.3我们利用§12.4节的例12.4.4 例 第一步,将原模型改写成如下形式:
− Q tD + α 0 + α 1 P t + α 2 Y t + u1t = 0 S + β + β P + β P + u = 0 −Q t 2t 0 1 t 2 t −1
第三个方程(12.5.10)为定义方程,是恒等式不需要 进行识别。 由于该模型需求方程和供给方程都是恰好识别,所以, 模型恰好识别。 三、零约束条件 零约束条件 从本节例子中我们可以发现,如果一个方程包含模 型中的全部变量,这个方程一定不可识别。这表明 如果对方程施加若干限制,使模型中的某些变量不 在方程中出现,乃是方程可识别的必要条件。
一是从“参数关系体系”角度考虑问题:如果约简模型 的参数已知,能否确定相应结构模型中方程的参数? 如果结构方程的参数可以由相应的约简型参数来确定, 称这个结构方程可以识别,否则不可识别。 二是从“统计形式唯一性”角度考虑问题:所谓“统计形 式唯一性”,就是结构模型中的某个方程能够同所有方 程的任何一种线性组合相区别。对于模型中的结构方 程,如果它在模型中具有唯一的统计形式,则这个结 构方程叫做可识别的,否则叫做不可识别的。

联立方程模型的识别

联立方程模型的识别

第十二章联立方程模型的识别识别的概念:联立方程模型是由多个方程组成。

由于各个方程包含的变量之间可能存在互为因果的关系,某个方程的自变量可能是另一个方程中的因变量,所以需要对模型中的各个方程之间的关系进行严格的定义,否则联立方程模型中的系数就可能无法估计。

所以在进行模型估计之前首先要判断它是否可以估计,这就是模型的识别。

关于识别的定义:就是指由简化式参数导出结构式参数的充分必要条件。

识别一词的本意就是用来说明这种有简化式参数导出结构式参数的可能性的。

所谓统计形式,即方程中的变量与变量之间的函数关系式。

“确定的统计形式”,也就是模型中其他方程或所有方程的任意线性组合所构成的新的方程,都不再具有这种统计形式。

第一节模型的识别上述识别的定义是针对结构方程而言的。

模型中每个需要估计其参数的随机方程都存在识别问题。

如果一个模型中的所有随机方程都是可以识别的,则认为该联立方程模型是可以识别的。

反过来,如果一个模型系统中存在一个不可识别的随机方程,则认为该联立方程模型是不可识别的。

结构式模型的一般形式:;∑∑g k b Y +r X =μi =1,2,,g ij j ij j i j=1j=1…………………(12.1) 矩阵形式为:BY+ΓX=μ…………………………………… (12.2)一、 模型识别的两种含义:(1)从结构式参数和简化式参数的关系角度一个结构方程可以识别是指它的全部结构式系数可以从参数关系体系的方程组求解出。

结构方程可以识别又包含两种情况:如果求解结构参数值唯一,则称恰好识别;如果求解结构参数值不唯一,则称过度识别。

(2)从结构方程的统计形式看如果被识别方程具有确定的统计形式,则称这个结构方程可以识别,否则为不可识别。

确定的统计形式是指模型中若干个方程或全部方程以及它们的任意线性组合方程都与被识别方程含有不完全相同的变量。

只有当联立方程中每个随机结构方程都能识别,该模型才是可以识别的,否则是不可识别的。

第十二章 联立方程组:模型、识别与估计

第十二章 联立方程组:模型、识别与估计

β11 = β 22 = L = β MM = 1 , 用以说明它是每个结构式方程中的因变量系数为 1;x t
的第 1 个元素通常是常数 1,主要用以说明 K 个外生变量中含常数项。 运用经济理论可以在参数矩阵上加上一些约束条件, 从而使整个联立方程组
模型能够被估计。 在讨论联立方程组模型的简约式之前,我们再来看一个联立方程组模型结构 式的特殊情况: 如果结构式方程组中的 Β 是一个上三角矩阵,则模型具有如下形式: y t1 = f 1 ( xt ) + ε t1 y t2 = f 2 ( yt1 , xt ) + ε t 2 … … … … … … … … ..
−1 ′ −1 + ε ′ ′ ′ y′ t = − xt ΓΒ t Β = x t Π + vt
′ ′ y′ , 2, L, T 为联立方程组模型的简约式。 t = x t Π + vt , t = 1
′ −1 。 v′ t = ε tΒ
这里, Π = −ΓΒ −1 ,同时还有
如果完全从矩阵角度描述联立方程组模型的简约式,我们有:
y11 y 21 L y T1 x11 x + 21 L x T1 x12 x22 L xT 2
y12 y 22 L yT 2
L y1M L y 2M L L L y TM

