1 / 25

Kapitel 21 Mehrgleichungs- Modelle: Schätzverfahren

Kapitel 21 Mehrgleichungs- Modelle: Schätzverfahren. Multivariate Regression. Allgemeinste Form: SUR-Modell y i = X i b i + u i , i = 1, …, m mit n -Vektoren y i und u i , ( n x k i )-Matrix X i ; der m -Vektor u t = (u t1 ,…, u tm ) hat die Kovarianzmatrix

Download Presentation

Kapitel 21 Mehrgleichungs- Modelle: Schätzverfahren

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Kapitel 21Mehrgleichungs-Modelle:Schätzverfahren

  2. Multivariate Regression Allgemeinste Form: SUR-Modell yi = Xibi + ui, i = 1, …, m mit n-Vektoren yi und ui, (nxki)-Matrix Xi; der m-Vektor ut = (ut1,…, utm) hat die Kovarianzmatrix Gleichungsweises Schätzen: bi = (Xi‘Xi)-1Xi‘yi berücksichtigt nicht die kontemporäre Korrelation der Störgrößen

  3. Multivariate Regression, Forts. In Matrixnotation mit mn-Vektoren ỹ und ũ etc. lautet das SUR-Modell oder mit

  4. GLS-Schätzer für aus SUR-Modell Standardfehler erhält man aus Effizienzgewinn der GLS-Schätzung umso größer, • je stärker die Störgrößen korrelieren • je weniger die Regressoren korrelieren GLS-Schätzer stimmt mit bi überein, wenn • Xi = X für alle i • uti mit übrigen utj, j ≠ i, unkorreliert ist

  5. FGLS-Schätzer Zwei-stufiges Verfahren: • Schätzung der Einzelgleichungen, dann Schätzen von S aus den Residuen der Einzelgleichungen • GLS-Schätzung unter Verwendung der geschätzten Matrix S In EViews: Modellierung als System

  6. Investitionsmodell Grunfeld & Griliches (1958) I = b1 + b2F + b3C + u mit I: Investitionen (gross investment) F: Marktwert des Unternehmens am Ende der Vorperiode C: Anlagenwert des Unternehmens am Ende der Vorperiode Daten für fünf Unternehmen, 1935-1954 General Motors: I = -149.78 + 0.119*F + 0.371*C, R2 = 0.92, se = 91.78 Chrysler: I = -6.19 + 0.078*F + 0.316*C, R2 = 0.91, se = 13.28 General Electric: I = -9.96 + 0.027*F + 0.512*C, R2 = 0.71, se = 27.88

  7. Investitionsmodell, Forts. General Motors: IFGLS = -133.57 + 0.115*F + 0.376*C, R2 = 0.92, se = 91.86 IOLS = -149.78 + 0.119*F + 0.371*C, R2 = 0.92, se = 91.78 Chrysler: IFGLS = -3.27 + 0.073*F + 0.320*C, R2 = 0.91, se = 13.31 IOLS = -6.19 + 0.078*F + 0.316*C, R2 = 0.91, se = 13.28 General Electric: IFGLS = -11.96 + 0.028*F + 0.152*C, R2 = 0.71, se = 27.89 IOLS = -9.96 + 0.027*F + 0.152*C, R2 = 0.71, se = 27.88

  8. Bestimmtheitsmaß Definition mit ẽ: Residuen aus FGLS-Schätzung Syy: Matrix der Stichproben-Kovarianzen Alternatives Bestimmtheitsmaß:

  9. Investitionsmodell, Forts. Berechnen des Bestimmtheitsmaßes • Generieren der Gruppe Gr1 der Residuen aus Sys_3: Sys_3.makeresids liste_residuen • Berechnen der Kovarianzmatrix der Residuen aus Sys_3: matrix sig_tilde = @cov(@convert(Gr1)) • Analog Berechnen der Kovarianzmatrix Sig_hat der Residuen der Einzelgleichungen und der abhängigen Variablen (Syy)

