联立方程估计与模拟

《联立方程估计与模拟》由会员分享，可在线阅读，更多相关《联立方程估计与模拟（184页珍藏版）》请在金锄头文库上搜索。

1、第十二章 联立方程模型的估计与模拟 本本章章讲讲述述的的内内容容是是估估计计联联立立方方程程组组参参数数的的方方法法。包包括括最最小小二二乘乘法法LS、加加权权最最小小二二乘乘法法WLS、似似乎乎不不相相关关回回归归法法SUR、二二阶阶段段最最小小二二乘乘法法TSLS、加加权权二二阶阶段段最最小小二二乘乘法法W2LS、三三阶阶段段最最小小二二乘乘法法3LS、完完全全信信息息极极大大似似然然法法FIML和广义矩法和广义矩法GMM等估计方法。等估计方法。在估计了联立方程组的参数后就可以利用不同的解释在估计了联立方程组的参数后就可以利用不同的解释变量值对被解释变量进行模拟和预测。变量值对被解释变量进

2、行模拟和预测。1 经济系统并没有严格的空间概念。国民经济是一个系统，经济系统并没有严格的空间概念。国民经济是一个系统，一个地区的经济也是一个系统，甚至某一项经济活动也是一一个地区的经济也是一个系统，甚至某一项经济活动也是一个系统。例如我们进行商品购买决策，由于存在收入或预算个系统。例如我们进行商品购买决策，由于存在收入或预算的制约，在决定是否购买某一种商品时，必须考虑到对其他的制约，在决定是否购买某一种商品时，必须考虑到对其他商品的需求与其他商品的价格，这样，不同商品的需求量之商品的需求与其他商品的价格，这样，不同商品的需求量之间是互相影响、互为因果的。那么，商品购买决策就是一个间是互相影响、

3、互为因果的。那么，商品购买决策就是一个经济系统。经济系统。联立方程系统就是一组包含未知数的方程组联立方程系统就是一组包含未知数的方程组联立方程系统就是一组包含未知数的方程组联立方程系统就是一组包含未知数的方程组。利用一。利用一些多元方法可以对系统进行估计，这些方法考虑到了方程之些多元方法可以对系统进行估计，这些方法考虑到了方程之间的相互依存关系。间的相互依存关系。212.112.1联立方程系统概述联立方程系统概述联立方程系统概述联立方程系统概述 本本章章将将包包含含一一组组未未知知参参数数，并并且且变变量量之之间间存存在在着着反反馈馈关关系系的的联联立立方方程程组组称称为为“系系系系统统统统”

4、(systemssystems)，可可以以利利用用节节介介绍绍的的多多种种估估计计方方法法求求解解未未知知参参数数。本本章章的的节节中中将将一一组组描描述述内内生生变变量量的的已已知知方方程程组组称称为为“模模模模型型型型”(modelmodel)，给给定定了了联联立立方方程程模模型型中中外外生生变变量量的的信信息息就就可可以以使使用用联联立立方方程程模模型型对对内内生生变变量量进进行行模模拟拟、评价和预测。评价和预测。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 (12.1.1)其其中中：yt 是是内内生生变变量量向向量量，zt 是是外外生生变变量量向向量量，ut 是是一

5、一个个可可能能存存在在序序列列相相关关的的扰扰动动项项向向量量，T 表表示示样样本本容容量量。估估计计的的任任务务是是寻找未知参数向量寻找未知参数向量 的估计量。的估计量。3例例例例12.112.1克莱因联立方程系统克莱因联立方程系统克莱因联立方程系统克莱因联立方程系统 克莱因（克莱因（LawrenceRobertKlein）于）于1950年建立的、年建立的、旨在分析美国在两次世界大战之间的经济发展的小型宏观旨在分析美国在两次世界大战之间的经济发展的小型宏观计量经济模型。模型规模虽小，但在宏观计量经济模型的计量经济模型。模型规模虽小，但在宏观计量经济模型的发展史上占有重要的地位。以后的美国宏观

6、计量经济模型发展史上占有重要的地位。以后的美国宏观计量经济模型大都是在此模型的基础上扩充、改进和发展起来的。以至大都是在此模型的基础上扩充、改进和发展起来的。以至于萨缪尔森认为，于萨缪尔森认为，“美国的许多模型，剥到当中，发现都美国的许多模型，剥到当中，发现都有一个小的有一个小的Klein模型模型”。所以，对该模型。所以，对该模型的了解与分析的了解与分析对于了解西方宏观计量经济模型是重要的。对于了解西方宏观计量经济模型是重要的。Klein模型是以美国两次世界大战之间的模型是以美国两次世界大战之间的19201941年的年度数据为样本建立的。年的年度数据为样本建立的。 4 KleinKlein模型

