第九章教案PPT讲稿.ppt

《第九章教案PPT讲稿.ppt》由会员分享，可在线阅读，更多相关《第九章教案PPT讲稿.ppt（18页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第九章教案第1页，共18页，编辑于2022年，星期二一、识别的概念一、识别的概念第2页，共18页，编辑于2022年，星期二为什么要对模型进行识别？为什么要对模型进行识别？从一个例子看从一个例子看 消费方程是包含消费方程是包含C C、Y Y和常数项的直接线性方程。和常数项的直接线性方程。投资方程和国内生产总值方程的某种线性组合（消去投资方程和国内生产总值方程的某种线性组合（消去I I）所构成的新方程也是包含）所构成的新方程也是包含C C、Y Y和常数项的直接线性方程。和常数项的直接线性方程。第3页，共18页，编辑于2022年，星期二如果利用如果利用C C、Y Y的样本观测值并进行参数估计后，很难

2、的样本观测值并进行参数估计后，很难判断得到的是消费方程的参数估计量还是新组合方程判断得到的是消费方程的参数估计量还是新组合方程的参数估计量。的参数估计量。只能认为原模型中的消费方程是不可估计的。只能认为原模型中的消费方程是不可估计的。这种情况被称为不可识别。这种情况被称为不可识别。只有可以识别的方程才是可以估计的。只有可以识别的方程才是可以估计的。第4页，共18页，编辑于2022年，星期二识别的定义识别的定义 3种定义：种定义：“如如果果联联立立方方程程模模型型中中某某个个结结构构方方程程不不具具有有确确定定的的统统计计形形式式，则称该方程为不可识别。则称该方程为不可识别。”“如如果果联联立立

3、方方程程模模型型中中某某些些方方程程的的线线性性组组合合可可以以构构成成与与某某一一个个方方程程相相同同的的统统计计形形式式，则则称称该该方方程程为为不不可可识别。识别。”“根根据据参参数数关关系系体体系系，在在已已知知简简化化式式参参数数估估计计值值时时，如如果果不不能能得得到到联联立立方方程程模模型型中中某某个个结结构构方方程程的的确确定定的的结结构参数估计值，则称该方程为不可识别。构参数估计值，则称该方程为不可识别。”第5页，共18页，编辑于2022年，星期二模型的识别模型的识别 上述识别的定义是针对结构方程而言的。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

4、存在识别模型中每个需要估计其参数的随机方程都存在识别问题。问题。如果一个模型中的所有随机方程都是可以识别的，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系统是可以识别的。反过来，则认为该联立方程模型系统是可以识别的。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，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系统是不可以识别的。则认为该联立方程模型系统是不可以识别的。恒等方程由于不存在参数估计问题，所以也不存在识别恒等方程由于不存在参数估计问题，所以也不存在识别问题。但是，在判断随机方程的识别性问题时，应该将问题。但是，在判断随机方程的识别性问题时

5、，应该将恒等方程考虑在内。恒等方程考虑在内。第6页，共18页，编辑于2022年，星期二恰好识别恰好识别(Just Identification)与过度识别与过度识别(Overidentification)如果某一个随机方程具有一组参数估计量，称其为恰如果某一个随机方程具有一组参数估计量，称其为恰好识别；好识别；如果某一个随机方程具有多组参数估计量，称其为过度如果某一个随机方程具有多组参数估计量，称其为过度识别。识别。第7页，共18页，编辑于2022年，星期二 二、联立方程模型的识别阶条件联立方程模型的识别阶条件 识别的阶条件识别的阶条件对结构模型中的第对结构模型中的第 i个结构方程，记个结构方

6、程，记 K为结构模型中内生变量为结构模型中内生变量和预定变量的总个数，和预定变量的总个数，为第为第i个结构方程中内生变量和预定个结构方程中内生变量和预定变量的总个数，变量的总个数，G为结构模型中内生变量即结构方程的个数，具为结构模型中内生变量即结构方程的个数，具体地，阶条件可以表示成：体地，阶条件可以表示成：若若K-Mi=G-1时，第个结构方程恰好识别，时，第个结构方程恰好识别，若时若时K-MiG-1，第，第i个结构方程过度识别，个结构方程过度识别，若时若时K-MiG-1，第个结构方程不可识别。，第个结构方程不可识别。需要指出的是，阶条件仅是一个必要条件，即该方程不满足阶需要指出的是，阶条件仅

7、是一个必要条件，即该方程不满足阶条件一定不能被识别，但满足阶条件不一定就能被识别。条件一定不能被识别，但满足阶条件不一定就能被识别。第8页，共18页，编辑于2022年，星期二三、联立方程模型的识别秩条件三、联立方程模型的识别秩条件1.1.秩条件的内容秩条件的内容秩条件的具体内容为：在具有秩条件的具体内容为：在具有G G个方程的结构式模型中，任何个方程的结构式模型中，任何一个方程能够被识别的充分必要条件是：该方程被斥变一个方程能够被识别的充分必要条件是：该方程被斥变量结构参数矩阵的秩为量结构参数矩阵的秩为G-1G-1。或者说，该方程被斥变量结构参。或者说，该方程被斥变量结构参数矩阵中，至少有一个

8、数矩阵中，至少有一个G-1G-1阶的非零行列式。阶的非零行列式。2.2.利用秩条件识别某个结构方程的步骤利用秩条件识别某个结构方程的步骤（1 1）列出模型的结构参数矩阵）列出模型的结构参数矩阵（2 2）先划去待判断方程的系数所在的行，再划去该方程中非零）先划去待判断方程的系数所在的行，再划去该方程中非零系数所在的列，得到该方程的被斥变量结构参数矩阵系数所在的列，得到该方程的被斥变量结构参数矩阵（3 3）考察被斥变量结构参数矩阵的秩，如果秩等于）考察被斥变量结构参数矩阵的秩，如果秩等于G-1,G-1,则该结构则该结构方程可以识别，否则该方程不能识别。或者，也可以考方程可以识别，否则该方程不能识别

