Language
Country/Area
No result found
多元迴歸的神秘面紗：為什麼同時估計不同方程能提高效率？
在計量經濟學的領域中，似乎無關的迴歸模型（SUR）由阿諾德·澤爾納於1962年提出，這是一種線性迴歸模型的擴展。這個模型包含多個迴歸方程，每一個方程都有其獨立的因變量，且可能擁有不同的外生解釋變量。雖然這些方程的設計看似彼此無關，但實際上其誤差項是相互關聯的，這樣的情形引發了計量經濟學家們的濃厚興趣。
根據SUR模型的假設，誤差項在觀測值之間是獨立的，但在相同觀測內的誤差項可能會有跨方程的相關性。
根據澤爾納的理論，SUR模型中每個方程都可以獨立估計，通常使用普通最小平方法（OLS）。然而，這種方法一般並不如SUR方法那樣有效率，後者通過一種特定的變異數-共變異數矩陣，採用可行的廣義最小平方法（FGLS）來進行估算。
在多數情況下，SUR方法能有效提升估計的準確性，特別是在誤差項之間存在相關性的情況下。這使得SUR模型能夠更好地反映真實世界的情況，因為在許多經濟問題中，變量之間是相互影響的，隨著時間的推移，這種影響關係往往會顯現出來。
當誤差項的共變異數矩陣是已知的對角矩陣時，SUR估計的結果就會與逐方程的OLS估計結果相同。
這意味著，在某些特定情況下，使用OLS進行單獨的迴歸也能得到與SUR相同的結果。例如，當每個方程的解釋變量完全相同時，SUR模型的估計和OLS的結果會高度一致。
此外，SUR模型的應用不僅限於只有少數幾個方程，還延伸到了更複雜的系統，例如同時方程模型。在這些情況下，方程右側的解釋變量也可能是內生變量，這推動了計量經濟學技術的進一步發展。
有效的估計技術
SUR模型的估計通常採用可行的廣義最小平方法（FGLS），這是一種兩步驟的方法。首先，我們使用普通最小平方法進行迴歸，從中獲得的殘差用來估算共變異數矩陣的元素。在第二步驟中，我們使用變異數矩陣進行廣義最小平方法估計，這可以有效提升估計的準確性。
除了FGLS方法外，還有其他幾種估計技術可供選擇，包括最大似然估計（ML），以及迭代廣義最小平方法（IGLS）和迭代普通最小平方法（IOLS）。這些方法各有優缺點，但研究顯示它們在數字上往往會產生相同的結果，這使得研究者可以根據實際需要選擇合適的技術。
計量經濟學的應用
隨著計量經濟學的發展，SUR模型被越來越多的統計軟體納入使用之中。例如，在R語言中可以使用“systemfit”包來估計SUR模型；而在Stata中則使用“sureg”和“suest”指令可完成相應的估計。
這一系列技術的發展極大地豐富了計量經濟學的工具箱，讓研究者能夠在面對複雜的經濟問題時，提供更加精確的分析與預測。
SUR模型的強大之處在於它能充分考慮到不同迴歸方程之間可能存在的交互影響，這使得我們在處理多元問題時更具優勢。然而，這是否意味著在所有情況下使用SUR都是最佳選擇呢？