7、：模型：模型：模型：（消费）（消费）（投资）（投资）（私人工资）（私人工资）（均衡需求）（均衡需求）（企业利润）（企业利润）（资本存量）（资本存量）（）（）此模型包含此模型包含3个行为方程，个行为方程，1个定义方程，个定义方程，2个会计方程。式中变量：个会计方程。式中变量：6 6个内生变量：个内生变量：个内生变量：个内生变量：44个外生变量：个外生变量：个外生变量：个外生变量： Y：收入（：收入（GDP中除去净出口）；中除去净出口）；G：政府非工资支出；政府非工资支出； CS：消费；：消费； Wg：政府工资；：政府工资； I：总投资：总投资(当年固定资本形成当年固定资本形成)；T：间接税收；间

8、接税收；Wp：私人工资；：私人工资；Trend：时间趋势；：时间趋势；P：企业利润；：企业利润； K：资本存量：资本存量5消消费费CS收收入入Y私人工资私人工资 WP企业利润企业利润P投资投资I资本存量资本存量K政府支出政府支出G政府工资政府工资WG间接税收间接税收TKleinKlein模型框图模型框图模型框图模型框图注：方框内是行为方程内生变量，椭圆内是恒等方程内生变量，注：方框内是行为方程内生变量，椭圆内是恒等方程内生变量，粗体是外生变量。粗体是外生变量。6 前前3个方程称为个方程称为行为方程行为方程行为方程行为方程，后面的，后面的3个方程称为个方程称为恒等方程恒等方程恒等方程恒等方程。这

9、是一个简单描述宏观经济的联立方程模型。式（）中的前这是一个简单描述宏观经济的联立方程模型。式（）中的前3个行为方程构成联立方程系统：个行为方程构成联立方程系统：t =1,2,T（）（）待估计出未知参数后，与式（）中的后待估计出未知参数后，与式（）中的后3个恒等方程一个恒等方程一起组成联立方程模型。起组成联立方程模型。7在在联联立立方方程程模模型型中中，对对于于其其中中每每个个方方程程，其其变变量量仍仍然然有有被被解解释释变变量量与与解解释释变变量量之之分分。但但是是对对于于模模型型系系统统而而言言，已已经经不不能能用用被被解解释释变变量量与与解解释释变变量量来来划划分分变变量量。对对于于同同一

10、一个个变变量量，在在这这个个方方程程中中作作为为被被解解释释变变量量，在在另另一一个个方方程程中中则则可可能能作作为为解解释释变变量量。对对于于联联立立方方程程系系统统而而言言，将将变变量量分分为为内内内内生生生生变变变变量量量量和和外外外外生生生生变变变变量量量量两两大大类类，外外生生变变量量与与滞滞后后内内生生变变量量又又被被统统称称为为先先先先决决决决变变变变量量量量或或或或前前前前定定定定变量变量变量变量。8 内内生生变变量量是是具具有有某某种种概概率率分分布布的的随随机机变变量量，它它的的参参数数是是联联立立方方程程系系统统估估计计的的元元素素，内内生生变变量量是是由由模模型型系系统

11、统决决定定的的，同同时时也也对对模模型型系系统统产产生生影影响响。内内生生变变量量一一般般都都是是经经济济变变量量。外外生生变变量量一一般般是是确确定定性性变变量量。外外生生变变量量影影响响系系统统，但但本本身身不不受受系系统统的的影影响响。外外生生变变量量一一般般是是经经济济变变量量、条条件件变变量量、政政策策变变量量、虚虚拟拟变变量量。滞滞后后内内生生变变量量是是联联立立方方程程模模型型中中重重要要的的不不可可缺缺少少的的一一部部分分变变量量，用用以以反反映映经经济济系系统统的的动动态态性性与与连连续续性性。在在例例中中，CS,I,Wp ,Y,P,K 为为内内生生变变量量，外外生生变变量量

12、G,Wg , T , Trend 和和滞滞后后内内生变量一起构成前定变量。生变量一起构成前定变量。912.212.2联立方程系统的估计方法联立方程系统的估计方法联立方程系统的估计方法联立方程系统的估计方法 EViews提提供供了了估估计计系系统统参参数数的的两两类类方方法法。一一类类方方法法是是单单单单方方方方程程程程估估估估计计计计方方方方法法法法，使使用用前前面面讲讲过过的的单单方方程程法法对对系系统统中中的的每每个个方方程程分分别别进进行行估估计计。第第二二类类方方法法是是系系系系统统统统估估估估计计计计方方方方法法法法，同同时时估估计计系系统统方方程程中中的的所所有有参参数数，这这种种

