隨機(jī)解釋變量問題

《隨機(jī)解釋變量問題》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、計(jì)量經(jīng)濟(jì)學(xué)—理論·方法·EViews應(yīng)用郭存芝杜延軍李春吉編著電子教案第四章隨機(jī)解釋變量問題◆學(xué)習(xí)目的了解隨機(jī)解釋變量問題的概念、產(chǎn)生的原因及造成的后果、克服的方法?！艋疽?)認(rèn)識(shí)到隨機(jī)解釋變量問題是計(jì)量經(jīng)濟(jì)學(xué)建模經(jīng)常會(huì)遇到的問題;2)了解隨機(jī)解釋變量問題的概念、產(chǎn)生的原因及造成的后果;3)掌握存在隨機(jī)解釋變量問題時(shí)的計(jì)量經(jīng)濟(jì)學(xué)建模方法及應(yīng)用?！綦S機(jī)解釋變量問題及其產(chǎn)生原因◆隨機(jī)解釋變量的影響◆隨機(jī)解釋變量問題的修正第四章隨機(jī)解釋變量問題◆案例分析第一節(jié)隨機(jī)解釋變量問題及其產(chǎn)生原因—、隨機(jī)解釋變量問題在很多

2、情況下，我們不能假定解釋變量全部是確定性變量，而實(shí)際上它們有的是隨機(jī)變量，我們把違背這一基本假設(shè)的問題稱為隨機(jī)解釋變量問題。對于模型（4-1）其基本假設(shè)之一是解釋變量X1，X2，…，Xk都是確定性變量。如果存在一個(gè)或多個(gè)解釋變量為隨機(jī)變量，則稱原模型存在隨機(jī)解釋變量問題。例:為討論方便，假設(shè)(4-1)式中X1為隨機(jī)解釋變量。對于隨機(jī)解釋變量X1，由于它和隨機(jī)擾動(dòng)項(xiàng)μi的關(guān)系不同，會(huì)使模型參數(shù)估計(jì)量的特性發(fā)生不同變化，所以又可分三種不同情況：析:1．隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)獨(dú)立2．隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)同期無關(guān)

3、,但異期相關(guān)3．隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)同期相關(guān)(4-3)(4-4)即(4-5)即即(4-2)二、隨機(jī)解釋變量問題產(chǎn)生的原因隨機(jī)解釋變量問題主要表現(xiàn)但是，并不是所有包含滯后被解釋變量的模型都帶來“隨機(jī)解釋變量問題”——用滯后被解釋變量作為模型的解釋變量的情況。耐用品存量調(diào)整模型。著名的“耐用品存量調(diào)整模型”可表示為(4-6)例4-1:該模型表示，耐用品的存量由前一個(gè)時(shí)期的存量和當(dāng)期收入共同決定。這是一個(gè)滯后被解釋變量作為解釋變量的模型。但是，如果模型不只與相關(guān)，與不相關(guān)，屬于隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)同期無關(guān)，但

4、異期相關(guān)的情況。存在隨機(jī)干擾項(xiàng)的序列相關(guān)性，那么隨機(jī)解釋變量例4-2:合理預(yù)期的消費(fèi)函數(shù)模型。合理預(yù)期理論認(rèn)為消費(fèi)是由對收入的預(yù)期所決定的：(4-7)在預(yù)期收入與實(shí)際收入之間存在假設(shè)：(4-8)的情況下，容易推出合理預(yù)期消費(fèi)函數(shù)模型：（4-9）在該模型中，作為解釋變量的不僅是一個(gè)隨機(jī)解釋變量，而且與模型的高度相關(guān)(因?yàn)榕c高度相關(guān))，屬于隨機(jī)解釋變量隨機(jī)干擾項(xiàng)與隨機(jī)干擾項(xiàng)同期相關(guān)的情況。第二節(jié)隨機(jī)解釋變量的影響計(jì)量經(jīng)濟(jì)學(xué)模型一旦出現(xiàn)隨機(jī)解釋變量，且與隨機(jī)干擾項(xiàng)相關(guān)的話，如果仍采用普通最小二乘法估計(jì)模型參數(shù)，則不同

5、性質(zhì)的隨機(jī)解釋變量問題會(huì)產(chǎn)生不同的后果。以一元線性回歸模型為例進(jìn)行說明。圖4-1從圖形(圖4-1)上看，如果隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)正相關(guān)，則在抽取樣本時(shí)，容易出現(xiàn)X值較小的點(diǎn)在總體回歸線下方，而X值較大的點(diǎn)在總體回歸線上方的情況，因此，擬合的樣本回歸線則可能低估(underestimate)了截距項(xiàng)，而高估(overestimate)斜率項(xiàng)。反之，如果隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)負(fù)相關(guān)，則往往導(dǎo)致擬合的樣本回歸線高估截距項(xiàng)，而低估斜率項(xiàng)。對一元線性回歸模型(4-10)在第二章曾得到如下最小二乘估計(jì)量：(4-11)

6、隨機(jī)解釋變量X與隨機(jī)干擾項(xiàng)的關(guān)系不同，參數(shù)OLS估計(jì)量的統(tǒng)計(jì)性質(zhì)也會(huì)不同。分三種不同情況：1．如果X與相互獨(dú)立，得到的參數(shù)OLS估計(jì)量仍然是無偏一致估計(jì)量。(4-12)而,所以(4-13)同理，（4-14）所以參數(shù)OLS估計(jì)量,仍然是無偏一致估計(jì)量分三種不同情況：（4-15）2．如果X與同期不相關(guān)而異期相關(guān)，得到的參數(shù)OLS估計(jì)量有偏，但卻盡管與同期無關(guān)，但對任一，的與相關(guān)，因此，于是即參數(shù)OLS估計(jì)量是有偏的。但是由（4-14）可看出是的一致估計(jì)。是一致的。由(4-12)式易知，分母中一定包含不同期的X,由異

7、期相關(guān)性知3．如果與同期相關(guān)，得到的參數(shù)估計(jì)量有偏且非一致。這時(shí)Cov(Xt,μt)=E(xtμt)≠0,由（4-12）、（4-14）容易看出參數(shù)OLS估計(jì)量有偏且非一致。第三節(jié)隨機(jī)解釋變量問題的修正工具變量的選取工具變量的應(yīng)用工具變量法估計(jì)量的性質(zhì)模型中出現(xiàn)隨機(jī)解釋變量并且與隨機(jī)干擾項(xiàng)相關(guān)時(shí)，普通最小二乘估計(jì)量是有偏的。如果隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)異期相關(guān)，則可以通過增大樣本容量的辦法來得到一致的估計(jì)量；但如果是同期相關(guān)，即使增大樣本容量也無濟(jì)于事。這時(shí)，最常用的方法是工具變量(instrumentvaria

8、bles)法。一、工具變量的選取——在模型估計(jì)過程中被作為工具使用的變量，用以替代與隨機(jī)干擾項(xiàng)相關(guān)的隨機(jī)解釋變量。被選擇為工具變量的變量必須滿足以下條件：1.工具變量Z與所替代的隨機(jī)解釋變量X高度相關(guān)，即（4-16）2.工具變量Z與隨機(jī)干擾項(xiàng)不相關(guān)，即（4-17）3.工具變量Z與模型中其他解釋變量不相關(guān)，以避免出現(xiàn)多重共線性。工具變量二、工具變量的應(yīng)用（以一元回歸模型為例說明）記一元線