9联立方程模型.ppt

《9联立方程模型.ppt》由会员分享，可在线阅读，更多相关《9联立方程模型.ppt（37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 联立方程模型联立方程模型的概念与分类联立方程模型的识别联立方程模型的估计案例分析9.1 联立方程模型的概念联立方程模型的概念联立方程模型中变量的分类联立方程模型中方程的分类 有有时时由于两个由于两个变变量之量之间间存在双向因果关系，用存在双向因果关系，用单单一方程一方程模型就不能完整的描述模型就不能完整的描述这这两个两个变变量之量之间间的关系。有的关系。有时为时为全面全面描述一描述一项经济项经济活活动动只用只用单单一方程模型是不一方程模型是不够够的。的。这时应该这时应该用用多个方程的多个方程的组组合来描述整个合来描述整个经济经济活活动动，从而引出，从而引出联联立方程模立方程模型的概念。

2、型的概念。价格影响均衡供价格影响均衡供给给量或需求量，但供量或需求量，但供给给量和需求量反量和需求量反过过来又影响价格，供来又影响价格，供给给和需求方程和需求方程应该联应该联立分析；立分析；经经典的典的凯凯恩恩斯模型包含消斯模型包含消费费函数、投函数、投资资函数、函数、货币货币需求函数和国民收入需求函数和国民收入恒等式，恒等式，这这些方程也些方程也应该联应该联立分析。立分析。一、联立方程的概念一、联立方程的概念凯恩斯模型：凯恩斯模型：供给需求模型：供给需求模型：Dt=0+1 Pt+2 It+u1t (需求函数)St=0+1 Pt+2 Wt+u2t (供给函数)St=Dt (均衡条件)二、联立方

3、程模型中变量的分类二、联立方程模型中变量的分类 内生变量内生变量（Endogenous Variables）对联立方程模型系统而言，不能用被解释变量与解释变量来划分变对联立方程模型系统而言，不能用被解释变量与解释变量来划分变量，一个方程的被解释变量可能就是其他方程的解释变量。可以将量，一个方程的被解释变量可能就是其他方程的解释变量。可以将变量分为变量分为内生变量和外生变量内生变量和外生变量两大类。两大类。内生变量是由模型系统决定的，同时也对模型系统产生影响。内生变量是由模型系统决定的，同时也对模型系统产生影响。内生变量一般都是经济变量。内生变量一般都是经济变量。在联立方程模型中，在联立方程模型

4、中，内生变量既作为被解释变量，又可以在不同的内生变量既作为被解释变量，又可以在不同的方程中作为解释变量。方程中作为解释变量。外生变量外生变量(Exogenous Variables)外生变量影响系统，但本身不受系统的影响。外生变量影响系统，但本身不受系统的影响。外生变量一般是经济变量、条件变量、政策变量、虚变量。外生变量一般是经济变量、条件变量、政策变量、虚变量。外生变量与随机项不相关，外生变量与随机项不相关，即即E(Xtut)=0。前定变量（前定变量（Predetermined Variables）外生变量与滞后内生变量统称为前定变量。外生变量与滞后内生变量统称为前定变量。前定变量只能作为解

5、释变量。前定变量只能作为解释变量。凯恩斯模型：凯恩斯模型：供给需求模型：供给需求模型：Dt=0+1 Pt+2 It+u1t (需求函数)St=0+1 Pt+2 Wt+u2t (供给函数)St=Dt (均衡条件)内生变量：Ct It Yt 内生变量：St Dt Pt 外生变量：Gt前定变量：Gt Yt-1 外生变量：It Wt 前定变量：It Wt 内内生生变变量量与与外外生生变变量量的的划划分分是是根根据据方方程程所所蕴蕴含含的的经经济济含含义义，而而不不是是模模型型的的数数学学形形式式。内内生生变变量量和和外外生生变变量量的的划划分分也也不不是是绝绝对对的的，随随着着新新方方程程的的加加入入

6、，外外生生变变量量可可以以转转化化为为内内生生变变量量；随随着方程的减少，内生变量也可以转化为外生变量。着方程的减少，内生变量也可以转化为外生变量。假设政府通过上一期的产出、当期的消费水平和政府的财政收入（F）来制定当期的政府购买政策Gt：内生变量：Ct It Yt Gt 外生变量：Ft前定变量：Ft Yt-1 三、联立方程模型中模型的分类三、联立方程模型中模型的分类（一）结构式模型（一）结构式模型（Structural ModelStructural Model）根据经济理论和行为规律建立的描述经济变量之间直接结构关系的计量根据经济理论和行为规律建立的描述经济变量之间直接结构关系的计量经济学

