研究生計(jì)量經(jīng)濟(jì)學(xué)考點(diǎn)精要(李子奈)教學(xué)提綱

1、計(jì)量經(jīng)濟(jì)學(xué)(2012-1-6).計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)的一個分支學(xué)科，是以揭示經(jīng)濟(jì)活動中客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué) 科。.區(qū)分?jǐn)?shù)理經(jīng)濟(jì)模型和計(jì)量經(jīng)濟(jì)模型：(1)數(shù)理經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動中各個因素之間的理論關(guān)系，用確定性的數(shù)學(xué)方程加以描述。 (2)計(jì)量經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動中各個因素之間的定量關(guān)系，用隨 機(jī)性的數(shù)學(xué)方程加以描述。.計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容體系分類(1)計(jì)量經(jīng)濟(jì)學(xué)有廣義和狹義之分：廣義計(jì)量經(jīng)濟(jì)學(xué)：是利用經(jīng)濟(jì)理論、數(shù)學(xué)以及統(tǒng)計(jì)學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計(jì)量方法的統(tǒng)稱。包括回歸分析方法、投入產(chǎn)出分析方法、時間序列分析方法等。狹義計(jì)量經(jīng)濟(jì)學(xué)：也就是我們通常所說的計(jì)量經(jīng)濟(jì)學(xué)，以揭示經(jīng)濟(jì)現(xiàn)象中的因果關(guān)

2、系為目的， 在數(shù)學(xué)上主要應(yīng)用回歸分析方法。(2)根據(jù)研究對象和內(nèi)容側(cè)重面不同，可以分為理論計(jì)量經(jīng)濟(jì)學(xué)和應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)。(3)按數(shù)據(jù)類型劃分為：截面 (cross-section)分析；時間序列(time-series)分析；平行數(shù)據(jù)(panel data) 分析；離散數(shù)據(jù)(discrete data)分析；模糊數(shù)據(jù)(fuzzy data)分析。(4)按模型類型劃分：單方程模型與聯(lián)立方程模型(單方程模型的研究對象是單一經(jīng)濟(jì)現(xiàn)象，揭示 存在其中的單向因果關(guān)系。聯(lián)立方程模型的研究對象是一個經(jīng)濟(jì)系統(tǒng)，揭示存在其中的復(fù)雜的因果 關(guān)系。)；線性模型與非線性模型；靜態(tài)模型與動態(tài)模型；參數(shù)模型與非參數(shù)模型。(

3、5)按估計(jì)方法劃分：從最小二乘原理出發(fā)的估計(jì)方法；從最大似然原理出發(fā)的估計(jì)方法；矩估計(jì) 方法；非樣本信息估計(jì)方法。.建立計(jì)量經(jīng)濟(jì)學(xué)模型的步驟：(1)理論模型的設(shè)計(jì)；(主要包含三部分工作：即選擇變量、確定變量之間的數(shù)學(xué)關(guān)系、擬定模型中待估計(jì)參數(shù)的數(shù)值范圍)(2)樣本數(shù)據(jù)的收集；(樣本數(shù)據(jù)的質(zhì)量問題大體上可以概括為完整性、準(zhǔn)確性、可比性和一致性)(3)模型參數(shù)的估計(jì)；(模型參數(shù)的估計(jì)方法，是計(jì)量經(jīng)濟(jì)學(xué)的核心內(nèi)容)(4)模型的檢驗(yàn)。(經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)學(xué)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)和預(yù)測檢驗(yàn)).計(jì)量經(jīng)濟(jì)學(xué)模型成功的三要素：理論、方法和數(shù)據(jù)。理論：即經(jīng)濟(jì)理論，所研究的經(jīng)濟(jì)現(xiàn)象的行為理論，是計(jì)量經(jīng)濟(jì)學(xué)研究的基礎(chǔ)