  10. Simultane Mehrgleichungs-Modelle: Schätzverfahren • Einzelgleichungs-Schätzverfahren oder Methoden bei beschränkter Information (limited information methods) • Indirekte Kleinste-Quadrate-Schätzung (ILS) • Zweistufige Kleinste-Quadrate-Schätzung (2SLS) • ML-Schätzung bei beschränkter Information (LIML) • Simultane Schätzverfahren (System-Schätzmethoden) • Dreistufige Kleinste-Quadrate-Schätzung (3SLS) • ML-Schätzung bei voller Information (FIML)

  11. Marktmodell Gesucht ist ein Schätzer für b2 aus Q = a2P + a3Y + u1 (Nachfragefunktion) Q = b2P + u2 (Angebotsfunktion) wobei die Störgrößen kontemporär korreliert sind • OLS-Schätzung von b2 aus Angebotsfunktion: b2 = (p‘p)-1p‘q mit n-Vektoren p und q; b2 ist verzerrt! • IV-Schätzer mit Hilfsvariabler Y: = (y‘p)-1y‘q; konsistent • ILS-Schätzer: = p2/p1 = (y‘p)-1y‘q mit OLS-Schätzern p1 und p2 von p1 und p2 aus der reduzierten Form P = p1Y + v1 Q = p2Y + v2

  12. Marktmodell, Forts. • 2SLS-Schätzung: 1. Stufe: OLS-Anpassung der Hilfsvariablen = [(y‘y)-1y‘p] y 2. Stufe: OLS-Schätzung von b2 aus Q = b2 + e2:

  13. OLS-Schätzung OLS-Schätzer der Strukturparameter eines Mehrgleichungs-Modells: im Allgemeinen weder erwartungstreu noch konsistent OLS-Schätzer sind oft eine brauchbare Alternative: • Sie sind effizient, d.h. haben minimale Varianz; sie können daher – trotz der fehlenden Erwartungstreue – günstig sein • Sie sind tendenziell robuster gegen nicht erfüllte Voraussetzungen als andere Verfahren OLS-Schätzer spielen eine wichtige Rolle in allen Verfahren zum Schätzen der Parameter von simultanen Mehrgleichungs-Modellen Rekursive Mehrgleichungs-Modelle: OLS-Schätzer sind asymptotisch unverzerrt, sie können auch bei endlichem n weitgehend unverzerrt sein

  14. Indirekte Kleinste-Quadrate-Schätzung Erfolgt In zwei Schritten: • OLS-Schätzung der Koeffizienten der reduzierten Form • Berechnung der Koeffizienten der Strukturform aus den Schätzern der Koeffizienten der reduzierten Form Voraussetzung: Die Gleichung, deren Koeffizienten geschätzt werden, muss identifizierbar sein

  15. 2SLS-Schätzung Die Koeffizienten der i-ten Gleichung yi = Xibi + ui = Yiai + Zigi + ui sollen geschätzt werden; Yi: (nx(mi-1))-Matrix der endogenen Variablen, Zi:(nxKi)-Matrix der vorherbestimmten Variablen 2SLS-Schätzung erfolgt in zwei Schritten: • Berechnen der Hilfsvariabeln Ŷi mit Hilfe der OLS-Schätzung der Regressionskoeffizienten der reduzierten Form Yi = Z (P')i + Vi • Berechnen der Schätzer durch OLS-Anpassung von yi = bi + ui mit = (ŶiZi)

  16. Markt für Schweinefleisch Q = a1 + a2P + a3Y + u1 (Nachfragefunktion) Q = b1 + b2P + b3Z + u2 (Angebotsfunktion) Endogen: Q, P ; exogen: Y, Z 2SLS-Schätzung: • Stufe: = 11.2 + 0.008Y + 0.728Z [t(Y)=1.41, t(Z)=11.19; R2=0.89] = 16.1 + 0.046Y – 0.236Z [t(Y)=6.50, t(Z)=2.96; R2=0.73] • Stufe: = 60.9 – 3.088P + 0.149Y [t(P)=11.2, t(Y)=11.7; R2=0.89] = 8.32 + 0.177P + 0.770Z [t(P)=1.41, t(Z)=11.8; R2=0.89]

