1第十一章聯(lián)立方程組模型2前面各章研究的都是單一的經(jīng)濟(jì)行為，定量分析的是單向的因果關(guān)系，如只研究解釋變量對(duì)被解釋變量的影響。3

第一節(jié)聯(lián)立方程模型及其偏倚

一、聯(lián)立方程模型的性質(zhì)

經(jīng)濟(jì)現(xiàn)象可能是錯(cuò)綜復(fù)雜的經(jīng)濟(jì)系統(tǒng)，而不是單一經(jīng)濟(jì)活動(dòng)。許多情況下所研究的問(wèn)題（對(duì)象）不只是單一的變量，而是由多變量構(gòu)成的經(jīng)濟(jì)系統(tǒng)，在經(jīng)濟(jì)系統(tǒng)中多個(gè)經(jīng)濟(jì)變量之間可能存在著雙向或者多向的因果關(guān)系。這種多向的因果關(guān)系可用聯(lián)立方程模型去表述。

聯(lián)立方程模型：是指同時(shí)用若干個(gè)相互關(guān)聯(lián)的方程，去表示一個(gè)經(jīng)濟(jì)系統(tǒng)中經(jīng)濟(jì)變量相互依存性的模型。4

商品的需求量Q受商品的價(jià)格P和消費(fèi)者的收入X等因素的影響，可建立需求模型：

同時(shí)，該商品價(jià)格P也受商品需求量Q和其它替代品價(jià)格P*的影響，又可建立價(jià)格模型

(1)和(2)式中的需求Q與價(jià)格P，存在雙向因果關(guān)系，需要把兩個(gè)單一方程組成一個(gè)聯(lián)立方程組，同時(shí)去研究商品的需求量Q和商品價(jià)格P，從而形成如下的聯(lián)立方程模型：

例1

商品需求與價(jià)格模型：聯(lián)立方程模型的特點(diǎn)：（1）聯(lián)立方程模型是由若干個(gè)單一方程模型有機(jī)地組合而成的。（2）聯(lián)立方程模型里既有隨機(jī)方程又可以有確定性方程，但必須含有隨機(jī)方程。例2

凱恩斯宏觀經(jīng)濟(jì)模型（收入決定模型）將(1)式代入(2)式式中可能與相關(guān)，會(huì)使(1)式中解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，而違反基本假定。6（3）變量之間不僅可能是單向的因果關(guān)系，也可能互為因果關(guān)系。（4）解釋變量可能是隨機(jī)變量，且可能與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，而違反OLS基本假定。例如7二、聯(lián)立方程模型中變量的類(lèi)型單一方程模型中解釋變量與被解釋變量的區(qū)分十分清晰。聯(lián)立方程模型中同一變量可能既為解釋變量又為被解釋變量,因此只區(qū)分解釋變量與被解釋變量的意義不大。

內(nèi)生變量：其值由模型所決定，是模型求解的結(jié)果，在模型中是隨機(jī)變量。

外生變量：其值是由模型體現(xiàn)的經(jīng)濟(jì)體系之外給定的，在模型中是非隨機(jī)的。（1）在聯(lián)立方程模型中，外生變量能夠影響內(nèi)生變量，而內(nèi)生變量不能影響外生變量；（2）外生變量是可控制的變量，它與隨機(jī)誤差項(xiàng)不相關(guān)，是非隨機(jī)變量；（3）為了求解模型中的內(nèi)生變量，一般說(shuō)來(lái)聯(lián)立方程中方程的個(gè)數(shù)應(yīng)等于內(nèi)生變量的個(gè)數(shù)，這時(shí)稱(chēng)聯(lián)立方程是完備的；（4）在聯(lián)立方程中，有一些變量本來(lái)是內(nèi)生變量，但模型中可能出現(xiàn)這些變量的滯后值，而滯后值不能由模型決定，這時(shí)將滯后內(nèi)生變量視同外生變量，并與外生變量一起稱(chēng)為前定變量。注意：9

（5）在聯(lián)立方程模型中，內(nèi)生變量既可作為被解釋變量，又可作為解釋變量，而前定變量只作為解釋變量。

例如:

其中Q和P為內(nèi)生變量，X和P*為外生變量（6）一個(gè)變量是內(nèi)生變量還是外生變量，是由經(jīng)濟(jì)理論和經(jīng)濟(jì)意義決定，并不僅從數(shù)學(xué)形式去決定。

