《计量经济学（研究生）》第55讲：联立方程模型的系统估计方法与实务应用-教学设计

《计量经济学（研究生）》第55讲：联立方程模型的系统估计方法与实务应用——教学设计一、教学目标与核心素养本讲作为联立方程组模型分析系列的第九讲，也是整个联立方程模型方法论层面的收官之作，旨在引导学生超越单一方程估计的局限，建立系统估计的全局视野，并掌握在处理复杂经济系统时的高级工具。课程设计立足于学生已熟练掌握单方程估计方法（如OLS、2SLS）及模型识别判定（阶条件与秩条件）的基础之上。（一）知识与技能目标【重要】1.深入理解联立性带来的估计偏误为何不能通过单方程方法完全消除，明确引入系统估计方法的必要性。2.掌握系统估计方法的核心思想，特别是三阶段最小二乘法（3SLS）和有限信息最大似然法（LIML）与完全信息最大似然法（FIML）的数学原理、适用条件及操作步骤。3.能够准确区分恰好识别与过度识别方程在不同估计方法下的处理差异，并能根据模型具体特征（如误差项跨方程相关性）选择合适的估计策略。4.熟练运用EViews或Stata软件，对包含至少三个方程的宏观计量模型（如Klein的“战争之间美国经济模型”简化版）进行系统估计，并规范解读输出结果。（二）过程与方法目标1.通过对比分析ILS、2SLS与3SLS的估计结果，引导学生理解“信息利用充分性”对估计效率的提升作用，培养其批判性思维与模型优化意识。2.借助蒙特卡洛模拟实验（课堂演示），直观展示在特定数据生成过程（DGP）下，系统估计量相对于单方程估计量的一致性与渐近有效性，将抽象的统计学性质具象化。3.引导学生从“经济系统”而非“孤立方程”的角度审视经济结构，培养其宏观经济建模的系统思维。（三）情感、态度与价值观目标1.认识到任何计量方法都有其假设边界，系统估计虽高效但更脆弱（对设定误差更敏感），树立严谨、稳健的学术研究态度。2.体会理论与应用的辩证关系：复杂的数学推导是为了解决现实经济变量间的相互依赖问题，激发学生利用计量工具探索经济规律的责任感。二、教学重点与难点【重点】三阶段最小二乘法（3SLS）的原理与实施步骤；系统估计方法与单方程估计方法的效率对比分析。【难点】完全信息最大似然法（FIML）的似然函数构建与求解思路；在有限样本下，如何权衡系统估计的偏误与有效性（BiasVarianceTradeoff）。【高频考点】3SLS与2SLS的区别、识别状态对估计方法选择的影响（恰好识别用ILS/2SLS，过度识别可用2SLS、3SLS或FIML）、豪斯曼（Hausman）检验在检验联立性及比较2SLS与3SLS一致性中的应用。三、教学准备与前置知识1.学生已掌握：线性代数基础（矩阵运算）、概率论与数理统计（渐近理论）、经典单方程模型的OLS估计、联立方程模型的识别规则（阶条件和秩条件）、两阶段最小二乘法（2SLS）的估计原理。2.教学资源：安装有EViews12/Stata17及以上版本的多媒体教室；预先准备好的工作文件（包含美国宏观经济数据或模拟生成的面板数据）；蒙特卡洛模拟小程序（基于R或Python，用于课堂演示）。3.教材衔接：参考伍德里奇（Wooldridge）《计量经济学导论》第16章及格林（Greene）《计量经济分析》第10章相关内容，结合自编讲义。四、教学实施过程（核心环节）（一）导入与回顾：从单方程到系统的跨越（约10分钟）教师通过展示一个简化的宏观国民收入决定模型：消费函数Ct=α0+α1Yt+μ1t，投资函数It=β0+β1Yt+β2Yt1+μ2t，以及恒等式Yt=Ct+It+Gt。引导学生思考：尽管我们可以用2SLS分别估计消费方程和投资方程，但这种估计方式是否利用了全部信息？是否关注了μ1t和μ2t之间可能存在的同期相关性？如果两个方程的随机误差项在同期受到共同的外部冲击（如一场突发的自然灾害同时影响消费和投资），那么单独估计每个方程就会损失效率，甚至导致推断失效。由此引出本讲的核心议题：如何将多个方程作为一个系统进行联合估计，以捕捉这种跨方程的相关性，提高估计精度。（二）核心理论剖析（一）：系统估计方法全景图（约35分钟）1.系统估计的必要性再探讨【重要】回顾联立性偏误的产生机制：内生解释变量导致OLS不一致。