книги / Эконометрика. Начальный курс
.pdf9.2. Системы одновременных уравнений |
231 |
Q
Р
Рве. 9.2
Пример 5. Предложение также зависит от дохода:
qt = |
a 2Pt + а 3Vt + |
(предложение), |
qt = |
P iP t + fo r n + Щ |
(спрос). |
В этом случае разброс наблюдений объясняется не только на личием случайных ошибок, но и одновременным сдвигом обеих кривых (см. рис. 9.3).
р к
Р
Рис. 9.3
ТЬк же, как и в первом примере, ни одна из кривых не может быть идентифицирована.
Системы одновременных уравнений в матричной форме. Проблема идентифицируемости
Предположим теперь, что имеется следующая система уравнений, называемая структурной формой модели (с этим понятием мы
232 |
Гл. 9. Системы регрессионных уравнений |
|||
встречались ранее в п. 9.2, пример 1): |
|
|
|
|
011Pit +012У21 +• ■-+01тУтг +711*1* +• • •+7i***t |
=£и |
|
||
02Wlt |
+022У21 + ’-- + 02тУтг + 721*lt |
+ • • ■+ 72Jfc*Jfct |
= £21 |
jgj |
0т\У\1 |
+0т2У21+ - ■ + 0ттУт1+7ml*lt |
+ • • + 7mfc*fct= £mt |
|
Переменные y i,... ,уто, определяемые внутри системы, назы ваются эндогенными, в переменные хь...,х& могут быть вклю чены как внешние по отношению к системе (экзогенные) пере менные, так и лагированные значения эндогенных переменных, которые называются предопределенными переменными.
Индекс t, как и раньше, означает номер наблюдения, t = 1 ,... ,n, a £it,. . . , £пц — случайные ошибки. Будем считать, что в каждом уравнении один из коэффициентов 0 при какой-либо эндогенной переменной равен 1 — это естественное условие нор мировки. Оно позволяет представить каждое уравнение в привыч ном виде, когда в левой части стоит одна эндогенная переменная, а в правой части — остальные переменные с неизвестными коэф фициентами плюс случайная ошибка. Обозначим
|
|
|
Уи |
|
*it’ |
'£и |
|
|
|
|
Vt = |
У21 |
, ®t = |
*2* |
£2t |
|
|
|
|
|
|
i £t — |
|
|
|
|
|||
|
|
J/mt. |
|
ХИ |
£mt. |
|
|
|
|
|
\0 n |
012 |
• |
01m |
7lI |
712 |
• |
• |
7lfc |
В = |
021 |
022 |
■ |
02m |
721 |
722 |
• |
• |
72* |
|
|
|
|
, Г = |
|
|
|
|
|
|
0ml |
0m2 |
• |
0mm_ |
_7ml |
7m2 |
• |
• |
7m*_ |
Тогда систему (9.16) можно переписать в следующем виде:
B yt + Гж£ = et. |
(9.17) |
Подчеркнем, что деление переменных на экзогенные и эндо генные должно быть проведено вне модели. Одно из основных
9.2. Системы одновременных уравнений |
233 |
требований к экзогенным переменным — некоррелированность векторов x t и et в каждом наблюдении t. Будем предполагать, что
1)Е(**) = 0;
2)E(ete't) = Е, причем матрица Е не зависит от t и положи тельно определена;
3)при t Ф s векторы е* и еа некоррелированы;
4)матрица В невырождена.
Используя условие 4), умножим обе части равенства (9.17) сле ва на В -1:
y t = —B -1r * t + В -1е£ = Пж( + v u |
(9.18) |
где П = —В -1Г, ut — B _1et. Система (9.18) называется приведен ной формой модели (ср. п. 9.2, пример 1). Элементы матриц В и Г в (9.17) иногда для краткости называют структурными коэф фициентами, а элементы матрицы П в (9.18) — коэффициентами приведенной формы.
Нетрудно понять, что в общем случае эндогенные переменные и ошибки в структурной системе коррелированы (пример 1 дан ной главы), поэтому, как уже неоднократно отмечалось, приме нение к какому-либо из уравнений метода наименьших квадратов даст смещенные и несостоятельные оценки структурных коэффи циентов. В то же время коэффициенты приведенной формы могут быть состоятельно оценены, поскольку переменные х £ некоррели рованы со структурными ошибками et и, следовательно, с ошиб ками приведенной формы модели */£.