4、。方法：主要包括模型方法和計(jì)算方法，是計(jì)量經(jīng)濟(jì)學(xué)研究的工具與手段，是計(jì)量經(jīng)濟(jì)學(xué)不同于 其它經(jīng)濟(jì)學(xué)分支學(xué)科的主要特征。數(shù)據(jù)：反映研究對象的活動水平、相互間聯(lián)系以及外部環(huán)境的數(shù)據(jù)，或更廣義講是信息，是計(jì) 量經(jīng)濟(jì)學(xué)研究的原料。.經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)方法的核心是采用回歸分析的方法揭示變量之間的因果關(guān)系。.計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用大體可以被概括為四個方面：結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測、政策評價、檢驗(yàn)與發(fā) 展經(jīng)濟(jì)理論。結(jié)構(gòu)分析所采用的主要方法是彈性分析、乘數(shù)分析與比較靜力分析。.經(jīng)濟(jì)變量之間的關(guān)系，大體可分為兩類：確定性關(guān)系或函數(shù)關(guān)系：研究的是確定性現(xiàn)象非隨機(jī)變量間的關(guān)系。統(tǒng)計(jì)依賴關(guān)系或相關(guān)關(guān)系：研究的是非確定性現(xiàn)象隨機(jī)變量

5、間的關(guān)系。.回歸分析是研究一個變量關(guān)于另一個(些)變量的具體依賴關(guān)系的計(jì)算方法和理論。其中：前一個變量被稱為被解釋變量( Explained Variable)或因變量(Dependent Variable)。 后一個(些)變量被稱為解釋變量( Explanatory Variable )或自變量(Independent Variable)。.總體回歸函數(shù)：給定解釋變量X的某個確定值Xi,與之統(tǒng)計(jì)相關(guān)的被解釋變量 Y的總體均值(期望值)可以表示 為：E(Y|Xi)f (Xi)上式說明了被解釋變量 Y平均地說隨解釋變量 X變化的規(guī)律，一般稱為總體回歸函數(shù)或總體回歸方程。總體回歸模型：若總體回歸函

6、數(shù)(方程)為：E(YIXi)f(Xi),則 i Y E(YXi)可以變形為Y E(YlXi) i ,Y f(Xi)i后者在總體回歸函數(shù)(方程)的基礎(chǔ)上引入了隨機(jī)項(xiàng)，稱為總體回歸模型。.隨機(jī)誤差項(xiàng)包括了哪些因素的影響？(1)在解釋變量中被忽略的因素的影響；(2)變量觀測值的觀測誤差的影響；(3)模型關(guān)系的設(shè)定誤差的影響；(設(shè)定誤差：指設(shè)定方程偏離了真實(shí)方程，如遺漏了某些重要的解釋變量，或引入 了不相干的解釋變量，或者模型形式設(shè)定有問題。)(4)其它隨機(jī)因素的影響。產(chǎn)生并設(shè)計(jì)隨機(jī)誤差項(xiàng)的主要原因：理論的含糊性；數(shù)據(jù)的欠缺；節(jié)省原則。.樣本回歸函數(shù)：利用樣本數(shù)據(jù)，采用適當(dāng)?shù)姆椒ü烙?jì)得到的總體回歸函數(shù)

7、的近似形式，就叫做樣本回歸函數(shù)或 樣本回歸方程(sample regression function , SRF)。對應(yīng)的曲線稱為樣本回歸線( sample regression curves)例：若總體回歸函數(shù)為如下線性形式：E(YXi)01Xi ,則對應(yīng)的樣本回歸函數(shù)一般?v表示為：Y 01Xi.樣本回歸模型：若樣本回歸函數(shù)為Y? ?0 ?1Xi , ei Y Y ,則Y Y e , Y T ?Xi e后者在樣本回歸函數(shù)的基礎(chǔ)上引入了殘差項(xiàng)ei,稱為樣本回歸模型。.回歸分析構(gòu)成計(jì)量經(jīng)濟(jì)學(xué)的方法論基礎(chǔ)，其主要內(nèi)容包括：(1)根據(jù)樣本觀察值對計(jì)量經(jīng)濟(jì)模型(屬于回歸模型)參數(shù)進(jìn)行估計(jì)，求得回歸方

8、程；(2)對回歸方程及其參數(shù)進(jìn)行檢驗(yàn)；(3)利用回歸方程進(jìn)行分析、評價及預(yù)測。(2)在線性回歸模型中，被解釋變量的特征由解釋變量.線性回歸模型的特征：(1)通過引入隨機(jī)誤差項(xiàng)， 將變量之間的關(guān)系用一個線性隨機(jī)方程來描述, 并用隨機(jī)數(shù)學(xué)的方法來估計(jì)方程中的參數(shù);與隨機(jī)誤差項(xiàng)共同決定。.單方程線性回歸模型的一般形式17.將非線性關(guān)系化為線性關(guān)系的數(shù)學(xué)處理方法:(1)直接置換法；(2)對數(shù)變換；(3)級數(shù)展開?？傮w回歸模型：Yo1X1i2X2i.k Xkii總體回歸方程：E(YXi)01X12X2i .kXki樣本回歸模型：Y?01 X1i?2X2i.Kie樣本回歸方程：Y?0?X1i?2X2i?

