第八章 联立方程的识别和估计
第一部分 学习指导
一、本章学习目的与要求
1．了解联立方程的概念，能正确区分联立方程中的外生变量、内生变量和前定变量；
2．理解联立方程模型估计时会出现什么问题，掌握联立方程模型的结构式和简化式的定义；
3．掌握联立方程模型识别的概念，能用识别的阶条件和秩条件判断模型是不可识别、恰好识别还是过度识别；
4．掌握联立方程模型的估计方法，重点掌握单方程估计方法——间接最小二乘法（ILS 法）、二阶段最小二乘法（2SLS 法），了解系统估计方法——三阶段最小二乘法（3SLS 法）。
二、本章内容提要
联立方程计量经济学模型是相对于单方程计量经济学模型而言的。它以经济系统为研究对象，以提示经济系统中各部分、各因素之间的数量关系和系统的数量特征为目标，用于经济系统的预测、分析和评价，是计量经济学模型的重要组成部分。其主要内容有：
1．联立方程计量经济学模型的提出：经济研究中的联立方程计量经济学问题，计量经济学方法中的联立方程问题。
2．联立方程计量经济学模型的若干基本概念：变量，结构式模型，简化式模型，参数关系体系。
3．联立方程计量经济学模型的识别：识别的概念，结构式识别条件，简化式识别条件，实际应用中的经验方法。
假设联立方程组中共含有g 个内生变量以及k 个外生变量构成的完备联立方程组，第i 个方程含有i g 个内生变量以及i k 个外生变量，∏为联立方程组的简化型系数矩阵，()B Γ，为联立方程组的结构型系数矩阵，以第i 个方程为代表，则有关的识别条件如下：
（1）识别的必要条件
1-≥-i i g k k
其中：k 表示联立方程组中外生变量的个数，g 表示联立方程组中内生变量的个数，i k 表示第i 个方程含有的外生变量个数，i g 表示第i 个方程含有的内生变量个数。该条件的直观意思为该方程所排除的外生变量个数不小于其排除的内生变量的个数，也称为阶条件。
（2）识别的充要条件
在一个g 含有个内生变量的g 个方程的模型中，一个方程是可识别的，当且仅当，能从模型（其他方程）所含而该方程未含的诸变量（内生变量或前定变量）的系数矩阵中构造出至少一个(g -1)×(g -1)阶的非零行列式来。充要条件是从矩阵的秩出发而得出，因而又称为秩条件。
（3）结构方程可以识别的两种情况
（1）恰好识别：求解的结构参数值唯一，当1i i k k g -=-时，则该方程就是恰好识别；
（2）过度识别：求解的结构参数值不唯一，当1i i k k g ->-时，则该方程就是过度 识别。
4．一种特殊的联立方程模型——递归系统模型：递归系统模型，递归系统模型的估计。
5．联立方程计量经济学模型的单方程估计方法：狭义的工具变量法，间接最小二乘法，二阶段最小二乘法；对于恰好识别的结构方程，三种方法是等价的。
6．联立方程计量经济学模型估计方法的比较：大样本估计特性的比较，小样本估计特性的Monte Carlo 试验，为什么普通最小二乘法被普遍用。
7．联立方程计量经济学模型的检验：拟合效果检验，预测性能检验，方程间误差传递检验，样本点间误差传递检验。
第二部分 重点、难点释析
1．如何确定模型中的内生变量和外生变量？
由于内生变量是联立地被决定，因此，联立方程模型中有多少个内生变量就必定有多少个方程。这个规则决定了任何联立方程模型中内生变量的个数。可是，确定哪个变量为内生变量，要根据经济分析和模型的用途。在设定模型时，通常将以下两类变量设定为外生变量：
（1）政策变量，如货币供给、税率、利率、政府支出等。
（2）短期内很大程度上是在经济系统之外决定或变化规律稳定的变量，如人口、劳动力供给、国外利率、世界贸易水平、国际原油价格等。
当然我们也可以用豪斯曼检验（Hausman ）来进行外生性检验,见参考文献：古扎拉蒂《计量经济学》。
2．为什么用最小二乘方法OLS 方法估计联立方程的参数是非一致性的？