Мы не будем давать формального определения идентифи цируемости структурной модели, а для более подробного озна комления с этой проблемой можем рекомендовать, например (Greene, 1997, глава 16). Говоря же нестрого, тот или иной структурный коэффициент идентифицируем, если он может быть вычислен на основе коэффициентов приведенной фор мы. Соответственно какое-либо уравнение в структурной фор ме модели будет называться идентифицируемым, если иденти фицируемы все его коэффициенты. Подчеркнем еще раз, что
234 Гл. 9. Системы регрессионных уравнений
проблема идентифицируемости логически предшествует задаче оценивания, отсутствие идентифицируемости означает, что су ществует бесконечно много моделей, совместимых с имеющи мися наблюдениями, и это никак не связано с количеством наблюдений.
Приведенная форма (9.18) позволяет состоятельно оценить тпк элементов матрицы П и тп(тп + 1)/2 элементов матри цы ковариаций вектора ошибок и. В то же время в струк турной форме неизвестными являются тп2 —тп элементов мат рицы В (условие нормировки), шк элементов матрицы Г и m(m + 1)/2 элементов матрицы ковариаций вектора ошибок е. Таким образом, превышение числа структурных коэффициен тов над числом коэффициентов приведенной формы есть тп2 — тп и, следовательно, в общем случае система неидентифицируема. Однако, как было показано ранее (пример 1 данной главы), некоторые структурные коэффициенты или структур ные уравнения могут быть идентифицированы. Основная при чина этого — наличие априорных ограничений на структурные коэффициенты.
Мы будем изучать лишь задачу идентифицируемости отдель ного уравнения в том случае, когда ограничения имеют наибо лее простой вид, а именно, часть структурных коэффициентов равна 0. Более полное изложение проблем, связанных с иденти фицируемостью модели, содержится, например, в (Greene, 1997, глава 16).
Для определенности рассмотрим задачу идентифицируе мости первого уравнения системы (9.16) при условии, что какие-то структурные коэффициенты равны 0, т. е. из урав нения исключены некоторые переменные, и идентифицируе мость будем понимать как возможность вычисления структур ных коэффициентов уравнения по коэффициентам приведенной формы.
Для удобства изложения далее мы объединим в одну группу экзогенные и предопределенные переменные и будем называть их просто экзогенными переменными.
9.2. Системы одновременных уравнений |
235 |
Без ограничения общности можно считать, что первые q ко эффициентов при эндогенных переменных и первые р коэффици ентов при экзогенных переменных не равны 0, а остальные коэф фициенты — нулевые. Тогда первое уравнение в (9.16) (опуская индекс t) можно переписать следующим образом:
У1 |
XI |
[А ь-> /?1*»о,...,о] Уч + [Til»• •• *7ip» 0 ,..., 0) |
х р = |
Утт |
х* |
Обозначим |
(9.19) |
|
У* =
V |
|
Уч+1 |
|
**и |
* |
|
|
|
Уяш |
|
. Ут |
/3* = |
[/?11, • • • 1Plq]\ |
|
■®г |
Хр+1 |
® х |
— |
* * х х — |
|
Хр |
. Х к . |
7 х |
= (7 п >• • • j 71р] • |
(9.20)
Тогда уравнение (9.19) записывается кратко так:
/^1/*+7х® х = £ i-
Всоответствии с разбиением (9.20) представим т х к матрицу
Пв (9.18) в блочном ввде
П = |
П * ,х |
П*,ХX1 |
п „ ,х |
П**,ХXJ |
и заметим, что приведенная форма модели (9.18) в наших обозна чениях имеет вид
Гу* 1 |
_ [ П * , х |
П * .х х 1 Г „ . 1 |
[y**J |
[П**.х |
n**,xxj [*xxj |
Напомним, что В П = —Г, и тогда для первых строк этих матриц получаем равенство
П* ,х X
П.* ,х х
---- 1 |
X |
Ofc-p_
236 |
Гл 9. Системы регрессионных уравнений |
где 0Г — нулевой вектор-столбец размерности г. По правилу дей ствия с блочными матрицами имеем
(9-21)
(9.22)
Соотношение (9.22) является (линейной) системой к — р уравне ний (относительно /3,) с g - 1 неизвестными, поскольку в силу условия нормировки один из элементов вектора /3, равен 1. Оче видно, что если коэффициенты /3* найдены, то коэффициенты 7 Х определяются равенством (9.21). Ясно также, что для того чтобы параметры /3* в системе (9.22) можно было бы как-нибудь выра зить через элементы матрицы П*>хх, необходимо, чтобы число уравнений в (9.22) было не меньше числа неизвестных, т.е. вы полнялось неравенство
k —p ^ q —1. |
(9.23) |
Иными словами, число исключенных из уравнения экзоген ных переменных должно быть не меньше числа включенных эн догенных переменных минус единица. Неравенство (9.23) носит название порядковое условие (order condition) и является лишь
необходимым условием идентифицируемости уравнения, посколь ку даже при его выполнении уравнения в (9.22) могут оказаться линейно зависимыми. Из общей теории систем линейных уравне ний известно, что для разрешимости системы (9.22) необходимо и достаточно, чтобы матрица П*>Хх имела ранг q —1:
гапк(П„,хх) = д - 1 . |
(9.24) |
Это равенство называется ранговым условием (rank condition),
и оно является необходимым и достаточным для идентифицируе мости уравнения.