7、方程系统称为结构式模型。经济学方程系统称为结构式模型。结构式模型中的每一个方程都是结构式模型中的每一个方程都是结构方程结构方程（Structural Equations Structural Equations）。各个结构方程的参数被称为各个结构方程的参数被称为结构参数结构参数（Structural Parameters or Structural Parameters or Coefficients Coefficients）。将一个内生变量表示为其它内生变量、前定变量和随机误差项的函数形将一个内生变量表示为其它内生变量、前定变量和随机误差项的函数形式，被称为结构方程的正规形式。式，被称为结

8、构方程的正规形式。1 1、结构方程的定义、结构方程的定义 2 2、结构方程的方程类型、结构方程的方程类型 随机方程随机方程恒等方程恒等方程行为方程行为方程（描述经济系统中变量的行为关系，主要是因果关系描述经济系统中变量的行为关系，主要是因果关系）技术方程技术方程（描述的由技术决定的变量之间的关系）（描述的由技术决定的变量之间的关系）制度方程制度方程（描述的由制度因素决定的变量之间的关系）（描述的由制度因素决定的变量之间的关系）统计方程统计方程（描述由数据之间的相关性决定的解释变量建立的方程）（描述由数据之间的相关性决定的解释变量建立的方程）定义方程定义方程平衡方程平衡方程经验方程经验方程3 3

9、、完备的结构式模型、完备的结构式模型具有具有g g个内生变量、个内生变量、k k个前定变量、个前定变量、g g个结构方程的模型被称为完备的个结构方程的模型被称为完备的结构式模型。结构式模型。在完备的结构式模型中，独立的结构方程的数目等于内生变量的数目，在完备的结构式模型中，独立的结构方程的数目等于内生变量的数目，每个内生变量都分别由一个方程来描述。每个内生变量都分别由一个方程来描述。4 4、完备的结构式模型的矩阵表示、完备的结构式模型的矩阵表示 习惯上用习惯上用Y Y表示内生变量，表示内生变量，X X表示前表示前定变量，定变量，表示随机项，表示随机项，表示内生变表示内生变量的结构参数，量的结构

10、参数，表示前定变量的结构表示前定变量的结构参数，如果模型中有常数项，可以看参数，如果模型中有常数项，可以看成为一个外生的虚变量，它的观测值成为一个外生的虚变量，它的观测值始终取始终取1 1。即即其中：其中：5 5、简单宏观经济模型的矩阵表示、简单宏观经济模型的矩阵表示1、简化式定义、简化式定义用所有前定变量作为每个内生变量的解释变量，所形成的模型称为简化用所有前定变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。式模型。简化式模型并不反映经济系统中变量之间的直接关系，并不是经济系统简化式模型并不反映经济系统中变量之间的直接关系，并不是经济系统的客观描述。的客观描述。由于简化式模型中作

11、为解释变量的变量中没有内生变量，可以采用普通由于简化式模型中作为解释变量的变量中没有内生变量，可以采用普通最小二乘法估计每个方程的参数，所以它在联立方程模型研究中具有重最小二乘法估计每个方程的参数，所以它在联立方程模型研究中具有重要的作用。要的作用。简化式模型中每个方程称为简化式方程简化式模型中每个方程称为简化式方程(Reduced-Form Equations)(Reduced-Form Equations)，方程的参数称为简化式参数方程的参数称为简化式参数(Reduced-Form Coefficients)(Reduced-Form Coefficients)。（二）简化式模型（二）简化

12、式模型（Structural ModelStructural Model）2 2、简化式模型的矩阵形式、简化式模型的矩阵形式 3 3、简单宏观经济模型的简化式模型、简单宏观经济模型的简化式模型=+（三）结构式与简化式模型参数间的关系（三）结构式与简化式模型参数间的关系该式描述了简化式参数与结构式参数之间的关系，称为参数关系体系。该式描述了简化式参数与结构式参数之间的关系，称为参数关系体系。利用参数关系体系，首先估计简化式参数，然后可以计算得到结构式参数。利用参数关系体系，首先估计简化式参数，然后可以计算得到结构式参数。从参数关系体系还可以看出，从参数关系体系还可以看出，简化式参数反映了前定变量