β 11 β 21 L β M1
收入恒等式: Yt = Ct + I t (12.1.5) 其中 C=消费支出、Y=收入、I=投资、t=时间 。 简单的凯恩斯消费模型展示的是其结构式方程 。里面有二个内生变量,即 Ct , Yt 。所以这个经济模型是完备的。 消费行为方程是根据“收入决定说”的理论建立的,即认为当期消费仅由当 期收入决定。投资被认为是一个外生变量。 收入是一个均衡条件。 1.3 小型宏观经济模型 消费行为方程: 投资行为方程: 需求恒等式: Ct = α 0 + α1 y t + α 2C t−1 + ε t1 I t = β 0 + β1rt + β 2 ( y t − y t−1 ) + ε t 2 y t = Ct + I t + G t ( α1 + β 2 ≠ 1) (12.1.6) (12.1.7) (12.1.8)

计量第12章联立方程模型

计量第12章联立方程模型

VS
假设条件
为了使模型具有可解性和可估计性,需要 设定一些假设条件。这些条件可能包括变 量的线性关系、误差项的独立性、同方差 性等。这些假设条件的选择应根据实际问 题和数据的特征来确定。
参数估计方法
最小二乘法(OLS)
最小二乘法是联立方程模型中最常用的参数估计方法之一。它通过最小化残差平方和来估 计模型的参数。这种方法简单易行,但在存在异方差性、自相关等问题时,可能导致估计 结果不准确。
联立方程模型的估计需要使用复 杂的计算方法和软件,对研究者 的计量经济学知识要求较高。
改进方向探讨
模型识别方法的改进
01
通过引入新的识别方法或改进现有数据收集和处理技术的提升
02 利用现代数据收集和处理技术,提高数据的质量和可
获得性,从而扩大联立方程模型的应用范围。
递归模型
模型中某些变量可以由其他变量唯一确定。
非递归模型
模型中所有变量相互依赖,无法由其他变量 唯一确定。
建模目的与意义
分析经济政策变化对经济系统的 影响。
描述经济系统中多个变量之间的 相互关系。
目的
01
03 02
建模目的与意义
• 预测经济变量的未来走势。
建模目的与意义
01
意义
02
提供了一种全面、系统的分析方法,有助于深入了解经济系统的运行 规律。
计量第12章联立方程模型
目录
• 联立方程模型概述 • 联立方程模型的构建 • 联立方程模型的识别与估计 • 联立方程模型的应用举例 • 联立方程模型与其他模型的关系 • 联立方程模型的优缺点及改进方向
01
联立方程模型概述
定义与特点
定义
联立方程模型(Simultaneous Equation Models)是一组 相互依赖的线性方程,用于描述经济系统中多个变量之间的 相互关系。

第十二章:联立方程模型的识别

第十二章:联立方程模型的识别

[计量经济学讲义] 第十二章:联立方程模型的识别§1 模型识别的概念一、定义所谓识别问题,是指能否从所估计的简化式模型系数求出一个结构式方程的参数的数值估计值。

如果能够,就说该方程是可以识别的(identified );如果不能,就说所考虑的方程是不可识别的(unidentified)或不足识别的(underidentified)。

结构方程可以识别又包括两种情况:如果求解结构参数值唯一,则称恰好识别;如果求解结构参数值不唯一,则称过度识别。

二、不可识别情形 例1:需求函数:t Q =1α+2αt P +t u 1 (1.1) 供给函数:t Q =1β+2βt P +t u 2 (1.2)其简化式为:t P =1∏+t v (1.3) t Q =2∏+t w (1.4)其中1∏=2211βααβ--;2∏=222112βαβαβα--。