Бели условие (9.23) выполняется со знаком равенства, то го ворят, что уравнение точно идентифицируемо (exactly identified), если со знаком строгого неравенства, то сверхидентифицируемо (overidentified). В последнем случае число уравнений превышает число неизвестных, и некоторые из структурных коэффициентов /3, могут быть выражены разным способом через коэффициенты матрицы П„(ХХ, как в примере 2 данной главы.
9.2. Системы одновременных уравнений |
237 |
Оценивание систем одновременных уравнений. Двухшаговый метод наименьших квадратов
Как мы выяснили в предыдущем разделе, приступать к оценива нию того или иного уравнения в системе (9.16) имеет смысл лишь после того, как установлена его идентифицируемость. Как и рань ше, будем рассматривать для определенности первое уравнение и предположим, что оно содержит q эндогенных и р экзогенных переменных и идентифицируемо (в частности, выполнено поряд ковое условие (9.23)), при этом без ограничения общности можно считать, что коэффициент при у х равен 1.
1.Косвенный метод наименьших квадратов. При идентифици руемости уравнения оценки структурных коэффициентов можно найти, оценив методом наименьших квадратов приведенную фор му модели (9.18), а затем решив систему (9.21), (9.22), заменяя элементы матрицы П их оценками. Этот способ носит название
косвенный метод наименьших квадратов (Indirect Least Squares)
(см. п. 9.2, пример 1). В силу теоремы Слуцкого полученные оцен ки являются состоятельными, поскольку состоятельны оценки ко эффициентов приведенной формы модели. Однако у этого мето да есть серьезный недостаток: если уравнение сверхидентифицируемо, то в системе (9.22) число уравнений превышает число неиз вестных, а это значит, что один и тот же структурный коэффи циент допускает разные выражения через коэффициенты приве денной формы. Это сужает область его применения как с теоре тической (не ясно, какую же оценку следует предпочесть), так и с практической точки зрения (трудность алгоритмизации). Поэто му, как правило, используется
2.Двухшаговый метод наименьших квадратов. Представим первое уравнение в следующем виде:
Уи = ~012Уъ - ... - P iqy qt
—711®» ~ 7i2®2t — ... — J ip x pt + £ц> t — 1 ,...,n. (9.25)
238 Гл. 9. Системы регрессионных уравнений
Обозначим |
|
|
|
|
|
|
|
|
|
2/п |
2/21 |
• |
УЧ1 |
|
Хц |
... |
Хр1 |
|
2/12 |
2/22 |
• |
2/?2 |
* 1 |
Х12 |
... |
Хр2 |
V i = |
, |
Vi = |
|
, |
= |
|
|
|
|
|
|
|
|
|
|||
|
У1п_ |
У2п |
• |
Удп |
|
1щ |
• • - |
®рп |
|
|
’-711 |
|
’*11" |
|
Хц |
. |
• Xki |
|
• . |
|
, Х |
Хц |
. ■ Xk2 |
|||
f t - |
7i = |
|
|
|||||
|
/!ti. |
= |
|
|
||||
|
|
“ Tip. |
|
|
z In |
|
Xkn |
|
|
|
|
|
|
|
|
||
и перепишем (9.25) в виде |
|
|
|
|
|
|
||
|
|
Vi = У Ф \ + -Xi7i +®i- |
|
|
(9.26) |
|||
Поскольку |
элементы матрицы Y \ |
коррелированы |
с векто |
ром ошибок е\ , непосредственное применение метода наименьших квадратов приведет к смещенным и несостоятельным оценкам. В таких ситуациях, как мы знаем, целесообразно воспользовать ся инструментальными переменными. В качестве инструментов можно взять, например, экзогенные переменные, не содержащи еся в Х г (очевидно, что использовать в качестве инструментов только переменные, содержащиеся в Х ц нельзя, поскольку в си стеме возникнет полная коллинеарность). Известно (глава 8), что число инструментальных переменных должно быть не меньше, чем число переменных в Y т.е. q —1. В нашем случае это тре бование выполнено благодаря порядковому условию (9.23). Оче видно также, что в случае сверхидентификации уравнения воз можны разные наборы инструментальных переменных. Наиболее распространенным способом выбора инструментальных перемен ных является двухшаговый метод наименьших квадратов ( Two Stage Least Squares, 2SLS), который устроен следующим образом:
