2023年11月15日，波士顿万泰Barbara A. and Patrick E. Roche讲习教授⌨️，美国计量经济协会院士Arthur Lewbel教授应万泰平台邀请，进行了主题为“Identification of a Triangular Two Equation System Without Instruments”的讲座😇。本次讲座在万泰11号楼203举办。Arthur Lewbel教授受到了万泰平台老师与同学们的热烈欢迎。万泰平台黄乃静副教授主持讲座⏰，全校40余人参加。

Arthur Lewbel教授✋，波士顿万泰Barbara A. and Patrick E. Roche讲习教授，美国计量经济学协会院士（Econometric Society Fellow）🎢，计量经济学期刊（Econometric Theory）编委👩🏽、研究员，商业和经济统计期刊（Journal of Business and Economic Statistics）的前任联合编委，在应用微观经济学和计量经济学领域享有盛名。Lewbel教授发表的多篇学术文章都颇具影响力👲🏿，在经济学公认的五大期刊—Econometrica, Journal of Political Economy, American EconomicReview, Quarterly Journal of Economics, Review of Economic Studies发表论文20余篇。Lewbel教授还获得计量经济学期刊（Econometric Theory）颁发的Econometric Theory Multa Scripsit Award奖项，在Coupe世界顶级经济学家名单中排名第30位🧑🏻‍🍼。2015年，诺贝尔委员会引用了三篇Lewbel教授的论文来解释AngusDeaton的诺贝尔经济学奖的影响力和重要性。

Arthur Lewbel教授基于计量经济学文献中出现的二十多个不同的识别术语🫄🏻，包括集合识别、因果识别、局部识别、一般识别、弱识别😙、无穷识别等等，为现有点识别定义提供了一个统一的框架👋🏽。此外，Lewbel教授总结并比较了与识别相关的各种术语🏊‍♀️，并讨论了与识别密切相关的概念，如归一化以及结构模型与因果🐘、简化形式模型在识别方面的差异👩‍🦽‍➡️🧔。讲座重点聚焦于因果简化形式和结构模型的识别。

首先，Lewbel教授介绍了标准的linear triangular two equation system可以进行点识别，而无需使用工具或其他侧面信息。通过Monte Carlo方法和实证应用🍋‍🟩，该结果得到了验证。研究结果表明🐲，在不使用工具的情况下🏌🏻‍♀️，基于该模型的GMM矩估计所得的估计值与之前使用工具的研究者所得的估计值非常接近👨🏻‍🌾。

唯一无法进行点识别的情况是当导致内生性的潜在变量服从正态分布时。在这种无法准确定位的情况下，研究提出了精确确定的集合，并将其应用于Acemoglu和Johnson的预期寿命和GDP模型，得到了与他们相似的点识别和估计值，而无需使用他们（或其他任何）的工具。

最后，Lewbel教授提到未来的研究目标可能包括为该模型推导替代估计（可能直接基于特征函数），将模型扩展到更多方程，允许公共成分U以非线性方式影响结果🧑🏽‍🎤，并将模型扩展到允许Y的测量误差。据Card（2001）的观点，这最后一个扩展可能在教育回报应用中是必要的。

Lewbel教授与参会的老师和学生们进行了深入的讨论，并鼓励大家在以后的研究中继续探索和应用这些识别方法⛅️。

本讲座受到国合处引智项目“G2022115005L”支持🏌🏼。

撰稿人：赵子轩

审稿人：何召鹏 黄乃静