结构分析

结构分析 (Structural Analysis)

结构分析是计量经济学中基于经济理论构建并估计模型的方法论范式，强调从经济主体的最优化行为出发推导可估计的结构方程，以区分因果关系与统计相关性。与简化形式（reduced form）分析相对，结构分析追求估计不随政策或制度环境变化而改变的"深层参数"（deep parameters），从而使反事实政策模拟与福利分析具有理论上的合法性。这一范式由考尔斯委员会于20世纪40-50年代系统化，历经卢卡斯批判的冲击以及结构向量自回归（SVAR）等方法的扩展而持续演进。

结构方程与简化形式

结构方程直接来源于经济理论——例如需求函数 $Q^d = \alpha_0 + \alpha_1 P + \alpha_2 Y + u$ 和供给函数 $Q^s = \beta_0 + \beta_1 P + v$，其中价格 $P$ 与数量 $Q$ 由市场均衡 $Q^d = Q^s$ 同时决定。每个结构方程描述了一个经济主体（消费者、企业）的行为，其参数具有明确的经济学解释：$\alpha_1$ 是需求的价格弹性相关参数，$\beta_1$ 是供给对价格的反应。结构参数是"自主的"（autonomous）——它们在逻辑上独立于同一系统中其他方程的具体设定。

与之对应，简化形式方程将内生变量表达为所有外生变量与随机扰动的函数。将上述需求-供给系统对 $P$ 和 $Q$ 求解，得到 $P = \pi_0 + \pi_1 Y + \varepsilon_P$、$Q = \pi_2 + \pi_3 Y + \varepsilon_Q$。简化形式参数 $\pi$ 是结构参数 $\alpha, \beta$ 的复合函数。简化形式适用于预测（给定 $Y$ 的变化预测 $P$ 和 $Q$ 的变化方向），但无法区分需求变动与供给变动——工作条件（working）而非结构条件。

识别问题

从简化形式参数能否唯一地恢复结构参数，构成了识别问题（identification problem）。以上述供需模型为例，简化形式提供四个 $\pi$ 参数，而结构模型有四个未知参数（$\alpha_0, \alpha_1, \beta_0, \beta_1$），方程数量恰好满足恰好识别的条件。但如果需求方程中不包含收入变量 $Y$（即 $\alpha_2 = 0$），则供给方程无法被识别——我们无法从价格-数量的观测数据中区分需求曲线的移动与供给曲线上的滑动。

识别可通过排他性约束（exclusion restrictions）实现：在某个结构方程中排除某些外生变量，为识别提供"工具"。考尔斯委员会的形式化成果——秩条件与阶条件——分别给出了识别的充要条件和必要条件。这也自然导向工具变量（IV）估计：被排除的外生变量可作为内生解释变量的工具，两阶段最小二乘法（2SLS）即是在此框架下诞生的经典估计方法。

联立方程偏误与考尔斯范式

在联立方程系统中，直接对结构方程施加普通最小二乘法会产生不一致的估计——即联立方程偏误（simultaneous equations bias）。根本原因在于内生解释变量（如需求方程中的价格 $P$）与结构扰动项相关，违背了OLS的外生性假设。Haavelmo（1943）在《计量经济学的概率方法》中对此给出了严格的概率论基础，标志着现代计量经济学从描述统计向因果推断的转折。

考尔斯委员会（Jacob Marschak、Tjalling Koopmans、Trygve Haavelmo等）在1940-50年代构建了结构分析的形式化体系：先以经济理论指定完整联立方程系统 → 检查每一方程的识别状态 → 使用有限信息（LIML）或完全信息（FIML）最大似然法进行估计。这一"先理论后估计"的范式统治了计量经济学近三十年。

卢卡斯批判与结构分析的复兴

卢卡斯（1976）的著名批判指出：传统计量经济学中估计的简化形式参数（如凯恩斯消费函数中的边际消费倾向）在政策规则改变时并不稳定，因为私人部门会根据对新政策的预期调整自身行为。只有刻画偏好、技术、约束的深层结构参数——效用函数的曲率参数、生产函数的要素替代弹性——才可能在政策变化下保持恒定。

卢卡斯批判实际上并未否定结构分析，反而强化了结构分析的必要性：只有结构模型才能用于政策评估。它推动计量经济学从"简约式经验主义"转向更深层的微观基础建模，直接催生了以结构估计为核心的动态随机一般均衡（DSGE）研究纲领与结构计量经济学（structural econometrics）的当代形态。

SVAR：最小结构约束进路

Christopher Sims（1980）对考尔斯范式中"难以置信的识别约束"提出挑战：经济理论通常只能提供关于变量间同期关系的有限信息，而传统联立方程模型强加了过多的排他性约束。他提出向量自回归（VAR）作为无理论预设的动态描述工具，随后发展为结构向量自回归（SVAR）：在简化形式VAR的基础上，仅对同期关系矩阵施加经济理论所能支持的最小约束（如利用Cholesky分解设定变量的因果顺序，或施加长期货币中性的符号约束）。SVAR在保持数据拟合优度的同时实现了对结构性冲击（货币政策冲击、技术冲击等）的识别与脉冲响应分析。

当代结构估计方法

当代结构分析已形成丰富的估计工具箱。广义矩方法（GMM）：通过经济理论蕴含的矩条件（如欧拉方程的正交条件）估计结构参数，避免了完全指定分布假设的需要。模拟矩方法（SMM）与间接推断：当结构模型过于复杂而难以解析求解似然函数时（如异质性代理人模型），通过模拟生成人工数据，以矩匹配或辅助模型参数匹配的方式估计深层参数。离散选择动态规划模型的估计：在产业组织和劳动经济学中，结构分析用于估计企业进入/退出决策、消费者品牌选择、劳动者职业转换等动态离散选择的深层参数，以进行反事实政策评估（如兼并模拟、福利改革评估）。

综上，结构分析的核心承诺在于：通过将经济理论转化为统计上可检验、可估计的结构参数体系，使经济学的实证研究超越纯粹的描述和相关分析，进入因果解释与政策设计的科学层面。这一承诺在方法论上始终面临识别假设可信度与计算可行性的张力，但其追求在变动的表象之下寻找不变的关系结构，始终是计量经济学的核心抱负。