聯(lián)立方程模型中的變量?jī)?nèi)生變量前定變量

外生變量滯后內(nèi)生變量10例如考慮簡(jiǎn)化的凱恩斯宏觀經(jīng)濟(jì)模型：三、聯(lián)立方程模型的偏倚性

如果直接對(duì)一式用OLS進(jìn)行估計(jì)，因?yàn)轱@然Yt與ut相關(guān)，其中:C—消費(fèi);Y—收入;I—投資。

所以11于是由于是Yt與ut的樣本協(xié)方差（參見(jiàn)P34)，是Yt的樣本方差，所以聯(lián)立方程偏倚：聯(lián)立方程模型中內(nèi)生變量作為解釋變量會(huì)與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，如仍用OLS法去估計(jì)其參數(shù)，就會(huì)產(chǎn)生偏倚，這樣的估計(jì)式是有偏的，而且是不一致的，這稱(chēng)為聯(lián)立方程偏倚。12

四、聯(lián)立方程模型的種類(lèi)按是否含有隨機(jī)項(xiàng)聯(lián)立方程中的每一個(gè)單一方程依據(jù)不同的標(biāo)準(zhǔn)有不同的分類(lèi)。隨機(jī)方程確定性方程按變量間相互關(guān)系的來(lái)源行為方程式技術(shù)方程式制度方程式恒等式（見(jiàn)P13）下面考慮整個(gè)聯(lián)立方程模型的分類(lèi)。13

1、結(jié)構(gòu)型模型：為描述經(jīng)濟(jì)變量之間現(xiàn)實(shí)的經(jīng)濟(jì)結(jié)構(gòu)關(guān)系，表現(xiàn)變量間直接的經(jīng)濟(jì)聯(lián)系，可將某內(nèi)生變量直接表示為內(nèi)生變量和前定變量函數(shù)的模型，稱(chēng)為結(jié)構(gòu)型模型。

例如：

特點(diǎn)：不出現(xiàn)變量的參數(shù)用0表示，方程右邊只有隨機(jī)擾動(dòng)項(xiàng)可一般化表示為14結(jié)構(gòu)型模型的標(biāo)準(zhǔn)形式：

其中：為內(nèi)生變量；為前定變量；(當(dāng)時(shí)表明存在截距項(xiàng))；為隨機(jī)擾動(dòng)項(xiàng)，為內(nèi)生變量的參數(shù)，為前定變量的參數(shù).結(jié)構(gòu)型模型標(biāo)準(zhǔn)形式可以用矩陣表示：其中15例如，凱恩斯宏觀經(jīng)濟(jì)模型

矩陣表示：即其中：16

（1）在前定變量中可能含有其它內(nèi)生變量，如滯后內(nèi)生變量。（2）模型直觀描述了經(jīng)濟(jì)變量之間的結(jié)構(gòu)關(guān)系，有明確的經(jīng)濟(jì)意義。（3）結(jié)構(gòu)型模型具有偏倚性問(wèn)題，所以一般不能直接用OLS法對(duì)結(jié)構(gòu)型模型參數(shù)進(jìn)行估計(jì)。（4）通過(guò)前定變量的未來(lái)值去預(yù)測(cè)內(nèi)生變量的未來(lái)值時(shí)，由于在結(jié)構(gòu)方程的右端出現(xiàn)了需要預(yù)測(cè)的內(nèi)生變量，所以這時(shí)不能直接用結(jié)構(gòu)型模型去作預(yù)測(cè)。結(jié)構(gòu)型模型的特點(diǎn)：172、簡(jiǎn)化型模型簡(jiǎn)化型模型：每個(gè)內(nèi)生變量都只被表示為前定變量及隨機(jī)擾動(dòng)項(xiàng)的函數(shù)，每個(gè)方程的右端不出現(xiàn)內(nèi)生變量。簡(jiǎn)化型模型的建立

（1）直接寫(xiě)出簡(jiǎn)化形式（例如，凱恩斯宏觀經(jīng)濟(jì)模型）（3個(gè)內(nèi)生變量，2個(gè)前定變量的簡(jiǎn)化型一般形式）矩陣形式為