13、对内生变量的直接简化式参数反映了前定变量对内生变量的直接与间接影响之和与间接影响之和，这是简化式模型的另一个重要作用。，这是简化式模型的另一个重要作用。21反映反映Yt-1对对It的的直接与间接影响之和；直接与间接影响之和；而其中的而其中的2正是结构方程中正是结构方程中Yt-1对对It的的结构参数，显然，它只反映结构参数，显然，它只反映Yt-1对对It的的直接影响直接影响。在这里，在这里，2是是Yt-1对对It的部分乘数，的部分乘数，21反映反映Yt-1对对It的完全乘数。的完全乘数。注意：简化式参数与结构式参数之间的区别与联系。注意：简化式参数与结构式参数之间的区别与联系。例如，在上述模型中

14、存在如下关系：例如，在上述模型中存在如下关系：（四）递归模型（四）递归模型 在结构方程体系中每个内生变量只是前定变量和比其序号低的内生变量在结构方程体系中每个内生变量只是前定变量和比其序号低的内生变量的函数。的函数。Y1=11 X1+1 k X k+u1 Y2=21 X1+2 k X k+21 Y1+u2 Y3=31 X1+3 k X k+31 Y1+32 Y2+u3 .Ym=m1 X1+m k X k+m1 Y1+m2Y1+m m-1 Y m-1+um 其中其中Yi和和X j分别表示内生变量和外生变量。其随机误差项应满足：分别表示内生变量和外生变量。其随机误差项应满足：E(u1 u2)=E(

15、u1 u3)=E(u2 u3)=E(um-1 um)=09.2 联立方程模型的识别联立方程模型识别的概念联立方程模型识别的概念结构式识别的条件结构式识别的条件阶条件阶条件秩条件秩条件实际应用中的经验方法实际应用中的经验方法一、联立方程模型识别的概念一、联立方程模型识别的概念 对有内生变量作为解释变量的结构方程，其参数估计值不一定能利用简化参对有内生变量作为解释变量的结构方程，其参数估计值不一定能利用简化参数的最小二乘估计值和参数关系式体系得到，即使能够得到结构参数估计值，也不数的最小二乘估计值和参数关系式体系得到，即使能够得到结构参数估计值，也不一定是唯一的。也就是说，利用简化参数估计值和参数

16、关系式解结构参数估计值存一定是唯一的。也就是说，利用简化参数估计值和参数关系式解结构参数估计值存在三种情况：在三种情况：唯一解、多个解和无解唯一解、多个解和无解。这要取决于结构模型和所分析的结构方程。这要取决于结构模型和所分析的结构方程。据此可将结构方程和结构模型分为三类。据此可将结构方程和结构模型分为三类。1、恰好识别、恰好识别 得到结构方程参数估计的唯一解，则称该结构方程为恰好识别。（可用OLS估计参数，估计量随有偏但具有一致性有偏但具有一致性。）2、过度识别、过度识别 得到结构方程参数估计的多个解，则称该结构方程为过度识别。（不可用OLS估计）3、不可识别、不可识别 如果通过简化模型参数

17、估计值和参数关系式不能得到结构方程参数估计值，则称该结构方程为不可识别。如果所有的随机方程都是可识别的，则该模型可识别，否则模型不可识别。如果所有的随机方程都是可识别的，则该模型可识别，否则模型不可识别。识别问题是完整的联立方程模型所特有的问题。识别问题是完整的联立方程模型所特有的问题。识别问题不是参数估计问题，但是估计的前提。识别问题不是参数估计问题，但是估计的前提。不不可识别的模型不可估计可识别的模型不可估计识别依赖于对联立方程模型中每个方程的识别。识别依赖于对联立方程模型中每个方程的识别。若若有一个方程是不可识别的，则整个联立方程模型是有一个方程是不可识别的，则整个联立方程模型是不可识别

18、的。不可识别的。可识别性分为恰好识别和过度识别。可识别性分为恰好识别和过度识别。只有行为方程才存在识别问题，对于定义方程或恒只有行为方程才存在识别问题，对于定义方程或恒 等式不存在识别问题。等式不存在识别问题。n 一个例子一个例子粮食的供给与需求粮食的供给与需求Dt=0+1 Pt+u1t (需求函数)St=0+1 Pt+u2t (供给函数)St=Dt=Qt (均衡条件)结构模型 Qt=0+v1t Pt=1+v2t简化模型 均衡市场上，均衡市场上，Dt=St=Qt（产产量），我量），我们们所能收集到的所能收集到的Dt、St 和和Pt 的的样样本数据是什么？本数据是什么？答案：是均衡价格和均衡产量

