發(fā)布時間：2016-08-01 16:08

  本文關鍵詞：半?yún)?shù)計量經(jīng)濟聯(lián)立模型的變窗寬估計理論，由筆耕文化傳播整理發(fā)布。

半?yún)?shù)計量經(jīng)濟聯(lián)立模型的變窗寬估計理論

葉阿忠 吳相波 黃志剛

(福州大學管理學院，福建 福州 350002)

摘要：聯(lián)立方程模型在經(jīng)濟政策制定、經(jīng)濟結構分析和經(jīng)濟預測方面起重要作用。文章將半?yún)?shù)單方程計量經(jīng)濟模型的局部線性估計方法與傳統(tǒng)聯(lián)立方程計量經(jīng)濟模型的工具變量估計方法相結合, 在隨機設計(模型中所有變量為隨機變量)下, 提出了半?yún)?shù)聯(lián)立方程計量經(jīng)濟模型的局部線性工具變量變窗寬估計方法, 并利用極限理論研究了估計的大樣本性質。結果表明：參數(shù)分量的估計具有一致性和漸近正態(tài)性且收斂速度為n

-1/2

；非參數(shù)分量估計在內點處具有一致性和漸近正態(tài)性, 其收斂速度達到了非參數(shù)函數(shù)估計的

最優(yōu)收斂速度。

關鍵詞：半?yún)?shù)模型；局部線性估計；工具變量估計；變窗寬估計；漸近正態(tài)性

Theory of variable bandwidth estimation for

semi-parametric simultaneous equations econometric models

YE Azhong, WU Xiangbo, HUANG Zhigang

(College of Management, Fuzhou University, Fuzhou, Fujian 350002)

Abstract: Econometric simultaneous equation models play an important role in making economic policies, analyzing economic structure and economic forecasting. This paper presents an estimation method for semi-parametric simultaneous equations econometric model. A local linear estimation with variable bandwidth was used with instrumental variables, when all variables were random. A local linear estimation method for semi-parametric single equation model was combined with the traditional instrumental variable method for simultaneous equations model. The properties under large sample size were studied by using the asymptotic theory. The results show that the estimators of the parameters have consistency and asymptotic normality, and their convergence rates are equal to n. And the estimator of the nonparametric function has the consistency and asymptotic normality in interior points and its rate of convergence is equal to the optimal convergence rate of the nonparametric function estimation.

Key words: semi-parametric models; local linear estimation; instrumental variable estimation; variable bandwidth estimation; asymptotic normality

-1/2

0 引言

計量經(jīng)濟聯(lián)立模型在經(jīng)濟政策制定、經(jīng)濟結構分析和經(jīng)濟預測方面起重要作用線性計量經(jīng)濟聯(lián)立模型

[1-3]

[1-2]

。傳統(tǒng)的線性或非

容易造成單方程的設定誤差，致使聯(lián)立方程的累積誤差較大，不能很好地反映

[4-8]

現(xiàn)實中的經(jīng)濟現(xiàn)象。目前非參數(shù)計量經(jīng)濟聯(lián)立模型的估計理論已取得較大進展，但已有的研究存在的

共同局限性有兩方面，一是假定經(jīng)濟變量的關系未知，而現(xiàn)實中的經(jīng)濟變量的關系是部分已知的；二是模型非參數(shù)回歸函數(shù)估計趨于實際量的收斂速度慢。變窗寬估計的窗寬可隨著觀察點的不同而不同，這樣有的附近數(shù)據(jù)多的點的窗寬可取小一些，附近數(shù)據(jù)少的點的窗寬可取大一些，從而改進估計效率

收稿日期：2007-01-

基金項目：國家自然科學基金資助項目(70371025)；教育部人文社會科學研究資助項目(02JA790014)

作者簡介：葉阿忠(1963-)，男，福建沙縣人，博士，教授，電話：13950313537，Email：ye2004@fzu.edu.cn。 [8-10]