18設(shè)結(jié)構(gòu)型模型為：即若，存在則（2）從結(jié)構(gòu)型模型推導(dǎo)出簡(jiǎn)化型模型令得簡(jiǎn)化型模型即完備的結(jié)構(gòu)型模型，當(dāng)B可逆時(shí)，可轉(zhuǎn)化成簡(jiǎn)化型模型19例如，凱恩斯宏觀經(jīng)濟(jì)模型其簡(jiǎn)化模型為20(4)已知前定變量取值的條件下，可利用簡(jiǎn)化型模型參數(shù)的估計(jì)式直接對(duì)內(nèi)生變量進(jìn)行預(yù)測(cè)分析。簡(jiǎn)化型模型的特點(diǎn)：(1)簡(jiǎn)化型模型中的右端不再出現(xiàn)內(nèi)生變量；(2)簡(jiǎn)化型模型中前定變量與隨機(jī)誤差項(xiàng)不相關(guān)，從而避免了聯(lián)立方程偏倚?？捎肙LS估計(jì)參數(shù)；(3)簡(jiǎn)化型模型參數(shù)綜合反映了前定變量對(duì)內(nèi)生變量的總影響（直接影響和間接影響），例如在簡(jiǎn)化型模型中Gt對(duì)Yt的影響:

213、遞歸型模型遞歸型模型的構(gòu)成：例如將其轉(zhuǎn)化為結(jié)構(gòu)型標(biāo)準(zhǔn)形式：為下三角矩陣即其中

每個(gè)模型都滿(mǎn)足隨機(jī)擾動(dòng)與解釋變量不相關(guān)的基本假定，不會(huì)產(chǎn)生聯(lián)立方程組的偏倚性，可逐個(gè)用OLS估計(jì)其參數(shù)。23第二節(jié)聯(lián)立方程模型的識(shí)別

一、對(duì)聯(lián)立方程模型識(shí)別的理解

將聯(lián)立方程的結(jié)構(gòu)型模型中的內(nèi)生變量解出，用前定變量表示內(nèi)生變量，即可得聯(lián)立方程的簡(jiǎn)化型，而簡(jiǎn)化型模型一般可以運(yùn)用OLS法估計(jì)其參數(shù)。然而我們的研究目地是要獲得結(jié)構(gòu)型模型的參數(shù)估計(jì)值，那么我們能否從簡(jiǎn)化型模型的參數(shù)估計(jì)值得到結(jié)構(gòu)型模型的參數(shù)呢？一般來(lái)說(shuō)對(duì)這個(gè)問(wèn)題的回答并不總是肯定的。24例1

商品供需均衡的結(jié)構(gòu)型模型：即寫(xiě)成矩陣形式故簡(jiǎn)化型模型為即其中

顯然，由簡(jiǎn)化型模型的2個(gè)參數(shù)估計(jì)量是無(wú)法求解結(jié)構(gòu)型模型的4個(gè)參數(shù)的，這時(shí)我們就說(shuō)該模型是不可識(shí)別的。其中Y為國(guó)民總收入，C為消費(fèi)，I為投資。由（1）式得

（4）

26

將（4）式代入投資函數(shù)（3）式,即投資函數(shù)為

則有

（6）對(duì)比(2)式和(6)式:通過(guò)樣本數(shù)據(jù)C和Y所估計(jì)的參數(shù)，究竟是消費(fèi)函數(shù)的參數(shù)，還是投資函數(shù)的參數(shù)呢？例2

宏觀經(jīng)濟(jì)模型(5)(與（3）式等價(jià))27

可以看出，聯(lián)立方程模型確實(shí)存在參數(shù)識(shí)別問(wèn)題。對(duì)聯(lián)立方程識(shí)別最直觀的理解，是看能否合理地估計(jì)出結(jié)構(gòu)型模型參數(shù)的估計(jì)值。如果結(jié)構(gòu)型模型參數(shù)的估計(jì)值能合理地估計(jì)出，則稱(chēng)這個(gè)結(jié)構(gòu)方程是可以識(shí)別的，否則就是不可識(shí)別的。二、聯(lián)立方程模型識(shí)別的類(lèi)型1、不可識(shí)別

