联立方程模型 – 潘登同学的计量经济学笔记

文章目录

- 联立方程模型 -- 潘登同学的计量经济学笔记
联立方程模型(SEM)
- - 一个合适的列子
  - 一个不合适的例子
- 联立性偏误
- 结构方程的识别与估计
- - 已婚工作妇女的劳动供给
  - 通货膨胀与开放度
多于两个方程的系统
时间序列的联立方程模型
- 对持久性收入假说的检验
面板数据的联立方程模型

IV估计法与2SLS解决了两种内生性的问题–遗漏变量和测量误差问题，而联立方程模型则是解决联立性问题，就是互相决定问题(如：供求模型，价格与数量互相决定)，而估计联立方程模型的估计方法还是工具变量法；

联立方程模型(SEM)

考虑如下劳动供给方程，hhh表示农业工人提供的年劳动小时数，www表示这类工人的平均小时工资
hs=α1w+β1z1+u1(1)h_s = \alpha_1 w + \beta_1 z_1 + u_1 \qquad (1) hs=α1w+β1z1+u1(1)
其中，z1z_1z1为某个可以影响劳动供给的可观测变量，如本县制造业的平均工资；

上式称为结构方程，之所以这样叫是因为劳动供给函数可以从经济理论中推导出来并能够进行因果解释。
系数α\alphaα度量了劳动供给如何随工资的变化而变化，如果变；量都是对数形式，则表示劳动供给弹性，一般预期为正；
系数β\betaβ预期为负，因为制造业的工资对于农业工人来说可以理解为机会成本；

根据不同的(小时，工资)可以画出供给曲线，如果z,uz,uz,u会变化，那么曲线会移动，每个(z，u)(z，u)(z，u)对应一条曲线，

注意： 我们收集到的数据，都是在劳动力市场出清的条件下，观测到了均衡工资水平和工作小时数；

所以我们要引入劳动力的需求函数
hd=α2w+β2z2+u2(2)h_d = \alpha_2 w + \beta_2 z_2 + u_2 \qquad (2) hd=α2w+β2z2+u2(2)
其中，z2z_2z2是可观测的需求移动因子，可以是农地面积，因为农地越多需要的工人越多；

上式也称为结构方程，α\alphaα的符号预期为负，β\betaβ的符号预期为正；

注意：

方程(1)(1)(1)劳动力供给方程是农业工人的一个行为方程；
方程(2)(2)(2)劳动力需求方程是农场主的一个行为方程；

而在每一个城市中，所观测到的小时数hih_ihi和所观测到的工资水平wiw_iwi由下式的均衡条件
his=h+idh_{is} = h+{id} his=h+id

将(1),(2)(1),(2)(1),(2)联立
{hi=α1wi+β1zi1+ui1hi=α2wi+β2zi2+ui2\begin{cases} h_i = \alpha_1 w_i + \beta_1 z_{i1} + u_{i1} \\ h_i = \alpha_2 w_i + \beta_2 z_{i2} + u_{i2} \\ \end{cases} {hi=α1wi+β1zi1+ui1hi=α2wi+β2zi2+ui2
这就是一个SEM(联立方程模型)

给定zi1、zi2、ui1、ui2z_{i1}、z_{i2}、u_{i1}、u_{i2}zi1、zi2、ui1、ui2那么方程就决定了一个hi、wih_i、w_ihi、wi
hi、wih_i、w_ihi、wi是这个SEM的内生变量，而zi1、zi2z_{i1}、z_{i2}zi1、zi2是外生变量
zi1、zi2z_{i1}、z_{i2}zi1、zi2与误差无关，而误差称为结构误差
如果方程中没有zi1、zi2z_{i1}、z_{i2}zi1、zi2，就无法辨别哪个是供给方程哪个是需求方程

一个合适的列子

一个不合适的例子

联立性偏误

当解释变量与因变量被联立决定时，它通常与误差项相关，这就导致OLS估计中存在偏误和不一致性
y1=α1y2+β1z1+u1y2=α2y1+β2z2+u2y_1 = \alpha_1 y_2 + \beta_1 z_1 + u_1 \\ y_2 = \alpha_2 y_1 + \beta_2 z_2 + u_2 \\ y1=α1y2+β1z1+u1y2=α2y1+β2z2+u2