9、X. k 人kiVar ( i)= 2 i=1,2,ni, j)=0 iwj i、j= 1,2,n,nj= 1,2,卜i=1,2, ,n的平方和最小,即.線性回歸模型的基本假設(shè)(1)解釋變量X是確定性變量，不是隨機(jī)變量；解釋變量之間互不相關(guān)。(2)隨機(jī)誤差項(xiàng)具有。均值和同方差：E( i)=0 i=1,2,n TOC o 1-5 h z (3)隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)：Cov(4)隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)：Cov(Xji, i)=0i=1,2,(5)隨機(jī)誤差項(xiàng)服從0均值、同方差的正態(tài)分布：iN(0,2).最小二乘法給出的判斷標(biāo)準(zhǔn)是：二者之差 nnQ(Yi Y?)2

10、(Yi ( ?o?1Xi)2i 1i 1最小。.最小二乘估計(jì)量：最小二乘參數(shù)估計(jì)量的離差形式: 隨機(jī)誤差項(xiàng)方差的估計(jì)量為：.普通最小二乘參數(shù)估計(jì)量具有線性性、無偏性、最小方差性等優(yōu)良性質(zhì)。具有這些優(yōu)良性質(zhì)的估計(jì)量又稱為最佳線性無偏估計(jì)量，即BLUE估計(jì)量。(高斯一馬爾可夫定理：在給定經(jīng)典線性回歸的假定下，最小二乘參數(shù)估計(jì)量是具有最小方差的線性無偏估計(jì)量。.最小樣本容量：是指從最小二乘原理出發(fā)，欲得到參數(shù)估計(jì)量，不管其質(zhì)量如何，所要求的樣本,這就是最小樣本容量:容量的下限。樣本容量必須不少于模型中解釋變量的數(shù)目(包括常數(shù)項(xiàng))n k 1滿足基本要求的樣本容量：雖然當(dāng)nk+1時，可以得到參數(shù)估計(jì)量，

11、但除了參數(shù)估計(jì)量質(zhì)量不n 30或者至少 n3(k+1),好以外，一些建立模型所必須的后續(xù)工作也無法進(jìn)行。一般經(jīng)驗(yàn)認(rèn)為，當(dāng) 才能說滿足模型估計(jì)的基本要求。.偏回歸系數(shù)，是指多元線性回歸模型中解釋變量前的系數(shù)。偏相關(guān)系數(shù)：是指在控制或消除其他變量影響的情況下，衡量多個變量中的某兩個變量之間線性相 關(guān)程度的指標(biāo)。.計(jì)量經(jīng)濟(jì)學(xué)模型的統(tǒng)計(jì)檢驗(yàn)主要包括：擬合優(yōu)度檢驗(yàn)；方程的顯著性檢驗(yàn)；變量的顯著性檢驗(yàn)。 擬合優(yōu)度檢驗(yàn)：就是檢驗(yàn)?zāi)Ｐ蛯颖居^測值的擬合程度。TSS (Y Y)2ESS (Y- Y)2 RSS (Y Y?)2i111 TSS=ESS+ RSSTSS為總體平方和(Total Sum of Squa

12、res),反映樣本觀測值總體離差的大?。籈SS為回歸平方和(Explained Sum of Squares),反映由模型中解釋變量所解釋的那部分離差的大小; RSS為殘差平方和(Residual Sum of Squares),反映樣本觀測值與估計(jì)值偏離的大小，也是模型中解 釋變量未解釋的那部分離差的大小。R2和調(diào)整后的R2.用以進(jìn)行方程的顯著性檢驗(yàn)的方法主要有三種: 方程顯著性的F檢驗(yàn)：ESS kRSS(n k 1)(Y? Y)2/k(Y Y?)2/(nk 1)F(k,n k 1)變量顯著性的t檢驗(yàn):2Cjjeeee (n k 1)eecjjn k 1o2- cjjj o j t(n k