19、！答案：是均衡价格和均衡产量！可以估计供给函数和需求函数吗？可以估计供给函数和需求函数吗？可以估计简化模型吗？可以估计简化模型吗？问题：利用这些数据问题：利用这些数据PQDSPQ两个问题：两个问题：如果两个变量不相关，散点图是什么形状？如果两个变量不相关，散点图是什么形状？从散点图可以看出价格从散点图可以看出价格P和产出和产出Q的关系吗？的关系吗？Qt=0+v1t Pt=1+v2t简化模型简化模型结构方程（供给和需求方程）不可估计，但简化模型可以估计：结构方程（供给和需求方程）不可估计，但简化模型可以估计：n 简化模型参数和结构模型参数的关系：Qt=0+1 Pt+u1t (需求函数)Qt=0+

20、1 Pt+u2t (供给函数)结构模型 Qt=0+v1t Pt=1+v2t简化模型能够通过简化模型参数矩阵能够通过简化模型参数矩阵 求解结构模型参数矩阵求解结构模型参数矩阵 和和B吗？吗？不能！不能！这个结构模型是不可识别的！这个结构模型是不可识别的！n 某个某个结结构方程的可构方程的可识别识别性取决于它是否性取决于它是否排除了排除了联联立模型中立模型中 其他方程所包含的一个或几个其他方程所包含的一个或几个变变量量识别悖论识别悖论PQPQ供给曲线需求曲线，收入水平不同需求曲线供给曲线，天气情况不同Dt=0+1Pt+2 It+u1 (需求函数)St=0+1Pt+2Wt+u2 (供给函数)St=D

21、t (平衡条件)结构模型Qt=10+11It+12Wt+v1t简化模型Pt=20+21It+22Wt+v2tQt=0+1Pt+2 It+u1 (需求函数)Qt=0+1Pt+2Wt+u2 (供给函数)结构模型Qt=10+11It+12Wt+v1t简化模型Pt=20+21It+22Wt+v2t能够通过简化模型参数矩阵能够通过简化模型参数矩阵 求解结构模型参数矩阵求解结构模型参数矩阵 和和B吗？吗？6个方程，个方程，6个未知数，一般情况下可以得到唯一解！个未知数，一般情况下可以得到唯一解！这个结构模型是恰好识别的！这个结构模型是恰好识别的！如果如果I和和W同时出现在供给和需求方程中，结构模型还可以识

22、别吗？同时出现在供给和需求方程中，结构模型还可以识别吗？Qt=0+1Pt+2 It+3Jt+u1 (需求函数)Qt=0+1Pt+2Wt+3Xt+u2 (供给函数)结构模型Qt=10+11It+12Wt+13Jt+14Xt+v1t简化模型Pt=20+21It+22Wt+23Jt+24Xt+v2tn 我们发现，只影响供给的变量除了天气情况（W）外，还有耕地 面积(X)；只影响需求的变量除了收入水平(I)外，还有偏好情况(J)方程的解不唯一！方程的解不唯一！这个结构模型是过度识别的！这个结构模型是过度识别的！二、联立方程模型识别的条件二、联立方程模型识别的条件（一）阶条件（必要非充分条件）（一）阶条

23、件（必要非充分条件）order condition 设：K内生变量与前定变量的个数 Mi第i个结构方程中内生变量与前定变量的个数 G结构方程中内生变量的个数（结构方程的个数）阶条件是必要条件但不充分，即不满足阶条件是不可识别的，但满足了阶条件也不一定是可识别的。（1）当K-MiG-1时，阶条件成立，如果此时第i个结构方程可识别，则为恰好识别；（2）当K-MiG-1时，阶条件成立，如果此时第i个结构方程可识别，则为过度识别；（3）当K-Mi 方程个数方程个数 1 1）成立，则）成立，则为过度识别。为过度识别。（二）秩条件（充分必要条件）（二）秩条件（充分必要条件）rank condition待识

24、别方程的被斥变量系数矩阵的秩待识别方程的被斥变量系数矩阵的秩=联立方程模型中方程个数联立方程模型中方程个数 1例：某结构模型为 Y1=12 Y2+11 X1+12X2+u1 （恰好识别）Y2=2 3 Y3+2 3 X 3+u2 （过度识别）Y3=31 Y1+32 Y2+3 3 X 3+u 3 （不可识别）试考查第二个方程的可识性。解：解：由于结构模型有由于结构模型有3 3个方程，个方程，3 3个内生变量，所以是完整的联立方程模型。对个内生变量，所以是完整的联立方程模型。对于第于第2 2个方程，被斥变量有个方程，被斥变量有3 3个个Y Y1 1,X X1 1,X X2 2，（方程个数，（方程个数