可以用OLS 方法估计简化式,得到简化式的两个系数1∏和2∏。

这两个系数包含了供求关系的四个系数,1α、2α、1β和2β。

但是,要估计4个未知数,仅有2个方程是不足的,因此无法确定上述四个参数。

三、恰好识别情形 例2:t Q =1α+2αt P +3αt Y +t u 1 (2.1) t Q =1β+2βt P +t u 2 (2.2)其简化式为:t P =1∏+2∏t Y +t v (2.3)t Q =3∏+4∏t Y +t w (2.4)其中1∏=2211βααβ--;2∏=223βαα--;3∏=222112βαβαβα--;4∏=2223βαβα--供给函数是可以识别的,这时因为:1β=3∏-2β1∏2β=4∏/2∏但是没有估计需求函数的唯一方法,因此需求函数仍不可识别。

例3:t Q =1α+2αt P +3αt Y +t u 1 (3.1) t Q =1β+2βt P +3β1-t P +t u 2 (3.2)其简化式为:t P =1∏+2∏t Y +3∏1-t P +t v (3.3) t Q =4∏+5∏t Y +6∏1-t P +t w (3.4)其中1∏=2211βααβ--;2∏=223βαα--;3∏=223βαβ-;4∏=222112βαβαβα--;5∏=2223βαβα--;6∏=2232βαβα-;四、过度识别情形 例4:t Q =1α+2αt P +3αt Y +4αt R +t u 1 (4.1) t Q =1β+2βt P +3β1-t P +t u 2 (4.2)其简化式为:t P =1∏+2∏t Y +3∏t R +4∏1-t P +t v (4.3) t Q =5∏+6∏t Y +7∏t R +8∏1-t P +t w (4.4)其中1∏=2211βααβ--;2∏=223βαα--;3∏=224βαα--;4∏=223βαβ-5∏=222112βαβαβα--;6∏=2223βαβα--;7∏=2224βαβα--;8∏=2232βαβα-。

南开大学计量经济学课件第12章 联立方程模型

南开大学计量经济学课件第12章 联立方程模型

第 12 章 联立方程模型 12.1 联立方程模型概念 联立方程模型就是描述经济变量间联立依存性的方程体系。一个经济变量在某个 方程中可能是被解释变量,而在另一个方程中却是解释变量。 首先给出如下定义。 (1)内生变量:由模型内变量所决定的变量称作内生变量。 (2)外生变量:由模型外变量所决定的变量称作外生变量。 (3)前定变量:外生变量、外生滞后变量、内生滞后变量统称为前定变量。 例如:yt = 0 + 1 yt-1 + 0 xt + 1 xt-1 + ut。yt 为内生变量;xt 为外生变量;xt-1 为外 生滞后变量;yt-1 为内生滞后变量;yt-1, xt , xt-1 统称为前定变量。 注意,联立方程模型必须是完整的。所谓“完整”是指联立方程模型内的方程个 数应该大于或等于内生变量个数。 否则联立方程模型是不完整的, 是无法估计的。
其中,Ct 为宏观消费;Yt 为国民收入;It 为投资;Gt 表示政府支出。式(12-1)是消费函 数。式(12-2)是投资函数。式(12-3)是国民收入恒等式。上述三个方程式构成了一个结构 模型。0, 1, 0, 1, 2 称为结构参数。式(12-1)、(12-2)属于行为方程。特点是需要估计回 归参数。式(12-3)是定义方程。定义方程是恒等式,不存在估计参数的问题。 模型中,式(12-1) (12-3)分别决定变量 Ct、It、Yt,所以变量 Ct、It、Yt 是内生变量。 由于联立方程模型中没有决定 Gt 的方程,Gt 是由模型以外的变量所决定,所以 Gt 是外生 变量。Yt-1 是内生滞后变量。按上面的定义,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,所以该模型是一个完整的联立方程模型。 2013-8-7 计量经济学

联立方程

联立方程

Q t 1 2 Pt 3Yt 4Yt 1 u1 t Q t 1 2 Pt 3 Rt u2 t
21
方程的识别

二、结构方程可识别的充要条件(秩条件)
若方程中有k个内生解释变量,该方程至少要 排除k个外生变量 并在其它方程中出现(该变量系数非零)
1.联立方程模型的性质 2.模型的识别问题 3.参数的估计
1
联立方程模型的性质
单方程模型: 模型由一个方程构成 只含有一个被解释变量和若干个解释变量 联立方程模型: 由一个以上的相互关联的单方程组成的系 统 每个单方程中包含一个或多个相互关联的 内生变量

2
一个联立方程的模型的例子

22
联立模型的估计
一、恰可识别方程的估计: 间接最小二乘法(ILS)