13、同同步步方方法法允允许许对对相相关关方方程程的的系系数数进进行行约约束并且使用能解决不同方程残差相关的方法。束并且使用能解决不同方程残差相关的方法。虽虽然然利利用用系系统统方方法法估估计计参参数数具具有有很很多多优优点点，但但是是这这种种方方法法也也要要付付出出相相应应的的代代价价。最最重重要要的的是是在在系系统统中中如如果果错错误误指指定定了了系系统统中中的的某某个个方方程程，使使用用单单方方程程估估计计方方法法估估计计参参数数时时，如如果果某某个个被被估估计计方方程程的的参参数数估估计计值值很很差差，只只影影响响这这个个方方程程；但但如如果果使使用用系系统统估估计计方方法法，这这个个错错误

14、误指指定定的的方方程程中中较较差差的的参参数数估估计计就就会会“传播传播”给系统中的其它方程。给系统中的其它方程。10这这里里，应应该该区区分分方方程程组组系系系系统统统统和和模模模模型型型型的的差差别别。系系系系统统统统(system)(system)是是包包含含一一组组未未知知参参数数，并并且且变变量量之之间间存存在在着着反反馈馈关关系系的的联联立立方方程程组组；模模模模型型型型(model)(model)是是一一组组描描述述内内生生变变量量关关系系的的已已知知方方程程组组，给给定定了了模模型型中中外外生生变变量量的的信信息息就就可以使用模型对内生变量求值。可以使用模型对内生变量求值。系统

15、和模型经常十分紧密地一起使用，估计了方程系统和模型经常十分紧密地一起使用，估计了方程组系统中的参数后可以创建一个模型，然后对系统中的组系统中的参数后可以创建一个模型，然后对系统中的内生变量进行模拟和预测。内生变量进行模拟和预测。11建立和说明联立方程系统建立和说明联立方程系统建立和说明联立方程系统建立和说明联立方程系统 为为了了估估计计联联立立方方程程系系统统参参数数，首首先先应应建建立立一一个个系系统统对对象象并并说说明明方方程程系系统统。单单击击Object/NewObject/system或或者者在在命命令令窗窗口口输输入入system，系系统统对对象象窗窗口口就就会会出出现现，如如果果

16、是是第第一一次次建建立立系系统统，窗窗口口是是空空白白的的，在在指指定定窗窗口口用用文文本本方方式式输输入方程，当然也包含了工具变量和参数初值。入方程，当然也包含了工具变量和参数初值。使使用用标标准准的的EViews表表达达式式用用公公式式形形式式输输入入方方程程，系系系系统统统统中中中中的的的的方方方方程程程程应应应应该该该该是是是是带带带带有有有有未未未未知知知知参参参参数数数数和和和和隐隐隐隐含含含含误误误误差差差差项项项项的的的的行行行行为为为为方方方方程程程程。例含有三个行为方程的系统是这样的：例含有三个行为方程的系统是这样的：12 这这里里使使用用了了EViews缺缺省省系系数数如

17、如c(10)、c(20)等等等等，当当然然可可以以使使用用其其它它系系数数向向量量，但但应应事事先先声声明明，方方法法是是单单击击主主菜菜单单上上Object/NewObject/Martrix-Vector-Coef/CoeffientVector。在说明方程时有一些规则：在说明方程时有一些规则： 13 规则规则规则规则1 1 1 1 方方程程组组中中，变变量量和和系系数数可可以以是是非非线线性性的的。可可以以通通过过在在不不同方程组中使用相同的系数对系数进行约束。例如：同方程组中使用相同的系数对系数进行约束。例如：y=c(1)+c(2)*xz=c(3)+c(2)*x+c(4)*y当然也可以

18、说明附加约束，例如有如下方程：当然也可以说明附加约束，例如有如下方程：y=c(1)*x1+c(2)*x2+c(3)*x3若希望使若希望使c(1)+c(2)+c(3)=1，则可以这样描述方程：，则可以这样描述方程：y=c(1)*x1+c(2)*x2+(1-c(1)-c(2)*x314 规则规则规则规则2 2 系系统统方方程程可可以以包包含含自自回回归归误误差差项项（注注意意不不能能有有MA、SAR或或SMA误误差差项项），每每一一个个AR项项必必须须伴伴随随系系数数说说明明（用用方括号，等号，系数，逗号），例如：方括号，等号，系数，逗号），例如：cs=c(1)+c(2)*gdp+ar(1)=c(

19、3),ar(2)=c(4)规则规则规则规则3 3如果方程没有未知参数，则该方程就是恒等式，即定义如果方程没有未知参数，则该方程就是恒等式，即定义方程，系统中不应该含有这样的方程，如果必须有的话，应方程，系统中不应该含有这样的方程，如果必须有的话，应该先解出恒等式将其代入行为方程。该先解出恒等式将其代入行为方程。15 规则规则规则规则4 4 方程中的等号可以出现在方程的任意位置，例如：方程中的等号可以出现在方程的任意位置，例如：log(unemp/(1-unemp)=c(1)+c(2)*dmr等号也可以不出现，只输入没有因变量的表达式，例如：等号也可以不出现，只输入没有因变量的表达式，例如：(c

