《联立方程组模型》由会员分享，可在线阅读，更多相关《联立方程组模型（64页珍藏版）》请在金锄头文库上搜索。
1、 第十一章第十一章联立方程组模型联立方程组模型研究对象n经济系统，经济系统，而不是单个经济活动而不是单个经济活动n相互依存、互为因果，而不是单向相互依存、互为因果，而不是单向因果关系因果关系n必须用必须用一组方程一组方程才能描述清楚才能描述清楚 一个简单的宏观经济系统政府支出政府支出G G由系统外部给定，其他内生。由系统外部给定，其他内生。 第十一章第十一章 联立方程组模联立方程组模型 本章主要讨论本章主要讨论: : 联立方程模型及其偏倚联立方程模型及其偏倚 联立方程模型的识别联立方程模型的识别 联立方程模型的估计联立方程模型的估计第一节第一节 联立方程模型及其偏倚联立方程模型及其偏倚本节基本
2、内容本节基本内容: :联立方程模型的性质联立方程模型的性质 联立方程模型中变量的类型联立方程模型中变量的类型联立方程模型的偏倚性联立方程模型的偏倚性联立方程模型的种类联立方程模型的种类 一、联立方程模型的性质一、联立方程模型的性质联立方程模型：联立方程模型：同时用若干个相互关联的方程，去同时用若干个相互关联的方程，去表示一个经济系统中经济变量相互依存性的模型。表示一个经济系统中经济变量相互依存性的模型。 注意：注意： 联立方程组中每一个单一方程中包含了一个或多个联立方程组中每一个单一方程中包含了一个或多个相互关联的内生变量。相互关联的内生变量。 每一个方程的被解释变量都是内生变量，每一个方程的
3、被解释变量都是内生变量，解释变量解释变量则可以是内生或者外生变量。则可以是内生或者外生变量。联立方程模型的特点联立方程模型的特点1. 由若干个单一方程组成的由若干个单一方程组成的模型中模型中不止一个被解释变量不止一个被解释变量，个，个方程可以有个被解释变量。方程可以有个被解释变量。2. 联立方程组模型里既有非确定性方程（即随机方程）又联立方程组模型里既有非确定性方程（即随机方程）又 有确定性方程，但有确定性方程，但必须含有随机方程。必须含有随机方程。3. 被解释变量和解释变量之间可能是互为因果，有的变量被解释变量和解释变量之间可能是互为因果，有的变量 在某个方程为解释变量，但同时在另一个方程中
4、可能为在某个方程为解释变量，但同时在另一个方程中可能为 被解释变量。被解释变量。解释变量有可能是随机的不可控变量解释变量有可能是随机的不可控变量4. 解释变量可能与随机扰动项相关，违反解释变量可能与随机扰动项相关，违反OLS基本假定。基本假定。如将如将(11.1)式代入式代入(11.2)式式:显然显然 在在(11.1)式中式中 与与 相关。相关。二、联立方程模型中变量的类型二、联立方程模型中变量的类型 内内生生变变量量：由由模模型型体体现现的的经经济济体体系系本本身身决决定定，在模型中是随机变量。在模型中是随机变量。 外外生生变变量量：在在模模型型体体现现的的经经济济体体系系之之外外给给定的，
5、在模型中是非随机的。定的，在模型中是非随机的。 意意义义：区区分分内内生生变变量量和和外外生生变变量量对对联联立立方方程模型的估计和应用有重要意义。程模型的估计和应用有重要意义。 注意：注意：一个变量是内生变量还是外生变量，由经一个变量是内生变量还是外生变量，由经济理论和经济意义决定，不是从数学形式决定。济理论和经济意义决定，不是从数学形式决定。联立方程模型中内生变量的个数恰好等于方程组联立方程模型中内生变量的个数恰好等于方程组中方程的个数，该方程组为中方程的个数，该方程组为完备的。完备的。作用：作用：在联立方程模型中，内生变量既可作为被在联立方程模型中，内生变量既可作为被解释变量，又可作为解
