【導(dǎo)讀】定義①如果對(duì)于任意給定的正數(shù)?多么小),總存在正整數(shù)N,使得對(duì)于Nn?,使得當(dāng)x滿足不等式。Axf)(,那么常數(shù)A就叫函數(shù)。零的無窮小的倒數(shù)為無窮大.推論2常數(shù)與無窮小的乘積是無窮小.準(zhǔn)則Ⅱ單調(diào)有界數(shù)列必有極限.且窮小是同一過程中的兩個(gè)無設(shè)。;),02(是同階的無窮小與就說如果??????定理若)(limxf存在,則極限唯一.x的某一鄰域內(nèi)有定義,如果當(dāng)自變量的增量x?趨向于零時(shí),對(duì)應(yīng)的函數(shù)

　　

【正文】 e f i t e r a t i o n s I n st r u m e n t l i st : C G C C 1 V a r i a b l e C o e f f i ci e n t S t d . E r r o r t S t a t i st i c P r o b . C 3 8 8 . 2 2 1 6 8 2 . 8 6 7 0 3 4 . 6 8 4 8 7 4 0 . 0 0 0 2 Y 0 . 4 0 5 2 4 1 0 . 0 0 4 7 4 8 8 5 . 3 4 1 5 9 0 . 0 0 0 0 R sq u a r e d 0 . 9 9 6 4 5 6 M e a n d e p e n d e n t v a r 7 9 2 3 . 5 0 0 A d j u st e d R sq u a r e d 0 . 9 9 6 2 3 4 S . D . d e p e n d e n t v a r 7 9 7 5 . 6 1 3 S . E . o f r e g r e ss i o n 4 8 9 . 4 1 8 4 S u m sq u a r e d r e si d 3832486. D u r b i n W a t so n st a t 1 . 3 5 7 7 8 4 J st a t i st i c 0 . 0 0 2 8 7 4 *七、主分量法的應(yīng)用 ⒈ 方法的提出 ? 主分量方法本身并不是聯(lián)立方程模型的估計(jì)方法，而是配合其它方法，例如 2SLS使用于模型的估計(jì)過程之中。 ? 數(shù)學(xué)上的主分量方法早就成熟， Kloek和Mennes于 1960年提出將它用于計(jì)量經(jīng)濟(jì)學(xué)模型的估計(jì)。 ? 2SLS是一種普遍適用的聯(lián)立方程模型的單方程估計(jì)方法，但是當(dāng)它在實(shí)際模型估計(jì)中被應(yīng)用時(shí)，立刻就會(huì)遇到不可逾越的困難。其第一階段 — 用 OLS估計(jì)簡化式方程，是難以實(shí)現(xiàn)的。 為什么？ ⒉ 方法的原理 ? 所謂主分量方法，就是用較少數(shù)目的新變量重新表示原模型中較多數(shù)目的先決變量的方法。 ? 例如，如果能夠找到 5個(gè)左右的新變量表示宏觀經(jīng)濟(jì)模型中的 30個(gè)先決變量，那么只需要15組以上的樣本，就可以進(jìn)行 2SLS第一階段的估計(jì)。 ? 對(duì)充當(dāng)主分量的變量是有嚴(yán)格要求： 一是它必須是先決變量的線性組合，二是它們之間必須是正交的。 前一條是保證主分量對(duì)先決變量的代表性；后一條是保證主分量之間不出現(xiàn)共線性 。 ⒊ 主分量的選取 ? 用兩個(gè)主分量表示兩個(gè)原變量： Z a X a X1 11 1 12 2? ?Z a X a X2 21 1 22 2? ?( )A a a? ? ??? ???1 2 11 2112 22a aa a可以證明， a a2分別是 X’X的 2個(gè)特征值對(duì)應(yīng)的特征向量。 ? 用 k個(gè)主分量表示 k個(gè)原變量： 同樣可以證明， a a … 、 ak分別是 X’X的 k個(gè)特征值對(duì)應(yīng)的特征向量。 