13、1) Se?)26.區(qū)間估計(jì)：用一個取值區(qū)間來表達(dá)對總體參數(shù)的估計(jì)。 數(shù)值區(qū)間將總體參數(shù)包含在內(nèi)的概率稱為置信水平。參數(shù)的區(qū)間估計(jì)：該數(shù)值區(qū)間稱為總體參數(shù)的置信區(qū)間。該Se( ?j)t( n k1)P(?jt2Se(j) jSe(j) 1t2Se(t_)工P(1)從而得到：在(1 )的置信水平下j的置信區(qū)間為27.如何縮小參數(shù)的置信區(qū)間：(1)增大樣本容量; 樣本觀測值的分散度。(,jSe( ?.), ?. tj j 2(2)更主要的是提高模型的擬合優(yōu)度;Se( ?j)(3)提高D.W.統(tǒng)計(jì)量：若 0D.W.dL則存在正自相關(guān)28.異方差：對于*II型:0 1X1，2X2ikXki i （ i

14、=1,2,，n）,同方差性假設(shè)為Var（i） 2（i=1,2,n）,如果出現(xiàn) Mr（ ill （i=1,2,n）,即對于不同的樣本點(diǎn)i隨機(jī)誤差項(xiàng)的方差不再是常數(shù)，則認(rèn)為出現(xiàn)了異方差性。（一）異方差一般可歸結(jié)為三種類型：（1）單調(diào)遞增型：/隨X的增大而增大；（2）單調(diào)遞減型：，隨X的增大而減??；（3）復(fù)雜型：i2與X的變化呈復(fù)雜形式。（二）異方差性的后果：（1）參數(shù)估計(jì)量非有效；（2）變量的顯著性檢驗(yàn)失去意義；（3）模 型的預(yù)測失效。（三）檢驗(yàn)方法的共同思路：檢驗(yàn)異方差性，也就是檢驗(yàn)隨機(jī)誤差項(xiàng)的方差與解釋變量觀測值之間的相關(guān)性及其相關(guān)的形式。檢驗(yàn)方法：（1）圖示檢驗(yàn)法；（2）解析法：G-Q （戈

15、德菲爾德-匡特）檢驗(yàn)、戈里瑟（Gleiser） 檢驗(yàn)與帕克（Park）檢驗(yàn)（四）解決異方差性的辦法 加權(quán)最小二乘法（WLS）加權(quán)最小二乘法是對原模型加權(quán)，使之變成一個新的不存在異方差性的模型，然后采用普通最小二乘法估計(jì)其參數(shù)。加權(quán)最小二乘法的具體步驟： 選擇普通最小二乘法估計(jì)原模型，得到隨機(jī)誤差項(xiàng)的近似估計(jì)量i;建立1同的數(shù)據(jù)序列; 選擇加權(quán)最小二乘法，以1同序列作為權(quán)，進(jìn)行估 計(jì)得到參數(shù)估計(jì)量。29.對于卞II型Y 0 西 2%kXki i, （i=1,2,n）,隨機(jī)誤差項(xiàng)互相獨(dú)立的基本假設(shè)表現(xiàn)為：Cov （ i, j）0 iwj, i,j=1,2,n,如果出現(xiàn) Cov （ i，j）0 j,

16、 i,j=1,2,n,即對于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是不相關(guān)的，而是存在某種相關(guān)性，則認(rèn)為存在序列相關(guān)。如果僅存在 E（ i i 1）0 （i=1,2，n-1）,則稱為一階序列相關(guān)，或自相關(guān)（ autocorrelation ） o（一）序列相關(guān)產(chǎn)生的原因： （1）慣性；（2）設(shè)定誤差：模型中遺漏了顯著的變量； （3）設(shè)定 誤差：不正確的函數(shù)形式；（4）蛛網(wǎng)現(xiàn)象；（5）數(shù)據(jù)的 編造”。（二）序列相關(guān)性的后果： （1）參數(shù)估計(jì)量非有效；（2）變量的顯著性檢驗(yàn)失去意義； （3）模 型的預(yù)測失效。（三）序列相關(guān)性的檢驗(yàn)：序列相關(guān)性檢驗(yàn)方法有多種，但基本思路是相同的：首先，采用普通最小二乘法估