6、释变量，前定变量一般作解释变量，又可作为解释变量，前定变量一般作为解释变量。为解释变量。 联立方程偏倚：联立方程偏倚：联立方程模型中内生变量作为解联立方程模型中内生变量作为解释变量与随机项相关，违反了释变量与随机项相关，违反了OLS基本假定，如基本假定，如仍用仍用OLS法法 去估计参数，就会产生偏倚，估计式去估计参数，就会产生偏倚，估计式是有偏的，而且是不一致的，这称为联立方程偏是有偏的，而且是不一致的，这称为联立方程偏倚。倚。 结论：结论： OLS法一般不适合于估计联立方程模型。法一般不适合于估计联立方程模型。三、联立方程模型的偏倚性三、联立方程模型的偏倚性四、联立方程模型的种类四、联立方程
7、模型的种类结构型模型结构型模型简化型模型简化型模型递归型模型递归型模型联联立立方方程程模模型型1.结构型模型Structural Model结构型模型的标准形式结构型模型的标准形式：矩阵表示矩阵表示： 结构型模型举例结构型模型举例 设一个简化的凯恩斯宏观经济模型为：设一个简化的凯恩斯宏观经济模型为： 其中其中 为消费，为消费， 为收入，它们是内生变量；为收入，它们是内生变量； 是是作为外生变量的投资；作为外生变量的投资； 为随机扰动项。为随机扰动项。 可表示为：可表示为：可以矩阵表示为：可以矩阵表示为：其中其中: 1. 描述了经济变量之间的结构关系，在描述了经济变量之间的结构关系，在结构方程的
8、右端结构方程的右端 可能出现其它的内生变量可能出现其它的内生变量 2. 结构型模型有明确的经济意义，结构型模型有明确的经济意义，可直接分析解释变量可直接分析解释变量 变动对被解释变量的作用变动对被解释变量的作用 3. 结构型模型具有结构型模型具有偏倚性问题偏倚性问题，所以不能直接用，所以不能直接用OLS法法 对结构型模型的未知参数进行估计对结构型模型的未知参数进行估计 4. 通过前定变量的未来值预测内生变量的未来值时，由通过前定变量的未来值预测内生变量的未来值时，由 于在结构方程的右端出现了内生变量，所以于在结构方程的右端出现了内生变量，所以不能直接不能直接 用结构型模型进行预测：用结构型模型
9、进行预测： 结构型模型的特点结构型模型的特点简化型模型：简化型模型：每个内生变量都只被表示为前定变量每个内生变量都只被表示为前定变量及随机扰动项函数的联立方程模型，每个方程的右及随机扰动项函数的联立方程模型，每个方程的右端不再出现内生变量。端不再出现内生变量。简化型模型的建立：简化型模型的建立：直接写出简化形式直接写出简化形式 从结构型模型求解从结构型模型求解对比结构型模型：对比结构型模型： 若若 ， 存存在，则有：在，则有：若令若令则简化型模型为则简化型模型为2.简化型模型（Reduced-Form Model） 简化型模型中每个方程的解释变量全是前定变简化型模型中每个方程的解释变量全是前定
10、变 量，从而量，从而避免了联立方程偏倚避免了联立方程偏倚 简化型模型中的前定变量与随机误差项不相简化型模型中的前定变量与随机误差项不相 关。关。避免了联立方程偏倚。避免了联立方程偏倚。简化型模型中的参数简化型模型中的参数 是原结构型模型参数的函数，由估计的简化型模是原结构型模型参数的函数，由估计的简化型模 型参数，有可能求解出结构型参数型参数，有可能求解出结构型参数 简化型模型的特点简化型模型的特点 简化型模型表现了前定变量对内生变量的总影响（直简化型模型表现了前定变量对内生变量的总影响（直接影响和间接影响），其参数表现了前定变量对内生接影响和间接影响），其参数表现了前定变量对内生变量的影响乘
11、数变量的影响乘数 已知前定变量取值的条件下，可利用简化型模型参数已知前定变量取值的条件下，可利用简化型模型参数的估计式直接对内生变量进行预测分析的估计式直接对内生变量进行预测分析 3.递归型模型 递归型模型：递归型模型：第一个方程中解释变量只包含前定变第一个方程中解释变量只包含前定变量；第二个方程中解释变量只包含前定变量和前量；第二个方程中解释变量只包含前定变量和前 一一 个方程中的内生变量；第三个方程中解释变量只包个方程中的内生变量；第三个方程中解释变量只包括前定变量和前两个方程的内生变量；依此类推，括前定变量和前两个方程的内生变量；依此类推，最后一个方程内生变量最后一个方程内生变量 可以表
