計量經濟學內生性

Ⅰ 求問，計量經濟學，結構方程識別的階條件。如圖，誰能給我舉例說一下K、M、G分別代表什麼

K是模型抄中所有變數的個數，Mi是第i個方程中變數的個數，G是方程中內生變數的個數；
所謂識別，是指是否能在系統中找到足夠的工具變數以解決方程中內生變數的內生性問題（因為高斯馬爾科夫假設需要E(epsilon|X)=0，也即嚴格外生性）
考慮第i個方程，
如果一個變數在這個方程中出現，那麼該變數顯然不能作為工具變數，也就是系統中一共有K各變數，第i個方程中用掉了Mi個變數，剩下K-Mi個變數可以作為工具變數，替換模型中的G-1個內生解釋變數(有1個內生變數是被解釋變數)，
那麼如果工具變數個數K-Mi>G-1，那麼過度識別；
如果工具變數個數K-Mi=G-1，那麼恰好識別；
如果工具變數個數K-Mi<G-1，那麼不能識別，也就是找不到足夠的工具變數以解決內生解釋變數引起的內生性問題。

Ⅱ 虛擬變數可能存在內生性問題嗎

計量經濟學中，如果我們擁有極其多和優質的數據，那麼如果所有的變數沒有違反經典假設。得到的估計參數將是無偏的，在大樣本之下將是一致的估計。我們來看一看經典假設：
ols1：模型關於待估計的參數是線性的。
ols2：模型的數據來源問題。對於一般的橫截面數據是獨立同分布的。
ols3：E(u|X)=0。無內生性假定。
ols4：X之間沒有完全多重的共線性。
ols5：Var(u|X)=a^2（a是一個常數）。
ols6：殘差服從獨立的相同的正態分布。
其中的ols1----ols4都是要保證估計的參數是一致的。其中的第三個假定就是內生性假定。
現實情況的描述：關於計量經濟學中，我們需要估計偏效應。也就是說某一個自變數對因變數的影響問題。如果這個自變數和隨機誤差不相關，那麼我們得到的這個ols的估計參數將是一致的，也可以說是效果良好的。但是現實情況並不是這樣的，現實中的變數一般都是內生變數，也就是說兩個變數不是單方面的決定作用，而是相互決定的作用。那麼一般而言，只要我們測量有誤差或者是遺漏變數，那麼就可能存在內生性的問題，也就是我們沒有辦法得到一個一致性的估計。
代理變數和工具變數：
什麼是代理變數？——遺漏變數的解決方法。在一個方程中，假設：y=b0+b1*x1+……+bn*xn+u。方程中的變數x和隨機誤差不相關，或者是我們可以容忍某種程度上的相關性，那麼我們可以說我們對於參數的ols地估計值是滿意的，但是如果在u中我們能知道某些變數和x相關，而且這個遺漏的變數是比較重要的，那麼我們怎麼才能得到一個更加好的參數的估計量呢?我們如果能找到一個變數和在u中的遺漏的變數q相關，而且這個變數要和x不相關，那麼我們就可以把這個遺漏的變數加入到方程中進行回歸。假設我們找到可以在某種程度上反映q的一個變數，或者是一組變數z，那麼我們就可以把這個z放到方程中去做ols。得到的參數的估計值要比原先的好一些。但是這里存在問題，也就是z始終不是q，那麼在某種程度上沒有辦法完全代表q。這樣也會導致估計的參數存在一定的不一致，但是總是比原來那個沒有z條件下估計出來的參數要好一些。但是在一定的情況之下，我們能知道到底是過高的估計，還是過低的估計。因為q=a0+a1*x1+a2*x2……+an*xn+c1*z1+c2*z2……+ck*zk。把這個方程帶到原來的方程中（y=b0+b1*x1+……+bn*xn+c*q+u）。那麼我們可以得到關於bi的估計值是bi+ai。實際上這個估計值也是有偏的。
實際上參數的估計值的偏向取決於兩個因素，第一：遺漏變數q和z之間的關系，也就是協方差是正的還是負的。第二：取決於q和y的關系。如果：cov(q,z)>0且cov(q,y)>0，向上偏誤。如果：cov(q,z)>0且cov(q,y)<0，向下偏誤。如果cov(q,z)<0且cov(q,y)>0，向下偏誤。cov(q,z)<0且cov(q,y)<0，向上偏誤。
工具變數方法：工具變數法和代理變數方法是不同的，這個區別千萬要注意，理念也是不同的。一般而言，工具變數方法可以解決遺漏變數問題，也可以解決測量誤差問題。
現在先說測量誤差的解決方法：比如在一個回歸中，我們認為其中的一個變數xi有測量誤差，而且這個測量誤差和u相關，此時我們要找到一個變數z，滿足兩個條件：1、cov(xi,z)>0，2、cov(z,u)=0。滿足這兩個條件的情況之下，我們就是使用2sls方法進行回歸。首先xi對X（不包括xi）和工具變數集合進行回歸（工具變數不一定是一個，可能十多個，那麼工具變數就可能是一個集合），進行回歸，得到一個擬和的xi。此時做y對X（其中的xi用剛才那個回歸中的得到的擬和值來替代）。此時做出的回歸是一致的。
現在討論隱性變數的問題：如何利用工具變數的方法來解決隱性變數的問題？