17、計(jì)模型，以求得隨機(jī)誤差項(xiàng)的近似估計(jì)量”：ei Yi （Y）ois然后，通過分析這些近似估計(jì)量”之間的相關(guān)性，以達(dá)到判斷隨機(jī)誤差項(xiàng)是否具有序列相關(guān)性的目的。檢驗(yàn)方法：（1）圖示法；（2）解析法：回歸檢驗(yàn)法、杜賓-瓦森（Durbin-Watson）檢驗(yàn)法。杜賓-瓦森(Durbin-Watson)檢驗(yàn)法:n(ei ei 1)Z “ , i 2n2edLD.W.dU不能確定i 1dUD.W.4-dU無自相關(guān)4-dUD.W.4-dL不能確定4-dLD.W.4存在負(fù)自相關(guān)可以看出，當(dāng)D.W.值在2左右時，模型不存在一階自相關(guān)。（四）具有序列相關(guān)性模型的估計(jì)：最常用的方法是廣義最小二乘法（GLS） 、一階差

18、分法和廣義差分法。隨機(jī)誤差項(xiàng)相關(guān)系數(shù)的估計(jì)：常用的方法有：（1）科克倫-奧科特（Cochrane-Orcutt）迭代法；（2）杜賓（durbin）兩步法。應(yīng)用軟件中的廣義差分法：在Eview/TSP 軟件包下，廣義差分采用了科克倫- 奧科特迭代法估計(jì)P。在解釋變量中引入 AR（1）、AR（2）、，即可得到參數(shù)和pi、p 2、的估計(jì)值。其中AR（m）表示隨機(jī)誤差項(xiàng)的m階自回歸。在估計(jì)過程中自動完成了 p1、p 2、的迭代.多重共線性：如果某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性，則稱為多重共線性。如果存在CiXii+C2X2i+CkXki=0 , i=1,2, n,其中：ci不全為0,即某一個解釋變

19、量可以用其它解釋變量的線性組合表示，則稱為解釋變量間存在完全共線性。如果存在C1X1i+C2X2i+CkXki+vi =0, i=1,2,，n其中ci不全為0, vi為隨機(jī)誤差項(xiàng)，則稱為一般共線性（近似共線性）或交互相關(guān)（intercorrelated）。（一）多重共線性的后果：（1）完全共線性下參數(shù)估計(jì)量不存在；（2）近似共線性下OLS法參數(shù)估計(jì)量非有效；（ 3）參數(shù)估計(jì)量的經(jīng)濟(jì)含義不合理；（ 4）變量的顯著性檢驗(yàn)失去意義；（ 5）模型的預(yù)測功能失效。（二）多重共線性的檢驗(yàn)用于多重共線性的檢驗(yàn)方法主要是統(tǒng)計(jì)方法，如判定系數(shù)檢驗(yàn)法、逐步回歸檢驗(yàn)法等。多重共線性檢驗(yàn)的任務(wù)是：（ 1）檢驗(yàn)多重共線

20、性是否存在；（ 2）估計(jì)多重共線性的范圍，即判斷哪些變量之間存在共線性。（三）克服多重共線性的方法：（ 1 ）第一類方法：排除引起共線性的變量；（ 2）第二類方法：差分法； （ 3）第三類方法：減少參數(shù)估計(jì)量的方差。.隨機(jī)解釋變量問題：對于模型Y 0% 2X2ikXki i i=1, 2,，n,其基本假設(shè)之一是解釋變量X1 , X2,，Xk是確定性的變量。如果存在一個或多個隨機(jī)變量作為解釋變量，則稱原模型 存在隨機(jī)解釋變量問題。（一）隨機(jī)解釋變量問題的三種情況：隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)，即 E （X2 ） =0 隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)在小樣本下相關(guān)，在大樣本下漸近無關(guān)，即在小樣本下E（