12、示成前定变量可以表示成前定变量 和和 个内生变量的函数。个内生变量的函数。 特点：特点：u每个模型都满足随机扰动与解释变量不相关的基每个模型都满足随机扰动与解释变量不相关的基本假定，本假定，不会产生联立方程组的偏倚性，可逐个不会产生联立方程组的偏倚性，可逐个用用OLS法估计其参数法估计其参数u递归模型是联立方程组模型的特殊形式，模型中递归模型是联立方程组模型的特殊形式，模型中事实上没有变量间互为因果的特征，所以事实上没有变量间互为因果的特征，所以不是真不是真正意义上正意义上 的联立方程模型的联立方程模型本节基本内容本节基本内容: :对模型识别的理解对模型识别的理解联立方程模型识别的类型联立方程
13、模型识别的类型联立方程模型识别的方法联立方程模型识别的方法第二节第二节 联立方程模型的识别联立方程模型的识别一、对模型识别的理解一、对模型识别的理解“识识别别”是是与与模模型型设设定定有有关关的的问问题题，实实质质是是对对特特定定的的模模型型，判判断断是是否否有有可可能能得得出出有有意意义义的结构型参数数值。的结构型参数数值。 例如，设农产品供需均衡模型为：例如，设农产品供需均衡模型为： 在均衡条件下，农产品的供给和需求一致，用在均衡条件下，农产品的供给和需求一致，用OLS法估计其参数，则无法区分估计出的参数究法估计其参数，则无法区分估计出的参数究竟是需求方程的还是供给方程的，这就是联立方竟是
14、需求方程的还是供给方程的，这就是联立方程模型的识别问题。程模型的识别问题。从方程的统计形式去认识联立方程的识别。从方程的统计形式去认识联立方程的识别。一个一个结构方程与另一个结构方程的变量以及变量结合结构方程与另一个结构方程的变量以及变量结合的函数形式的函数形式从方程中是否排除了必要的变量去理解识别。从方程中是否排除了必要的变量去理解识别。如果如果一个结构方程包含了模型的所有变量，则称该方一个结构方程包含了模型的所有变量，则称该方程为不可识别。程为不可识别。能否从简化型模型参数估计值中合理地求解出结构能否从简化型模型参数估计值中合理地求解出结构型模型参数的估计值。型模型参数的估计值。 注注 意
15、意 识别是针对有参数要估计的模型，识别是针对有参数要估计的模型，定义方程、定义方程、 恒等式本身没有识别问题恒等式本身没有识别问题 联立方程必须联立方程必须是完备的，是完备的，模型中内生变量个数模型中内生变量个数 与模型中独立方程个数应相同与模型中独立方程个数应相同 联立方程中每个方程都是可识别的，整个联立联立方程中每个方程都是可识别的，整个联立 方程体系才是可识别的方程体系才是可识别的n可以从数学上严格证明，简化式识别条件可以从数学上严格证明，简化式识别条件和结构式识别条件是等价的。和结构式识别条件是等价的。 计量经济学计量经济学方法与应用（李子奈编著，清华方法与应用（李子奈编著，清华大学出
16、版社，大学出版社，1992年年3月）第月）第104107页。页。n讨论：阶条件是确定过度识别的充分必要讨论：阶条件是确定过度识别的充分必要条件吗？条件吗？（李子奈，数量经济技术经济研究，（李子奈，数量经济技术经济研究，1988年第年第10期）期）上节课内容回顾二、联立方程模型中变量的类型二、联立方程模型中变量的类型 内内生生变变量量：由由模模型型体体现现的的经经济济体体系系本本身身决决定定，在模型中是随机变量。在模型中是随机变量。 外外生生变变量量：在在模模型型体体现现的的经经济济体体系系之之外外给给定的，在模型中是非随机的。定的，在模型中是非随机的。 意意义义：区区分分内内生生变变量量和和外