。本文

將作者的非參數(shù)計量經(jīng)濟聯(lián)立模型的變窗寬估計理論進行擴展，，提出半?yún)?shù)計量經(jīng)濟聯(lián)立模型的局部線性工具變量變窗寬估計，并證明了參數(shù)分量估計的漸近正態(tài)性和一致性，且其收斂速度為n?1/2(與經(jīng)典線性回歸模型參數(shù)的收斂速度一致

[3][11]

[8]

)，還證明了非參數(shù)分量估計(在內點處)的漸近正態(tài)性和一致性，它的

收斂速度達到了非參數(shù)函數(shù)估計的最優(yōu)收斂速度。我們的研究表明：由于半?yún)?shù)模型中的部分解釋變量與被解釋變量的關系已知，所以，其參數(shù)分量和非參數(shù)分量估計的收斂速度快于非參數(shù)模型回歸函數(shù)估計的收斂速度，這與經(jīng)典的半?yún)?shù)單方程回歸模型的結論一致

[12-13]

。從而，本研究建立的半?yún)?shù)計量經(jīng)濟聯(lián)立

模型的工具變量變窗寬估計理論有效地克服和彌補了已有的非參數(shù)計量經(jīng)濟聯(lián)立模型估計理論的缺陷，使得聯(lián)立模型的估計理論更具有實用價值。

1局部線性工具變量變窗寬估計

設半?yún)?shù)計量經(jīng)濟聯(lián)立模型的某結構式方程為

Yi=Xiβ+m(Pi)+ui(i=1,??,n) (1)

其中β是未知參數(shù)，m(?)是未知函數(shù)，(X1,P1,Y1),??,(Xn,Pn,Yn)是在R

d+1

(d=dx+dp)上取值的獨

立同分布的隨機變量向量序列，ui是均值為零且相互獨立的隨機變量。假定解釋變量向量

T

Xi=(X1i,??,Xdxi)T和Pi=(Pdpi)中某些變量是內生變量與隨機誤差項ui相關，即 1i,??,P

E(Xiui)≠0，E(Piui)≠0 (2)

經(jīng)典的半?yún)?shù)回歸模型假定解釋變量與隨機誤差項不相關

T

[12-13]

，但在聯(lián)立模型中該假定被破壞

[1-3]

，或是

與被解釋變量關系已知的解釋變量Xi=(X1i,??,Xdxi)中有些變量與隨機誤差項相關，或是與被解釋變量關系未知的解釋變量Pi=(Pdpi)中有些變量與隨機誤差項相關。假定dp≤3，設非參數(shù)函數(shù)m及1i,??,P其一階、二階導數(shù)有界連續(xù)，則其估計的最優(yōu)收斂速度為n速度)。設Z1,??,Zn是R

d+1

T

?2/(dp+4)[14-15]

( dp過大將會降低m估計的收斂

上獨立同分布的隨機變量向量，其中Zi=(Z1i,??,Zd+1i)T。假設

E(Ziui)=0,E(Ziui|Xi,Pi)=0，稱Zi為工具變量向量。

設fP(?)是Pi=(Pdpi)的密度函數(shù)，fP(p)>0有凸支撐supp(fP)?R1i,??,P

2

2

T

dp

，fP是有界連續(xù)函數(shù)，

其一階導數(shù)連續(xù)；E(Zji|Pi=p)、E((Zji)|Pi=p)和E(ZjiZki(ui)|Pi=p)有界連續(xù)；設K(?)是dp維密度函數(shù)，令Khn(p)=hn

?dp

K(hn?1p)，稱K為核函數(shù)，Khn/α(Pi)(?)為核權函數(shù)，hn為不變窗寬，α(Pi)為

變窗寬。若掌握解釋變量Pi分布的一些信息，對密度大的點取較小的窗寬，對密度小的點取較大的窗寬，這樣采用與掌握的信息有關的變窗寬估計將會提高估計的效率

[8-10]

。假定核函數(shù)K有緊支撐

supp(K)?∏[?1,1]?Rp

d

i=1

dp

且

K(p)≥0,∫K(p)dp=1,∫K(p)pdp=0,∫K(p)ppTdp=μ2(K)I

其中μ2(K)≠0，I為單位陣。

定義1 給定p∈supp(fP)?R

dp

和窗寬h，記

Θp,h,α={z:(p+h(α(p))?1z)∈supp(fP)}∩supp(K)

