联立方程模型课件((国贸07).ppt

外生变量：由模型系统以外的因素决定其取值的变量称为外生变量（exogenous variables）。外生变量只影响系统内的其它变量，而不受其它变量的影响，因此在方程中只能做解释变量，不能做被解释变量。外生变量不受模型中随机误差项的影响。 预定内生变量：内生变量的滞后值叫预定内生变量。预定内生变量的取值虽然由模型系统内所决定，但不受现期的模型系统内的随机项影响，即E（Yt-1 ut )=0。 随机方程式、非随机方程式联立方程模型中的方程可以分为两类，一类是含有随机误差项和未知参数的方程，称为随机方程式，也称行为方程式（behavior equation），它主要是描述了金融、经济模型中某一部分的行为，随机方程式中的参数需要估计； 另一类是不含随机误差项和未知参数的方程，称为非随机方程式，主要是恒等式（identity）也称定义方程式，非随机方程式不需要估计参数。 * 用类似方法可得到投资方程估计结果 * 最后得到该联立方程模型的估计式为： * 本章小节 ●联立方程模型是用若干个相互关联的单一方程，同时表示一个经济系统中经济变量相互联立依存性的模型。 ●联立方程模型中的内生变量和外生变量。联立方程模型中外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。 ●联立方程模型中的联立方程偏倚。 ●联立方程模型的结构型模型和简化型模型。 * ●对联立方程识别最直观的理解，是看能否从简化型模型参数估计值中合理求解出结构型模型参数的估计值。模型的恰好识别；过度识别；不可识别。 ●判断模型识别性的阶条件和秩条件。 ●联立方程模型的估计： 递归型——用OLS法估计。 恰好识别——可用间接最小二乘法估计 过度识别和恰好识别——可用二段最小二乘法估计 不可识别——无法估计。 * 作 业 练习题11.6 * 第 十一 章 讲 完 了！ 有什么问题吗？ * 模型识别秩条件检验的方法步骤： 运用秩条件判别模型的识别性，步骤如下： （1）写出结构模型对应的结构参数矩阵（常数项可看作变量1的系数，不包含在方程中的变量的参数取作0）。 （2） 删去第i个结构方程对应系数所在的一行。 （3）删去第i个结构方程对应系数所在行中非零系数所在的各列。 （4）计算这样形成的矩阵A的秩，并作出判断。如果第i个被识别方程这样的矩阵A的秩为 M-1，则是可以识别的（要具体分析是恰好识别还是过度识别），如果这样的矩阵的秩小于M-1，则是不可以识别的。 * 联立方程模型识别的秩条件的举例 假如，设定的联立方程模型为： 由给定的联立方程模型写出其结构型模型的标准形式： 模型中内生变量为C、I、Y、 T ；前定变量变为Yt-1、G （M=4；K=2） * 一般形式结构参数列表： 由前面给出的判别条件，可以知道： （1）消费函数方程1：所余行列式为0，不存在 4-1 阶非零行列式 ——是不可识别的 注意：该方程阶条件有 为可能恰好识别的，而秩条件为不可识别，这正好说明了阶条件只是必要条件，而非充分条件。 变量 截距 C I Y T G Yt-1 方程1 1 0 0 0 方程2 0 1 0 0 方程3 0 0 1 0 0 方程4 0 -1 -1 1 0 -1 0 系数矩阵: * 变量 截距 C I Y T G Yt-1 方程1 1 0 0 0 方程2 0 1 0 0 方程3 0 0 1 0 0 方程4 0 -1 -1 1 0 -1 0 （2）投资函数方程2 只有一个M-1=3阶非零行列式——是恰好识别的。 （3）税收函数方程3 不止一个M-1=3阶非零行列式——是过度识别的。 变量 截距 C I Y T G Yt-1 方程1 1 0 0 0 方程2 0 1 0 0 方程3 0 0 1 0 0 方程4 0 -1 -1 1 0 -1 0 * 识别的阶条件——识别的必要条件 当 或 时方程才 可能识别，但满足这样的阶条件时也不一定就能识别 识别的秩条件——识别的充分必要条件 当且仅当一个方程中不包含但在其他方程包含的变量（不 论是内生变量还是外生变量）的系数，至少能够构成一个 非零的M-1阶行列式时，该方程是可以识别的。 或:当且仅当一个方程所排斥（不包含）的变量的参数矩阵A 的秩等于M-1时，该方程可以识别。 阶条件和秩条件的结合 为什么要