20、(1)*x+c(2)*y+4)2此时，此时，EViews自动地把表达式等于隐含的误差项。自动地把表达式等于隐含的误差项。 规则规则规则规则5 5 应该确信系统中所有扰动项之间没有衡等的联系，即应该应该确信系统中所有扰动项之间没有衡等的联系，即应该避免联立方程系统中某些方程的线性组合可能构成与某个方程避免联立方程系统中某些方程的线性组合可能构成与某个方程相同的形式。例如，方程组中每个方程只描述总体的一部分，相同的形式。例如，方程组中每个方程只描述总体的一部分，方程组的和就是一个恒等式，所有扰动项的和将恒等于零。这方程组的和就是一个恒等式，所有扰动项的和将恒等于零。这种情况下则应放弃其中一个方程以

21、避免这种问题发生。种情况下则应放弃其中一个方程以避免这种问题发生。16联立方程系统估计联立方程系统估计联立方程系统估计联立方程系统估计 创建和说明了系统后，单击工具条的创建和说明了系统后，单击工具条的Estimate键，出现系统键，出现系统估计对话框，在弹出的对话框中选择估计方法和各个选项：估计对话框，在弹出的对话框中选择估计方法和各个选项：17联立方程系统残差协方差矩阵的形式联立方程系统残差协方差矩阵的形式联立方程系统残差协方差矩阵的形式联立方程系统残差协方差矩阵的形式 EViews将利用下述方法估计方程组系统的参数。系统中方将利用下述方法估计方程组系统的参数。系统中方程可以是线性也可以是非

22、线性的，还可以包含自回归误差项。程可以是线性也可以是非线性的，还可以包含自回归误差项。下下面面的的讨讨论论是是以以线线性性方方程程所所组组成成的的平平衡衡系系统统为为对对象象的的，但但是是这这些些分分析析也也适适合合于于包包含含非非线线性性方方程程的的系系统统。若若一一个个系系统统，含含有有k 个方程，用分块矩阵形式表示如下：个方程，用分块矩阵形式表示如下：(12.2.1)其其中中：yi 表表示示第第i 个个方方程程的的T 维维因因变变量量向向量量，T 是是样样本本观观测测值值个个数数，Xi 表表示示第第i 个个方方程程的的T ki 阶阶解解释释变变量量矩矩阵阵，如如果果含含有有常常数数项项，

23、则则Xi 的的第第一一列列全全为为1，ki 表表示示第第i 个个方方程程的的解解释释变变量量个个数数(包包含常数项含常数项)， i 表示第表示第i 个方程的个方程的ki 维系数向量，维系数向量，i=1,2,k。18式式(12.2.1)可以简单地表示为可以简单地表示为(12.2.2)其中：设其中：设，是是m维向量。维向量。联联立立方方程程系系统统残残差差的的分分块块协协方方差差矩矩阵阵的的kTkT 方方阵阵V大大体体有有如如下下4种种形形式式。本本章章的的估估计计方方法法都都是是在在这这些些情情形形的的基基础础上进行讨论的。上进行讨论的。19注注设设A =(aij)n m , B =(bij)p

24、 q ，定义，定义A与与B的克罗内克积的克罗内克积(简称叉积简称叉积)为为显然，显然，A B是是np mq阶矩阵，是分块矩阵，其第阶矩阵，是分块矩阵，其第(i, j)块是块是aijB。1.在在古古典典线线性性回回归归的的标标准准假假设设下下，系系统统残残差差的的分分块块协协方方差矩阵是差矩阵是kTkT 的方阵的方阵V(12.2.3)其其中中：算算子子 表表示示克克罗罗内内克克积积(kroneckerproduct)，简简称称叉叉积，积， 2是系统残差的方差。是系统残差的方差。20 2.k个个方方程程间间的的残残差差存存在在异异方方差差，但但是是不不存存在在同同期期相相关关时时，用用表表示示第第

25、i个个方方程程残残差差的的方方差差，i=1,2,k，此此时时的的矩矩阵阵形形式式为为(12.2.4)其中其中diag ()代表对角矩阵。代表对角矩阵。213.k个个方方程程间间的的残残差差不不但但是是异异方方差差的的，而而且且是是同同期期相相关关的的情情形形，可可以以通通过过定定义义一一个个kk的的同同期期相相关关矩矩阵阵 进进行行描描述述， 的的第第i行行第第j列列的的元元素素 ij =E(ui u j)。如如果果残残差差是是同同期期不不相相关关的的，那那么么，对对于于i j，则则 ij=0，如如果果k个个方方程程间间的的残残差差是是异方差且同期相关的，则有异方差且同期相关的，则有(12.2