若存在h0>0，使得當h≤h0時，Θp,h,α=supp(K)，則稱p為supp(fP)的內點。否則稱之為邊界點。

約定 i分別是元素全為1的矩陣或列向量或行向量。 條件1 hn=c?n

T

?1/(dp+4)

(c為某常數(shù))，α(?)有界且minα(z)>0。

z

條件2 (Z*Wp,αΦp)存在，其中Z*=(Z*1,??,Z*n)T，Z*i=(Zdx+1i,??,Zd+1i)，

?1T

Wp,α=diag{Khn/α(P1)(P1?p),??,Khn/α(Pn)(Pn?p)},Φp=(Pp1,??,Ppn)TPpi=(1,(Pi?p)T)T。

條件3 E[Z#i(m(Pi)?E[m(Pi)|Z*i])]=0，其中Z#i=(Z1i,??,Zrxi)。

T

?(α)是下列線性方程組的定義2 在條件1-2下，模型(1)中參數(shù)β的局部線性工具變量變窗寬估計βIV

解：

∑[Y?m(P,α)?(X

i

1

i

i=1

n

i

?m2(Pi,α))β]Zji=0,j=1,??,dx (3)

T

T

?1

其中m1(p,α)=e1(Z*Wp,αΦp)Z*Wp,αY，m2(p,α)=e1(Z*Wp,αΦp)Z*Wp,αX，

TT?1TT

e1=(1,0,??,0)T。

定義3 在條件1-2下，模型(1)中非參數(shù)函數(shù)m(?)的局部線性工具變量變窗寬估計為

?(α) (4) ?IV(p,α)=m1(p,α)?m2(p,α)βmIV

2 局部線性工具變量變窗寬估計的性質

引理1 在條件1-2下，m1(p,α)和m2(p,α)分別是E(Y|P=p)和E(X|P=p)的一致估計且收斂速度都是n

?2/(dp+4)

(2/(dp+4)>1/4)。

證明 由文獻[8]中定理1的推論2可推得。

引理2(Chebychev不等式) 設X為隨機變量，則對于任意ε>0，

P(|X?E(X)|≥ε)≤var(X)/ε2

定理1 在條件1-3下，

LT?1TT?1?(α)?β)??(0,()()β→NΓΓΓVΓΓΓ) (5) IV

其中V=E[Qi(β)Qi(β)T],Qi(β)=Z#i[Yi?E(Yi|Z*i)?(Xi?E(Xi|Z*i))β],

Γ=E[Z#i(Xi?E(Xi|Z*i))T]。

證明 由引理1知，m1(p,α)和m2(p,α)是一致估計。再應用文獻[16]中定理3或文獻[17]的定理1可得到本定理的結論。

注1 由定理1可知，參數(shù)分量估計的收斂速度為n?1/2，與經(jīng)典線性回歸模型參數(shù)的收斂速度一致

[3][11]

。

p

?(α)??→β。 推論1 在條件1-3下，βIV

證明 由定理1和引理2容易推得。

從文獻[8]的引理3可知，

e1T(n?1Z*TWp,αΦp)?1=B(p,α)+op(1) (6)

其中B(p,α)=(B1(p,α),B2(p,α)),B1(p,α)=[A11(p)?A12(p,α)(A22(p,α))?1A21(p)]?1,

B2(p,α)=?(A11(p))?1A12(p,α)[A22(p,α)?A21(p)(A11(p))?1A12(p,α)]?1,A11(p)=fP(p)g0(p),

A12(p,α)=α(p)?3{fP(p)g0(p)∫

T

supp(K)

T

uTDα(p)uuTDK(u)du

T

fP

Tg0

+μ2(K)[dpfP(p)g0(p)Dα(p)+α(p)(g0(p)D(p)+fP(p)D(p))]}

,

A21(p)=fP(p)g1(p),

A22(p,α)=α(p)?3{fP(p)g1(p)∫

T

supp(K)

