欢迎来到淘文阁 - 分享文档赚钱的网站! | 帮助中心 好文档才是您的得力助手!
淘文阁 - 分享文档赚钱的网站
全部分类
  • 研究报告>
  • 管理文献>
  • 标准材料>
  • 技术资料>
  • 教育专区>
  • 应用文书>
  • 生活休闲>
  • 考试试题>
  • pptx模板>
  • 工商注册>
  • 期刊短文>
  • 图片设计>
  • ImageVerifierCode 换一换

    李子奈计量经济学6.8-9联立方程计量.ppt

    • 资源ID:68599493       资源大小:164.50KB        全文页数:25页
    • 资源格式: PPT        下载积分:20金币
    快捷下载 游客一键下载
    会员登录下载
    微信登录下载
    三方登录下载: 微信开放平台登录   QQ登录  
    二维码
    微信扫一扫登录
    下载资源需要20金币
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    李子奈计量经济学6.8-9联立方程计量.ppt

    6.8-96.8-9联立方程计量经济学模型的估联立方程计量经济学模型的估计方法选择和模型检验计方法选择和模型检验一、模型估计方法的比较一、模型估计方法的比较 二、为什么普通最小二乘法被普遍采用二、为什么普通最小二乘法被普遍采用 三、模型的检验三、模型的检验一、模型估计方法的比较一、模型估计方法的比较大样本估计特性的比较大样本估计特性的比较 在大样本的情况下,各种参数估计方法的统计特在大样本的情况下,各种参数估计方法的统计特性可以从数学上进行严格的证明,因而也可以将性可以从数学上进行严格的证明,因而也可以将各种方法按照各个性质比较优劣。各种方法按照各个性质比较优劣。按渐近无偏性比较优劣按渐近无偏性比较优劣 除了除了OLS方法外,所有方法的参数估计量都具有方法外,所有方法的参数估计量都具有大样本下渐近无偏性。因而,除了大样本下渐近无偏性。因而,除了OLS方法最差方法最差外,其它方法无法比较优劣外,其它方法无法比较优劣。按渐近有效性比较优劣按渐近有效性比较优劣 OLS 非一致性估计,未利用任何单方程外的信息;非一致性估计,未利用任何单方程外的信息;IV 利用了模型系统部分先决变量的数据信息;利用了模型系统部分先决变量的数据信息;2SLS、LIML 利用了模型系统全部先决变量的数利用了模型系统全部先决变量的数据信息;据信息;3SLS、FIML 利用了模型系统全部先决变量的数利用了模型系统全部先决变量的数据信息和结构方程相关性信息。据信息和结构方程相关性信息。小样本估计特性的小样本估计特性的Monte CarloMonte Carlo试验试验 参数估计量的大样本特性只是理论上的,实际上参数估计量的大样本特性只是理论上的,实际上并没有并没有“大样本大样本”,所以,对小样本估计特性进,所以,对小样本估计特性进行比较更有实际意义。行比较更有实际意义。而在小样本的情况下,各种参数估计方法的统计而在小样本的情况下,各种参数估计方法的统计特性无法从数学上进行严格的证明,因而提出了特性无法从数学上进行严格的证明,因而提出了一种一种Monte Carlo试验方法。试验方法。Monte Carlo试验方法在经济实验中被广泛采用。试验方法在经济实验中被广泛采用。小样本估计特性的小样本估计特性的Monte Carlo试验过程试验过程 第一步第一步:利用随机数发生器产生随机项分布的一组:利用随机数发生器产生随机项分布的一组样本;样本;第二步第二步:代入已经知道结构参数和先决变量观测值:代入已经知道结构参数和先决变量观测值的结构模型中;的结构模型中;第三步第三步:计算内生变量的样本观测值;:计算内生变量的样本观测值;第四步第四步:选用各种估计方法估计模型的结构参数。:选用各种估计方法估计模型的结构参数。上述步骤反复进行数百次,得到每一种估计方法的上述步骤反复进行数百次,得到每一种估计方法的参数估计值的序列。参数估计值的序列。第五步第五步:对每种估计方法的参数估计值序列进行统:对每种估计方法的参数估计值序列进行统计分析;计分析;第六步第六步:与真实参数(即试验前已经知道的结构参:与真实参数(即试验前已经知道的结构参数)进行比较,以判断各种估计方法的优劣。数)进行比较,以判断各种估计方法的优劣。