因为在联立方程中解释变量与误差项相关，这样得到的估计量就是非一致的。例如凯恩斯收入决定模型： 消费函数：01101t t t
C Y ββεβ=++
收入恒等式：t t t Y C I =+
假定22()0,(),(,)0,(,)0t t t t j t t E E E COV I εεσεεε+====，
下面证明(,)0t t COV Y ε≠。
证明：把（1）式代入（2）式得： 01t t t t Y Y I ββε=+++
即： 0111
11111t t t Y I βεβββ=++--- 所以 011
1()11t t E Y I βββ=+-- 所以 11()1t t t Y E Y εβ-=
- 而 ()t t t E εεε-=
所以 (,)(())(())t t t t t t COV Y E Y E Y E εεε=--
22
11
()011t E εσββ==≠-- 从而,t t Y ε式相关，这就违反了经典线性回归模型中的假定：解释变量与误差项不相关，在这种情形下，OLS 估计量式非一致的。
3．间接最小二乘法ILS 的估计步骤？
第一步，确定某个待估方程是否是恰好识别，如果是，进入下一步，否则停止。
第二步，把联立方程组中所有的内生变量用外生变量线性表示，即给出简化型。
第三步，对简化型中每个方程分别进行OLS 估计，得到各个简化型系数的估计值。
第四步，根据相关的参数体系，利用（3）中得到的简化型系数的估计值求得该方程结构型系数的估计值。
4．两阶段最小二乘法2SLS 的估计步骤？
第一步，找出待估方程中作为解释变量的那些内生变量，并把它们分别表示成联立方程组中所有外生变量的线性组合。
第二步，对上述得到的每个方程进行估计，同时得到每个作为解释变量的内生变量的点估计值。
第三步，把这些点估计值带入到待估计方程中，分别替代对应的内生解释变量。
第四步，对替换后的新方程进行估计，由此得到的参数估计值就是最终的2SLS 估计值。
2SLS 法对于恰好识别的方程也适用，而且和ILS 估计的结果一致。
5．三阶段最小二乘法3SLS 的估计步骤？
第一步，首先把处于解释变量位置上的所有内生变量用外生变量线性表示，即给出这些内生解释变量的简化型，就上述的联立方程组显然要把所有的内生变量外生化。
第二步，对简化型的每个方程进行OLS 估计，得到每个简化型参数的估计值，进一步得到每个内生解释变
量的估计值序列1?Y
，2?Y ，…，?g Y 。这是第一阶段估计。 第三步，把内生解释变量的估计值序列带回到原联立方程组，即用1?Y
，2?Y ，…，?g Y 替代1Y ，2Y ，…，g Y ，对替代后的每个方程进行OLS ，得到每个结构型系数的初次估计，进而得到每个结构型方程随机误差项的估计
值序列，即残差序列12????(,,),1,2,i i i in i g ε
εεε'==。这是第二阶段估计。 第四步，利用残差序列得到联立方程系统随机误差项的方差协方差矩阵的估计，每个元素的估计为
1
1垐?,,1,2,n ij it jt t i j g n σεε===∑ 第五步，对联立方程组进行第三阶段的估计，即实行GLS 估计。
6．如何进行联立方程模型的联立性检验？
联立性检验的实质是检验内生变量与误差项是否相关。如果是，就有联立性的检验，这时需要找出不同于OLS 的估计方法；如果不是，就可以使用OLS 的估计方法。可以采取豪斯曼检验（Hausman ）来进行联立性检验。豪斯曼检验（Hausman ）的基本步骤为：
第一步：用OLS 方法求某个内生变量（不妨设为1y ）与外生变量的回归，得回归误差?t μ
； 第二步：用Pindycy 和Rubinfeld 建议得方法，用OLS 方法做另外一个内生变量（不妨设为2y ）与1y 、?t μ
的回归。若?t μ
的系数在统计上为零，则不存在联立性问题；若?t μ的系数在统计上不为零，则存在联立性问题.
