与简化形式的估算相比，结构估算是什么？

我听说过很多关于结构估算的定义。但这对我来说似乎从来都不是很清楚。有时我听说一个人可能称之为“简化形式”的估算实际上应该称为结构估算。抱歉，我没有示例可以说明，但我想知道是否有人可以澄清，希望提供指向论文或其他来源的链接。与简化形式的估算相比，结构估算是什么？潜在结果框架是否算作结构方程式？

econometrics structural-estimation reduced-form-estimation

— 姆贝贾拉
source

好问题。我一直认为结构性的意思是“建立理论模型并估计最终功能形式的参数”。但是后来一位计量经济学家告诉我，我的理解是错误的，并试图向我解释结构建模。我还是不明白，期待在这里找到答案。

— 无处不在

当您的专业领域中的问题正好适合我时，我会喜欢它。

— 2014年

添加到链接。这是关于IO中的结构化形式与简化形式的一些讨论。Nevo，Aviv和Michael D.Whinston。2010。“从计量经济学中走出教条：结构建模和可信推断”。

— 汉堡2014年

结构估计是考尔斯委员会创造的一个术语，当时似乎由哈维尔莫，库普曼斯和其他一些人主导。考尔斯委员会的座右铭（1965年后）是：“理论与测量”。该短语表示结构建模的基本原理，没有某种理论就无法进行测量。据我所知，该短语最初由库普曼斯（Koopmans）在“ 经济模型构建中的识别问题 ”中使用：

结构方程组可以完全基于经济“理论”来构成。通过这个术语，我们将理解（a）从经济观察的动机（部分是内省，部分是通过访谈或经验）得出的行为经济学原则的结合，（b）法律和制度规则限制的知识个人行为（税收安排，价格控制，储备金要求等），（c）技术知识和（d）精心构造的变量定义。

那么，结构方程式就是来自基础经济（或物理或法律）模型的方程式。结构估计是精确的估计，它使用这些方程式来识别感兴趣的参数并告知反事实。重要的是，这些参数通常被认为是不变的，因此从其估计中得出的反事实将是完全“正确的”。反事实是考尔斯委员会关注的主要内容。

Koopmans还讨论了简化形式估计：

通过完整的线性结构方程组的简化形式 ...是指通过求解每个因变量（即非滞后内生变量）以及转换扰动（扰动是线性扰动的线性函数）而获得的形式原始的结构方程式）。

线性是一个时代的产物（它于1949年出版！），但要点是，简化形式的方程是用经济变量来表示的方程，没有上面定义的结构解释。因此，线性回归将是某些真实结构模型的简化形式，因为线性回归通常没有真实的经济解释。这并不意味着不能将简化形式的方程式用于识别结构方程式中的参数-实际上，这正是间接推断的方式起作用-只是它们不代表数据生成过程的更深层次的模型。简化形式可以（原则上）用于标识结构参数，在这种情况下，您仍然可以通过使用简化形式来执行结构估计。

另一种看待这种现象的方式是，结构模型通常是演绎的，而简化形式往往被用作某些更大的归纳推理的一部分。

为了将这种Cowles委托结构建模与Rubin因果建模进行比较，请查看Heckman的一组令人敬畏的幻灯片。

对于其他资源我签出更多的东西库普曼斯写道，这本书的结构宏观经济学的DeJong和Dave，这些被粉饰的讲义，本文通过Wolpin（在库普曼荣誉的考尔斯基金会书面）和响应生锈。

附录：简化形式和结构模型的简单示例。

假设我们在看的价格，数据和数量，由垄断产生的。垄断者在未来将面临一系列未知成本，以及线性需求曲线（这确实有必要证明）。比方说，和我们观察到与某些种类的平均零误差，测量，和 $p_t$ $q_t$ $\hat q_t$ $\hat p_t$ $e_t$ $v_t$

他指出，价格和数量都似乎与成本的变化有关，这种模式减少的形式等式可能是因为这是一个减小的形式模型，它需要不低于其可能凭经验工作的其他理由。

\begin{aligned} {\hat{q}}_{t} & = γ - λ c_{t} + ϵ_{t} \\ {\hat{p}}_{t} & = α + β c_{t} + ν_{t} \end{aligned}

$\begin{align} \hat q_t &= \gamma - \lambda c_t + \epsilon_t\\ \hat p_t &= \alpha + \beta c_t + \nu_t \end{align}$

另一方面，结构模型将从指定需求曲线开始（再次严格地说，应从个人效用的水平开始），然后得出垄断者的问题：

\begin{aligned} Demand curve: & p_{t} = a - b q_{t} \\ Producer's problem: & max E [\sum_{t = 0}^{\infty} δ^{t} (p_{t} - c_{t}) q_{t} (p_{t})] \\ Measurement equations: & {\hat{q}}_{t} = q_{t} + e_{t} \\ {\hat{p}}_{t} = p_{t} + v_{t} \end{aligned}

$\begin{align} \text{Demand curve: }&p_t=a-bq_t\\ \text{Producer's problem: }&\max E\left[\sum_{t=0}^\infty\delta^t (p_t-c_t)q_t(p_t)\right]\\ \text{Measurement equations: }&\hat q_t = q_t + e_t\\ &\hat p_t = p_t + v_t \end{align}$

从这个进一步的结构方程式中可以得出（结构式，因为它们仍然代表着经济行为原理）：

\begin{aligned} {\hat{q}}_{t} & = \frac{a - c_{t}}{2 b} + e_{t} \\ {\hat{p}}_{t} & = \frac{a + c_{t}}{2} + v_{t} \end{aligned}

$\begin{align} \hat q_t&=\frac{a-c_t}{2b} +e_t\\ \hat p_t&=\frac{a+c_t}{2} + v_t\\ \end{align}$

在这种情况下，简化形式的方程将具有有意义的结构解释，因为可以形成一致的估计和： $\hat a$ $\hat b$

\begin{aligned} \hat{a} & = 2 \hat{α} \\ \hat{b} & = \frac{1}{2 \hat{λ}} \end{aligned}

$\begin{align} \hat a&= 2\hat\alpha \\ \hat b&= \frac{1}{2\hat \lambda} \end{align}$

从简化形式识别结构参数的另一种情况是在具有极端价值误差的估值情况下的logit模型（参见McFadden（1974））。通常，给定的简化形式模型不太可能具有结构上的解释。

— 杰克
source

我不知道是否存在诸如结构估计之类的问题。我了解结构模型与简化形式的模型，但对结构估算与简化形式的估算却不太了解。例如，我们可以使用结构形式矢量与简化形式的矢量自回归模型，但实际上仅对后者进行了估计，然后从后者的估计中对前者进行了备份。（这是一个粗糙的示例，但它应该可以说明我的观点。）

— 理查德·哈迪

举一个简单的例子。一些模型，特别是在资产定价中，具有封闭形式的表示形式，这些形式根据结构参数来描述弯矩。对于这些模型，我们直接估计参数，就像您从数据中的第一刻起估计正态分布随机变量的平均值一样。就像简化形式的参数一样，对结构参数进行估算-区别在于所需的识别假设。

— jayk

@RichardHardy检查上面的jayk评论。

— 一位老人在海里。

@Anoldmaninthesea，谢谢。这是一个有趣的观点。但这是否意味着在这种情况下简化形式和结构参数是一致的？根据定义，估计的是简化形式，不是吗？

— 理查德·哈迪