26、.5)224.在在更更一一般般的的水水平平下下，k 个个方方程程间间的的残残差差存存在在异异方方差差、同同期期相相关关的的同同时时，每每个个方方程程的的残残差差还还存存在在自自相相关关。此此时时残残差分块协方差矩阵应写成差分块协方差矩阵应写成(12.2.6)其中：其中： ij 是第是第i 个方程残差和第个方程残差和第j 个方程残差的自相关矩个方程残差的自相关矩阵。阵。2312.2.112.2.1单方程估计方法单方程估计方法单方程估计方法单方程估计方法 1. 1. 1. 1.普通最小二乘法普通最小二乘法普通最小二乘法普通最小二乘法（OrdinaryLeastSquares,OLSOrdinary

27、LeastSquares,OLS） 这种方法是在联立方程中服从关于系统参数的约束条件的情况下，使每这种方法是在联立方程中服从关于系统参数的约束条件的情况下，使每个方程的残差平方和最小。如果没有方程间的参数约束，这种方法和使用单个方程的残差平方和最小。如果没有方程间的参数约束，这种方法和使用单方程普通最小二乘法估计每个方程式是一样的。方程普通最小二乘法估计每个方程式是一样的。在协方差阵被假定为在协方差阵被假定为时，最小二乘法是非常有效的。时，最小二乘法是非常有效的。 的估计值为：的估计值为：(12.9)估计值的协方差阵为：估计值的协方差阵为：(12.10)其中，其中，s 2系统残差方差估计值。系

28、统残差方差估计值。24 例例例例12.1(12.1(续续续续) )在格林的经济计量分析中给出了克莱因模型在格林的经济计量分析中给出了克莱因模型1920年年1941年的数据和更新版本的年的数据和更新版本的1953年年1984年数据，年数据，klein_1klein_1模型模型模型模型说明文本：说明文本：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(32)*Y(-1)+c(33)*trend在在system中只能建立中只能建立3个行为方程，其余的

29、个行为方程，其余的3个定义方程个定义方程要放到要放到model中。中。cs是消费方程，总消费主要受前期和当期是消费方程，总消费主要受前期和当期的企业利润的企业利润p、当期工资收入、当期工资收入(wp+wg)的影响；的影响；I是投资方是投资方程，投资由前期和当期利润程，投资由前期和当期利润p、前期的资本、前期的资本k来解释；来解释；wp是就业方程，用私人工资额代表就业，将它与前期和当期是就业方程，用私人工资额代表就业，将它与前期和当期的产出的产出Y联系起来，由生产规模决定就业，时间趋势项考联系起来，由生产规模决定就业，时间趋势项考虑了日益增强的非经济因素对就业的压力。虑了日益增强的非经济因素对就

30、业的压力。25克莱因模型克莱因模型(1920年年1941年年)：26 但是这个模型用在美国但是这个模型用在美国1953年年1984年的数据上结果就年的数据上结果就不好，经过改进后的模型见不好，经过改进后的模型见Klein-2模型。模型。272.2.加权最小二乘法加权最小二乘法加权最小二乘法加权最小二乘法(Weighted Least Squares , WLS(Weighted Least Squares , WLS) 这种方法通过使加权的残差平方和最小来解决联立方程的这种方法通过使加权的残差平方和最小来解决联立方程的异方差性，方程的权重是被估计的方程的方差的倒数，来自未异方差性，方程的权重是

31、被估计的方程的方差的倒数，来自未加权的系统参数的估计值。如果方程组没有联立约束，该方法加权的系统参数的估计值。如果方程组没有联立约束，该方法与未加权单方程最小二乘法产生相同的结果。与未加权单方程最小二乘法产生相同的结果。加权最小二乘法的估计值为：加权最小二乘法的估计值为：(12.2.14)其中，其中，是是V 的一个一致估计量。的一个一致估计量。V 中的元素中的元素 i2的估计值的估计值sii 为为i =1,2,k(12.2.15)28当方程右边的变量当方程右边的变量X 全部是外生变量，残差是异方差和同全部是外生变量，残差是异方差和同期相关的，误差协方差阵形式为期相关的，误差协方差阵形式为V =

32、 IT 时，使用时，使用SUR方法方法是恰当的。进行广义最小二乘（是恰当的。进行广义最小二乘（GLS）估计，此时的）估计，此时的SUR估计估计值为值为：(12.2.16)这里这里是元素为是元素为sij 的的 的一致估计。的一致估计。3.3.似乎不相关回归似乎不相关回归似乎不相关回归似乎不相关回归(SeeminglyUnrelatedRegression,SUR)(SeeminglyUnrelatedRegression,SUR)29例的例的SUR估计结果为估计结果为30314.4.二阶段最小二乘法二阶段最小二乘法二阶段最小二乘法二阶段最小二乘法(Two-StageLeastSquares,TS

