《多方程题联立方程组模型》由会员分享，可在线阅读，更多相关《多方程题联立方程组模型（10页珍藏版）》请在金锄头文库上搜索。
1、1. 联立方程组模型的结构：联立方程组模型的结构： 一般的联立方程系统形式是一般的联立方程系统形式是t =1, 2, , T 其中：其中：yt 是内生变量向量，是内生变量向量，zt 是外生变量向量，是外生变量向量，ut 是一个可能存在序列相关的扰动项向量，是一个可能存在序列相关的扰动项向量， T 表示样本容量。估计的任务是寻找未知参数向量表示样本容量。估计的任务是寻找未知参数向量 的估计量。的估计量。 结构式联立方程系统的矩阵表示结构式联立方程系统的矩阵表示简化式模型的矩阵形式简化式模型的矩阵形式 2. 联立方程组模型的识别：联立方程组模型的识别： （1）如果一个模型中的所有随机方程都是可以识
2、别的，则认为该联立方程模型系统是）如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型系统是 可以识别的。反过来，如果一个模型系统中存在一个不可识别的随机方程，则认为该联立可以识别的。反过来，如果一个模型系统中存在一个不可识别的随机方程，则认为该联立 方程模型系统是不可以识别的。方程模型系统是不可以识别的。 （2）如果方程的结构式参数存在唯一的一组参数估计量，称其为恰好识别；如果某一）如果方程的结构式参数存在唯一的一组参数估计量，称其为恰好识别；如果某一 个随机方程具有多组参数估计量，称其为过度识别个随机方程具有多组参数估计量，称其为过度识别（3）结构式识别条件）结构式识别条件如果
3、如果 r（B0，0） ki-1，则第，则第 i 个结构方程过度识别。个结构方程过度识别。（4）简化式识别条件）简化式识别条件如果如果 r（2） ki-1，则第，则第 i 个结构方程过度识别。个结构方程过度识别。 3. 联立方程组模型的估计：联立方程组模型的估计：tttfuzy,ZuY()uZY12ky yy YM12gz zZz M12kuuuu M111212122212kkkkkk L L M L111212122212ggkkkg LLMLZ Y111212122212ggkkkg L L M L12k MZuYZ Y一类方法是单方程估计方法，使用单方程法对系统中的每个方程分别进行估计。
4、一类方法是单方程估计方法，使用单方程法对系统中的每个方程分别进行估计。 （1）普通最小二乘法）普通最小二乘法 假设扰动项不存在异方差也不存在同期相关时，使用最小二乘估假设扰动项不存在异方差也不存在同期相关时，使用最小二乘估 计量是有效的。计量是有效的。 （2）加权最小二乘法）加权最小二乘法 假设扰动项不存在同期相关和序列相关而只是存在方程间异方差假设扰动项不存在同期相关和序列相关而只是存在方程间异方差 时，使用加权最小二乘估计是有效的，并且方差的估计量是一致的。时，使用加权最小二乘估计是有效的，并且方差的估计量是一致的。 （3）二阶段最小二乘法）二阶段最小二乘法 当方程右边变量与误差项相关，但
5、扰动项之间既不存在异方差，当方程右边变量与误差项相关，但扰动项之间既不存在异方差， 又不存在同期相关时，又不存在同期相关时，S2SLS 是一种比较合适的方法。是一种比较合适的方法。 （4）加权二阶段最小二乘法）加权二阶段最小二乘法 当方程右边部分变量与扰动项相关，并且方程间的扰动项当方程右边部分变量与扰动项相关，并且方程间的扰动项 存在异方差，但是扰动项之间不存在同期相关时，存在异方差，但是扰动项之间不存在同期相关时，W2SLS 是一种比较合适的方法。是一种比较合适的方法。 （5）似乎不相关回归估计法）似乎不相关回归估计法 考虑到方程间的扰动项存在异方差和同期相关，但是单考虑到方程间的扰动项存
6、在异方差和同期相关，但是单 个方程不存在序列相关的情形时，使用似乎不相关回归法。个方程不存在序列相关的情形时，使用似乎不相关回归法。 第二类方法是系统估计方法，同时估计系统方程中的所有参数，这种同步方法允许对相关第二类方法是系统估计方法，同时估计系统方程中的所有参数，这种同步方法允许对相关 方程的系数进行约束并且使用能解决不同方程残差相关的方法。方程的系数进行约束并且使用能解决不同方程残差相关的方法。 （1）三阶段最小二乘法）三阶段最小二乘法 同时估计联立方程系统的全部结构方程的系统估计方法，是似同时估计联立方程系统的全部结构方程的系统估计方法，是似 乎不相关方法的二阶段最小二乘法。当方程右边
7、变量与扰动项相关，并且扰动项存在异乎不相关方法的二阶段最小二乘法。当方程右边变量与扰动项相关，并且扰动项存在异 方差和同期相关时，方差和同期相关时，3SLS 是一种有效的方法。是一种有效的方法。 （2）完全信息极大似然估计法）完全信息极大似然估计法 当同期扰动项具有一个联合正态分布时，利用此方法求当同期扰动项具有一个联合正态分布时，利用此方法求 得的估计量是所有的估计量中最有效的。得的估计量是所有的估计量中最有效的。 （3）广义矩估计法）广义矩估计法 用于解决方程间存在异方差和未知分布的残差相关。用于解决方程间存在异方差和未知分布的残差相关。 （4）多元）多元 GARCH 方法方法 4. 联立
8、方程组模型的检验：联立方程组模型的检验： 5. 联立方程组模型的预测：联立方程组模型的预测： （1）事后预测）事后预测 如果估计区间是如果估计区间是 1, T1，预测区间是，预测区间是 T1+1, T，然后把得到的预测，然后把得到的预测 结果与结果与 T1+1, T 区间内的内生变量的已知数据进行比较，这种预测称为事后预测，通区间内的内生变量的已知数据进行比较，这种预测称为事后预测，通 常用来检验模型预测的准确性。常用来检验模型预测的准确性。 （2）事前预测）事前预测 另一种预测是预测的起始时刻另一种预测是预测的起始时刻 t 在样本区间的终止时刻在样本区间的终止时刻 T 之后，即之后，即 t=
