計量經(jīng)濟學(xué)14ppt課件.ppt

4.4隨機解釋變量問題,一、隨機解釋變量問題二、實際經(jīng)濟問題中的隨機解釋變量問題三、隨機解釋變量的后果四、工具變量法五、案例,基本假設(shè):解釋變量X1,X2,Xk是確定性變量。如果存在一個或多個隨機變量作為解釋變量，則稱原模型出現(xiàn)隨機解釋變量問題。假設(shè)X2為隨機解釋變量。對于隨機解釋變量問題，分三種不同情況：,一、隨機解釋變量問題,對于模型,1.隨機解釋變量與隨機誤差項獨立(Independence),2.隨機解釋變量與隨機誤差項同期無關(guān)(contemporaneouslyuncorrelated)，但異期相關(guān)。,3.隨機解釋變量與隨機誤差項同期相關(guān)(contemporaneouslycorrelated)。,二、實際經(jīng)濟問題中的隨機解釋變量問題,在實際經(jīng)濟問題中，經(jīng)濟變量往往都具有隨機性。但是在單方程計量經(jīng)濟學(xué)模型中，凡是外生變量都被認為是確定性的。于是隨機解釋變量問題主要表現(xiàn)于：用滯后被解釋變量作為模型的解釋變量的情況。,例如：,（1）耐用品存量調(diào)整模型：耐用品的存量Qt由前一個時期的存量Qt-1和當(dāng)期收入It共同決定：Qt=0+1It+2Qt-1+tt=1,T,這是一個滯后被解釋變量作為解釋變量的模型。但是，如果模型不存在隨機誤差項的序列相關(guān)性，那么隨機解釋變量Qt-1只與t-1相關(guān)，與t不相關(guān)，屬于上述的第2種情況。,（2）合理預(yù)期的消費函數(shù)模型,合理預(yù)期理論認為消費Ct是由對收入的預(yù)期Yte所決定的：,預(yù)期收入Yte與實際收入Y間存如下關(guān)系的假設(shè),容易推出,Ct-1是一隨機解釋變量，且與(t-t-1)高度相關(guān)（Why?）。屬于上述第3種情況。,計量經(jīng)濟學(xué)模型一旦出現(xiàn)隨機解釋變量，且與隨機擾動項相關(guān)的話，如果仍采用OLS法估計模型參數(shù)，不同性質(zhì)的隨機解釋變量會產(chǎn)生不同的后果。下面以一元線性回歸模型為例進行說明,三、隨機解釋變量的后果,隨機解釋變量與隨機誤差項相關(guān)圖,（a）正相關(guān),（b）負相關(guān),擬合的樣本回歸線可能低估截距項，而高估斜率項。,擬合的樣本回歸線高估截距項，而低估斜率項。,對一元線性回歸模型：,OLS估計量為,1、如果X與相互獨立，得到的參數(shù)估計量仍然是無偏、一致估計量。,已經(jīng)得到證明,隨機解釋變量X與隨機項的關(guān)系不同，參數(shù)OLS估計量的統(tǒng)計性質(zhì)也會不同。,2、如果X與同期不相關(guān)，異期相關(guān)，得到的參數(shù)估計量有偏、但卻是一致的。,kt的分母中包含不同期的X；由異期相關(guān)性知：kt與t相關(guān)，因此，,但是,3、如果X與同期相關(guān)，得到的參數(shù)估計量有偏、且非一致。,注意：如果模型中帶有滯后被解釋變量作為解釋變量，則當(dāng)該滯后被解釋變量與隨機誤差項同期相關(guān)時，OLS估計量是有偏的、且是非一致的。即使同期無關(guān)，其OLS估計量也是有偏的，因為此時肯定出現(xiàn)異期相關(guān)。,2的證明中已得到,模型中出現(xiàn)隨機解釋變量且與隨機誤差項相關(guān)時，OLS估計量是有偏的。如果隨機解釋變量與隨機誤差項異期相關(guān)，則可以通過增大樣本容量的辦法來得到一致的估計量但如果是同期相關(guān)，即使增大樣本容量也無濟于事。這時，最常用的估計方法是工具變量法（Instrumentvariables）。,四、工具變量法,1、工具變量的選取,工具變量：在模型估計過程中被作為工具使用，以替代模型中與隨機誤差項相關(guān)的隨機解釋變量。選擇為工具變量的變量必須滿足以下條件：,（1）與所替代的隨機解釋變量高度相關(guān)；（2）與隨機誤差項不相關(guān)；（3）與模型中其它解釋變量不相關(guān)，以避免出現(xiàn)多重共線性。,2、工具變量的應(yīng)用,以一元回歸模型的離差形式為例說明如下：,用OLS估計模型，相當(dāng)于用xi去乘模型兩邊、對i求和、再略去xii項后得到正規(guī)方程：,(*),解得,然而，如果Xi與i相關(guān)，即使在大樣本下，也不存在(xii)/n0，則,在大樣本下也不成立，OLS估計量不具有一致性。,由于Cov(Xi,i)=E(Xii)=0，意味著大樣本下(xii)/n0,表明大樣本下,成立，即OLS估計量具有一致性。