联立方程模型VIP免费

第四章联立方程模型1Chapter4联立方程模型本章关注的目标Y不止一个，而是多个。或者其中关注的某一目标与其它目标有内在联系，如果我们不知道其它的目标，就不可能知道要关注的目标。例如，我们要知道某一商品的市场价格，我们必须要同时知道该商品的供给曲线和需求曲线。自然也就存在多因多果的关系问题。从内生性问题角度看，某一解释变量iX从另一方面考察可能成为Y的结果，那么Y就是原因，因为iX中有Y的成分，从而()0iEUX不成立，产生内生性问题的第3种情形，联立性问题。在第二章现代观点理念的陈述中，把Y看成是一个随机向量，所有的语言经过适当的修正，完全可以类似重复。但由于因变量Y的个数的增加，也就带来了许多“单方程线性回归模型”不曾有的问题。本章主要讨论联立的线性系统。内容有，联立方程模型的表述，各种估计和检验的假设条件，系统的可识别，以及一些专题。其中GMM方法是本章的特色。它把2SLS的方法又提高了一步。一、基本概念和模型系统：多个变量间的相互联系，一般用方程表述。线性系统则认为它们的联系是线性的。变量：描述系统状态的基本要素。变量分成两类。一类是内生变量，含义是，一旦系统变量间的相互联系确定，这些变量的值就是完全确立的。内生变量一般是系统要关注的对象。另一类是先决变量，含义是，它们的值不是由系统直接确定。它又分成：（1）外生变量，它的值由系统的外部给定；（2）滞后的内生变量，它的值由内生变量的前期确定。有时，（1）（2）不加区分统称为外生变量。不过这两种内生变量有实质性区别，后一种滞后变量会带来内生性问题。线性模型：系统中的变量通过线性方程或加上随机误差项联系，称为联立系统的线性模型。模型分成简约式（reducedformed）和结构式（structureform）两种：1、简约式：每个内生变量由系统的先决变量的线性式加随机项构成，先决变量前的系数称为简约系数。2、结构式：每个方程由内生变量和先决变量的混合线性式或加随机项构成。结构式有以确定的经济内内涵，它们从理论模型简化而成。一般把结构式分成四类：（1）行为方程（2）技术方程（3）平衡方程（4）定义方程每个结构方程中，变量前的系数称为结构参数。系统的描述：Y表示内生变量，设共有G个内生变量：1Y⋯⋯GYX表示先决变量，设有M个先决变量：1X⋯⋯MXU表示随机误差，误差项的个数随行为和技术方程的个数来定。例：简单的宏观消费－投资模型：可加随机项不可加随机项第四章联立方程模型2消费方程：tttUYC21投资方程：ttttYYI)(2121平衡方程：ttttGCIY则：内生变量：tC，tI，tY先决变量：21,ttYYtG随机误差：ttU,。联立方程模型主要分成三类：（1）似无关模型（SeeminglyUnrelatedRegression）(SUR模型)1111UXY2222UXY⋯⋯GUXYGGG模型中每个方程都是reducedform,且有不同的先决解释变量和因变量，并有各自的参数值1,gg⋯⋯G。相关联的仅是不可观测的误差项。可以理解为系统有一个共同的环境，且系统因果关系由随机项构成。由此设定：1G|X0gEUX，g=1⋯G。这是一个很强的假定，意味着任意iU与jX不相关，弱一些的假定是：0X|ggUE，g=1⋯G,但不要求1U⋯GU不相关。总体上，gU可能与其他外生变量jX（g不等于j）相关，似无关的含义是指后一种含义。（2）面板数据模型（PanelData）（PD模型）tttYXU，|0,ttEUXt=1,2⋯Ｔ。这里，先决解释变量，因变量和参数值都相同，区别的仅在于t,一般理解为不同时段，也可以是其它指标如不同地区、城市等，tU可理解为不同的t导致不同的随机误差。故tiU和tjU可以不独立，也可以不同分布等，视各种实际情况而定。注：1、这种简单形式的面板数据模型，可以看成是一类特殊的联立方程。其他各种特征的面板数据模型将在第五章中介绍。SUR和PD是联立方程的特殊形式，其特点为每个内生变量iY都可以写成单方程的多元线性回归形式，且都是正确设定的。区别是，SUR模型每个iY第四章联立方程模型3有自己的外生变量，而PD则是所有iY都有相同的外生变量。2、另一种介于SUR和PD模型的联立式称为跨方程的联立式，含义是：如果某iY与jY中有相同的先决变量，且参数值相同，那么可将iY与jY合并成跨方程的联立式，如：112111211121212200k...