如果結(jié)構(gòu)型模型中某個(gè)方程參數(shù)的估計(jì)值不能夠由簡(jiǎn)化型模型參數(shù)估計(jì)值求得，則稱(chēng)該方程是不可識(shí)別的，如果結(jié)構(gòu)型模型中至少有一個(gè)方程不可識(shí)別，則稱(chēng)該聯(lián)立程模型是不可識(shí)別的。例如在商品供需均衡的結(jié)構(gòu)型模型中，聯(lián)立方程模型是不可識(shí)別的，這是因?yàn)楣┙o方程和需求方程的結(jié)構(gòu)形式完全一致，沒(méi)有提供分別估計(jì)各個(gè)結(jié)構(gòu)參數(shù)的足夠信息（見(jiàn)22頁(yè)）。2、恰好識(shí)別

如果結(jié)構(gòu)型模型中某個(gè)方程的參數(shù)能夠由簡(jiǎn)化型模型參數(shù)估計(jì)值唯一解出，則稱(chēng)該方程是恰好識(shí)別的，如果結(jié)構(gòu)型模型中每個(gè)方程都是恰好識(shí)別，則稱(chēng)該聯(lián)立程模型是恰好識(shí)別的。

在商品供需均衡的結(jié)構(gòu)型模型中，若補(bǔ)充一些信息：在供給方程中引入內(nèi)生變量Pt

的滯后值作為前定變量，這時(shí)需求供給模型為30例1

商品供需均衡的結(jié)構(gòu)型模型不難得到簡(jiǎn)化型模型為其中

這時(shí)，簡(jiǎn)化型模型有4個(gè)參數(shù)，結(jié)構(gòu)型模型有5個(gè)參數(shù)，雖不能唯一解出結(jié)構(gòu)型模型的所有參數(shù)，但可唯一解出所以需求方程是可識(shí)別的，但供給方程仍不可識(shí)別。

如果再在需求方程中引進(jìn)一個(gè)新的前定變量收入It

，這時(shí)需求供給模型為化為簡(jiǎn)化型模型為其中

這時(shí)，簡(jiǎn)化型和結(jié)構(gòu)型模型參數(shù)都是6個(gè)，結(jié)構(gòu)型模型參數(shù)能由簡(jiǎn)化型模型的參數(shù)估計(jì)值唯一解出，所以聯(lián)立方程模型是恰好識(shí)別的。3、過(guò)度識(shí)別

如果結(jié)構(gòu)型模型中某個(gè)方程的參數(shù)能夠由簡(jiǎn)化型模型參數(shù)估計(jì)值唯一解出，但求解出的值不唯一，則該方程稱(chēng)為過(guò)度識(shí)別。

例如，如果再在需求方程中引進(jìn)一個(gè)新的前定變量：消費(fèi)者擁有的財(cái)富Rt，這時(shí)需求供給模型為其中化為簡(jiǎn)化型模型為

這時(shí)，簡(jiǎn)化型模型參數(shù)是8個(gè)，而結(jié)構(gòu)型模型參數(shù)是7個(gè)，結(jié)構(gòu)型模型參數(shù)能由簡(jiǎn)化型模型的參數(shù)估計(jì)值解出，但解不唯一，例如同時(shí)

產(chǎn)生這種問(wèn)題的原因是向需求方程提供了過(guò)多的信息，或者說(shuō)是對(duì)供給方程施加了過(guò)多的約束，即供給方程排除了收入與財(cái)產(chǎn)兩個(gè)變量，而需求方程僅排除了一個(gè)變量。37

1、不可識(shí)別從所掌握的信息，不能從簡(jiǎn)化型參數(shù)確定結(jié)構(gòu)型參數(shù)原因：信息不足，沒(méi)有解。2、恰好識(shí)別：通過(guò)簡(jiǎn)化型模型參數(shù)可以唯一確定各個(gè)結(jié)構(gòu)型模型的參數(shù)原因：信息恰當(dāng)，有唯一解。3、過(guò)度識(shí)別由簡(jiǎn)化型參數(shù)可以確定結(jié)構(gòu)型參數(shù)，但是不唯一原因：信息過(guò)多，有解但不唯一。38