小样本估计特性实验结果比较小样本估计特性实验结果比较无偏性无偏性 OLS 2SLS 3SLS(LIML,FIML)最小方差性最小方差性 LIML 2SLS FIML OLS最小均方差性最小均方差性 OLS LIML 2SLS 3SLS(FIML)为什么为什么OLS具有最好的最小方差性?具有最好的最小方差性?方差的计算公式:方差的计算公式:均方差的计算公式:均方差的计算公式:前者反映估计量偏离实验均值的程度;后者反映估前者反映估计量偏离实验均值的程度;后者反映估计量偏离真实值的程度。所以尽管计量偏离真实值的程度。所以尽管OLSOLS具有最小方具有最小方差性,但是由于它是有偏的,偏离真实值最为严重,差性,但是由于它是有偏的,偏离真实值最为严重,所以它的最小均方差性仍然是最差的。所以它的最小均方差性仍然是最差的。二、为什么普通最小二乘法被普遍二、为什么普通最小二乘法被普遍采用采用 小样本特性小样本特性从理论上讲,在小样本情况下,各种估计方法的从理论上讲,在小样本情况下,各种估计方法的估计量都是有偏的。估计量都是有偏的。充分利用样本数据信息充分利用样本数据信息除除OLS之外的其它估计方法可以部分地或者全部之外的其它估计方法可以部分地或者全部地利用某个结构方程中未包含的先决变量的数据地利用某个结构方程中未包含的先决变量的数据信息,从而提高参数估计量的统计性质。但是其信息,从而提高参数估计量的统计性质。但是其前提是所有变量具有相同的样本容量。前提是所有变量具有相同的样本容量。在实际上变量经常不具有相同的样本容量。在实际上变量经常不具有相同的样本容量。采用先进估计方法所付出的代价经常是牺牲了该采用先进估计方法所付出的代价经常是牺牲了该方程所包含的变量的样本数据信息。方程所包含的变量的样本数据信息。确定性误差传递确定性误差传递确定性误差:结构方程的关系误差和外生变量的确定性误差:结构方程的关系误差和外生变量的观测误差。观测误差。采用采用OLS方法,当估计某一个结构方程时,方程方法,当估计某一个结构方程时,方程中没有包含的外生变量的观测误差和其它结构方中没有包含的外生变量的观测误差和其它结构方程的关系误差对该方程的估计结果没有影响。程的关系误差对该方程的估计结果没有影响。如果采用如果采用2SLS方法方法 如果采用如果采用3SLS方法方法 样本容量不支持样本容量不支持实际的联立方程模型中每个结构方程往往是过度实际的联立方程模型中每个结构方程往往是过度识别的,适宜采用识别的,适宜采用2 2SLSSLS或或3 3SLSSLS方法,但是在其第方法,但是在其第一阶段要以所有先决变量作为解释变量,这就需一阶段要以所有先决变量作为解释变量,这就需要很大容量的样本。实际上是难以实现的。要很大容量的样本。实际上是难以实现的。采用主分量方法等可以克服这个矛盾,但又带来采用主分量方法等可以克服这个矛盾,但又带来方法的复杂性和新的误差。方法的复杂性和新的误差。实际模型的递推(实际模型的递推(RecurredRecurred)结构结构应用中的联立方程模型主要是宏观经济计量模型。应用中的联立方程模型主要是宏观经济计量模型。宏观经济计量模型一般具有递推结构。宏观经济计量模型一般具有递推结构。具有递推结构的模型可以采用具有递推结构的模型可以采用OLS。补充:递推模型补充:递推模型(Recursive Model Recursive Model)可以采用可以采用OLS依次估计每个结构方程;依次估计每个结构方程;在估计后面的结构方程时,认为其中的内生解释在估计后面的结构方程时,认为其中的内生解释变量是变量是“先决先决”的。的。三、模型的检验三、模型的检验包括单方程检验和方程系统的检验。包括单方程检验和方程系统的检验。凡是在单方程模型中必须进行的各项检验,对于凡是在单方程模型中必须进行的各项检验,对于联立方程模型中的结构方程,以及应用联立方程模型中的结构方程,以及应用2SLS或或3SLS方法过程中的简化式方程,都是适用的和需方法过程中的简化式方程,都是适用的和需要的。要的。模型系统的检验主要包括:模型系统的检验主要包括:拟合效果检验拟合效果检验 将样本期的先决变量观测值代入估计后的模型,将样本期的先决变量观测值代入估计后的模型,求解该模型系统,得到内生变量的估计值。将估求解该模型系统,得到内生变量的估计值。将估计值与实际观测值进行比较,据此判断模型系统计值与实际观测值进行比较,据此判断模型系统的拟合效果。的拟合效果。模型的求解方法:迭代法。模型的求解方法:迭代法。为什么不直接求解?为什么不直接求解?