,如果選擇Z為X的工具變量，那么在上述估計過程可改為:,利用E(zii)=0，在大樣本下可得到：,這種求模型參數(shù)估計量的方法稱為工具變量法(instrumentalvariablemethod)，相應(yīng)的估計量稱為工具變量法估計量（instrumentalvariable(IV)estimator）。,對于矩陣形式：Y=X+,采用工具變量法（假設(shè)X2與隨機項相關(guān)，用工具變量Z替代）得到的正規(guī)方程組為：,參數(shù)估計量為：,其中,稱為工具變量矩陣,3、工具變量法估計量是一致估計量,一元回歸中，工具變量法估計量為,如果工具變量Z選取恰當(dāng)，即有,兩邊取概率極限得：,因此：,1、在小樣本下，工具變量法估計量仍是有偏的。,注意：,2、工具變量并沒有替代模型中的解釋變量，只是在估計過程中作為“工具”被使用。,上述工具變量法估計過程可等價地分解成下面的兩步OLS回歸：第一步，用OLS法進行X關(guān)于工具變量Z的回歸：,容易驗證仍有:,因此，工具變量法仍是Y對X的回歸，而不是對Z的回歸。,3、如果模型中有兩個以上的隨機解釋變量與隨機誤差項相關(guān)，就必須找到兩個以上的工具變量。但是，一旦工具變量選定，它們在估計過程被使用的次序不影響估計結(jié)果(Why？)。,4、OLS可以看作工具變量法的一種特殊情況。,5、如果1個隨機解釋變量可以找到多個互相獨立的工具變量，人們希望充分利用這些工具變量的信息，就形成了廣義矩方法（GeneralizedMethodofMoments,GMM）。在GMM中，矩條件大于待估參數(shù)的數(shù)量，于是如何求解成為它的核心問題。工具變量法是GMM的一個特例。,6、要找到與隨機擾動項不相關(guān)而又與隨機解釋變量相關(guān)的工具變量并不是一件很容易的事可以用Xt-1作為原解釋變量Xt的工具變量。,五、案例中國居民人均消費函數(shù),例4.4.1在例2.5.1的中國居民人均消費函數(shù)的估計中，采用OLS估計了下面的模型：,由于：居民人均消費支出（CONSP）與人均國內(nèi)生產(chǎn)總值（GDPP）相互影響，因此，容易判斷GDPP與同期相關(guān)（往往是正相關(guān)），OLS估計量有偏并且是非一致的（低估截距項而高估計斜率項）。,OLS估計結(jié)果：,(13.51)(53.47)R2=0.9927F=2859.23DW=0.5503SSR=23240.7,如果用GDPPt-1為工具變量，可得如下工具變量法估計結(jié)果：,(14.84)(56.04)R2=0.9937F=3140.58DW=0.6691SSR=18366.5,GMM是近20年計量經(jīng)濟學(xué)理論方法發(fā)展的重要方向之一。IV是GMM的一個特例。,如果1個隨機解釋變量可以找到多個互相獨立的工具變量，人們希望充分利用這些工具變量的信息，就形成了廣義矩方法（GMM）。在GMM中，矩條件大于待估參數(shù)的數(shù)量，于是如何求解成為它的核心問題。,解釋變量的內(nèi)生性檢驗,回歸模型的基本假設(shè)要求隨機解釋變量與模型的隨機干擾項至少不存在同期相關(guān)性,即隨機解釋變量至少是同期外生變量.那么如何判斷所設(shè)定的模型中各解釋變量是同期外生變量呢?通常采用豪斯曼(Hausman)檢驗設(shè)二元原線性模型:其中，與是隨機解釋變量，而且明確知道是外生變量，但懷疑是同期內(nèi)生變量。如何檢驗是否具有內(nèi)生性？豪斯曼檢驗的基本思想：如果是內(nèi)生變量，則需尋找一外生變量作為工具變量，并對原二元模型進行工具變量法估計，將工具變量法的估計結(jié)果與對原二元模型直接進行普通最小二乘法的估計結(jié)果對比，看差異是否顯著。如果有顯著差異，則表明是內(nèi)生變量。,第一步，將懷疑是內(nèi)生變量的關(guān)于外生變量，作普通最小二乘估計：得到殘差項第二步，將第一步得到的殘差項加入到原模型后，再進行普通最小二乘估計：仍假設(shè)隨機干擾項滿足所有線性回歸基本假設(shè),并與不同期相關(guān)。如果前的參數(shù)顯著為零，則表明第一步回歸式中，隨即干擾項與同期無關(guān)，進而與原二元線性回歸模型式的隨機干擾項同期無關(guān)，而，是外生變量，他們肯定與同期無關(guān)，由第一步的回歸式子知與同期無關(guān)。因此，第二步回歸式子不拒絕的假設(shè)，則可判斷原二元線性模型中的解釋變量是同期外生變量，否則為同期內(nèi)生變量。,說明：第一，由上述第一部的式子可知，判斷與是否同期相關(guān)，等價于判斷與是否同期相關(guān)；而對第二步式子的普通最小二乘回歸，等價于對下式進行普通最小二乘回歸：第