Косвенный МНК: оценка системы одновременных уравнений

Системы одновременных уравнений описывают ситуации, когда несколько эндогенных переменных определяются совместно: спрос и предложение, доходы и расходы, ВВП и инвестиции. Прямое применение обычного МНК к каждому уравнению в отдельности даёт смещённые оценки, потому что правые части уравнений содержат переменные, коррелирующие с остатками. Косвенный метод наименьших квадратов (КМНК) обходит эту проблему через приведённую форму модели - сначала оцениваются вспомогательные регрессии, а затем из них восстанавливаются структурные коэффициенты.

Что такое система одновременных уравнений

Система одновременных уравнений - это набор уравнений, в которых зависимые переменные одного уравнения входят как объясняющие в другие. Переменные делятся на два типа: эндогенные - определяемые внутри системы - и экзогенные - задаваемые извне. В модели спроса и предложения, например, цена и объём одновременно эндогенны: цена влияет на спрос, а совокупный спрос формирует равновесную цену.

Если применить МНК к структурному уравнению напрямую, оценки окажутся несостоятельными: регрессор (эндогенная переменная в правой части) коррелирует с ошибкой, что нарушает условие $\mathbb{E}(X^T \varepsilon) = 0$. Это явление называется эндогенностью и является главной причиной смещения оценок в подобных моделях.

Рассчитать для своей задачи

Условие точной идентификации

Прежде чем применять КМНК, нужно убедиться, что уравнение точно идентифицировано. Условие идентификации формулируется через соотношение между числом переменных, исключённых из уравнения, и числом эндогенных переменных в правой части.

Для одного уравнения системы из $G$ эндогенных и $K$ экзогенных переменных вводят показатели:

• $g$ - число эндогенных переменных в данном уравнении (включая зависимую),
• $k$ - число экзогенных переменных в данном уравнении,
• $K$ - общее число экзогенных переменных в системе.

Порядковое условие: $K - k \geq g - 1$.

Если равенство выполнено точно ($K - k = g - 1$), уравнение точно идентифицировано - КМНК применим. Если левая часть больше - уравнение переидентифицировано, тогда КМНК даёт единственное решение только при специальных ограничениях; правильнее использовать двухшаговый МНК. Если $K - k < g - 1$ - уравнение неидентифицировано, оценить его структурные параметры невозможно.

Приведённая форма и её смысл

Приведённая форма системы выражает каждую эндогенную переменную только через экзогенные. Переход к ней - центральный шаг КМНК.

Пусть структурная форма системы из двух уравнений:

$y_1 = \alpha_{12} y_2 + \beta_{11} x_1 + \varepsilon_1$

$y_2 = \alpha_{21} y_1 + \beta_{22} x_2 + \varepsilon_2$

Подставив второе в первое и наоборот, получим приведённую форму:

$y_1 = \pi_{11} x_1 + \pi_{12} x_2 + v_1$

$y_2 = \pi_{21} x_1 + \pi_{22} x_2 + v_2$

Коэффициенты $\pi$ называются коэффициентами приведённой формы (reduced-form parameters). Их оценить обычным МНК корректно, потому что правые части уравнений содержат только экзогенные переменные, не коррелирующие с ошибками.

Алгоритм КМНК: три шага

Практическое применение метода состоит из трёх последовательных этапов.

Шаг 1. Построение приведённой формы. Запишите каждую эндогенную переменную как функцию всех экзогенных переменных системы. Не пропускайте ни одну экзогенную - это источник информации для идентификации.

Шаг 2. Оценка коэффициентов приведённой формы (МНК). Применяйте обычный МНК к каждому уравнению приведённой формы. Оценки $\hat{\pi}$ состоятельны и несмещены, так как правые части содержат только экзогенные переменные.

Шаг 3. Восстановление структурных коэффициентов. Из полученных $\hat{\pi}$ аналитически выразите исходные структурные коэффициенты $\alpha$ и $\beta$. Это возможно только при точной идентификации: тогда система уравнений относительно $\alpha$ и $\beta$ имеет единственное решение.

Рассчитать для своей задачи

Пример: модель спроса и предложения

Рассмотрим классическую двухуравненную модель.

Структурные уравнения:

$Q^d = \alpha_1 P + \beta_1 I + \varepsilon_1 \quad \text{(спрос)}$

$Q^s = \alpha_2 P + \beta_2 W + \varepsilon_2 \quad \text{(предложение)}$

Здесь $Q$ - объём, $P$ - цена (эндогенные), $I$ - доход покупателей, $W$ - затраты на труд (экзогенные). Уравнение спроса содержит $P$ справа, уравнение предложения - тоже. В равновесии $Q^d = Q^s = Q$.