21、 X2 ）0在大樣本下P lim（X2i i/n） =0 或： P （lim （ X2i i/n）=0）=1 隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)高度相關(guān)，且P lim（ X2i i/n）0（二）隨機(jī)解釋變量的后果. 工具變量：在模型估計(jì)過程中被作為工具使用，以替代模型中與隨機(jī)誤差項(xiàng)相關(guān)的隨機(jī)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(jī)解釋變量高度相關(guān)；（ 2）與隨機(jī)誤差項(xiàng)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。. 計(jì)量經(jīng)濟(jì)學(xué)方法中的聯(lián)立方程問題：如果用單方程模型的方法估計(jì)聯(lián)立方程模型中的每個方程，問題是存在的，主要表現(xiàn)在以下三個方面：1 隨機(jī)解釋變

22、量問題；2損失變量信息問題；3損失方程之間的相關(guān)性信息問題. 對于聯(lián)立方程模型系統(tǒng)，通常將變量分為內(nèi)生變量和外生變量兩大類，外生變量與滯后內(nèi)生變 量又被統(tǒng)稱為先決變量。內(nèi)生變量：是具有某種概率分布的隨機(jī)變量。它是由模型系統(tǒng)決定的，同時又對模型系統(tǒng)產(chǎn)生 影響。內(nèi)生變量一般都是經(jīng)濟(jì)變量。外生變量：一般是確定性變量，或者是具有臨界概率分布的隨機(jī)變量。它影響系統(tǒng)，但本身不 受系統(tǒng)的影響。外生變量一般是經(jīng)濟(jì)變量、條件變量、政策變量、虛變量。先決變量：外生變量與滯后內(nèi)生變量的統(tǒng)稱。（先決變量只能作為解釋變量）滯后內(nèi)生變量：是聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中重要的不可缺少的一部分變量，用以反映經(jīng)濟(jì)系 統(tǒng)的動態(tài)性與連

23、續(xù)性。.結(jié)構(gòu)式模型：根據(jù)經(jīng)濟(jì)理論和行為規(guī)律建立的描述經(jīng)濟(jì)變量之間直接結(jié)構(gòu)關(guān)系的計(jì)量經(jīng)濟(jì)學(xué)方程 系統(tǒng)。結(jié)構(gòu)方程的正規(guī)形式： 將一個內(nèi)生變量表示為其它內(nèi)生變量、先決變量和隨機(jī)誤差項(xiàng)的函數(shù)形式。結(jié)構(gòu)方程的方程類型：（1）隨機(jī)方程：行為方程、技術(shù)方程、制度方程、統(tǒng)計(jì)方程；（2）恒等方程：定義方程、平衡方程、經(jīng)驗(yàn)方程。完備的結(jié)構(gòu)式模型：具有 g個內(nèi)生變量、k個先決變量、g個結(jié)構(gòu)方程的模型被稱為完備的結(jié)構(gòu)式 模型。.簡化式模型：將聯(lián)立方程模型的每個內(nèi)生變量表示成所有先決變量和隨機(jī)誤差項(xiàng)的函數(shù)，即用所 有先決變量作為每個內(nèi)生變量的解釋變量，所形成的模型稱為簡化式模型。.參數(shù)關(guān)系體系：描述了簡化式參數(shù)與結(jié)構(gòu)式

24、參數(shù)之間的關(guān)系，稱為參數(shù)關(guān)系體系。參數(shù)關(guān)系體系作用：（1）利用參數(shù)關(guān)系體系，首先估計(jì)簡化式參數(shù)，然后可以計(jì)算得到結(jié)構(gòu)式參數(shù)。（2）從參數(shù)關(guān)系體系還可以看出，簡化式參數(shù)反映了先決變量對內(nèi)生變量的直接與間接影響之和。.識別：是指判斷聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個結(jié)構(gòu)方程是否具有確定的統(tǒng)計(jì)形式。如果某一個隨機(jī)方程只具有一組參數(shù)估計(jì)量，稱其為恰好識別；如果某一個隨機(jī)方程具有多組參數(shù)估計(jì)量，稱其為過度識別。.結(jié)構(gòu)式識別條件&簡化式識別條件.聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的估計(jì)方法分為兩大類：單方程估計(jì)方法與系統(tǒng)估計(jì)方法。所謂聯(lián)立方程模型的單方程估計(jì)方法，是指每次只估計(jì)模型系統(tǒng)中的一個方程，依次逐個估計(jì)。如間接最小