第六章 联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 01211012t t t t t t t t t t t C Y C u I Y u Y I C G αααββ-=+++?? =++??=++? 表6.1 中国宏观经济数据 单位：亿元 （1） 用狭义的工具变量法估计消费方程 选取方程中未包含的先决变量G 作为内生解释变量Y 的工具变量，过程如下：
结果如下： 所以，得到结构参数的工具变量法估计量为： 012???582.27610.2748560.432124α αα===，， （2） 用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 1011112120211222t t t t t t t t C C G Y C G πππεπππε--=+++?? =+++? 参数关系体系为：
11121210012012122000 παπαπααππαπ--=?? --=??-=? 用普通最小二乘法估计，结果如下： 所以参数估计量为： 101112???1135.937,0.619782, 1.239898π ππ=== 202122???2014.368,0.682750, 4.511084π ππ=== 所以，得到间接最小二乘估计值为： 12122??0.274856?π α π ==
211121????0.432124α παπ=-= 010120????582.2758α παπ=-= （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 1?2014.3680.68275 4.511084t t t Y C G -=++ 用Y 的预测值替换消费方程中的Y ，直接用OLS 估计消费方程，过程如下：
练 习 六 （虚拟变量与联立方程模型综合练习） 一、单项选择题（每题1分，共18分） 1. 虚拟变量（ A ）。 A. 主要来代表质的因素，但在有些情况下可以用来表示数量因素 B. 只能代表质的因素 C. 只能代表数量因素 D. 只能代表季节因素 2. 某商品需求函数为i i i u X Y ++=10ββ，其中Y 为需求量，X 为价格。为了考虑“地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应当引入虚拟变量的个数为（ C ）。 A. 2 B. 4 C. 5 D.6 3. 根据样本资料建立某消费函数如下：i i i X D C 45.035.5550.100?++=，其中C 为消费，X 为收入，虚拟变量???--=农村家庭 城镇家庭01D ，对所有参数均检验显著，则城镇家庭的消费函数 为（ A ）。 A. i i X C 45.085.155?+= B. i i X C 45.050.100?+= C. i i X C 35.5550.100?+= D. i i X C 35.5595.100?+= 4. 设消费函数为i i i i i u X D X Y +++=210βββ，其中虚拟变量?? ?--=农村家庭 城镇家庭01D ，当统 计检验表面下列哪项成立时，表示城镇家庭与农村家庭有一样的消费行为（ A/C ）。 A. 0021==ββ， B. 0021≠=ββ， C. 0021=≠ββ， D. 0021≠≠ββ， 5. 假定月收入水平在1000元之内时，居民边际消费倾向维持在某一水平，当月收入水平达到或超过1000元时，边际消费倾向将明显下降，则描述消费C 依收入I 变动的线性关系宜采用（ C ）。 A. ?? ?≥--=---+++=1000 010001,210I I D u I D I C i i i i i ＜ βββ B. ?? ?≥--=---+++=1000 010001,210I I D u D I C i i i i ＜ βββ C. ? ??≥--==---+-++=1000010001,1000 ,)* * 210I I D I u I I D I C i i i i i ＜ （βββ D. 1000,* 210=---+++=I u I I C i i i i βββ 6. 具有一定概率分析的随机变量，其数值由模型本身决定的变量是（ B ）。 A. 外生变量 B. 内生变量 C. 先决变量 D. 滞后变量