常用的判断模型系统拟合效果的检验统计量是常用的判断模型系统拟合效果的检验统计量是“均方百分比误差均方百分比误差”,用,用RMS表示。表示。当当RMSi=0,表示第表示第i个内生变量估计值与观测值个内生变量估计值与观测值完全拟合。完全拟合。一般地,在一般地,在g g个内生变量中,个内生变量中,RMS5%RMS5%的变量数目占的变量数目占70%70%以上,并且每个变量的以上,并且每个变量的RMSRMS不大于不大于10%10%,则认为,则认为模型系统总体拟合效果较好。模型系统总体拟合效果较好。预测性能检验预测性能检验 如果样本期之外的某个时间截面上的内生变量实际如果样本期之外的某个时间截面上的内生变量实际观测值已经知道,这就有条件对模型系统进行预测观测值已经知道,这就有条件对模型系统进行预测检验。检验。将该时间截面上的先决变量实际观测值代入模型,将该时间截面上的先决变量实际观测值代入模型,计算所有内生变量预测值,并计算其相对误差。计算所有内生变量预测值,并计算其相对误差。一般认为,一般认为,RE5%RE5%的变量数目占的变量数目占70%70%以上,并且每个以上,并且每个变量的相对误差不大于变量的相对误差不大于10%10%,则认为模型系统总体预,则认为模型系统总体预测性能较好。测性能较好。方程间误差传递检验方程间误差传递检验 寻找模型中描述主要经济行为主体的经济活动过程寻找模型中描述主要经济行为主体的经济活动过程的、方程之间存在明显的递推关系的关键路径。的、方程之间存在明显的递推关系的关键路径。在关键路径上进行误差传递分析,可以检验总体模在关键路径上进行误差传递分析,可以检验总体模型的模拟优度和预测精度。型的模拟优度和预测精度。例如,计算:例如,计算:称为冯诺曼比,称为冯诺曼比,如果误差在方程之间没有传递,该如果误差在方程之间没有传递,该比值为比值为0 0。样本点间误差传递检验样本点间误差传递检验在联立方程模型系统中,由于经济系统的动态性,在联立方程模型系统中,由于经济系统的动态性,决定了有一定数量的滞后内生变量。决定了有一定数量的滞后内生变量。由于滞后内生变量的存在,使得模型预测误差不由于滞后内生变量的存在,使得模型预测误差不仅在方程之间传递,而且在不同的时间截面之间,仅在方程之间传递,而且在不同的时间截面之间,即样本点之间传递。即样本点之间传递。必须对模型进行必须对模型进行滚动预测检验滚动预测检验。给定给定t=1时的所有先决变量的观测值,时的所有先决变量的观测值,包括滞后内包括滞后内生变量生变量,求解方程组,得到内生变量,求解方程组,得到内生变量Y1的预测值;的预测值;对于对于t=2,只外生给定外生变量的观测值,只外生给定外生变量的观测值,滞后内滞后内生变量则以前一时期的预测值代替生变量则以前一时期的预测值代替,求解方程组,求解方程组,得到内生变量得到内生变量Y2的预测值;的预测值;逐年滚动预测,直至得到逐年滚动预测,直至得到t=n时的内生变量时的内生变量Yn的预的预测值;测值;求出该滚动预测值与实际观测值的相对误差。求出该滚动预测值与实际观测值的相对误差。将将t=n时的所有先决变量的观测值,时的所有先决变量的观测值,包括滞后内生包括滞后内生变量的实际观测值,变量的实际观测值,代入模型,求解方程组,得代入模型,求解方程组,得到内生变量到内生变量Yn的非滚动预测值;的非滚动预测值;求出该非滚动预测值与实际观测值的相对误差。求出该非滚动预测值与实际观测值的相对误差。比较两种结果,二者的差异表明模型预测误差在比较两种结果,二者的差异表明模型预测误差在不同的时间截面之间的传递。不同的时间截面之间的传递。

    注意事项

    本文(李子奈计量经济学6.8-9联立方程计量.ppt)为本站会员(赵**)主动上传,淘文阁 - 分享文档赚钱的网站仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知淘文阁 - 分享文档赚钱的网站(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于淘文阁 - 版权申诉 - 用户使用规则 - 积分规则 - 联系我们

    本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

    工信部备案号:黑ICP备15003705号 © 2020-2023 www.taowenge.com 淘文阁 

    收起
    展开