虽然2SLS通过工具变量剔除了内生部分的干扰，得到了一致估计量，但它仅利用了模型系统的一部分信息（即特定方程的工具变量），忽略了方程之间扰动项的相关性。当跨方程扰动项协方差非零时，2SLS虽然一致，却不再是有效的。这就好比用多个独立的单引擎飞机编队飞行，虽然每架飞机都能到达目的地，但无法像一架大型客机（系统估计）那样实现燃油（数据信息）的最优配置和航向的协同调整。2.三阶段最小二乘法（3SLS）的递进逻辑【难点】3SLS并非一个全新的方法，而是2SLS与广义最小二乘法（GLS）的巧妙结合。其核心思想是“先净化，再联立”。第一阶段：与2SLS的第一阶段完全相同。对所有内生解释变量关于所有前定变量（整个系统的工具变量）进行回归，得到内生变量的拟合值。这一步的目的是“净化”内生变量，剥离其与随机扰动项的相关成分。第二阶段：对整个系统中的每个结构方程进行2SLS估计，得到各个方程的结构参数估计量。利用这些估计量，计算出各方程残差的方差协方差矩阵，即Σ̂⊗I。这里的Σ̂是一个M×M的矩阵（M为内生变量个数或方程个数），对角线元素为各方程残差的方差，非对角线元素则捕捉了不同方程残差之间的同期协方差。这步是3SLS的精髓所在，它量化了跨方程扰动项的相关性。第三阶段：对整个系统的所有方程（通常已转换为各方程两端同时乘以工具变量矩阵的形式，即“stackedsystem”）执行广义最小二乘法（GLS）。具体地，利用第二阶段得到的协方差矩阵Σ̂⊗I作为权重矩阵，对经过“净化”处理后的系统进行联合估计。通过GLS的变换，我们实际上是在对数据进行“去相关”处理，使得变换后系统的扰动项满足球形扰动假定，从而获得比2SLS更有效的估计量。3.完全信息最大似然法（FIML）【拓展】简要介绍FIML的原理：其本质是在假设整个系统的扰动项服从多元正态分布的前提下，构建整个样本的似然函数。由于模型是联立的，内生变量之间存在反馈，因此在构建似然函数时需要处理内生变量之间的雅可比行列式（Jacobianterm），即|∂μ/∂Y|，以确保似然函数的正确设定。FIML估计量是渐近有效的，且在小样本下具有一些优良性质，但其对分布假设敏感，且计算过程远比3SLS复杂，尤其是在非线性约束较多时。（三）核心理论剖析（二）：估计方法的比较与选择（约20分钟）1.估计量的性质对比【重要】列出表格（通过语言描述），对比ILS（或2SLS）、3SLS、FIML：一致性：ILS（仅限恰好识别）、2SLS、3SLS、FIML在满足各自假设下均具备一致性。有效性：2SLS只利用了单个方程的信息，是有限信息法；3SLS和FIML利用了系统全部信息，是完全信息法，因此在渐近意义下，3SLS比2SLS更有效，而FIML在扰动项正态分布假设下达到渐近有效性。对设定误差的敏感性：2SLS的误差仅限于单个方程，影响局部；3SLS和FIML的误差会通过协方差矩阵或似然函数迅速传染至整个系统。因此，如果担心某个方程可能存在设定错误（如遗漏变量、函数形式错误），则稳健的做法是报告2SLS结果，或使用有限信息最大似然法（LIML），它对弱工具变量更不敏感。2.识别状态与估计方法的匹配对于恰好识别的方程，ILS与2SLS等价，也可纳入3SLS系统（因为方程可识别，系统估计可进行）。对于过度识别的方程，2SLS、3SLS、FIML均可使用，但3SLS和FIML利用了更多信息。对于不可识别的方程，任何方法都无法得到唯一的一致估计量，必须重新设定模型。3.豪斯曼检验在系统估计中的应用介绍如何利用豪斯曼检验来比较2SLS和3SLS。原假设为“所有方程设定正确且扰动项无跨方程相关性”，在此原假设下，2SLS和3SLS都是一致的，但3SLS更有效。如果检验拒绝原假设，意味着可能存在方程设定偏误，或者跨方程协方差结构被错误设定，此时3SLS可能不一致，而2SLS反而更可靠。这一检验对于实际建模具有重要的指导意义。（四）案例实操与软件演示：Klein模型的系统估计（约45分钟）【高频考点】【热点】1.案例背景引入经典的克莱因模型（Klein‘sModelI），这是描述年间美国经济的宏观模型，包含消费、投资、私人工资三个行为方程和三个恒等式，共6个方程。选择其中三个行为方程作为估计对象。