我们重点关注第一个方程，这是待估方程；为了证明y2与u1y_2与u_1y2与u1相关，将上式带入下式
(1−α1α2)y2=α2β1z1+β2z2+α2u1+u2(∗)(1-\alpha_1 \alpha_2)y_2 = \alpha_2 \beta_1 z_1 + \beta_2 z_2 + \alpha_2 u_1 + u_2 \qquad (*) (1−α1α2)y2=α2β1z1+β2z2+α2u1+u2(∗)
为了能得出y2y_2y2，我们必须假设
α1α2≠1\alpha_1 \alpha_2 \neq 1 α1α2=1
进而将上式化简
y2=π21z1+π22z2+v2y_2 = \pi_{21} z_1 + \pi_{22}z_2 + v_2 y2=π21z1+π22z2+v2
{π21=α2β11−α2α1π22=β21−α2α1v2=α2u1+u21−α2α1\begin{cases} \pi_{21}=\frac{\alpha_2\beta_1}{1-\alpha_2\alpha_1} \\ \pi_{22}=\frac{\beta_2}{1-\alpha_2\alpha_1} \\ v_{2}=\frac{\alpha_2u_1 + u_2}{1-\alpha_2\alpha_1} \\ \end{cases} ⎩⎪⎨⎪⎧π21=1−α2α1α2β1π22=1−α2α1β2v2=1−α2α1α2u1+u2
用外生变量和误差项表示y2y_2y2的方程，成为约简型方程；π21和π22\pi_{21}和\pi_{22}π21和π22被称为约简型参数；

上式中，v2v_2v2是结构型误差u1和u2u_1和u_2u1和u2的线性函数，其与z1和z2z_1和z_2z1和z2都无关，所以可以用OLS一致地估计π21和π22\pi_{21}和\pi_{22}π21和π22
回到(∗)(*)(∗)式，除非α2=0\alpha_2=0α2=0, 否则y2与u1y_2与u_1y2与u1就相关；而如果α2=0\alpha_2=0α2=0，那么y1,y2y_1,y_2y1,y2就不是互相决定的，没必要用联立方程模型，直接OLS估计即可；
当y2与u1y_2与u_1y2与u1因联立而相关时，我们就说OLS法存在联立性偏误

结构方程的识别与估计

考虑如下方程
{q=α1p+β1z1+u1(3)q=α2p+u2(4)\begin{cases} q = \alpha_1 p + \beta_1 z_1 + u_1 \qquad (3)\\ q = \alpha_2 p + u_2 \qquad (4) \\ \end{cases} {q=α1p+β1z1+u1(3)q=α2p+u2(4)
其中，qqq表示县级水平的人均牛奶消费量，ppp表示该县牛奶的平均价格，z1z_1z1表示牛饲料的价格，并假定其外生与牛奶的供给与需求；

很显然(3)(3)(3)是需求方程，因为牛饲料的价格会影响供给而不会直接影响需求；
给定(q,p,z1)(q,p,z_1)(q,p,z1)的一组样本，而我们可以估计的方程是(4)(4)(4)，又称(4)(4)(4)为可识别方程，因为根据IV估计法，z1z_1z1影响供给方程而不影响需求方程，所以z1z_1z1可以作为(4)(4)(4)中的一个工具变量；

考虑一般情况
{y1=β10+α1y2+Z1β1+u1(5)y2=β20+α2y1+Z2β2+u2(6)\begin{cases} y_1 = \beta_{10} + \alpha_1 y_2 + Z_1\beta_1 + u_1 \qquad (5) \\ y_2 = \beta_{20} + \alpha_2 y_1 + Z_2\beta_2 + u_2 \qquad (6) \\ \end{cases} {y1=β10+α1y2+Z1β1+u1(5)y2=β20+α2y1+Z2β2+u2(6)

y1,y2y_1,y_2y1,y2是内生变量，而u1,u2u_1,u_2u1,u2是结构误差项，β10,β20\beta_{10},\beta_{20}β10,β20是截距项，Z1,Z2Z_1,Z_2Z1,Z2分别表示k1,k2k_1,k_2k1,k2个外生变量的集合，Z1={z11,...,z1k1}Z_1 = \{z_{11},...,z_{1k_1}\}Z1={z11,...,z1k1},而β1,β2\beta_1,\beta_2β1,β2则是与Z1,Z2Z_1,Z_2Z1,Z2对应的系数；
Z1,Z2Z_1,Z_2Z1,Z2一般都包含着不同外生变量的事实意味着，我们对模型施加了排除性约束，有一些外生变量只会出现在第一个式子中，有一些只会出现在第二个式子中，这样我们就能区分两个结构方程；
当满足假设α1α2≠1\alpha_1\alpha_2\neq 1α1α2=1时，y1,y2y_1,y_2y1,y2的约简型存在

