《应用计量经济学 (中级)》配套教学课件.ppt

第二节 联立方程组模型的识别性 一、识别性问题的意义 二、识别性的判断 三、识别性的扩展讨论 * 一、识别性问题的意义 由于联立方程组模型中有多个方程，内生变量的水平是由多个方程的共同作用决定的，因此能否根据所观测到变量数据，推测出生成它们的各个经济关系是值得疑问的。 联立方程组模型的识别性，就是研究联立方程组模型中的函数关系是否可以明确辨别或唯一确定。 联立方程组模型的识别性，与结构式参数与简约式参数之间的对应关系有关。 * 例如一个最简单的供给需求均衡模型如下： （11－4） 或者也可以写成 （11－5） * 如果（11－5）式中的参数是已知的，那么很容易根据这个模型解出均衡价格和销售量，实际上就是模型的简约式： * 图11.1供求模型的识别问题 用图形表示： * 但是，我们面临的问题不是根据已知的供给和需求函数，求均衡价格和销售量，而是反过来要根据均衡价格和销售量数据，去确定供给曲线和需求曲线。 存在的困难：如果供给和需求都只是价格一个变量的函数，那么长期均衡价格和销售量就只有一个水平，观测到的数据就会围绕均衡点附近波动，如图11.1所示。 * 正如图11.1中很多点都可能导致均衡价格和销售量那样，我们根本无法确定究竟是哪条供给和需求曲线实现的这些市场均衡，即无法判断或者称无法“识别”模型所讨论的供给规律和需求规律。 这种情况下模型称为是“不可识别”的。 根据均衡价格和销售量数据确定供给和需求函数，实际上就是根据简约式（11-6）推导结构式（11-5）。 * 由于简约式（11-6）中只有两个参数，而结构式（11-5）中有四个参数，因此根据两个方程： 是无法从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。 * 怎样的联立方程组模型才是可识别的呢？ 在（11-5）需求函数中引进收入变量 。引进收入变量后得到如下模型： （11－7） 把（11-7）化成简约式，有： （11－8） * 由于引进了一个收入变量 ，因此市场均衡价格和销售量不再稳定在一个固定水平附近，而是会随着收入的变化而变化，从而能够给我们提供一些可用于识别供求规律的有用信息。 那么这个收入变量究竟能帮助我们识别出供给规律，还是需求规律呢？ 由于 是引进需求函数的变量，因此其作用是引起需求的变化，而不是供给的变化，从而会使均衡点沿着供给曲线移动。如图11.2所示。 * 图11.2供给函数可识别 * 检验 显著性的方法是先用最小二乘法估计 再计算相应的t 统计量值，再根据样本容量等t 分布临界值，并判断 的显著性。 值得注意的问题是，如果时间序列确实是非平稳的单位根过程，那么上述回归分析得到的t 统计量是不服从t 分布的，因此不能用t 分布表的临界值判断 的显著性。 为此迪基和富勒通过蒙特卡罗模拟方法构造了专门的统计分布表，给出包括10%、5%、1%几个显著性水平的临界值，称为DF 临界值表。 * 为了区别起见，把上述模型回归分析计算的t 统计量改称为 统计量。 把上述回归模型计算到的 统计量与DF 临界值表中查到的临界值 比较， 时拒绝 的假设，认为 具有显著性，时间序列不服从上述单位根过程，时间序列是平稳的。 反之则认为 不显著，认为时间序列服从上述单位根过程，时间序列是非平稳的。 上述单位根检验方法就称为“迪基-富勒检验”，简称“DF 检验”。 * 随机游走过程只是最简单的一种单位根过程，许多非平稳时间序列包含更复杂的单位根过程，包含常数项、趋势项和高阶差分项等。 为了使迪基-富勒检验适用单位根过程的检验，必须作适当的扩展。方法是分别采用下列模型： * 其中 代表常数因子， 是趋势项， 是m个分布滞后项。 这三种模型中对应 的 统计量的性质与随机游走模型对应统计量相同。 以这三个回归模型为基础，用各个模型中回归分析得到的 统计量和DF 临界值表，可以检验各自 的显著性。 例10－1。详见Eviews演示。 * 第三节 时间序列的单积和协积 把非平稳的时间序列数据用于平稳性数据为基础的计量经济回归分析，会