2.EViews/Stata操作演示数据准备：打开预先准备好的克莱因模型数据文件（包含年份、消费、投资、私人工资、企业利润、资本存量、政府支出等）。单方程2SLS估计（基准）：教师先演示对消费方程进行2SLS估计（工具变量为所有前定变量：政府支出、资本存量滞后、时间趋势、企业利润滞后等），记录估计结果。系统3SLS估计：切换到系统估计界面。在EViews中，通过Object/NewObject/System建立系统对象。在系统窗口中，逐行输入三个结构方程的标准形式（如：CS=C(1)+C(2)P+C(3)P(1)+C(4)W1）。随后，在估计方法中选择“ThreeStageLeastSquares”（3SLS），并指定所有工具变量。点击确定，输出3SLS的估计结果。结果解读【重要】：对比2SLS与3SLS的系数估计值：观察系数是否有明显变化？通常变化不大，因为两者均具有一致性。对比标准误：这是最关键的观察点。引导学生观察3SLS估计结果中，每个系数的标准误是否普遍小于2SLS的标准误。如果是，则直观验证了3SLS利用了跨方程相关信息后，估计精度的确得到了提升。解读协方差矩阵：展示系统估计输出的残差协方差矩阵，强调非对角线元素的大小和显著性，说明消费与投资方程的扰动项是否存在同期正相关或负相关，从而印证采用系统估计的合理性。3.结果的经济学含义阐释基于3SLS的估计结果，重新审视克莱因模型的经济含义。例如，消费方程中当期利润和前一期利润的系数之和代表了利润对消费的边际影响；结合投资方程的系数，分析企业行为与家庭行为在系统中的互动机制。（五）高阶讨论与前沿拓展（约15分钟）1.有限信息最大似然法（LIML）的再发现在当前“弱工具变量”问题备受关注的背景下，重新强调LIML的价值。LIML相对于2SLS，在存在弱工具变量时，其偏误更小。简要介绍LIML的几何意义（最小化某个方差比），并说明在软件中如何操作（EViews中系统估计选项可选择LIML）。2.面板数据联立方程模型简要提及当数据结构包含时间序列和截面两个维度时，联立方程模型会扩展到面板数据联立方程模型。此时，需要处理个体异质性与联立性的交织，估计方法也扩展到面板GMM或EC2SLS等。展示一张复杂模型的示意图，激发学有余力的学生进一步探索的兴趣。3.机器学习与因果推断中的联立思想将联立方程与现代因果推断框架（如DAG、结构因果模型）建立联系。指出联立方程的本质是刻画变量间的双向因果或反馈回路，这与当下机器学习领域兴起的“因果推断”中处理混杂偏误的思路异曲同工，拓宽学生的学术视野。（六）课堂小结与作业布置（约10分钟）1.小结【基础】回顾本讲核心逻辑：联立性（问题）→单方程估计（2SLS，解决内生性，一致但不一定有效）→系统估计（3SLS，引入跨方程协方差，提升效率）→效率与稳健性的权衡（选择标准）。强调“没有免费的午餐”：系统估计的效率增益建立在对模型正确设定的更高要求之上。2.课后作业必做题：基于课堂演示的克莱因模型数据，要求学生独立完成以下操作：（1）对投资方程进行2SLS估计；（2）对整个系统进行3SLS估计；（3）撰写一份不超过两页的分析报告，对比两种估计结果的差异，并重点分析造成系数标准误变化的原因，解释残差协方差矩阵的实际意义。选做题（研究导向）：查找一篇近三年发表在《经济研究》或《AmericanEconomicReview》上使用了联立方程模型的实证论文，评述作者为何选择系统估计方法（或为何仅使用单方程方法），并尝试用本讲所学理论评估其方法的合理性。五、板书设计（结构化要点）一、为何需要系统估计？1.单方程估计（2SLS）的局限性：忽略跨方程扰动项的相关性→丧失有效性。2.核心目标：利用Σ（跨方程协方差）提高估计精度。二、核心方法：三阶段最小二乘法（3SLS）阶段I：净化内生变量（对所有前定变量回归，得Ŷ）阶段II：获得残差协方差矩阵（对每个方程做2SLS，计算残差，得Σ̂）阶段III：执行GLS（利用Σ̂作为权重，对整个系统进行联合估计）核心思想：2SLS+GLS三、方法比较与选择1.2SLS：有限信息，一致，对设定误差稳健。2.3SLS：完全信息，一致且渐近有效，对设定误差敏感。3.FIML：完全信息，强分布假设，渐近有效。4.选择原则：识别状态+对模型正确设定的信心+豪斯曼检验结果。四、软件实现与案例（Klein模