33、LS)(Two-StageLeastSquares,TSLS) 系统二阶段最小二乘法方法（系统二阶段最小二乘法方法（STSLS）是前面描述的单方程二阶段最小二）是前面描述的单方程二阶段最小二乘估计的系统形式。当方程右边变量与误差项相关，但既不存在异方差，误差乘估计的系统形式。当方程右边变量与误差项相关，但既不存在异方差，误差项之间又不相关时，项之间又不相关时，STSLS是一种比较合适的方法。是一种比较合适的方法。EViews在实施联立方程在实施联立方程约束同时，对系统的每个方程进行二阶段最小二乘估计，如果没有联立方程的约束同时，对系统的每个方程进行二阶段最小二乘估计，如果没有联立方程的约束，得

34、到的结果与单方程的最小二乘（约束，得到的结果与单方程的最小二乘（TSLS）结果相同。）结果相同。联立方程系统的结构式联立方程系统的结构式(12.1.4)中的第中的第i个方程可以写为个方程可以写为i =1,2,k(12.2.17)或等价的写为或等价的写为(12.2.18)式式中中 i 是是式式(12.1.4)内内生生变变量量系系数数矩矩阵阵 的的第第i 行行的的行行向向量量，是是将将 i 中中第第i 个个元元素素设设为为0， i 是是先先决决变变量量系系数数矩矩阵阵 的的第第i 行行的的行行向向量量，。Y 是内生变量矩阵，是内生变量矩阵，Z 是前定变量矩阵。是前定变量矩阵。32第第一一阶阶段段用

35、用所所有有的的前前定定变变量量Z 对对第第i 个个方方程程右右端端出出现现的的内内生生变变量量（记记为为Yi）做做回回归归，采采用用普普通通最最小小二二乘乘法法估估计计其其参参数，并得到拟合值数，并得到拟合值(12.2.19)由这个方程的表达式可知，在大样本下，由这个方程的表达式可知，在大样本下，i 与残差独立。与残差独立。在在第第二二阶阶段段，用用i 代代替替Yi ，再再利利用用Xi ，采采用用普普通通最最小小二乘法重新估计，回归得到二乘法重新估计，回归得到i =1,2,k(12.2.20)其中：其中：，这个参数的估计量即为原结构方程的，这个参数的估计量即为原结构方程的参数的二阶段最小二乘的

36、一致估计量。参数的二阶段最小二乘的一致估计量。335.5.加权二阶段最小二乘法加权二阶段最小二乘法加权二阶段最小二乘法加权二阶段最小二乘法(WTSLS)(WTSLS) 该该方方法法是是加加权权最最小小二二乘乘法法的的二二阶阶段段方方法法。当当方方程程右右边边变变量量与与误误差差项项相相关关并并且且存存在在异异方方差差但但误误差差项项之之间间不不相相关关时时，W2LS是是一一种种比比较较合合适适的的方方法法。EViews首首先先对对未未加加权权系系统统进进行行二二阶阶段段最最小小二二乘乘，根根据据估估计计出出来来的的方方程程的的方方差差求求出出方方程程的的权权重重，如如果果没没有有联联立立方方程

37、程的的约约束束，得得到到的的一一阶阶段段的的结结果果与与未未加加权权单方程的最小二乘结果相同。单方程的最小二乘结果相同。加加权权二二阶阶段段最最小小二二乘乘法法的的第第一一阶阶段段与与未未加加权权二二阶阶段段最最小小二二乘乘法法相相同同。而而在第二阶段时，则是使用通过第一阶段得到的权重矩阵在第二阶段时，则是使用通过第一阶段得到的权重矩阵(12.2.21)进行加权最小二乘估计，得到的第进行加权最小二乘估计，得到的第i 个方程的参数估计量为个方程的参数估计量为i =1,2,k(12.2.22)346.6.扰动项存在序列相关的修正（方程含有扰动项存在序列相关的修正（方程含有扰动项存在序列相关的修正（

38、方程含有扰动项存在序列相关的修正（方程含有ARAR项）项）项）项） 如果第如果第i 个方程含有个方程含有AR项，项，EViews估计下面方程：估计下面方程：t = =1,2,T(12.2.11)这这里里， i 是是独独立立的的，但但方方程程之之间间存存在在同同期期相相关关，EViews把把上上两两个个方方程程联联合合成成一一个非线性方程：个非线性方程：(12.2.12)每每次次迭迭代代时时，EViews第第一一步步迭迭代代用用非非线线性性最最小小二二乘乘法法并并计计算算出出，然然后后构构造出造出 的估计，元素为：的估计，元素为： i,j = =1,2,k (12.2.13)运用非线性广义最小二

39、乘法（运用非线性广义最小二乘法（GLS）完成估计过程的每次迭代，直到估计）完成估计过程的每次迭代，直到估计的系数和加权矩阵全都收敛时就结束迭代过程。的系数和加权矩阵全都收敛时就结束迭代过程。35例例例例12.2 12.2 克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型Klein-2Klein-2模型：模型：模型：模型：美国美国1953年年-1984年期间：年期间：cs=c(10)+c(11)*(wp+wg)+c(12)*r(-1)+c(13)*cs(-1)I=c(21)*k+c(22)*r(-1)+c(23)*p+AR(1)=C(25)wp=c(31)*y+c(32)