Приведённая форма (оба уравнения через $I$ и $W$):

$P = \pi_{11} I + \pi_{12} W + v_1$

$Q = \pi_{21} I + \pi_{22} W + v_2$

Восстановление коэффициентов. После оценки $\hat{\pi}$ с помощью МНК:

$\hat{\alpha}_1 = \hat{\pi}_{21} / \hat{\pi}_{11}, \quad \hat{\beta}_1 = \hat{\pi}_{22} - \hat{\alpha}_1 \hat{\pi}_{12}$

Уравнение спроса точно идентифицировано ($K - k = 1 = g - 1$), поэтому КМНК применим. Подробнее об оценке уравнений с эндогенными переменными - в материале о двухшаговом МНК и о природе эндогенных и экзогенных переменных в системах.

Свойства оценок КМНК

Оценки КМНК обладают следующими статистическими свойствами:

• Состоятельность: при $n \to \infty$ оценки сходятся к истинным значениям коэффициентов. Это ключевое свойство, отличающее КМНК от обычного МНК для структурных уравнений.
• Смещённость: в конечных выборках оценки смещены. Размер смещения тем меньше, чем больше выборка и чем сильнее связь инструментов с эндогенными переменными.
• Асимптотическая нормальность: при выполнении стандартных предположений оценки асимптотически нормальны, что позволяет строить стандартные $t$- и $F$-тесты в больших выборках.

Важно: стандартные ошибки структурных коэффициентов не вычисляются напрямую из МНК второго шага - их нужно пересчитывать через формулы распространения ошибок или дельта-метод.

Ограничения метода

КМНК применим только при точной идентификации. При переидентификации уравнений необходимо переходить к двухшаговому МНК (2SLS) или методу инструментальных переменных (IV). 2SLS на первом шаге регрессирует эндогенные регрессоры на все инструменты, а на втором использует предсказанные значения - это позволяет задействовать все доступные ограничения и получить более эффективные оценки.

Ещё одно ограничение: КМНК требует правильной спецификации приведённой формы. Если пропущена значимая экзогенная переменная, оценки приведённой формы смещены, а значит, смещены и структурные коэффициенты.

Сравнение с прямым МНК

Почему нельзя просто применить МНК к каждому структурному уравнению? При эндогенном регрессоре $y_2$ в правой части уравнения для $y_1$ выполняется $\text{Cov}(y_2, \varepsilon_1) \neq 0$. МНК интерпретирует эту ковариацию как часть «объяснения» дисперсии $y_1$, завышая (или занижая) коэффициент при $y_2$.

На практике это означает, например, что оценённая «эластичность» спроса по цене при прямом МНК будет слишком близкой к нулю или даже положительной - потому что рост спроса сам двигает цену вверх. КМНК, используя только экзогенный сдвиг цены ($W$), отделяет причинный эффект от обратного влияния.

Рассчитать для своей задачи

Частые ошибки

• Применение КМНК к переидентифицированному уравнению. Технически уравнение решается, но оценки теряют оптимальность. Используйте 2SLS или GMM для переидентифицированных уравнений.
• Пропуск экзогенных переменных в приведённой форме. Приведённая форма должна включать ВСЕ экзогенные переменные системы, даже те, что отсутствуют в конкретном структурном уравнении.
• Игнорирование проверки идентификации. Проверяйте порядковое условие перед расчётом. Оценка неидентифицированного уравнения даёт бессмысленный результат.
• Использование стандартных ошибок МНК для структурных коэффициентов. Стандартные ошибки, выдаваемые программой на шаге МНК приведённой формы, не применимы напрямую к структурным параметрам.
• Путаница структурной и приведённой форм. Коэффициенты приведённой формы $\hat{\pi}$ - не структурные параметры. Их интерпретация как «эффектов» одной переменной на другую неверна без перехода к структурным коэффициентам.

FAQ

Чем КМНК отличается от метода инструментальных переменных? МИП - более общий подход: инструмент заменяет эндогенный регрессор напрямую. КМНК - частный случай МИП для систем уравнений. При точной идентификации оба метода дают идентичные оценки, поэтому КМНК часто описывают как «МИП через приведённую форму».

Как выбирать инструменты (экзогенные переменные) для идентификации? Инструменты должны быть коррелированы с эндогенным регрессором (сильные инструменты) и не коррелированы с ошибкой структурного уравнения (валидность). Первое проверяется $F$-тестом первого шага; второе - тестом Саргана/Хансена при переидентификации. Слабые инструменты ($F < 10$ по правилу Стайгера-Стока) делают оценки ненадёжными.

Когда система уравнений является «полной»? Система называется полной, если число структурных уравнений равно числу эндогенных переменных. Только в этом случае каждая эндогенная переменная получает уравнение, а система имеет единственное решение. Неполная система требует дополнительных ограничений или содержательных предположений.

Коротко

Косвенный метод наименьших квадратов - инструмент оценки систем одновременных уравнений при точной идентификации. Ключевые шаги: проверить порядковое условие ($K - k = g - 1$), построить приведённую форму (все эндогенные через все экзогенные), оценить её обычным МНК, аналитически восстановить структурные коэффициенты. КМНК даёт состоятельные оценки там, где прямой МНК смещён из-за эндогенности. При переидентификации правильнее использовать двухшаговый МНК или метод инструментальных переменных.