  17. Markt für Schweinefleisch, Forts. Vergleich von OLS-, ILS-, und 2SLS-Schätzung

  18. 2SLS-Schätzer: Eigenschaften Voraussetzung dafür, dass i-te Gleichung schätzbar ist: Identifizierbarkeit der i-ten Gleichung Abzählbedingung: Anzahl der aus der Gleichung ausgeschlossenen, vorherbestimmten Variablen (K-Ki) ist mindestens so groß wie die um Eins verminderte Zahl der endogenen Variablen (mi-1) Also: die Anzahl der als Instrumente in Frage kommenden, vorherbestimmten Variablen muss mindestens so groß sein wie die Anzahl der endogenen Variablen, die durch Hilfsvariable zu ersetzen sind Eigenschaften: 2SLS-Schätzer sind • konsistent • asymptotisch normalverteilt

  19. LIML-Schätzung ML-Schätzung bei beschränkter Information (limited information ML oder LIML-Schätzung) Die ältere, aufwendigere LIML-Schätzung ist durch die 2SLS-Schätzung weitgehend verdrängt Ähnliche Eigenschaften: • Beide Schätzer sind konsistent und asymptotisch effizient • Die Schätzer der Koeffizienten einer Gleichung stimmen überein, wenn die Gleichung exakt identifiziert ist

  20. Schätzer bei voller Information Die 2SLS-Schätzung ignoriert die kontemporäre Korrelation der Störgrößen Schätzmethoden bei voller Information (full information methods): Das Berücksichtigen der kontemporären Korrelation macht die Schätzung der Koeffizienten einer Gleichung effizienter, da sie Information verwendet, die in allen anderen Gleichungen zu den Parametern dieser Gleichung enthalten ist 3SLS-Schätzung: Erweiterung des 2SLS-Schätzers im Sinn der FGLS-Schätzung; vergleiche die SUR-Schätzer

  21. 3SLS-Schätzung Die m Gleichungen des Modells werden geschrieben als oder mit

  22. 3SLS-Schätzung 3SLS-Schätzung erfolgt in drei Schritten: • Berechnen für jede Gleichung • Hilfsvariable • 2SLS-Schätzer und • 2SLS-Residuen • Berechnen von mit • Ermitteln der 3SLS-Schätzer als FGLS-Schätzer für

  23. 3SLS-Schätzer: Eigenschaften Voraussetzung: Identifizierbarkeit aller Gleichungen Eigenschaften: 3SLS-Schätzer sind • konsistent • asymptotisch normalverteilt 3SLS-Schätzer stimmen mit 2SLS-Schätzer überein, wenn • Alle Gleichungen exakt identifizierbar sind • S diagonal ist, die Störgrößen als kontemporär unkorreliert sind

  24. Markt für Schweinefleisch, Forts. Vergleich von 2SLS- und 3SLS-Schätzung 3SLS-Schätzer stimmen gut mit 2SLS-Schätzern überein: beide sind konsistente Schätzer Die größeren t-Statistiken weisen auf höhere Effizienz der 3SLS-Schätzer hin

  25. Weitere Schätzer bei voller Information • Iterative 3SLS-Schätzung Iteratives Berechnen der Hilfsvariablen und Residuen (1.Stufe) • FIML-Schätzung (full information ML): unterstellt normalverteilte Störgrößen, ermittelt Schätzer der Strukturparameter durch Maximieren der Likelihood-Funktion in Bezug auf Elemente von A und G • FIML-Schätzer sind • konsistent • asymptotisch normalverteilt • asymptotisch äquivalent den 3SLS-Schätzern • In EViews: 3SLS- und FIML-Schätzer

More Related