40、*y(-1)+c(34)*k+AR(1)=C(35)其中：其中：r为半年期商业票据利息，其他变量的含义同克莱因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联立方程系统相同。该模型的相同。该模型的OLS估计结果为：估计结果为：363738例例12.2克莱因联立方程模型二阶段最小二乘克莱因联立方程模型二阶段最小二乘（STSLS）估计结果）估计结果:394012.2.212.2.2系统估计方法系统估计方法系统估计方法系统估计方法 1.1. 三三三三阶阶阶阶段段段段最最最最小小小小二二二二乘乘乘乘法法法法(Three-Stage(Three-Stage LeastLeast Squares

41、Squares , ,3SLS)3SLS) 当方程右边变量与误差项相关并且存在异方差，同时残差项相关当方程右边变量与误差项相关并且存在异方差，同时残差项相关时，时，3LSL是有效方法。因为二阶段最小二乘法是单方程估计方法，没是有效方法。因为二阶段最小二乘法是单方程估计方法，没有考虑到残差之间的协方差，所以，一般说来，它不是很有效。有考虑到残差之间的协方差，所以，一般说来，它不是很有效。三阶段最小二乘法的基本思路是：先用三阶段最小二乘法的基本思路是：先用2SLS估计每个方程，然后估计每个方程，然后再对整个联立方程系统利用广义最小二乘法估计。在第一阶段，先估再对整个联立方程系统利用广义最小二乘法估

42、计。在第一阶段，先估计联立方程系统的简化形式。然后，用全部内生变量的拟合值得到联计联立方程系统的简化形式。然后，用全部内生变量的拟合值得到联立方程系统中所有方程的立方程系统中所有方程的2SLS估计。一旦计算出估计。一旦计算出2SLS的参数，每个方的参数，每个方程的残差值就可以用来估计方程之间的方差和协方差，类似于程的残差值就可以用来估计方程之间的方差和协方差，类似于SUR的的估计过程。第三阶段也就是最后阶段，将得到广义最小二乘法的参数估计过程。第三阶段也就是最后阶段，将得到广义最小二乘法的参数估计量。很显然，估计量。很显然，3SLS能得到比能得到比2SLS更有效的参数估计量，因为它考更有效的参

43、数估计量，因为它考虑了方程之间的相关关系。虑了方程之间的相关关系。41式式(12.2.1)的矩阵形式为的矩阵形式为(12.2.27)其其中中：Y 是是内内生生变变量量矩矩阵阵，X 是是解解释释变变量量的的分分块块矩矩阵阵， 是是未未知知参数向量。参数向量。在平衡系统的情况下，使用在平衡系统的情况下，使用3SLS得到的估计量为得到的估计量为(12.2.28)其中：其中：(12.2.29)其中：其中：Z是前定变量矩阵，是前定变量矩阵，Xi 是式是式(12.2.1)中的第中的第i 个方程的个方程的T ki 阶解释变量矩阵。当残差的协方差矩阵阶解释变量矩阵。当残差的协方差矩阵 是未知时，三阶是未知时，

44、三阶段最小二乘法利用从二阶段得到的残差来获得段最小二乘法利用从二阶段得到的残差来获得 的一致估计的一致估计。42克莱因联立方程克莱因联立方程2的三阶段最小二乘法估计结果的三阶段最小二乘法估计结果:43442.2. 完全信息极大似然法完全信息极大似然法完全信息极大似然法完全信息极大似然法完完全全信信息息极极大大似似然然法法(fullinformationmaximumlikelihood，FIML)是是极极大大似似然然法法（ML）的的直直接接推推广广，是是基基于于整整个个系系统统的的系系统统估估计计方方法法，它它能能够够同同时时处处理理所所有有的的方方程程和和所所有有的的参参数数。如如果果似似然

45、然函函数数能能准准确确的的设设定定，FIML会会根根据据已已经经得得到到样样本本观观测测值值，使使整整个个联联立立方方程程系系统统的的似似然然函函数数达达到到最最大大，以以得得到到所所有有结结构构参参数数的的估估计计量量。当当同同期期误误差差项项具具有有一一个个联联合合正正态态分分布布时时，利利用用此此方法求得的估计量是所有的估计量中最有效的。方法求得的估计量是所有的估计量中最有效的。对对于于联联立立方方程程系系统统(12.2.27)，假假设设u服服从从零零均均值值，方方差差矩矩阵阵为为V= IT式式(12.2.5)的多元正态分布。则可以写出的多元正态分布。则可以写出Y 的对数似然函数为的对数