识别问题

秩条件：识别联立方程模型中第一个方程的充要条件是：第二个方程中至少包含一个并不出现在第一个方程的外生解释变量且该变量具有非零系数

估计问题

用所有外生变量当作识别方程中内生解释变量的工具变量，采用2SLS法进行估计

已婚工作妇女的劳动供给

通货膨胀与开放度

多于两个方程的系统

{y1=α12y2+α13y3+β11z1+u1(7)y2=α21y1+β21z1+β22z2+β23z3+u2(8)y3=α32y2+β31z1+β32z2+β33z3+β34z4+u3(9)\begin{cases} y_1 = \alpha_{12}y_2 + \alpha_{13}y_3 + \beta_{11} z_1 + u_1 \qquad (7)\\ y_2 = \alpha_{21}y_1 + \beta_{21}z_1 + \beta_{22}z_2 + \beta_{23} z_3 + u_2 \qquad (8) \\ y_3 = \alpha_{32}y_2 + \beta_{31}z_1 + \beta_{32}z_2 + \beta_{33} z_3 + \beta_{34} z_4 + u_3 \qquad (9) \\ \end{cases} ⎩⎪⎨⎪⎧y1=α12y2+α13y3+β11z1+u1(7)y2=α21y1+β21z1+β22z2+β23z3+u2(8)y3=α32y2+β31z1+β32z2+β33z3+β34z4+u3(9)

对比(7)和(9)(7)和(9)(7)和(9),(9)(9)(9)是无法识别的，(7)和(8)(7)和(8)(7)和(8)，(8)(8)(8)是无法识别的，而对比(8)和(9)(8)和(9)(8)和(9)，(9)(9)(9)是无法识别的；

一般规则：对任何一个额SEM中的方程，如果它排除的外生变量数不少于其右端包含的内生变量数，那么就满足识别的阶条件；

注意： 阶条件只是可识别的必要条件，还要满足系数不为零才是秩条件，但是我们不能确切的知道系数是否为0。所以一般来说，只要不是明显的不可识别，只要满足阶条件就认为可识别了；

过度识别方程： (7)(7)(7) 内生变量数少于排除的外生变量数
恰好识别方程： (8)(8)(8) 内生变量数等于排除的外生变量数
不可识别方程： (9)(9)(9) 内生变量数多于排除的外生变量数

与前面的类似，估计多于两个方程的系统也是用2SLS法；

时间序列的联立方程模型

对SEM最早的应用之一就是，估计一个用于描述国家经济体系的大型联立方程系统。总需求的一个简单凯恩斯模型是
Ct=β0+β1(Yt−Tt)+β2rt+ut1(11)It=γ0+γ1rt+ut2(12)Yt=Ct+It+Gt(13)\begin{aligned} C_t &= \beta_0 + \beta_1(Y_t - T_t) + \beta_2 r_t + u_{t1} \qquad (11)\\ I_t &= \gamma_0 + \gamma_1r_t + u_{t2} \qquad (12)\\ Y_t &= C_t + I_t + G_t \qquad (13) \end{aligned} CtItYt=β0+β1(Yt−Tt)+β2rt+ut1(11)=γ0+γ1rt+ut2(12)=Ct+It+Gt(13)
其中，CtC_tCt表示消费，YtY_tYt表示收入，TtT_tTt表示税收收入，rtr_trt表示利率，ItI_tIt表示投资，GtG_tGt表示政府支出

(11)(11)(11)是总消费函数，其中消费取决于可支配收入，利率和观测不到的结构性误差
(12)(12)(12)是投资函数，取决于利率
(13)(13)(13)则是一个恒等式，没啥意义，但是为了保持完整；