17、外生生变变量量对对联联立立方方程模型的估计和应用有重要意义。程模型的估计和应用有重要意义。 注意：注意：一个变量是内生变量还是外生变量，由经一个变量是内生变量还是外生变量，由经济理论和经济意义决定，不是从数学形式决定。济理论和经济意义决定，不是从数学形式决定。 联立方程偏倚：联立方程偏倚：联立方程模型中内生变量联立方程模型中内生变量作为解释变量与随机项相关，违反了作为解释变量与随机项相关，违反了OLS基本假定，如仍用基本假定，如仍用OLS法法 去估计参数，就去估计参数，就会产生偏倚。会产生偏倚。 结论：结论： OLS法一般不适合于估计联立方程模法一般不适合于估计联立方程模型。型。三、联立方程模
18、型的偏倚性三、联立方程模型的偏倚性四、联立方程模型的种类四、联立方程模型的种类结构型模型结构型模型简化型模型简化型模型递归型模型递归型模型联联立立方方程程模模型型 1.不可识别不可识别 意义：意义：从所掌握的信息，不能从简化型参数确定结构型参数从所掌握的信息，不能从简化型参数确定结构型参数 原因：原因：信息不足，没有解信息不足，没有解 2.适度识别（恰好识别）适度识别（恰好识别） 意义：通过简化型模型参数可唯一确定各个结构型模型参数意义：通过简化型模型参数可唯一确定各个结构型模型参数 原因：信息恰当，有唯一解原因：信息恰当，有唯一解 3.过度识别过度识别 意义：由简化型参数虽然可以确定结构型参
19、数，但是不能唯意义：由简化型参数虽然可以确定结构型参数，但是不能唯 一地一地 确定（可得出两个或两个以上的结果）确定（可得出两个或两个以上的结果） 原因：信息过多，有解但不唯一原因：信息过多，有解但不唯一 二、联立方程模型识别的类型二、联立方程模型识别的类型三、模型识别的方法三、模型识别的方法 1. 识别的阶条件识别的阶条件 识别的必要条件识别的必要条件思想：思想：一一个个结结构构型型方方程程的的识识别别，取取决决于于不不包包含含在在这这个个方方程程中中，而而包包含含在在模模型型其其他他方方程程中中变变量量的的个个数数，可可从这类变量的个数去判断方程的识别性质。从这类变量的个数去判断方程的识别
20、性质。 引入符号：引入符号： 模型中内生变量的个数（即方程的个数）模型中内生变量的个数（即方程的个数） 模型中第模型中第 个方程中包含的内生变量的个数个方程中包含的内生变量的个数 模型中前定变量的个数模型中前定变量的个数 模型中第模型中第 个方程中包含的前定变量的个数个方程中包含的前定变量的个数则模型中变量总数为则模型中变量总数为 第第 个方程中包含的变量总个数为个方程中包含的变量总个数为 第第 个方程中不包含的变量总个数为个方程中不包含的变量总个数为 方程识别的阶条件（必要条件）方程识别的阶条件（必要条件）方式方式1一个方程可识别时，其不包含的变量总个数（内生一个方程可识别时，其不包含的变量
21、总个数（内生变量变量+前定变量）大于或等于模型中内生变量总个前定变量）大于或等于模型中内生变量总个数减数减1。若方程可识别，则：若方程可识别，则： 当当 方程恰好识别方程恰好识别 当当 方程过度识别方程过度识别 阶条件的逆否命题：阶条件的逆否命题： 如果如果 方程不可识别方程不可识别 模模型型的的一一个个方方程程中中不不包包含含的的前前定定变变量量个个数数（ ），大大于于或或等等于于该该方方程程中中包包含含的的内内生生变变量量个个数数 减减1，则该方程能够识别。，则该方程能够识别。 阶条件为：当方程可识别时阶条件为：当方程可识别时 如果如果 方程恰好识别方程恰好识别 如果如果 方程过度识别方程
22、过度识别 阶条件逆否命题阶条件逆否命题 如果如果 方程方程 不可识别不可识别 容易证明，方式容易证明，方式1和方式和方式2是等价的。是等价的。方式方式2 2.识别的秩条件（充要条件）识别的秩条件（充要条件）秩条件的表述：秩条件的表述：在在有有个个内内生生变变量量个个方方程程的的完完备备联联立立方方程程模模型型中中，当当且且仅仅当当一一个个方方程程中中不不包包含含但但在在其其他他方方程程包包含含的的变变量量（不不论论是是内内生生变变量量还还是是外外生生变变量量）的的系系数数，至至少少能能够够构构成成一一个个非非零零的的阶阶行行列列式式时时，该方程是可以识别的该方程是可以识别的在在有有个个内内生生