步骤1:由结构式导出简化式; 步骤2:对简化式的每个方程用OLS方法回归; 步骤3:利用简化式系数的估计值求结构式系数 的估计值。
23
二、过度识别方程的估计
Qt 1 2 Pt t Qt 1 2 Pt 3Yt 4Wt u t
用前定变量和扰动项表示内生变量 描述内生变量是怎样被真正决定的 简化系数又称为影响乘数(impact multipliers) 度量外生变量单位变动对内生变量的影响。
13


间接最小二乘法(ILS)
在联立方程模型中,通过先对简化方程进行 普通最小二乘法的估计,然后通过得到的普通最 小二乘估计值再间接的求得原方程参数值的估计 方法称之为间接最小二乘法(ILS) 间接最小二乘估计量是一致估计量,但对小 样本而言,间接最小二乘估计量是有偏的。
C t Yt ut Yt C t I t

第六章联立方程组模型及其识别问题

第六章联立方程组模型及其识别问题

α1 + α 2 β1 β + α1β 2 和Π 21 = 1 从 1− α2β2 1− α2β2 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 9
识别性问题的意义
如在需求函数中引入收入变量Yt, 则 Qt = α1 + α 2 Pt + ε 1t Pt = β1 + β 2Qt + β 3Yt + ε 2t 则其简约式转化为
7
识别性问题的意义
联立方程模型识别问题 的本质 , 是由于联立方程模型中 有多个方程 , 内生变量的水平是由多 个方程的共同作用所决 定的 , 因此能否根据所 观测到的变量数据 , 推测出生成它们的各方 面的关系很值得疑问 。 如 供给需求均衡模型中 Qt = α1 + α 2 Pt + ε 1t Pt = β1 + β 2 Qt + ε 2 t 如果模型中的参数是已 知的 , 那么很容易根据这个模 型解出均衡价格 和销售量 , 实际上也就是模型的简 约式 α + α 2 β1 ε 1t + α 2ε 2t + = Π 11 + u1t Qt = 1 1 − α 2β2 1− α2β2 Pt =
联立方程组模型及其识别问题
单方程模型所分析的是经济活动、经济关系中的单向的影响 或决定关系,但经济活动中存在着复杂的相互依存和制约的 交互作用,以至多层次的动态交互影响和循环反馈,对于这 样的经济关系,如果将其割裂成一个个的单向关系进行分析, 是不真正理解和掌握经济活动的内在规律的,必须把它作为 整体,完整地加以考察和分析 联立方程模型在形式上是由多个单方程组成的。由于联立方 程组模型各个方程的变量之间,必然有着非常密切的内在联 系,会使逐个方程的分析方法,产生严重的问题,因此需要 讨论联立方程的计量经济方法

9.3联立方程模型的识别

9.3联立方程模型的识别
第三节 联立方程模型的识别
• • • • 识别问题的提出 识别的定义 模型的识别 恰好识别和过度识别
一、识别问题的提出 例3 假设某商品的供求关系如下:
Dt = a0 + a1 Pt + u1t St = b0 + b1 Pt + u2t D = S t t
根据均衡条件,模型可以改写成: 需求方程 供给方程
模型3:
Dt = a0 + a1 Pt + a2Yt + u1t St = b0 + b1 Pt + b2Wt + u2t D = S t t
从模型识别的第一个定义看 • 供给方程仍然是可以识别的,因为任何方程的 线性组合都不能构成与它相同的统计形式。 • 需求方程也是可以识别的,因为任何方程的线 性组合都不能构成与它相同的统计形式。 • 于是,该模型系统是可以识别的。
待求的结构参数有4个,但参数关系体系方程组中 只有两个方程,所以无法求解,需求方程和供给 方程都是不可识别的。
三、模型的识别 • 上述识别的定义是针对结构方程而言的。 • 模型中每个需要估计其参数的随机结构方程都存 在识别问题。 • 如果一个模型中所有的随机结构方程都是可以识 别的,则认为该联立方程模型是可以识别的。反 过来,如果一个模型中存在一个不可识别的随机 结构方程,则认为该联立方程模型是不可以识别 的。 • 恒等方程由于不存在参数估计问题,所以也不存 在识别问题。
Qt = a0 + a1 Pt + u1t
Qt = b0 + b1 Pt + u2t
观察模型中的两个方程可以发现,需求方程和供 给方程具有完全相同的统计形式。利用样本资料 估计模型后,无法区分(或者识别)所估计的方 程是需求方程还是供给方程。 “识别” 实质是对特定的模型,判断是否有可能 得出有意义的结构型参数数值。