25、 1 1）=2=2。所以。所以满足阶条件（满足阶条件（3232）。）。结构模型的系数矩阵是，从系数阵中划掉第从系数阵中划掉第2 2个方程的变量个方程的变量Y Y2 2,Y Y3 3,X X3 3的系数所在的相应行和的系数所在的相应行和列，得第列，得第2 2个方程被斥变量的系数阵如下，个方程被斥变量的系数阵如下，因为被斥变量系数阵的秩被斥变量系数阵的秩 =2=2，已知，已知 (方程个数方程个数)-1=2,)-1=2,所以第所以第2 2个方程是可个方程是可识别的。接着用阶条件判断第识别的。接着用阶条件判断第2 2个方程的恰好识别性或过度识别性。因为个方程的恰好识别性或过度识别性。因为被斥变量个数是

26、被斥变量个数是3 23 2，所以，所以第第2 2个方程是过度识别个方程是过度识别的。的。0,0,同理可以判别出同理可以判别出：第：第1 1个方程是恰好识别个方程是恰好识别的，第3个方程是不可识别的。（三）实际应用中的经验方法（三）实际应用中的经验方法 实际中的计量经济学联立方程模型通常包含几百个或上千个方程，对此进行识别是不可能的，这就是实际与理论的脱节，理论上严格的方法在实际中往往是无法应用的，在实际中应用的通常是一些经验方法。在实际中，我们并不是等到理论模型已经建成之后再像上面所介绍的那样进行在实际中，我们并不是等到理论模型已经建成之后再像上面所介绍的那样进行识别，而是再建立模型的过程中设

27、法保证模型的可识别性。那么再建模时应遵循如识别，而是再建立模型的过程中设法保证模型的可识别性。那么再建模时应遵循如下原则：下原则：在建立某个结构方程时，要是该方程包含前面每一个方程中都不包含在建立某个结构方程时，要是该方程包含前面每一个方程中都不包含的至少的至少1 1个变量（内生或前定变量）；同时使前面每一个方程都包含至少个变量（内生或前定变量）；同时使前面每一个方程都包含至少1 1个该方程所未包含的变量，并且互不相同。个该方程所未包含的变量，并且互不相同。前一句话是保证该新方程的引入不破坏前面已有方程的可识别性。只要新引入前一句话是保证该新方程的引入不破坏前面已有方程的可识别性。只要新引入方

28、程包含前面方程未包含的变量，那么它与前面方程的任意线性组合都不能构成与方程包含前面方程未包含的变量，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，那么原来的方程仍是可识别的；同理，后一句话保证了前面方程相同的统计形式，那么原来的方程仍是可识别的；同理，后一句话保证了该新引入方程本身是可以识别的。该新引入方程本身是可以识别的。每个方程都有自己的特征才可识别每个方程都有自己的特征才可识别。9.3 联立方程模型的估计联立方程模型中的问题联立方程模型中的问题间接最小二乘法（间接最小二乘法（Indirect Least Square）工具变量法工具变量法(Instrumental V

29、ariables)两段最小二乘法两段最小二乘法(Two stage Least Square)一、联立方程模型中的问题一、联立方程模型中的问题 2、损失变量信息问题、损失变量信息问题 在一个经济系统中，变量之间或多或少地存在某种关联。在估计联立方程模型系统中某一个随机方长参数时，必须考虑没有包含在该方程中的变量的数据信息。3、损失方程之间相关性信息问题、损失方程之间相关性信息问题 联立方程模型系统中每个随机方程之间往往存在着某种相关性，表现于不同方程随机误差项之间。尤其是以时间序列数据作为样本时，不同方程的随机误差项之间往往存在着同期相关性。1、随机解释变量问题、随机解释变量问题 结构模型中存

30、在随机解释变量，如果直接利用OLS估计，得到是待估参数的有偏估计量。因此：必须发展新的方法估计联立方程计量经济学模型，以尽可能因此：必须发展新的方法估计联立方程计量经济学模型，以尽可能避免出现这些问题。避免出现这些问题。二、联立方程模型的估计方法二、联立方程模型的估计方法 单方程估计方法按其原理又分为两类：单方程估计方法按其原理又分为两类：（1）以）以OLS为原理为原理：间接最小二乘估计、两阶段最小二乘估计、工具变量法等；（2）称为有限信息估计方法）称为有限信息估计方法，如极大似然为原来的有限信息极大似然估计，以及仍以最小二乘为原理单不以残差平方和最小为判断标准的最小方差比方法等。联立方程模型