23、变变量量个个方方程程的的完完整整联联立立方方程程模模型型中中，当当且且仅仅当当一一个个方方程程所所排排斥斥（不不包包含含）的的变变量量的参数矩阵的秩等于时，的参数矩阵的秩等于时，该方程可以识别该方程可以识别模型识别秩条件检验的方法步骤模型识别秩条件检验的方法步骤 秩条件也有三种情况：秩条件也有三种情况： （1）当）当只有一个只有一个阶非零行列式时，该方程阶非零行列式时，该方程是恰好识别的是恰好识别的 （2）当）当不止一个不止一个阶非零行列式时，该方程阶非零行列式时，该方程是过度识别的是过度识别的 （3）当）当不存在不存在 阶非零行列式时，该方程是阶非零行列式时，该方程是不可识别的不可识别的 联
24、立方程模型识别的秩条件的例子联立方程模型识别的秩条件的例子假如，设定的联立方程模型为：假如，设定的联立方程模型为：由给定方程组模型写出其结构型模型的标准形式：由给定方程组模型写出其结构型模型的标准形式： 由前面给出的判别条件，可以知道：由前面给出的判别条件，可以知道： （1）消费函数方程）消费函数方程1是不可识别的是不可识别的 （2）投资函数方程）投资函数方程2是恰好识别的是恰好识别的 （3）税收函数方程）税收函数方程3是过度识别的是过度识别的变量方程11000方程20100方程300100方程40-1-110-10阶条件和秩条件的结合阶条件和秩条件的结合第三节第三节 联立方程模型的估计联立方
25、程模型的估计本节基本内容本节基本内容: :联立方程模型估计方法的选择联立方程模型估计方法的选择递归模型的估计递归模型的估计OLSOLS恰好识别方程的估计恰好识别方程的估计ILSILS过度识别方程的估计过度识别方程的估计TSLSTSLS 1.模型的识别条件模型的识别条件 对于递归型模型对于递归型模型 直接用直接用OLS法法 对于恰好识别模型对于恰好识别模型用间接最小二乘法、用间接最小二乘法、 工具变量法工具变量法 对于过度识别模型对于过度识别模型用二阶段最小二乘法、用二阶段最小二乘法、 三阶段最小二乘三阶段最小二乘 对于不足识别模型对于不足识别模型不能估计其结构型参数不能估计其结构型参数 2.考
26、虑数据的可用性和计算方法的复杂性考虑数据的可用性和计算方法的复杂性 一、联立方程模型估计方法的选择一、联立方程模型估计方法的选择二、递归模型的估计二、递归模型的估计OLS递递归归模模型型中中各各内内生生变变量量之之间间的的联联系系只只是是单单向向的的，都都满满足足OLS基基本本假假定定，实实际际没没有有联联立立方方程程偏偏倚倚问问题题 ，可以直接按顺序逐个方程用，可以直接按顺序逐个方程用OLS估计估计 三、恰好识别模型的估计三、恰好识别模型的估计 ILS基本思想：基本思想：恰恰好好识识别别模模型型通通过过简简化化型型参参数数可可以以唯唯一一确确定定结结构构型型参参数数。显显然然，可可以以先先用
27、用OLS法法估估计计简简化化型型参参数数，然然后求解出结构型参数，即间接最小二乘法（后求解出结构型参数，即间接最小二乘法（ILS）。）。 估计步骤：估计步骤： 先将结构型方程变换为简化型方程先将结构型方程变换为简化型方程 用用OLS法估计简化型参数法估计简化型参数 从简化型与结构型参数的关系式求解结构型参数从简化型与结构型参数的关系式求解结构型参数简化型参数的估计是无偏的（小样本），并且简化型参数的估计是无偏的（小样本），并且 是一致估计式（大样本）是一致估计式（大样本）结构型参数估计在小样本中是有偏的（因结构结构型参数估计在小样本中是有偏的（因结构 型参数与简化型参数是非线性系），但在大样型