隱性變數的問題一般而言可以用上面說過的代理變數來解決，但是那樣的結果是有偏的，並且是不一致的。盡管比沒有用的時候好，但是如果條件允許，那麼我們可以用工具變數的方法來得到一個比代理變數還要好的結果。這個條件就是：如果知道隱性變數q沒有辦法准確測量或者沒有一個公認的測評標准，那麼我們可以利用其他與q相關的指標來進行工具變數，但是必須有兩個相關的可測的觀測值，並且這兩個觀測值不能有測量誤差。此時我們隨便利用一個觀測指標帶到方程中，就可以得到一個有測量誤差的回歸模型，此時問題就如同測量誤差的解決方法一樣來解決，假設q1,q2是不同的指標觀測值。那麼我們可以1、做q1對X和q2的回歸，得到擬和值。2、在做y 對X和q1的擬和值回歸。此時的得到的就是一致估計量。

Ⅲ 簡述計量經濟學模型中內生解釋變數問題引起的後果

1、比較普通最小二乘法、加權最小二乘法和廣義最小二乘法的異同。
答：普通最小二乘法的思想是使樣本回歸函數盡可能好的擬合樣本數據，反映在圖上就是是樣本點偏離樣本回歸線的距離總體上最小，即殘差平方和最小。只有在滿足了線性回歸模型的古典假設時候，採用OLS才能保證參數估計結果的可靠性。
在不滿足基本假設時，如出現異方差，就不能採用OLS。加權最小二乘法是對原模型加權，對較小殘差平方和賦予較大的權重，對較大賦予較小的權重，消除異方差，然後在採用OLS估計其參數。
在出現序列相關時，可以採用廣義最小二乘法，這是最具有普遍意義的最小二乘法。
最小二乘法是加權最小二乘法的特例，普通最小二乘法和加權最小二乘法是廣義最小二乘法的特列。
6、虛擬變數有哪幾種基本的引入方式? 它們各適用於什麼情況?
答: 在模型中引入虛擬變數的主要方式有加法方式與乘法方式，前者主要適用於定性因素對截距項產生影響的情況，後者主要適用於定性因素對斜率項產生影響的情況。除此外，還可以加法與乘法組合的方式引入虛擬變數，這時可測度定性因素對截距項與斜率項同時產生影響的情況。
7、聯立方程計量經濟學模型中結構式方程的結構參數為什麼不能直接應用OLS估計？
答：主要的原因有三：第一，結構方程解釋變數中的內生解釋變數是隨機解釋變數,不能直接用OLS來估計；第二，在估計聯立方程系統中某一個隨機方程參數時，需要考慮沒有包含在該方程中的變數的數據信息，而單方程的OLS估計做不到這一點；第三，聯立方程計量經濟學模型系統中每個隨機方程之間往往存在某種相關性，表現於不同方程隨機干擾項之間，如果採用單方程方法估計某一個方程，是不可能考慮這種相關性的，造成信息的損失。
2、計量經濟模型有哪些應用。
答：①結構分析，即是利用模型對經濟變數之間的相互關系做出研究，分析當其他條件不變時，模型中的解釋變數發生一定的變動對被解釋變數的影響程度。②經濟預測，即是利用建立起來的計量經濟模型對被解釋變數的未來值做出預測估計或推算。③政策評價，對不同的政策方案可能產生的後果進行評價對比，從中做出選擇的過程。④檢驗和發展經濟理論，計量經濟模型可用來檢驗經濟理論的正確性，並揭示經濟活動所遵循的經濟規律。
6、簡述建立與應用計量經濟模型的主要步驟。
答：一般分為5個步驟：①根據經濟理論建立計量經濟模型；②樣本數據的收集；③估計參數；④模型的檢驗；⑤計量經濟模型的應用。
7、對計量經濟模型的檢驗應從幾個方面入手。
答：①經濟意義檢驗；②統計准則檢驗；③計量經濟學准則檢驗；④模型預測檢驗。
1、在計量經濟模型中，為什麼會存在隨機誤差項？
答：①模型中被忽略掉的影響因素造成的誤差；②模型關系認定不準確造成的誤差；③變數的測量誤差；④隨機因素。這些因素都被歸並在隨機誤差項中考慮。因此，隨機誤差項是計量經濟模型中不可缺少的一部分。