联立方程计量经济学模型的识别与估计

联立方程计量经济学模型的识别与估计

CWYKW tPtttGt1O300000\0y21010001100(00010容易验证该矩阵的秩为5,与整个模型w G T T Y tGt t t t1t1竹000000V1V2V2E1000000000000000),从而是可以识别的。

°202300Gt 0 0 1 0 0)联立方程计量经济学模型的识别与估计Klein于1950年建立的旨在分析美国两次世界大战间经济发展的小型宏观计量经济学模型如下:消费:c t=%+〜n t+僞耳i+〜(%+%)+%投资:人=兀+久存+侑耳1+峡1+纭工资:叫=卩0+人(Y t+T t叫丿+卩2(I1+T t1“Gt1)+泾+妆收入:Y t=C t+I t+G t T t利润:n t=y t w pt w Gt资本存量:£=—+仪i其中,Y,C,/,%,%,〃,K,G,T,t分别代表收入、消费、投资、私人工资、政府工资、利润、资本存量、政府支出、税收与时间。

1)模型的识别该模型中的内生变量共6个,分别为Y,C,I,W p,n,K,外生变量分别为为“G,G,T,t,先决变量共9个,分别为为岭1〃…,K1,W Gt,G t,Tt,t,咚1,—对于该模型的识别过程如下:对于消费方其中未包含的变量在其他方程中对应系数所组成的矩阵I Y K K w G T T Y tt t t t1Gt1t t t1t1100传0000000V10V20V1E E V31100011000010*******(1011000000)容易验证该矩阵的秩为5,与整个模型系统的内生变量减1后相等,从而是可以识别的。

另一方面,由于k心=103=7>2=31=21,因此,消费方程是过度识别的。

对于投资方程,其中未包含的变量在其他方程中对应系数所组成的矩阵为:另一方面,由于k心=103=7>1=21=9t1,因此,投资方程是过度识别的。

对于工资方程,其中未包含的变量在其他方程中对应系数所组成的矩阵为:cIn K tttt10线001B0111000010(0101容易验证该矩阵的秩为5,与整个模型系统的内生变量减1后相等,从而是可以识别的。

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

• 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。
联立方程计量经济学模型的识别
• 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。
联立方程计量经济学模型的识别
• 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。
• 3种定义:
“如果联立方程模型中某个结构方程不具有确定的 统计形式,则称该方程为不可识别。”
“如果联立方程模型中某些方程的线性组合可以构 成与某一个方程相同的统计形式,则称该方程为 不可识别。”
“根据参数关系体系,在已知简化式参数估计值时, 如果不能得到联立方程模型中某个结构方程的确 定的结构参数估计值,则称该方程为不可识别。”
• 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。
• 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。
联立方程计量经济学模型的识别
• “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。”
• 而且,只能得到所有6个结构参数的一组确定 值,所以消费方程和投资方程都是恰好识别的 方程。
• 注意:与例题2相比,在消费方程中增加了1个 变量,投资方程变成可以识别。
联立方程计量经济学模型的识别
⒋例题4
• 消费方程和投资方程仍然是可以识别的,因为 任何方程的线性组合都不能构成与它们相同的 统计形式。

(完整word版)联立方程模型simultaneous-equationsmodel

(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。

第十二章 联立方程模型

第十二章  联立方程模型
1-25
第三节 联立方程模型的偏误
联立方程偏误:联立方程模型中内生变量作为解释变量 联立方程偏误:联立方程模型中内生变量作为解释变量 基本假定, 会与随机扰动项相关,违反了OLS基本假定,如仍用 基本假定 如仍用OLS 会与随机扰动项相关,违反了 法去估计其参数,就会产生偏误。 法去估计其参数,就会产生偏误。 例如 C = β + β Y +u
1-23
联立方程模型的方程类型
例: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: 其中:
1-24
联立方程模型的方程类型
例:凯恩斯收入决定模型 另一个简化式方程: 另一个简化式方程: (**) ) 其中: 其中:
称为冲击乘数或短期乘数。 称为冲击乘数或短期乘数。
Qt = α Pt = β
0 0
+ α 1 Pt + α
2
X
t
+ ut (3)
+ β 1 Q t + β 2 Pt * + v t
其中Q和P为内生变量,X和P*为外生变量 为内生变量, 和 其中 和 为内生变量 一个变量是内生变量还是外生变量, ● 一个变量是内生变量还是外生变量 , 是由经济理论和经 济意义决定,并不仅从数学形式去决定。 济意义决定,并不仅从数学形式去决定。 ●联立方程模型中内生变量的个数应恰好等于方程组中方 程的个数,该方程组才是完备 完备的 程的个数,该方程组才是完备的。 意义:区分内生变量和外生变量对联立方程模型的识别、 意义:区分内生变量和外生变量对联立方程模型的识别、 估计和应用都有重要意义。 1-20
Pt = β 0 + β1Qt + β 2 Pt * + vt (2)
  1. 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. 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. 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)。