T

uTDα(p)uuTDK(u)du

T

fP

Tg1

+μ2(K)[dpfP(p)g1(p)Dα(p)+α(p)(g1(p)D(p)+fP(p)D(p))]}[g0(p),(g1(p))T]T=g(p)=E(Z*i|Pi=p)。

,

?IV(p,α,β)=m1(p,α)?m2(p,α)β。 記m

定理2 在條件1-2下，設p∈supp(fP)?R

dp

為內點，則

n

2/(dp+4)

c2?d

?IV(p,α,β)?m(p)]??[m→N(μ2(K)a(p,α),cpR(K)b(p,α)) (7)

2

d

其中a(p,α)=(α(p))?2fP(p)s{Hm(p)}B(p,α)g(p)，

b(p)=(α(p))pfP(p)B(p,α)F(p)B(p,α)T，

??2m(p)?

的對角元素之和。 F(p)=E(uZ*iZ|Pi=p)，s{Hm(p)}為矩陣Hm(p)=??

???pi?pj??dp×dp

2

i

T*i

d

證明 即文獻[8]中定理1。

引理3 設{Xn}是一個隨機變量序列且Xn??→c，設{Yn}是另一個隨機變量序列且Yn??→Y,則

LL

Xn+Yn??→c+Y，XnYn??→cY

p

L

證明 該引理的結論是文獻[3]Proposition 7.3(b)的特例。

定理3 在條件1-32下，設p∈supp(fP)?R

dp

為內點，則

n

2/(dp+4)

c2?d

?IV(p,α)?m(p)]??[m→N(μ2(K)a(p,α),cpR(K)b(p,α)) (8)

2

d

證明 因為

n

2/(dp+4)

?IV(p,α)?m(p)]=n[m

2/(dp+4)

?IV(p,α,β)?m(p)]?n[m

2/(dp+4)

?(α)?β) m2(p,α)(βIV

由引理1，

p

m2(p,α)??→E(X|P=p)

所以，應用引理3可推出

L?(α)?β)??n1/2m2(p,α)(β→N(0,(E(X|P=p))2(ΓTΓ)?1ΓTVΓ(ΓTΓ)?1) IV

再由Chebychev不等式(引理2)可知

n

2/(dp+4)

p?(α)?β)=n2/(dp+4)?1/2?n1/2m(p,α)(β?(α)?β)??m2(p,α)(β→0 IV2IV

結合定理2再次應用引理3可知定理3成立。

注2 由定理2可知，非參數(shù)分量估計的收斂速度為n收斂速度

[14-15]

?2/(dp+4)

（達到了估計非參數(shù)函數(shù)m的最優(yōu)。另外，參數(shù)分量估計的收斂速度

），快于非參數(shù)模型回歸函數(shù)估計的收斂速度n

?2/(dp+dx+4)

為n?1/2。所以，半?yún)?shù)模型的參數(shù)分量和非參數(shù)分量估計的收斂速度都快于非參數(shù)模型估計的收斂速度。從而，半?yún)?shù)模型可有效地提高模型估計的收斂速度。

?IV(p,α)??推論2 在定理3的條件下，m→m(p)。

證明 由定理3和引理2容易推得。

p

?IV(p,α)的漸近均方誤差為 由定理3可推得m

AMSE(p,α,c)=

1n

4/(dp+4)

22?????c??dp

+p(K)a(,)cR(K)b(,)μααp??? (9) 2????2???

博泰典藏網(wǎng)btdcw.com包含總結匯報、自然科學、出國留學、農(nóng)林牧漁、經(jīng)管營銷、教學研究、人文社科、表格模板、高中教育、初中教育以及半?yún)?shù)計量經(jīng)濟聯(lián)立模型的變窗寬估計理論等內容。

本文共2頁12

  本文關鍵詞：半?yún)?shù)計量經(jīng)濟聯(lián)立模型的變窗寬估計理論，由筆耕文化傳播整理發(fā)布。

本文編號：80525