第八章 联立方程的识别和估计 第一部分 学习指导 一、本章学习目的与要求 1．了解联立方程的概念，能正确区分联立方程中的外生变量、内生变量和前定变量； 2．理解联立方程模型估计时会出现什么问题，掌握联立方程模型的结构式和简化式的定义； 3．掌握联立方程模型识别的概念，能用识别的阶条件和秩条件判断模型是不可识别、恰好识别还是过度识别； 4．掌握联立方程模型的估计方法，重点掌握单方程估计方法——间接最小二乘法（ILS 法）、二阶段最小二乘法（2SLS 法），了解系统估计方法——三阶段最小二乘法（3SLS 法）。 二、本章内容提要 联立方程计量经济学模型是相对于单方程计量经济学模型而言的。它以经济系统为研究对象，以提示经济系统中各部分、各因素之间的数量关系和系统的数量特征为目标，用于经济系统的预测、分析和评价，是计量经济学模型的重要组成部分。其主要内容有： 1．联立方程计量经济学模型的提出：经济研究中的联立方程计量经济学问题，计量经济学方法中的联立方程问题。 2．联立方程计量经济学模型的若干基本概念：变量，结构式模型，简化式模型，参数关系体系。 3．联立方程计量经济学模型的识别：识别的概念，结构式识别条件，简化式识别条件，实际应用中的经验方法。 假设联立方程组中共含有g 个内生变量以及k 个外生变量构成的完备联立方程组，第i 个方程含有i g 个内生变量以及i k 个外生变量，∏为联立方程组的简化型系数矩阵，()B Γ，为联立方程组的结构型系数矩阵，以第i 个方程为代表，则有关的识别条件如下： （1）识别的必要条件 1-≥-i i g k k 其中：k 表示联立方程组中外生变量的个数，g 表示联立方程组中内生变量的个数，i k 表示第i 个方程含有的外生变量个数，i g 表示第i 个方程含有的内生变量个数。该条件的直观意思为该方程所排除的外生变量个数不小于其排除的内生变量的个数，也称为阶条件。 （2）识别的充要条件 在一个g 含有个内生变量的g 个方程的模型中，一个方程是可识别的，当且仅当，能从模型（其他方程）所含而该方程未含的诸变量（内生变量或前定变量）的系数矩阵中构造出至少一个(g -1)×(g -1)阶的非零行列式来。充要条件是从矩阵的秩出发而得出，因而又称为秩条件。 （3）结构方程可以识别的两种情况 （1）恰好识别：求解的结构参数值唯一，当1i i k k g -=-时，则该方程就是恰好识别； （2）过度识别：求解的结构参数值不唯一，当1i i k k g ->-时，则该方程就是过度 识别。 4．一种特殊的联立方程模型——递归系统模型：递归系统模型，递归系统模型的估计。 5．联立方程计量经济学模型的单方程估计方法：狭义的工具变量法，间接最小二乘法，二阶段最小二乘法；对于恰好识别的结构方程，三种方法是等价的。
第七章联立方程模型和两阶段最小二乘法 建立一个OBJECT。确定内外生变量： cc=c(1)+c(2)*PP+c(3)*PP(-1)+c(4)*(WP+WG) ii=c(5)+c(6)*PP+c(7)*PP(-1)+c(8)*KK WP=c(9)+c(10)*XX+c(11)*XX(-1)+c(12)*AA INST WG GG TT AA PP(-1) KK XX(-1) C 回归结果： System: KLEINMODEL Estimation Method: Two-Stage Least Squares Date: 07/13/11 Time: 15:29 Sample: 1921 1941 Included observations: 21 Total system (balanced) observations 63
Coefficient Std. Error t-Statistic Prob. C(1) 16.55476 1.467979 11.27725 0.0000 C(2) 0.017302 0.131205
0.131872 0.8956 C(3) 0.216234 0.119222 1.813714 0.0756 C(4) 0.810183 0.044735 18.11069 0.0000 C(5) 20.27821 8.383249 2.418896 0.0192 C(6) 0.150222 0.192534
