经典单方程计量经济学模型放宽基本假定的模型(计量经济学李子奈(版).ppt

3、如果X与?同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。 kt的分母中包含不同期的X, kt与?t相关 4、如果X与?同期相关，得到的参数估计量有偏、且非一致。 前面已经证明 三、工具变量法 Instrument variables 1、工具变量的选取 工具变量：在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量。 选择为工具变量的变量必须满足以下条件： 与所替代的随机解释变量高度相关； 与随机误差项不相关； 与模型中其它解释变量不相关，以避免出现多重共线性。 2、工具变量的应用 多元线性模型的正规方程组 X2为与μ相关的随机变量 能否说“用工具变量代替了模型中的随机解释变量”？ 能否说“其它解释变量用自己作为工具变量”？ 能否说“用Z作为X1的工具变量，用X1作为X2的工具变量”？ Z作为X2的工具变量 这种求模型参数估计量的方法称为工具变量法(instrumental variable method)，相应的估计量称为工具变量法估计量（instrumental variable (IV) estimator）。 工具变量矩阵 3、工具变量法估计量是一致估计量 一元回归中，工具变量法估计量为 (1)在小样本下，工具变量法估计量仍是有偏的。 4、几个重要的概念 (2)工具变量并没有替代模型中的解释变量，只是在估计过程中作为“工具”被使用。 (3)如果模型中有两个以上的随机解释变量与随机误差项相关，就必须找到两个以上的工具变量。但是，一旦工具变量选定，它们在估计过程被使用的次序不影响估计结果(Why？)。 (4)OLS可以看作工具变量法的一种特殊情况。 (5)如果1个随机解释变量可以找到多个互相独立的工具变量，人们希望充分利用这些工具变量的信息，就形成了广义矩方法（Generalized Method of Moments, GMM）。 在GMM中，矩条件大于待估参数的数量，于是如何求解成为它的核心问题。 工具变量法是GMM的一个特例。 (6)要找到与随机扰动项不相关而又与随机解释变量相关的工具变量并不是一件很容易的事 可以用Xt-1作为原解释变量Xt的工具变量。 5、 IV演示：居民总消费模型 以居民消费总额JMXF为被解释变量； 以GDP和JMXF(-1)为解释变量； 进行OLS估计。 JMXF(-1)为随机解释变量，且与随机误差项相关； 以政府消费ZFXF作为工具变量，进行IV估计； 以政府消费ZFXF和资本形成ZBXC作为工具变量，进行GMM估计。 数据 OLS估计 IV估计 GMM估计 估计结果 OLS: JMXF = 1001.164757 + 0.1367699684*GDP + 0.7238178139*JMXF(-1) IV: JMXF = 1059.996753 + 0.1584492759*GDP + 0.6655810226*JMXF(-1) GMM: JMXF = 738.873724 + 0.09435006141*GDP + 0.8353195568*JMXF(-1) 拟合结果 四、解释变量的内生性检验 Hausman检验 如果δ显著为0→υ与Y同期无关→υ与μ同期无关→ X与μ同期无关→X是同期外生变量； 如果δ显著不为0→ υ与Y同期相关→υ与μ同期相关→X与μ同期相关→ X是同期内生变量。 Z1外生，与μ不相关 选择Z2作为X 的工具变量 五、例：中国城镇居民人均消费函数（自学） 步骤 以中国城镇居民人均消费为被解释变量，人均可支配收入和前一年城镇居人均消费支出为解释变量，建立模型； 经分析认为，人均可支配收入可能具有同期内生性； 选择工具变量； 采用Hausman检验判断，城镇居民人均可支配收入确实是内生变量； 采用工具变量估计。 为了比较，采用OLS估计。 4、变量的显著性检验失去意义 存在多重共线性时 参数估计值的方差与标准差变大 容易使通过样本计算的t值小于临界值， 误导作出参数为0的推断 可能将重要的解释变量排除在模型之外 5、模型的预测功能失效 变大的方差容易使区间预测的“区间”变大，使预测失去意义。 注意： 除非是完全共线性，多重共线性并不意味着任何基本假设的违背； 因此，即使出现较高程度的多重共线性，OLS估计量仍具有线性性等良好的统计性质。 问题在于，即使OLS法仍是最好的估计方法，它却不是“完美的”，尤其是在统计推断上无法给出真正有用的信息。 三、多重共线性的检验Detection of Multillinearity 多重共线性检验的任务是： （1）检验多重共线性是否存在； （2）估计多重共线性的范