Abstract

The correctness and reliability of findings and\recommendations of empirical studies conducted by social and economic researchers depend largely on the efficiency of the econometrics methodologies employed in such studies. Of particular interest are such studies which are centered on the Sustainable Development Goals (SDG) considering the relevance of such studies to the total wellbeing of the world populace. In view of this, there is always a need for theoretical review of econometrics methodologies commonly used by researchers with a view to providing researchers with research updates on the theoretical standing of these methodologies. In this study, we set up a Monte Carlo Experiment (MCE) to evaluate the relative performance of various estimators of a simultaneous equation model in the presence of varied levels of multicollinearity. The model was estimated with a simulated data set of sample size 30 over 100 replications. The parameter estimates obtained from the six estimators considered were evaluated using RMSE criteria. Our result revealed that irrespective of the level of multicollinearity in our model, ILS and OLS yielded best estimates of the parameters. On the contrary, the system estimators all performed poorly in the presence of multicollinearity. Also, 2SLS, LIML and 3SLS estimators yielded virtually identical estimates. By our findings, in the presence of multicollinearity, estimators OLS and ILS performed best and should therefore be preferred above the multi-equation estimators.

摘要

由社会和经济研究人员进行的实证研究的结果和建议的正确性和可靠性在很大程度上取决于在此类研究中采用的计量经济学方法的效率。这些研究特别关注以可持续发展目标（SDG）为中心的研究，考虑到此类研究与世界民众的整体福祉的相关性。有鉴于此，始终需要对研究人员常用的计量经济学方法论进行理论综述，以期为研究人员提供有关这些方法论理论地位的最新研究成果。在这项研究中，我们建立了蒙特卡洛实验（MCE），以评估在存在多种共线性水平的情况下联立方程模型的各种估计量的相对性能。该模型是通过100个重复的样本大小为30的模拟数据集进行估算的。使用RMSE标准评估了从所考虑的六个估计器获得的参数估计。我们的结果表明，无论模型中的多重共线性水平如何，ILS和OLS都能得出参数的最佳估计值。相反，在存在多重共线性的情况下，系统估计器的性能均较差。同样，2SLS，LIML和3SLS估计量得出的估计值几乎相同。根据我们的发现，在存在多重共线性的情况下，估计器OLS和ILS表现最佳，因此应优先于多方程估计器使用。我们的结果表明，无论模型中的多重共线性水平如何，ILS和OLS都能得出参数的最佳估计值。相反，在存在多重共线性的情况下，系统估计器的性能均较差。同样，2SLS，LIML和3SLS估计量得出的估计值几乎相同。根据我们的发现，在存在多重共线性的情况下，估计器OLS和ILS表现最佳，因此应优先于多方程估计器使用。我们的结果表明，无论模型中的多重共线性水平如何，ILS和OLS都能得出参数的最佳估计值。相反，在存在多重共线性的情况下，系统估计器的性能均较差。同样，2SLS，LIML和3SLS估计量得出的估计值几乎相同。根据我们的发现，在存在多重共线性的情况下，估计器OLS和ILS表现最佳，因此应优先于多方程估计器使用。