方程不可識(shí)別的原因是一個(gè)方程與模型中其他方程具有相同的統(tǒng)計(jì)形式一個(gè)方程增加變量可能使其他方程由不可識(shí)別變成可以識(shí)別，說(shuō)明方程能否識(shí)別依賴(lài)于模型中其他方程所含變量的個(gè)數(shù)。一個(gè)方程的識(shí)別狀況，決定于不包含在這個(gè)方程中，但包含在模型其他方程中變量的個(gè)數(shù)。這類(lèi)變量過(guò)少——不可識(shí)別這類(lèi)變量過(guò)多——過(guò)度識(shí)別這類(lèi)變量適度——恰好識(shí)別391、

識(shí)別的階條件——識(shí)別的必要條件設(shè)：m—模型中內(nèi)生變量的個(gè)數(shù)（即方程的個(gè)數(shù)）

mi

—模型中第i個(gè)方程中包含的內(nèi)生變量的個(gè)數(shù)

k—模型中前定變量的個(gè)數(shù)

ki

—模型中第i個(gè)方程中包含的前定變量的個(gè)數(shù)

三、聯(lián)立方程模型識(shí)別的方法第i個(gè)方程可能恰好識(shí)別第i個(gè)方程可能過(guò)度識(shí)別第i個(gè)方程是不可識(shí)別若例如在模型中，總共有k=2個(gè)前定變量，而第一個(gè)方程中k1=1，m1=2，于是有k-k1=2-1=1=m1-1，所以可能是恰好識(shí)別的；而第二個(gè)方程中k2=2，

m2=2，于是有k-k2=2-2=0＜1=m2-1，所以是不可識(shí)別的。（1）對(duì)于恒等式，不存在識(shí)別問(wèn)題；（2）階條件只是可識(shí)別的必要條件，不是充分條件。41

在有m個(gè)內(nèi)生變量m個(gè)方程的完備聯(lián)立方程模型中，某個(gè)方程可以識(shí)別當(dāng)且僅當(dāng)其他方程包含而該方程不包含的所有變量的結(jié)構(gòu)參數(shù)至少能夠構(gòu)成一個(gè)非零的m-1階行列式.（1）當(dāng)只有一個(gè)m-1階非零行列式時(shí)，恰好識(shí)別。（2）當(dāng)不止一個(gè)m-1階非零行列式時(shí)，過(guò)度識(shí)別。（3）當(dāng)不存在m-1階非零行列式時(shí)，不可識(shí)別。2、識(shí)別的秩條件—識(shí)別的充分必要條件設(shè)結(jié)構(gòu)型模型為記矩陣為聯(lián)立方程模型中除去第i個(gè)方程后，由其他方程中所有第i個(gè)方程沒(méi)有包含的變量的系數(shù)構(gòu)成的矩陣，則上述條件可表述為：第

i個(gè)方程可識(shí)別的充分必要條件是矩陣的秩：43模型識(shí)別秩條件檢驗(yàn)的方法步驟：（1）寫(xiě)出結(jié)構(gòu)型模型的標(biāo)準(zhǔn)式(方程未出現(xiàn)的變量的參數(shù)以0表示),將全部參數(shù)列成系數(shù)矩陣（2）若考察第i個(gè)方程的識(shí)別問(wèn)題：劃去矩陣中第i行和所有第i行中非0參數(shù)對(duì)應(yīng)的列，由剩余的參數(shù)構(gòu)成矩陣（3）計(jì)算（4）判斷：如果則是可以識(shí)別的(再根據(jù)非零行列式個(gè)數(shù)判斷恰好識(shí)別或過(guò)度識(shí)別)，如果則是不可以識(shí)別的。44聯(lián)立方程模型識(shí)別的秩條件的舉例設(shè)聯(lián)立方程模型為：結(jié)構(gòu)型模型的標(biāo)準(zhǔn)形式為：模型中內(nèi)生變量為C、I、Y、T；前定變量變?yōu)閅t-1、G（m=4；k=2）系數(shù)矩陣:(1)考慮第一個(gè)方程的識(shí)別問(wèn)題顯然不可識(shí)別(2)考慮第二個(gè)方程的識(shí)別問(wèn)題顯然且只能構(gòu)成一個(gè)不為0的3階行列式，故第二個(gè)方程恰好識(shí)別。(3)考慮第三個(gè)方程的識(shí)別問(wèn)題可以構(gòu)成3個(gè)非零3階行列式，故方程三過(guò)度識(shí)別。48識(shí)別的階條件—識(shí)別的必要條件