0.780237 0.4389 C(7) 0.615944 0.180926 3.404398 0.0013 C(8) -0.157788 0.040152 -3.929751 0.0003 C(9) 1.500297 1.275686 1.176070 0.2450 C(10) 0.438859 0.039603
第六章联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 选取方程中未包含的先决变量G作为内生解释变量Y的工具变量，过程如下： 结果如下： 所以，得到结构参数的工具变量法估计量为： （2）用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 参数关系体系为： 用普通最小二乘法估计，结果如下： 所以参数估计量为： 所以，得到间接最小二乘估计值为： （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 用Y的预测值替换消费方程中的Y，直接用OLS估计消费方程，过程如下： 也可以用工具变量法估计消费方程，过程如下： 结果如下： 综上所述，可知道，对于恰好识别方程，三种方法得到的结论是一样的。 （4）用两阶段最小二乘法估计投资方程，过程同上。 （5）投资方程是过度识别的方程，也可以用GMM估计，选择的工具变量为先决变量C01、G。 估计结果如下： 与2SLS结果比较，结构参数估计量变化不大。残差平方和由变为，显著减少。为什么？利用了更多的信息。 2.以表6.2所示的中国的实际数据为资料，估计下面的联立模型。 表6.2
建立联立模型，并命名为MY 在SYSTEM窗口里面定义联立方程组和使用的工具变量。 选择两阶段最小二乘法进行估计。 得到如下输出结果： 所以得到联立方程计量经济学模型的估计表达式为： 3、以Klein（克莱因）联立方程模型为例介绍两阶段最小二乘估计。首先建立工作文件，数据如表7。
第八章联立方程模型 第1节、联立方程模型的概念 1、什么是联立方程模型 联立方程模型是相对于前面所学的单一方程模型提出的。单一方程模型中只含有一个被解释变量和若干个解释变量，这类方程最大的特征是，它只能描述经济变量之间的单向因果关系，即解释变量是因，被解释变量是果，例如Y=β0+β1X+u表示收入对服装支出的影响，收入是因，服装支出是果，而且这种因果关系是不可逆转的，不能用这个方程又解释服装支出对收入的影响。 但是，经济现象是错综复杂的，许多经济变量之间存在着交错的双向或多向因果关系，是相互依存，互为因果的。例如，收入影响消费，消费反过来也影响收入；价格影响着商品的需求和供给，反过来，商品的需求和供给关系又影响着商品的价格。因此，要想描述清楚一个经济系统中各个变量之间的关系，就需要用一组方程才能描述清楚。 联立方程模型：同时用若干个模型去表示一个经济系统中经济变量相互联立依存性的模型。 例如：由国内生产总值（Y）、居民消费总额（C）、投资总额（I）、和政府开支（G）等变量构成的简单的宏观经济系统： 如果我们把政府开支（G）有系统外部实现给定，那么，就国内生产总值、居民消费总额、投资总额之间是互相影响并互为因果的。可以建立如下模型： Yt=Ct+It+Gt Ct=a0+a1Yt+u1t It=β0+β1Ytβ2Yt-1+μ2t 其中第一个方程表示国内生产总值由居民消费总额、投资总额和政府开支共同决定，在假定进出口平衡的情况下，是一个衡等方程；第二个方程表示居民消费总额由国内生产总值决定；第三个方程表示投资总额由国内生产总值和前一年的国内生产总值共同决定。这就是一个简单的描述宏观经济的联立方程模型。 2、联立方程模型的特点 1、模型中不止一个应变量，有M个方程可以有M个应变量； 2、应变量和解释变量之间不仅是单向的因果关系，可能是互 为因果； 3、解释变量有可能是随机的不可控变量，比如上例中，居民 消费总额和投资总额是随机变量，而国内生产总值由他们决 定，因此国内生产总值不是确定性的变量，它作为居民消费的