Ⅳ 如何用eviews做內生性檢驗和殘值相關性檢驗呀 因為沒有學過計量經濟學，，，可以說明具體操作步驟嗎

會做的，具體步驟很復雜，說不清楚的

Ⅳ 經濟學中的內生性和外生性是什麼意思

就是數學方復程裡面的自變制量
和參數的關系，前者是內生變數，後者是外生變數；參數和自變數的運演算法則決
定了函數的運行機制，而參數的變化會對自變數的變化產生作用，這就是外生變數的變動會影響內生變數的變化。也正是經濟學中要討論的問題。我是這樣理解的

Ⅵ 計量經濟學中缺失變數會產生什麼後果

其實缺失的變數都到了隨機誤差項中去了，導致最後得到非一致估計量。還有，因為有的缺失的變數可能會和解釋變數相關，但是被歸到隨機誤差項中去，這樣會產生內生性問題。

Ⅶ 內生變數和外生變數在計量經濟學模型中有什麼聯系

在聯立方程計量經濟學模型中，按是否
由模型系統決定，將変量分為內生變內量
( endogenous variables)和外生變數
( exogenous variables)兩大類。
內生容變數是由模型系統決定同時可能也對模型系統產生影響的變數，是具有某種概率分布的隨機變數；
外生變數是不由模型系統決定但對模型系統產生影響的變數，是確定性的變數。
計量經濟學模型中變數之間的關系主要是解釋變數與被解釋變數之間的因果關系，包括單向因果關系、相互影響關系、相
互影響關系。
1.單向因果關系
經濟變數之間的單向因果關系是單方程計量經濟學模型研究的對象，指經濟變數之
間存在單向的內在聯系，一個(一組)經濟變數的水平直接影響或決定另一個經濟變數的水平。
2.相互影響關系
經濟變數之間的相互影響關系是聯立方程計量經濟學模型硏究的對象，指變數之間
存在雙向的因果關系，即一變數的變化既引起另一変量的變化，反過來也受另一變數變化的影響。
3.相互影響關系
恆等關系是一種特殊的變數關系，實際上通常就是一些變數的定義，例如，儲蓄等
於可支配收入減去消費。恆等關系是變數之間的確定關系，不需要針對它們進行分析。
供參考。

Ⅷ 內生變數與外生變數的區別

一、主體不同

1、內生變數：是指該模型所要決定的變數。可以在模型體專系內得到說明。

2、外生變數：由經濟系屬統外部確定並輸入系統的變數，不能在模型體系中得到說明。

二、特點不同

1、內生變數：具有某種概率分布的隨機變數，它的參數是聯立方程系統估計的元素。

2、外生變數：可以影響內生變數，但它本身是由經濟模型不斷研究的外在的因素決定的變數。這種變數通常能夠由政策控制，並以之作為政府實現其政策目標的變數。

三、規則不同

1、內生變數：是由模型系統決定的。

2、外生變數：只對系統產生影響而不受系統的影響。