當(dāng)時(shí)方程才可能識(shí)別，但滿(mǎn)足這樣的階條件時(shí)也不一定就能識(shí)別識(shí)別的秩條件—識(shí)別的充分必要條件

當(dāng)且僅當(dāng)一個(gè)方程中不包含但在其他方程包含的變量的系數(shù)，至少能夠構(gòu)成一個(gè)非零的M-1階行列式時(shí)，該方程是可以識(shí)別的。階條件和秩條件的結(jié)合為什么要結(jié)合？秩條件—是充分必要條件，但比較繁瑣階條件—比較簡(jiǎn)便，但只是必要條件49將兩種方法結(jié)合運(yùn)用的方式：階條件不可識(shí)別秩條件不可識(shí)別階條件過(guò)度識(shí)別恰好識(shí)別是是否否是否可以識(shí)別50

模型的識(shí)別不是統(tǒng)計(jì)問(wèn)題，而是模型的設(shè)定問(wèn)題，因此在設(shè)定模型時(shí)就應(yīng)設(shè)法盡量保證模型的可識(shí)別性。在設(shè)定聯(lián)立方程模型時(shí)一般應(yīng)遵循以下原則：

新引入的方程至少含有一個(gè)前面各方程都不包含變量（內(nèi)生變量或前定變量）；前面已引入的每一個(gè)方程都至少包含一個(gè)新引入方程未包含的變量，并要互不相同。51

模型參數(shù)的估計(jì)方式應(yīng)考慮以下因素：

1、從研究目的考慮參數(shù)估計(jì)的方式（1）若為了經(jīng)濟(jì)結(jié)構(gòu)分析，檢驗(yàn)經(jīng)濟(jì)理論

—應(yīng)力爭(zhēng)準(zhǔn)確估計(jì)結(jié)構(gòu)型參數(shù)（2）若為了評(píng)價(jià)政策、論證政策效應(yīng)—應(yīng)力爭(zhēng)準(zhǔn)確估計(jì)簡(jiǎn)化型參數(shù)(反映“政策乘數(shù)”、“效果乘數(shù)”)

（3）若只是為了預(yù)測(cè)—直接估計(jì)簡(jiǎn)化型參數(shù)即可

第三節(jié)聯(lián)立方程模型的估計(jì)一、聯(lián)立方程模型估計(jì)方法的選擇52

2、模型的識(shí)別條件對(duì)于遞歸型模型—直接用OLS法對(duì)于恰好識(shí)別模型—用間接最小二乘法、工具變量法對(duì)于過(guò)度識(shí)別模型—用二段最小二乘法、三段最小二乘等對(duì)于不足識(shí)別模型—不能估計(jì)其結(jié)構(gòu)型參數(shù)

3、考慮數(shù)據(jù)的可用性和計(jì)算方法的復(fù)雜性單一方程估計(jì)法（有限信息法）：特點(diǎn)是只考慮特定方程本身所包含的信息，不考慮整個(gè)模型所提供的全部信息。方法主要有：普通最小二乘法，工具變量法，間接最小二乘法，二段最小二乘法，有限信息最大似然法等。對(duì)于可識(shí)別的聯(lián)立方程模型，估計(jì)模型中的參數(shù)，通常有兩類(lèi)方法：系統(tǒng)估計(jì)法（完全信息法）：特點(diǎn)是在考慮整個(gè)模型所提供的全部信息的情況下，對(duì)模型中的全部方程同時(shí)進(jìn)行估計(jì)。方法主要有：三段最小二乘法，似乎不相關(guān)法，完全信息最大似然法等。從對(duì)參數(shù)估計(jì)的統(tǒng)計(jì)特性看，系統(tǒng)估計(jì)法優(yōu)于單一方程估計(jì)法；從方法的可操作性和簡(jiǎn)易性看，單一方程估計(jì)法又優(yōu)于系統(tǒng)估計(jì)法。本書(shū)僅介紹部分單一方程估計(jì)法。二、遞歸模型的估計(jì)—OLS

遞歸模型是聯(lián)立方程模型中的一種特殊形式，雖然解釋變量中包含了內(nèi)生變量，但內(nèi)生變量之間的聯(lián)系只是單向的，內(nèi)生變量與隨機(jī)誤差項(xiàng)不相關(guān)，