9、。或者，也可以考察被斥变量结构参数矩阵中是否有一个察被斥变量结构参数矩阵中是否有一个G-1G-1阶的非零行列阶的非零行列式，如果有，则该方程可以识别，否则不可识别。式，如果有，则该方程可以识别，否则不可识别。第9页，共18页，编辑于2022年，星期二例题例题第10页，共18页，编辑于2022年，星期二判断第判断第1个结构方程的识别状态个结构方程的识别状态 所以，该方程可以识别。所以，该方程可以识别。因为因为所以，第所以，第1个结构方程为恰好识别的结构方程。个结构方程为恰好识别的结构方程。第11页，共18页，编辑于2022年，星期二判断第判断第2个结构方程的识别状态个结构方程的识别状态 所以，该

10、方程可以识别。所以，该方程可以识别。因为因为所以，第所以，第2个结构方程为过度识别的结构方程。个结构方程为过度识别的结构方程。第12页，共18页，编辑于2022年，星期二第第3个方程是平衡方程，不存在识别问题。个方程是平衡方程，不存在识别问题。综合以上结果，该联立方程模型是可以识别的。综合以上结果，该联立方程模型是可以识别的。与从定义出发识别的结论一致。与从定义出发识别的结论一致。第13页，共18页，编辑于2022年，星期二模型识别的一般程序模型识别的一般程序 第一步，首先考虑阶条件。阶条件不成立，则方第一步，首先考虑阶条件。阶条件不成立，则方程不可识别。程不可识别。第二步，如果阶条件成立，再

11、考虑秩条件是否成立。第二步，如果阶条件成立，再考虑秩条件是否成立。如果秩条件不成立，则该方程仍不可识别。如果秩条件不成立，则该方程仍不可识别。第三步，秩条件成立时，再根据阶条件来判断是过度第三步，秩条件成立时，再根据阶条件来判断是过度识别，还是恰好识别。识别，还是恰好识别。注：（注：（1）只有统计形式上有待估参数的随机方程，）只有统计形式上有待估参数的随机方程，才有识别问题，而非随机方程不存在识别问题。（才有识别问题，而非随机方程不存在识别问题。（2）只有联立方程模型中所有随机方程全部可识别）只有联立方程模型中所有随机方程全部可识别时，模型才是可识别的。时，模型才是可识别的。第14页，共18页

12、，编辑于2022年，星期二四、实际应用中的经验方法四、实际应用中的经验方法第15页，共18页，编辑于2022年，星期二当一个联立方程计量经济学模型系统中的方程数目当一个联立方程计量经济学模型系统中的方程数目比较多时，无论是从识别的概念出发，还是利用规比较多时，无论是从识别的概念出发，还是利用规范的结构式或简化式识别条件，对模型进行识别，范的结构式或简化式识别条件，对模型进行识别，困难都是很大的，或者说是不可能的。困难都是很大的，或者说是不可能的。理论上很严格的方法在实际中往往是无法应用的，理论上很严格的方法在实际中往往是无法应用的，在实际中应用的往往是一些经验方法。在实际中应用的往往是一些经验

13、方法。关于联立方程计量经济学模型的识别问题，实际关于联立方程计量经济学模型的识别问题，实际上不是等到理论模型已经建立了之后再进行识别，上不是等到理论模型已经建立了之后再进行识别，而是在建立模型的过程中设法保证模型的可识别而是在建立模型的过程中设法保证模型的可识别性。性。第16页，共18页，编辑于2022年，星期二“在建立某个结构方程时，要使该方程包含前面每一个方在建立某个结构方程时，要使该方程包含前面每一个方程中都不包含的至少程中都不包含的至少1个变量（内生或先决变量）；同个变量（内生或先决变量）；同时使前面每一个方程中都包含至少时使前面每一个方程中都包含至少1个该方程所未包含个该方程所未包含

14、的变量，并且互不相同。的变量，并且互不相同。”该原则的该原则的前一句话是保证该方程的引入不破坏前面已有方程的前一句话是保证该方程的引入不破坏前面已有方程的可识别性。可识别性。只要新引入方程包含前面每一个方程中都不包含的至只要新引入方程包含前面每一个方程中都不包含的至少少1个变量，那么它与前面方程的任意线性组合都不能构成与前个变量，那么它与前面方程的任意线性组合都不能构成与前面方程相同的统计形式，原来可以识别的方程仍然是可以识别的。面方程相同的统计形式，原来可以识别的方程仍然是可以识别的。该原则的该原则的后一句话是保证该新引入方程本身是可以识别的。后一句话是保证该新引入方程本身是可以识别的。只要只要前面每个方程都包含至少前面每个方程都包含至少1个该方程所未包含的变量，并且互不个该方程所未包含的变量，并且互不相同。那么所有方程的任意线性组合都不能构成与该方程相同的统相同。那么所有方程的任意线性组合都不能构成与该方程相同的统计形式。计形式。第17页，共18页，编辑于2022年，星期二在实际建模时，将每个方程所包含的变量记录在实际建模时，将每个方程所包含的变量记录在如下表所示的表式中，将是有帮助的。在如下表所示的表式中，将是有帮助的。第18页，共18页，编辑于2022年，星期二