25、二乘法、狹義的工具變量法、二階段最小二乘法、有限信息最大似然法、最小方差比方法等。所謂聯(lián)立方程模型的系統(tǒng)估計(jì)方法，是指同時對全部方程進(jìn)行估計(jì)，同時得到所有方程的參數(shù)估計(jì)量。如三階段最小二乘法、完全信息最大似然法等。.狹義的工具變量法：是指對于聯(lián)立方程模型BY+ X=N中的第i個結(jié)構(gòu)方程，為克服隨機(jī)解釋變量問題，選擇該方程中沒有包含的（k-ki）個先決變量作為方程中包含的（ gi-1）個內(nèi)生解釋變量的工具變量。.間接最小二乘法：是指先對關(guān)于內(nèi)生變量的簡化式方程采用OLS法估計(jì)簡化式參數(shù)，得到簡化式參數(shù)估計(jì)量，然后通過參數(shù)關(guān)系體系，計(jì)算得到結(jié)構(gòu)式參數(shù)的估計(jì)量。.二階段最小二乘法（2SLS）二階段最

26、小二乘法的具體步驟：第一階段：從結(jié)構(gòu)方程導(dǎo)出簡化式方程，用普通最小二乘法進(jìn)行估計(jì)，然后用簡化式方程求出 結(jié)構(gòu)方程中內(nèi)生解釋變量的估計(jì)值。第二階段：用所求出的內(nèi)生解釋變量的估計(jì)值替換結(jié)構(gòu)方程中該內(nèi)生解釋變量的樣本觀測值， 再對結(jié)構(gòu)方程用普通最小二乘法進(jìn)行估計(jì)，所求出的結(jié)構(gòu)參數(shù)估計(jì)量即為二階段最小二乘法參數(shù)估 計(jì)量。.分布滯后模型：由于某一原因（如收入）而產(chǎn)生的效果分散在若干時期里的事實(shí)，這種模型就稱 為分布滯后模型。滯后的原因：（1）心理上的原因。作為一種習(xí)慣勢力（或惰性）的結(jié)果，人們在收入增加或價格上升后，并不馬上改變他們的消費(fèi)習(xí)慣，甚至生活方式。（2）技術(shù)上的原因。比如,相對于勞動力而言，資

27、本價格下跌會使得用資本代替勞動力較為經(jīng)濟(jì)。但是，資本的添置（或這種代替過程） 是需要時間的。（3）制度上的原因。例如,由于受契約的約束，也許會妨礙廠商從一個勞動力或原 料來源轉(zhuǎn)向另一個來源。類似的例子還有保險合同。.無約束有限分布滯后模型：在有限分布滯后模型中，模型參數(shù)沒有任何的樣本以外的約束的限 制，這種模型可稱為無約束有限分布滯后模型。對于無約束有限分布滯后模型，采用普通最小二乘法估計(jì)，經(jīng)常遇到下列問題：（1）通常時間序列較短，而模型需要占用較多的自由度；（2）時間序列數(shù)據(jù)大多存在序列相關(guān)問題（如Xt-1和Xt-2相關(guān)），在分布滯后模型中這種序列相關(guān)問題則轉(zhuǎn)化成了解釋變量之間的多重共線性問

28、題，在滯后長度k較大時，多重共線性問題更嚴(yán)重；（3）隨機(jī)誤差項(xiàng)t往往是嚴(yán)重自相關(guān)的。 解決辦法：對于問題（3）, 一般通過引入被解釋變量的滯后值（AR項(xiàng)）作為解釋變量，或引入隨機(jī)誤差項(xiàng)的滯后值（MA項(xiàng)）來解決，即建立自回歸分布滯后（ ADL ： Auto-regressive Distributed Lag）模 型。（顯然，ARMA模型只是ADL模型的一個特例。）對于前兩個問題（1）和（2）,通常是在滯后分布上強(qiáng)加某種約束，以便減少模型中的參數(shù)個數(shù)。其中，非常流行的一種分布滯后模型是多項(xiàng)式分布滯后（ PDL ： Polynomial Distributed Lag）或阿 爾蒙滯后（Almon lag）。.幾何分布滯后模型：就是一種通過假定滯后系數(shù)按幾何級數(shù)衰減，從而減少待估計(jì)參數(shù)個數(shù)的 無限分布滯后模型。.因果關(guān)系：是指變量之間的依賴性，作為結(jié)果