31、的估计分为两大类：联立方程模型的估计分为两大类：单方程估计方法与系统估计方法单方程估计方法与系统估计方法。前者指每次只估计模型系统中的一个方程，依次逐个估计；后者指同时前者指每次只估计模型系统中的一个方程，依次逐个估计；后者指同时得到所有方程的参数估计量。得到所有方程的参数估计量。单方程估计方法主要解决的是联立方程模型系统中每一个方程中的随机解释变量问题，同时尽可能地利用单个方程中没有包含的、而在模型系统中包含的变量样本观测值的信息，没有考虑模型系统方程之间的相关性对单个方程参数估计量的影响。显然，从模型的估计性质来讲，系统估计方法必然优于单方程方法，单从方法的复杂性来讲，单方程法又优于系统估

32、计方法。在实际中，单方程法得到了广泛的应用。联立方程模型中包含内生解释变量，不能直接采用OLS法估计其参数。但对于简化式方程，可以采用OLS直接估计其参数。于是就提出了间接最小二乘估计。步骤如下步骤如下：1、间接最小二乘估计（、间接最小二乘估计（ILS）（1）对关于内生解释变量的简化式方程采用OLS估计，得到简化式参数。（2）通过参数体系关系，计算得到结构估计式参数的估计量。该方法使用范围：该方法使用范围：只使用于只使用于恰好识别的结构方程恰好识别的结构方程的参数估计。因为只有恰好识别的结构的参数估计。因为只有恰好识别的结构方程，才能从参数关系体系中得到唯一一组结构参数的估计量。方程，才能从参

33、数关系体系中得到唯一一组结构参数的估计量。该方法参数估计的统计性质：该方法参数估计的统计性质：通过参数关系体系计算得到的结构方程的结构参数在小样本下是有偏的，通过参数关系体系计算得到的结构方程的结构参数在小样本下是有偏的，在大样本下是一致的。在大样本下是一致的。工具变量法（工具变量法（Instrumental Variables）是一类估计方法的通称，可以）是一类估计方法的通称，可以有不同的选择工具变量的方法。这里仅指一种特定的工具变量而言。也称有不同的选择工具变量的方法。这里仅指一种特定的工具变量而言。也称“侠义的工具变量法侠义的工具变量法”。步骤如下：。步骤如下：2、工具变量法（、工具变量

34、法（IV）（1）工具变量的选取：选择该方程中没有包含的预定变量作为方程中包含的作为解释变量的内生变量的工具变量。（2）用工具变量代替方程中的内生解释变量，然后应用OLS估计参数。该方法使用范围：该方法使用范围：即适用于即适用于恰好识别又适用于过度识别的结构方程恰好识别又适用于过度识别的结构方程的参数估计。的参数估计。该方法参数估计的统计性质：该方法参数估计的统计性质：通过工具变量法得到的结构方程的结构参数在小样本下是有偏的，在大通过工具变量法得到的结构方程的结构参数在小样本下是有偏的，在大样本下是一致的。样本下是一致的。2SLS2SLS法即连续两次使用法即连续两次使用OLSOLS法。使用法。使

35、用2SLS2SLS法的前提是结构模型中的随法的前提是结构模型中的随机项和简化型模型中的随机项必须满足通常的假定条件，前定变量之间不存机项和简化型模型中的随机项必须满足通常的假定条件，前定变量之间不存在多重共线性。步骤如下：在多重共线性。步骤如下：3、二阶段最小二乘估计（、二阶段最小二乘估计（2SLS）（1）第一阶段，对简化式方程采用OLS估计。（2）第二阶段，用（1）得到的内生变量的估计值来代替结构方程中的 内生解释变量，再次使用OLS法。该方法使用范围：该方法使用范围：即适用与恰好识别模型的估计，也适用于过度识别模型的估计即适用与恰好识别模型的估计，也适用于过度识别模型的估计该方法参数估计的统计性质：该方法参数估计的统计性质：2SLS法实际上是法实际上是IV与与ILS法的结合，其统计性质其他两种方法一样，即法的结合，其统计性质其他两种方法一样，即得到的结构方程的结构参数在小样本下式有偏的，在大样本下是一致的。得到的结构方程的结构参数在小样本下式有偏的，在大样本下是一致的。