因为是三个方程，那么一定有3个内生变量

Ct,It,YtC_t,I_t,Y_tCt,It,Yt是内生变量，而Tt,rt,GtT_t,r_t,G_tTt,rt,Gt是外生变量

估计过程

由于rtr_trt是外生变量，所以直接用OLS估计(12)(12)(12)
选择(Tt,Gt,rt)(T_t,G_t,r_t)(Tt,Gt,rt)作为YtY_tYt的工具变量，使用2SLS估计(11)(11)(11)

注意：

现在很少有上例这样的模型了，因为税收、利率、政府支出都不是外生的，税收取决于收入，政府支出也取决与收入，利率又由消费、投资和收入联合决定；
而且上例的模型是完全静态的，通常要有预期的时滞调整
It=γ0+γ1rt+γ1Yt−1+ut2(12)I_t = \gamma_0 + \gamma_1r_t + \gamma_1Y_{t-1} + u_{t2} \qquad (12)\\ It=γ0+γ1rt+γ1Yt−1+ut2(12)
我们在投资方程中增加了一个滞后内生变量，我们通常将一个SEM中的滞后内生变量专门称为前定变量，如果我们假定ut2u_{t2}ut2与当前的外生变量、过去所有时刻的内生和外生变量都无关，你们前定变量就是外生变量；

但是将SEM中加入时间序列还会面临时间序列数据的经典问题：

对于总消费、收入、投资、利率等数据不一定满足弱相关假定；
有些序列还有指数趋势；

但是仍然可以解决，就是使用一阶差分或增长率的方式来回避这些问题

对持久性收入假说的检验

面板数据的联立方程模型

【计量经济学】联立方程模型相关推荐

【Python计量】联立方程模型
文章目录一.联系方程模型二.联立方程模型的Python实现 (一)获取数据 (二)两阶段最小二乘法估计联立方程 1.采用statsmodels进行2SLS回归 2.采用linearmodels进行 ...
matlab中估计丢失的数据,空间计量经济学基本模型的matlab估计
原标题:空间计量经济学基本模型的matlab估计空间计量经济学 Matlab应用学习手册空间计量经济学创造性地处理了经典计量方法在面对空间数据时的缺陷,考察了数据在地理观测值之间的关联.近年来在人 ...
笔记：联立方程模型总结
偏误:OLS估计量不一致 Y 1 i = β 10 + β 12 Y 2 i + γ 11 X 1 i + μ 1 i Y 2 i = β 20 + β 21 Y 2 i + γ 21 X 1 i + ...
【计量经济学】模型设定问题
模型设定问题–潘登同学的计量经济学笔记文章目录模型设定问题--潘登同学的计量经济学笔记函数误设问题 RESET -- 对函数误设的检验 RESET的作用及缺陷对非嵌套模型的检验构造综合模型 ...
计量经济学常见模型经济含义解释
普通模型: 在其它条件不变的情况下,每变动单位,平均变动个单位半对数模型: 在其它条件不变的情况下,每变动,平均变动个单位在其它条件不变的情况下,每变动单位,平均变动个单位双对数模型: 在其它条 ...
计量经济学建模_浅谈统计学模型（兼计量经济学模型）
计量经济学模型是从统计学模型中衍生出来的,故将它们一并放在此处进行说明. 实际上,很多人在很久之前就督促我写一篇统计学和计量经济学模型的文章,但我太懒惰,一直拖到现在,也是十分汗颜. 先讲一些统计学上 ...
Oracle联立多个表建视图,一个简单的联立方程组模型让你了解内外生变量、如何识别以及2SLS估计步骤...
联立方程模型就是由多个相互联系的单一方程构成的经济计量模型.联立方程模型描述经济变量间的因果关系是双向的,即某一经济变量决定着其它一些经济变量,反过来又受其他经济变量影响.有时由于两个变量之间存在双向 ...
计量经济学分布滞后模型案例
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一.数据来源二.模型设定与模型变量计算 1.模型设定三.模型参数估计四．阿尔蒙法参数计算五. PDL指令验证 ...
计量经济学建模_不了解计量经济学的前世今生，怎么能学会他
文章来源:青年教师常子洋作者:常子洋计量经济学的英文名称 "Econometrics" 是最早是由挪威经济学家费里希(R.Frish)于1926年模仿 "Biomet ...

【计量经济学】联立方程模型