1)проводится регрессия каждого столбца матрицы Y i на все экзогенные переменные, т. е. рассматривается регрессия
Уг = Х П , + V ,
9.2. Системы одновременных уравнений |
239 |
где III — к х (q — 1) матрица коэффициентов приведенной формы;
/Ч |
/Ч |
к-ч. |
2) строится прогнозное значение У i = |
-XTIi, где |
Пх = |
(Х 'Х ^ Х 'У х ; |
|
|
3)осуществляется регрессия (9.26) с заменой в правой части Ух на У 1 , т. е. строятся МНК-оценки структурных парамет ров /Зх и 7 х в регрессии
У 1 = У 1 0 1 + * 1 7 1 + * 1 . |
(9.27) |
Мы не ставим целью в данной книге дать подробное описание свойств двухшагового метода наименьших квадратов. Перечис лим без доказательства лишь основные результаты, касающиеся этого способа оценивания.
1)Бели для уравнения выполнено ранговое условие идентифи кации и порядковое условие (9.23) выполнено со знаком ра венства (точная идентификация), то 2SLS-oneiiKa совпада ет с оценкой, полученной косвенным методом наименьших квадратов.
2)28Ы5-оценка совпадает с оценкой, полученной методом ин струментальных переменных, когда в качестве последних ис пользуются Ух и Х х.
3)Пусть в качестве инструментальных переменных для заме ны У х выбраны любые линейные комбинации столбцов мат рицы X . Тогда матрица ковариаций этой оценки не меньше, чем матрица ковариаций 28Ь8-оценки.
Последнее свойство означает эффективность 28Ь8-оценки в соответствующем классе оценок. Отметим, что в большинстве эко нометрических компьютерных пакетов для оценивания систем од новременных уравнений реализован именно двухшаговый метод наименьших квадратов. В заключение подчеркнем, что при ис пользовании двухшагового метода наименьших квадратов факти чески каждое уравнение оценивается независимо от других. Су
240 |
Гл. 9. Системы регрессионных уравнений |
ществует так называемый трехшаговый метод наименьших квад ратов, который учитывает взаимодействие уравнений в системе, что приводит к повышению эффективности оценки, однако его описание выходит за рамки данной книги.
Завершим эту главу описанием классической макроэкономи ческой модели Клейна и результатов ее оценивания с помощью обычного и двухшагового метода наименьших квадратов.
Пример 6. Модель Клейна 1. В 1950 г. Л. Клейн предложил дина мическую модель макроэкономики, получившую название модель Клейна 1. Она описывается следующей системой уравнений:
Ct = «о + ociPt + ociPt-i + + W f) + eu (потребление),
It = Ро+ /?iPt + thPt-\ + (hKt-1 + £21 (инвестиции),
WT=7o+7i-^t+72-^t-i+73-'4t+£3t (зарплата в частном секторе),
Xt — Ct + /{ + Gt |
(совокупный спрос в равновесии), |
Pt = X t - T t — W f |
(доход частного сектора), |
Kt = K t-\ + It |
(капитал). |
Переменные, стоящие в левых частях уравнений, являются эн догенными. Экзогенными переменными в данной модели являют ся: G — государственные расходы, не включающие зарплату, Т — непрямые налоги плюс чистый доход от экспорта, W 9 — зарплата в государственном секторе, At — временной тренд (в годах, начи ная с 1931 г.). Кроме того, включены три предопределенные (лагированные) переменные. Таким образом, модель содержит три поведенческих уравнения, одно уравнение равновесия и два тож дества.
Приведем результаты оценивания первых трех уравнений на основе ежегодных данных для экономики США за период с 1921 по 1941 г. с помощью обычного метода наименьших квадратов и двухшагового метода наименьших квадратов (в скобках указаны оценки стандартных ошибок).