Z XA?( )A a a a? 1 2 ? k? 用 f個(gè)主分量表示 k個(gè)原變量： 選擇 a a … 、 af分別是 X’X的 f個(gè)最大特征值對(duì)應(yīng)的特征向量。 Z XA?( )A a a a? 1 2 ? f? 在 2SLS中主分量的選取 對(duì)于簡化式方程： ( )Y X X X0 0 0 0 0 0 0? ? ? ?? ? ? ?*一般情況下，結(jié)構(gòu)方程包含的先決解釋變量 X0中變量的數(shù)目很有限，變量主要集中在結(jié)構(gòu)方程未包含的先決變量 X0*中。所以只需要選擇主分量重新表 示 X0*，就可以有效地減少簡化式方程中解釋變量的數(shù)目，使得在有限樣本的支持下模型得到估計(jì)。 ⒋ 主分量法在 ILS中的應(yīng)用 ? 對(duì)于 2SLS，直接利用主分量完成第一階段的估計(jì)，得到內(nèi)生解釋變量的估計(jì)量。 ? 對(duì)于 ILS，必須求得到簡化式參數(shù)，進(jìn)而計(jì)算結(jié)構(gòu)式參數(shù)。 ? 首先估計(jì) Y=ZΔ+Ε，然后將 Z=XA代入，得到 Y=XΠ 中 Π的估計(jì)量。 *八、 k級(jí)估計(jì)式 ⒈ k級(jí)估計(jì)式 ? 本身不是一種估計(jì)方法，而是對(duì)上述幾種方法得到的估計(jì)式的概括。 ? 對(duì)于聯(lián)立方程模型中的第 1個(gè)結(jié)構(gòu)方程： Y 1 0 0 1? ??? ??? ?( , )Y X 00?? ?? k級(jí)估計(jì)式 為： ?? (( ( ? ), ) ( , )) ( ( ? ), )??000 0 0 0 0 010 0 0 0 1?????? ? ? ? ? ? ? ??Y Y Y X Y X Y Y Y Xk k Y? 顯然，當(dāng)： k=0時(shí)，即為 OLS估計(jì)式； k=1時(shí)，即為 2SLS估計(jì)式； k等于有限信息估計(jì)方法中的時(shí)，即為有限信息估計(jì)式。 ⒉ k級(jí)估計(jì)式的性質(zhì) ? 假設(shè)工具變量與隨機(jī)誤差項(xiàng)不相關(guān)，即： P knlim ( ( ? ))1 0 0 0 1 0Y Y Y? ? ??且先決變量與隨機(jī)誤差項(xiàng)不相關(guān)，即： P nlim ( )1 0 1 0? ?X ?那么，容易證明 k級(jí)估計(jì)式是一致性估計(jì)式。 ? 工具變量與隨機(jī)誤差項(xiàng)不相關(guān)，對(duì) k是有限制的，必須有（證明見教科書）： P kl i m ( )1 0? ?? 這就是說， 只有在 2SLS或有限信息估計(jì)方法中，k級(jí)估計(jì)式是一致性估計(jì)式，而在 OLS方法中，不具有一致性 。 經(jīng) 濟(jì) 數(shù) 學(xué) 167。 題的討論 一、 模型估計(jì)方法的比較 二、 為什么普通最小二乘法被普遍采用 三、 聯(lián)立方程模型的檢驗(yàn) 一、模型估計(jì)方法的比較 ⒈ 大樣本估計(jì)特性的比較 ? 在大樣本的情況下，各種參數(shù)估計(jì)方法的統(tǒng)計(jì)特性可以從數(shù)學(xué)上進(jìn)行嚴(yán)格的證明，因而也可以將各種方法按照各個(gè)性質(zhì)比較優(yōu)劣。 ? 按漸近無偏性比較優(yōu)劣。 除了 OLS方法外，所有方法的參數(shù)估計(jì)量都具有大樣本下漸近無偏性。因而，除了 OLS方法最差外，其它方法無法比較優(yōu)劣。 ? 