第十二章联立方程模型的识别 识别的概念： 联立方程模型是由多个方程组成。由于各个方程包含的变量之间可能存在互为因果的关系，某个方程的自变量可能是另一个方程中的因变量，所以需要对模型中的各个方程之间的关系进行严格的定义，否则联立方程模型中的系数就可能无法估计。所以在进行模型估计之前首先要判断它是否可以估计，这就是模型的识别。 关于识别的定义：就是指由简化式参数导出结构式参数的充分必要条件。识别一词的本意就是用来说明这种有简化式参数导出结构式参数的可能性的。 所谓统计形式，即方程中的变量与变量之间的函数关系式。“确定的统计形式”，也就是模型中其他方程或所有方程的任意线性组合所构成的新的方程，都不再具有这种统计形式。 第一节模型的识别 上述识别的定义是针对结构方程而言的。模型中每个需要估计其参数的随机方程都存在识别问题。如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型是可以识别的。反过来，如果一个模型系统中存在一个不可识别的随机方程，则认为该联立方程模型是不可识别的。
结构式模型的一般形式： ;∑∑g k b Y +r X =μi =1,2,,g ij j ij j i j=1j=1 …………………(12.1) 矩阵形式为： BY+ΓX=μ…………………………………… (12.2) 一、 模型识别的两种含义： (1)从结构式参数和简化式参数的关系角度 一个结构方程可以识别是指它的全部结构式系数可以从参数关系体系的方程组求解出。 结构方程可以识别又包含两种情况：如果求解结构参数值唯一，则称恰好识别；如果求解结构参数值不唯一，则称过度识别。 (2)从结构方程的统计形式看 如果被识别方程具有确定的统计形式，则称这个结构方程可以识别，否则为不可识别。 确定的统计形式是指模型中若干个方程或全部方程以及它们的任意线性组合方程都与被识别方程含有不完全相同的变量。 只有当联立方程中每个随机结构方程都能识别，该模型才是可以识别的，否则是不可识别的。对于恒等式和制度方程，由于不含未知待定参数，均不存在识别问题。 二、模型识别的状态 1.不可识别 例子：
Chapter4 联立方程模型 本章关注的目标Y 不止一个，而是多个。或者其中关注的某一目标与其它目标有内在联系，如果我们不知道其它的目标，就不可能知道要关注的目标。例如，我们要知道某一商品的市场价格，我们必须要同时知道该商品的供给曲线和需求曲线。自然也就存在多因多果的关系问题。从内生性问题角度看，某一解释变量i X 从另一方面考察可能成为Y 的结果，那么Y 就是原因，因为i X 中有Y 的成分，从而()0i E U X 不成立，产生内生性问题的第3种情形，联立性问题。 在第二章现代观点理念的陈述中，把Y 看成是一个随机向量，所有的语言经过适当的修正，完全可以类似重复。但由于因变量Y 的个数的增加，也就带来了许多“单方程线性回归模型”不曾有的问题。本章主要讨论联立的线性系统。内容有，联立方程模型的表述，各种估计和检验的假设条件，系统的可识别，以及一些专题。其中GMM 方法是本章的特色。它把2SLS 的方法又提高了一步。 一、基本概念和模型 系统：多个变量间的相互联系，一般用方程表述。线性系统则认为它们的联系是线性的。 变量：描述系统状态的基本要素。变量分成两类。一类是内生变量，含义是，一旦系统变量间的相互联系确定，这些变量的值就是完全确立的。内生变量一般是系统要关注的对象。另一类是先决变量，含义是，它们的值不是由系统直接确定。它又分成：（1）外生变量，它的值由系统的外部给定；（2）滞后的内生变量，它的值由内生变量的前期确定。有时，（1）（2）不加区分统称为外生变量。不过这两种内生变量有实质性区别，后一种滞后变量会带来内生性问题。 线性模型：系统中的变量通过线性方程或加上随机误差项联系，称为联立系统的线性模型。 模型分成简约式（reduced formed ）和结构式（structure form ）两种： 1、简约式：每个内生变量由系统的先决变量的线性式加随机项构成，先决变量前的系数称为简约系数。 2、结构式：每个方程由内生变量和先决变量的混合线性式或加随机项构成。结构式有以确定的经济内内涵，它们从理论模型简化而成。一般把结构式分成四类： （1） 行为方程 （2） 技术方程 （3） 平衡方程 （4） 定义方程 每个结构方程中，变量前的系数称为结构参数。 系统的描述： Y 表示内生变量，设共有G 个内生变量：1Y ……G Y X 表示先决变量，设有M 个先决变量：1X ……M X U 表示随机误差，误差项的个数随行为和技术方程的个数来定。 例：简单的宏观消费－投资模型： 可加随机项 不可加随机项