28、参数与简化型参数是非线性系），但在大样 本中是一致估计量（可证明）本中是一致估计量（可证明）结构型参数不是完全有效的，即一般不具有最结构型参数不是完全有效的，即一般不具有最 小方差小方差 间接最小二乘估计的特性间接最小二乘估计的特性 基本思想：基本思想：由结构型方程变换得到的简化型方程的一般形式为由结构型方程变换得到的简化型方程的一般形式为精确分量精确分量 随机分量随机分量四、过度识别方程的估计四、过度识别方程的估计TSLS二阶段最小二乘法实际是用二阶段最小二乘法实际是用 作为作为 的工具变量的工具变量结构方程必须是可以识别的结构方程必须是可以识别的结构型方程必须满足基本假定结构型方程必须满足
29、基本假定样本容量足够大样本容量足够大二阶段最小二乘法的假定条件二阶段最小二乘法的假定条件二阶段最小二乘法的估计步骤二阶段最小二乘法的估计步骤 第一步（第一阶段）：第一步（第一阶段）： 利利用用简简化化型型方方程程，将将第第 个个结结构构方方程程解解释释变变量量中中出出现现的的内内生生变变量量直直接接对对所所有有的的前前定定变变量量回回归归（不不须须进进行行简简化化型型模模型型的的变变换，也不须导出简化型参数与结构型参数的关系式）换，也不须导出简化型参数与结构型参数的关系式） 用用OLS法估计其参数得法估计其参数得 第二步（属第一段）：第二步（属第一段）： 利用所估计的利用所估计的 和前定变量和
30、前定变量 求出所需要的求出所需要的 第三步：（属第二段）第三步：（属第二段） 用用估估计计的的 去去替替代代结结构构方方程程中中作作为为解解释释变变量量的的内内生生变量变量 ，得：，得： 用用OLS法估计其参数得结构方程参数的法估计其参数得结构方程参数的TSLS估计量估计量 第四节第四节 案例分析案例分析一、模型设定 采用基于三部门的凯恩斯总需求决定模型，在不考虑进采用基于三部门的凯恩斯总需求决定模型，在不考虑进出口的条件下，通过消费者、企业、政府的经济活动，分出口的条件下，通过消费者、企业、政府的经济活动，分析总收入的变动对消费和投资的影响。设理论模型如下：析总收入的变动对消费和投资的影响。
31、设理论模型如下： 其中，其中， 为支出法为支出法GDP， 为消费，为消费， 为投资，为投资， 为为政府支出；内生变量为政府支出；内生变量为 、 、 ， 前定变量为前定变量为 ，即，即 根据上述理论方程，其结构型的标准形式的系根据上述理论方程，其结构型的标准形式的系数矩阵为数矩阵为 由于第一个方程为恒定式，不需要对其识别性进行由于第一个方程为恒定式，不需要对其识别性进行判断。根据前面的阶条件和秩条件判断准则（过程判断。根据前面的阶条件和秩条件判断准则（过程略），略），消费函数和投资函数都是恰好识别，消费函数和投资函数都是恰好识别，故下面故下面直接采用间接最小二乘法进行参数估计。直接采用间接最小二
32、乘法进行参数估计。 二、模型的识别性二、模型的识别性年份年份支出法支出法GDP消消费费投投资资政府支出政府支出19783605.62239.11377.9480.019794074.02619.41474.2614.019804551.32976.11590.0659.019814901.43309.11581.0705.019825489.23637.91760.2770.019836076.34020.52005.0838.019847164.44694.52468.61020.019858792.15773.03386.01184.0198610132.86542.03846.01367
33、.0198711784.77451.24322.01490.0198814704.09360.15495.01727.01978-20031978-2003年中国年中国GDPGDP、消费、投资、财政支出（作为政府、消费、投资、财政支出（作为政府支出的替代变量）的数据支出的替代变量）的数据: :三、模型的估计三、模型的估计198916466.010556.56095.02033.0199018319.511365.26444.02252.0199121280.413145.97517.02830.0199225863.715952.19636.03492.3199334500.720182.11