以是否具有确定的统计形式作为识别的基 本定义。
什么是“统计形式”? 即变量和方程关系式。


什么是“具有确定的统计形式”? 即模型系统中其他方程或所有方程的任意 线性组合所构成的新的方程都不再具有这 种统计形式。
3. 模型的识别

识别的定义是针对结构方程而言。 模型中每个需要估计其参数的随机方程都存在 识别问题。 如果一个模型中的所有随机方程都是可以识别 的,则认为该联立方程模型系统是可以识别的。 恒等方程由于不存在参数估计问题,所以也不 存在识别问题。但是,在判断随机方程的识别 性问题时,应该将恒等方程考虑在内。
4. 例题4
Ct 0 1Yt 2 Ct 1 3 Pt 1 1t I t 0 1Yt 2 Yt 1 2 t Yt Ct I t


消费方程和投资方程仍然是可以识别的,因为 任何方程的线性组合都不能构成与它们相同的 统计形式。 结论:该模型系统是可以识别的。
2. 例题
Ct 0 1Yt 2Ct 1 3 Pt 1 1t I t 0 1Yt 2Yt 1 2 t Y C I t t t
Ct
It
Yt
1 Yt 1 Ct 1
0 2 0 2 0 0
Pt 1
3 0 0
投资方程也是可以识别的,因为任何方程的线 性组合都不能构成与它相同的统计形式。 结论:该模型系统是可以识别的。



参数关系体系由9个方程组成,剔除3个矛 盾方程,在已知简化式参数估计值时,由6 个方程能够求得所有6个结构参数的确定估 计值。



所以也证明消费方程和投资方程都是可以 识别的。 而且,只能得到所有6个结构参数的一组确 定值,所以消费方程和投资方程都是恰好 识别的方程。 注意:与例题2相比,在消费方程中增加了 一个变量,投资方程变成可以识别。
2. 例题
• 需要识别的结构式模型
Y1i 1Y2 i 2 X 1i 3 X 2 i 1i Y2 i 1Y3i 2 X 3i 2 i Y Y Y X 3i 1 1i 2 2i 3 3i 3i
• 已知其简化式模型参数矩阵为
1 0 1 0 0 1 1 0 1 1 1 0

判断第1个结构方程的识别状态

1 2 0 0 1 0

R(0 0 ) 2 g 1
所以,该方程可以识别。
因为
k k1 1 g1 1
所以该方程是不可识别的。 结论:该模型是不可识别的。 • 要注意的是:简化式识别条件和结构式识 别条件是等价的。
五、实际应用中的经验方法

“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。”
如果 R( B0 0 ) g 1, 则第i 个结构方程可以识别,且 如果 k ki gi 1, 则第i 个结构方程恰好识别,
如果 k ki gi 1, 则第i 个结构方程过度识别。

秩条件(Rank Condition),用以判断结构方 程是否可识别;

阶条件(Order Conditon),用以判断结构方 程恰好识别或者过度识别。
该法则的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。 该法则的后一句话是保证该新引入方程本身是可 以识别的。



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。
变量 1 方程 1 方程 2 方程 3 方程 4 … × ×
1t I t 0 1Yt 2 t
Y C I t t t



第2与第3个方程的线性组合得到的新方程具有 与消费方程相同的统计形式,所以消费方程也 是不可识别的。 第1与第3个方程的线性组合得到的新方程具有 与投资方程相同的统计形式,所以投资方程也 是不可识别的。 结论:该模型系统不可识别。