按漸近有效性比較優(yōu)劣 OLS 非一致性估計(jì)，未利用任何單方程外的信息； IV 利用了模型系統(tǒng)部分先決變量的數(shù)據(jù)信息； 2SLS、 LIML 利用了模型系統(tǒng)全部先決變量的數(shù)據(jù)信息； 3SLS、 FIML 利用了模型系統(tǒng)全部先決變量的數(shù)據(jù)信息和結(jié)構(gòu)方程相關(guān)性信息。 ⒉ 小樣本估計(jì)特性的 Monte Carlo試驗(yàn) ? 參數(shù)估計(jì)量的大樣本特性只是理論上的，實(shí)際上并沒有“大樣本”，所以，對(duì)小樣本估計(jì)特性進(jìn)行比較更有實(shí)際意義。 ? 而在小樣本的情況下，各種參數(shù)估計(jì)方法的統(tǒng)計(jì)特性無法從數(shù)學(xué)上進(jìn)行嚴(yán)格的證明，因而提出了一種 Monte Carlo試驗(yàn)方法。 ? Monte Carlo試驗(yàn)方法在經(jīng)濟(jì)實(shí)驗(yàn)中被廣泛采用。 ? 小樣本估計(jì)特性的 Monte Carlo試驗(yàn)過程 第一步 ：利用隨機(jī)數(shù)發(fā)生器產(chǎn)生隨機(jī)項(xiàng)分布的一組樣本； 第二步 ：代入已經(jīng)知道結(jié)構(gòu)參數(shù)和先決變量觀測值的結(jié)構(gòu)模型中； 第三步 ：計(jì)算內(nèi)生變量的樣本觀測值； 第四步 ： 選用各種估計(jì)方法估計(jì)模型的結(jié)構(gòu)參數(shù)。 上述步驟反復(fù)進(jìn)行數(shù)百次，得到每一種估計(jì)方法的參數(shù)估計(jì)值的序列 。 第五步 ：對(duì)每種估計(jì)方法的參數(shù)估計(jì)值序列進(jìn)行統(tǒng)計(jì)分析； 第六步 ：與真實(shí)參數(shù)（即試驗(yàn)前已經(jīng)知道的結(jié)構(gòu)參數(shù)）進(jìn)行比較，以判斷各種估計(jì)方法的優(yōu)劣。 ? 小樣本估計(jì)特性實(shí)驗(yàn)結(jié)果比較 ⑴無偏性 OLS 2SLS 3SLS（ LIML， FIML） ⑵ 最小方差性 LIML 2SLS FIML OLS ⑶ 最小均方差性 OLS LIML 2SLS 3SLS（ FIML） 為什么 OLS具有最好的最小方差性？ 方差的計(jì)算公式： V N iiN? ???112( ? ? )? ?均方差的計(jì)算公式： M S E E n iiN? ? ? ???( ? ) ( ? )? ? ? ?2121 前者反映估計(jì)量偏離實(shí)驗(yàn)均值的程度；后者反映估計(jì)量偏離真實(shí)值的程度。所以盡管 OLS具有最小方差性，但是由于它是有偏的，偏離真實(shí)值最為嚴(yán)重，所以它的最小均方差性仍然是最差的 。 二、為什么普通最小二乘法被普遍采用 ⒈ 小樣本特性 ? 從理論上講，在小樣本情況下，各種估計(jì)方法的估計(jì)量都是有偏的。 ⒉ 充分利用樣本數(shù)據(jù)信息 ? 除 OLS之外的其它估計(jì)方法可以部分地或者全部地利用某個(gè)結(jié)構(gòu)方程中未包含的先決變量的數(shù)據(jù)信息，從而提高參數(shù)估計(jì)量的統(tǒng)計(jì)性質(zhì)。但是其前提是所有變量具有相同的樣本容量。 ? 在實(shí)際上變量經(jīng)常不具有相同的樣本容量。 ? 采用先進(jìn)估計(jì)方法所付出的代價(jià)經(jīng)常是犧牲了該方程所包含的變量的樣本數(shù)據(jù)信息。 ⒊ 確定性誤差傳遞 ? 確定性誤差：結(jié)構(gòu)方程的關(guān)系誤差和外生變量的觀測誤差。 ? 采用 OLS方法，當(dāng)估計(jì)某一個(gè)結(jié)構(gòu)方程時(shí)，方程中沒有包含的外生變量的觀測誤差和其它結(jié)構(gòu)方程的關(guān)系誤差對(duì)該方程的估計(jì)結(jié)果沒有影響。 ? 如果采用 2SLS方法 … ? 如果采用 3SLS方法 …