34、4998.04499.7199446690.726796.019260.65986.2199558510.533635.023877.06690.5199668330.440003.926867.27851.6199774894.243579.428457.68724.8199879003.346405.929545.99484.8199982673.149722.730701.610388.3200089340.954600.932499.811705.3200198592.958927.437460.813029.32002107897.662798.542304.913916.92003
35、121511.467442.551382.714764.0根据根据ILS法，首先将结构型模型转变为简化型模型：法，首先将结构型模型转变为简化型模型：则结构型模型的系数与简化型模型系数的关系为：则结构型模型的系数与简化型模型系数的关系为： 1.恰好识别方程的恰好识别方程的ILS估计估计用用EViews软件对简化型模型进行估计，结果如下：软件对简化型模型进行估计，结果如下： 由于模型是恰好识别的，则由结构型模型系数与简由于模型是恰好识别的，则由结构型模型系数与简化型模型系数之间的关系，可以惟一地解出结构型化型模型系数之间的关系，可以惟一地解出结构型模型系数的估计，从而得到结构型模型的估计为：模型系
36、数的估计，从而得到结构型模型的估计为： 2.过度识别方程的过度识别方程的TSLS估计估计 考虑在宏观经济活动中，当期消费行为还要受到上考虑在宏观经济活动中，当期消费行为还要受到上一期消费的影响，当期的投资行为也要受到上一期一期消费的影响，当期的投资行为也要受到上一期投资的影响，因此，在上述模型里再引入投资的影响，因此，在上述模型里再引入 和和 的滞后一期变量的滞后一期变量 和和 。这时模型可以写为。这时模型可以写为:用阶条件和秩条件对上述模型进行识别判断（过用阶条件和秩条件对上述模型进行识别判断（过程略），结论是消费函数和投资函数均是过度识程略），结论是消费函数和投资函数均是过度识别的。需要用
37、别的。需要用TSLS对对方程组的参数进行估计。方程组的参数进行估计。 首先，估计消费函数。进入首先，估计消费函数。进入EViews软件，确定时间范软件，确定时间范围；编辑输入数据。然后按路径：围；编辑输入数据。然后按路径：Qucik/Estimate的的equation/Equation specification/Method/TSLS，进入估计进入估计方程对话框，将方程对话框，将method按钮点开，这时会出现估计方按钮点开，这时会出现估计方法选择的下拉菜单，从中选法选择的下拉菜单，从中选“TSLS”，即，即 两阶段两阶段 最小二最小二 乘法。乘法。TSLS 对方程组的参数进行估计对方程组
38、的参数进行估计 当当TSLS法选定后，便会出现法选定后，便会出现 “Equation Specification” 对话框对话框: “Equation Specification”对话框有两个窗口对话框有两个窗口:第一个窗口写要估计的方程第一个窗口写要估计的方程,如写：如写：第二个窗口写该方程组中第二个窗口写该方程组中所有的前定变量所有的前定变量，EViews要求将截距项要求将截距项也看成前定变量。如写：也看成前定变量。如写：其中，其中， 分别为分别为 的滞后一期。然的滞后一期。然后按后按“OK”，便显示，便显示出估计结果出估计结果 。可以用同样的方法可以用同样的方法对投资方程进行估对投资方程进行估计计。最后得到该联立方程模型的估计式为：最后得到该联立方程模型的估计式为： 第十一章第十一章 结结 束束 了！了！