参数关系体系由12个方程组成,剔除4个矛盾方 程,在已知简化式参数估计值时,由8个方程能 够求得所有7个结构参数的确定估计值。 也证明消费方程和投资方程都是可以识别的。 但是,求解结果表明,对于消费方程的参数, 只能得到一组确定值,所以消费方程是恰好识 别的方程; 而对于投资方程的参数,能够得到多组确定值, 所以投资方程是过度识别的方程。

对于简化式模型: Y
简化式识别条件:
X
如果 R(2 ) gi 1 , 则第i 个结构方程不可识别; 如果 R(2 ) gi 1 , 则第i 个结构方程可以识别,且 如果 k ki gi 1, 则第i 个结构方程恰好识别,
如果 k ki gi 1, 则第i 个结构方程过度识别。
0 2 0 2 0 0 3 0 0
1 0 1 0 0 1 1 0 1 1 1 0

判断第2个结构方程的识别状态

1 2 3 0 0 0 1 0

R(0 0 ) 2 g 1

消费方程是可以识别的,因为任何方程的线 性组合都不能构成与它相同的统计形式。 投资方程仍然是不可识别的,因为第1、第2 与第3个方程的线性组合(消去C)构成与它 相同的统计形式。


结论:该模型系统仍然不可识别。

参数关系体系由6个方程组成,剔除2个矛盾方 程,由4个方程是不能求得所有5个结构参数的 确定估计值。 可以得到消费方程参数的确定值,证明消费方 程可以识别;因为只能得到它的一组确定值, 所以消费方程是恰好识别的方程。 投资方程都是不可识别的。
注意:与例题1相比,在投资方程中增加了一个 变量,消费方程变成可以识别。



3. 例题3
Ct 0 1Yt 2Ct 1 1t I t 0 1Yt 2Yt 1 2 t Y C I t t t

消费方程仍然是可以识别的,因为任何方程的 线性组合都不能构成与它相同的统计形式。


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 知结构参数估计量数目,被认为不可识别。 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,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。
5. 如何修改模型使不可识别的方程变成可以 识别

或者在其它方程中增加变量;
或者在该不可识别方程中减少变量。 必须保持经济意义的合理性。
三、结构式识别条件 ⒈结构式识别条件

一种规范的判断方法 直接从结构模型出发


每次用于1个随机方程 具体描述为:
联立方程计量经济学模型的结构式: Y X 判断第i 个结构方程识别状态的结构式条件为: 如果 R( B0 0 ) g 1, 则第i 个结构方程不可识别;
所以,该方程可以识别。 因为
k k2 2 g 2 1 1
所以,第2个结构方程为过度识别的结构方程。 第3个方程是平衡方程,不存在识别问题。 结论: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。

四、简化式识别条件 ⒈简化式识别条件

如果已经知道联立方程模型的简化式模型参数, 那么可以通过对简化式模型的研究达到判断结 构式模型是否识别的目的。 由于需要首先估计简化式模型参数,所以很少 实际应用。
所以,第1个结构方程为恰好识别的结构方程。
2. 例题(续)
Ct 0 1Yt 2 Ct 1 3 Pt 1 1t I t 0 1Yt 2 Yt 1 2 t Yt Ct I t
Ct
I t Yt 1
Yt 1 Ct 1 P t 1


4. 恰好识别(Just Identification) 与过度识别 (Over identification)

如果某一个随机方程具有一组参数估计量, 称其为恰好识别;
如果某一个随机方程具有多组参数估计量, 称其为过度识别。

二、从定义出发识别模型
1. 例题1 Ct 0 1Yt
0 0 30 1 1 1
参数关系体系由3个方程组成,剔除一个矛盾方程, 2个方程不能求得4个结构参数的确定值。也证明 消费方程与投资方程都是不可识别的。
2. 例题2
Ct 0 1Yt 1t I t 0 1Yt 2 t 2Yt 1 Y C I t t t

2. 识别的定义

3种定义:
“如果联立方程模型中某个结构方程不具有确定 的统计形式,则称该方程为不可识别。”
“如果联立方程模型中某些方程的线性组合可以 构成与某一个方程相同的统计形式,则称该方 程为不可识别。”
“根据参数关系体系,在已知简化式参数估计值 时,如果不能得到联立方程模型中某个结构方 程的确定的结构参数估计值,则称该方程为不 可识别。”
2 1 2 2 1
R( 2 ) 1 g 2 1
所以该方程是可以识别的。又因为
k k 2 2 g2 1
所以该方程是过度识别的。

判断第3个结构方程的识别状态
相关文档
最新文档