9、T+1，T+2，T+h 时，时，h 是预测期长度，这被称作事前预测是预测期长度，这被称作事前预测 6. 联立方程组模型的评估：联立方程组模型的评估：1.联立方程组模型的结构：联立方程组模型的结构： 12.1 克莱因模型克莱因模型 1CSt=0+1Pt+2Pt-1+3(Wpt+Wgt)+u1tIt=0+1Pt+2Pt-1+3Kt-1+u2tWpt =0+1Yt+2Yt-1+3Trendt+u3tCSt ,It ,Wpt, 为内生变量，常数项，为内生变量，常数项，Yt, Pt , Pt-1 ,Wgt ,Kt-1, Yt-1 ,Trendt， 为为 先决变量先决变量12.2 与与12.4 克莱因模型
10、克莱因模型 2CSt=0+1(Wpt+Wgt)+ 2CSt -1+3Rt-1+V1tIt=1 Rt-1+2Kt+3Pt+V2tWpt =1Yt+2Yt-1+3Kt+V3tR 为半年期商业票据利息，其他变量的含义同克莱因联立方程系统为半年期商业票据利息，其他变量的含义同克莱因联立方程系统 1 相同。相同。2.联立方程组模型的识别：联立方程组模型的识别：Yt =( CSt , It, Wpt)，Zt=(1, Yt, Pt , Pt-1 ,Wgt ,Kt-1, Yt-1 ,Trendt ) 12.1 （1）对于消费方程）对于消费方程 CSt=0+1Pt+2Pt-1+3(Wpt+Wgt)+u1tr（B
11、0，0）=2=3-1 则消费方程可以识别，并且先决变量总个数为则消费方程可以识别，并且先决变量总个数为 8，消费，消费 方程的先决变量为方程的先决变量为 4 个，个，8-42-1 则消费方程是过度识别。则消费方程是过度识别。 （2）对于投资方程）对于投资方程 It=0+1Pt+2Pt-1+3Kt-1+u2t r（B0，0）=2=3-1 则投资方程可以识别，并且先决变量总个数为则投资方程可以识别，并且先决变量总个数为 8，投资，投资 方程的先决变量为方程的先决变量为 4 个，个，8-41-1 则投资方程是过度识别。则投资方程是过度识别。 （3）对于工资方程）对于工资方程 Wpt =0+1Yt+2
12、Yt-1+3Trendt+u3t r（B0，0）=2=3-1 则工资方程可以识别，并且先决变量总个数为则工资方程可以识别，并且先决变量总个数为 8，工资，工资 方程的先决变量为方程的先决变量为 4 个，个，8-41-1 则工资方程是过度识别。则工资方程是过度识别。 12.2 与与 12.4Yt =( CSt , It, Wpt)，Zt=(1, Yt, Pt , Rt-1 ,Wgt ,Kt, Yt-1 , CSt-1) （1）对于消费方程）对于消费方程 CSt=0+1(Wpt+Wgt)+ 2CSt -1+3Rt-1+V1t r（B0，0）=2=3-1 则消费方程可以识别，并且先决变量总个数为则消
13、费方程可以识别，并且先决变量总个数为 8，消费方，消费方 程的先决变量为程的先决变量为 4 个，个，8-42-1 则消费方程是过度识别。则消费方程是过度识别。（2）对于投资方程对于投资方程 It=1 Rt-1+2Kt+3Pt+V2t r（B0，0）=2=3-1 则投资方程可以识别，并且先决变量总个数为则投资方程可以识别，并且先决变量总个数为 8，投资方，投资方 程的先决变量为程的先决变量为 3 个，个，8-31-1 则投资方程是过度识别。则投资方程是过度识别。 （3）对于工资方程）对于工资方程 Wpt =1Yt+2Yt-1+3Kt+V3t r（B0，0）=2=3-1 则工资方程可以识别，并且先
14、决变量总个数为则工资方程可以识别，并且先决变量总个数为 8，工资方，工资方 程的先决变量为程的先决变量为 3 个，个，8-31-1 则工资方程是过度识别。则工资方程是过度识别。 3.联立方程组模型的估计：联立方程组模型的估计： 12.1 使用最小二乘法估计及检验：使用最小二乘法估计及检验：(1) 单击单击 Object/New Object/system,在在 system 中输入中输入 cs=c(10)+c(12)*p +c(13)*p(-1) +c(14)*(wp+wg) i=c(20)+c(21)*p+c(22)*p(-1)+c(23)*k(-1) wp=c(30)+c(31)*y+c(
15、32)*y(-1)+c(33)*trend（2）单击工具条的单击工具条的 Estimate 键，在键，在 estimation method 中中 选择选择 ordinary least squares 样本期为样本期为 1920 1941 ZuYZuY12.2 a.使用最小二乘法估计：使用最小二乘法估计：（1）单击单击 Object/New Object/system,在在 system 中输入中输入cs=c(10)+c(11)*(wp+wg)+c(12)*cs(-1)+c(13)*r(-1) i=c(21)*p+c(22)*r(-1)+c(23)*k+AR(1)=C(25) wp=C(31)*Y+C(32)*Y(-1)+C(34)*K+AR(1)=C(35) （2）单击工具条的）单击工具条的 Estimate 键，在键，在 estimation method 中中 选择选择 o