46、似然函数为(12.2.31)其中：其中：B 是式是式(12.1.4)中的内生变量的中的内生变量的k k 阶结构参数矩阵。阶结构参数矩阵。对上面的极大似然函数进行求解，就可以得到结构参数的对上面的极大似然函数进行求解，就可以得到结构参数的FIML估计量。估计量。但是这个非线性方程系统求解非常复杂，需要采用牛顿迭代方法或阻尼迭代但是这个非线性方程系统求解非常复杂，需要采用牛顿迭代方法或阻尼迭代方法等。方法等。453.3.广义矩法广义矩法广义矩法广义矩法(GeneralizedMethodofMoments,(GeneralizedMethodofMoments,GMM)GMM) GMM估估计计基基

47、于于假假设设方方程程组组中中的的扰扰动动项项和和一一组组工工具具变变量量不不相相关关。GMM估估计计是是将将准准则则函函数数定定义义为为工工具具变变量量与与扰扰动动项项的的相相关关函函数数，使使其其最最小小化化得得到到的的参参数数为为估估计计值值。如如果果在在准准则则函函数数中中选选取取适适当当的的权权数数矩矩阵阵，广广义义矩矩法法可可用用于于解解决决方程间存在异方差和未知分布的残差相关。方程间存在异方差和未知分布的残差相关。其实，很多估计方法包括其实，很多估计方法包括EViews提供的所有系统估提供的所有系统估计方法都是广义矩法（计方法都是广义矩法（GMM）的特殊情况。例如：当方）的特殊情况

48、。例如：当方程右边的变量都与残差无关时，普通最小二乘估计就是广程右边的变量都与残差无关时，普通最小二乘估计就是广义矩估计。义矩估计。 46广广义义矩矩估估计计法法的的基基本本思思想想是是待待估估计计的的参参数数 需需要要满满足足一一系列的理论矩条件，记这些矩条件为系列的理论矩条件，记这些矩条件为(12.2.32)矩矩估估计计方方法法就就是是用用样样本本的的矩矩条条件件来来替替代代理理论论矩矩条条件件(12.2.32)，即，即(12.2.33)广义矩估计量是通过最小化下面的准则函数来定义的：广义矩估计量是通过最小化下面的准则函数来定义的：(12.2.34)47 上上式式简简单单的的理理解解就就是

49、是矩矩条条件件m和和零零点点的的“距距离离”，A是是赋赋予予每每个个矩矩条条件件的的权权数数的的加加权权矩矩阵阵，任任何何对对称称的的正正定定矩矩阵阵A都都将将产产生生一一个个 的的一一致致估估计计。然然而而，可可以以证证明明要要要要得得得得到到到到 的的的的渐渐渐渐进进进进有有有有效效效效估估估估计计计计值值值值的的的的一一一一个个个个必必必必要要要要但但但但不不不不充充充充分分分分的的的的条条条条件件件件是是是是将将将将 A A 设设设设为为为为样样样样本本本本矩矩矩矩条条条条件件件件 m m 的的的的协协协协方方方方差差差差矩矩矩矩阵阵阵阵的的的的逆逆逆逆矩矩矩矩阵阵阵阵。这这是是很很直

50、直观观的的，因因为为对对越越不不精精确确的的矩条件赋予越小的权重。矩条件赋予越小的权重。 在在EViews中中，为为了了得得到到GMM估估计计必必须须先先给给出出(12.25)式式的的矩矩条条件件，如如回回归方程残差归方程残差u( ,Y, X)和一组工具变量和一组工具变量 Z 的正交条件：的正交条件：(12.28)对对于于广广义义矩矩估估计计GMM能能被被识识别别，必必须须至至少少工工具具变变量量的的个个数数和和待待估估计计的的参参数数 的的个个数数一一样样多多。无无论论方方程程组组的的扰扰动动项项是是否否存存在在未未知知形形式式的的异异方方差差和和自自相相关关，通通过过选选择择恰恰当当的的准

51、准则则函函数数中中的的加加权权矩矩阵阵A，都都可可以以使使GMM估估计计量量是是稳稳健健的的。最最佳佳选选择择是是，式式中中的的是是估估计计出出来来的的样样本本矩矩条条件件m 的的协协方方差差矩矩阵阵。在在估估计计 时时，一一般般都都使使用用一一致致的的二二阶阶段段最最小小二二乘乘法法估估计计量量作作为为 的的初初始始值值。下面介绍两种估计样本矩条件下面介绍两种估计样本矩条件m 的协方差矩阵估计量的方法。的协方差矩阵估计量的方法。48 (1)(1) WhiteWhite异方差一致协方差矩阵异方差一致协方差矩阵异方差一致协方差矩阵异方差一致协方差矩阵 White异异 方方 差差 一一 致致 协协

52、 方方 差差 矩矩 阵阵 估估 计计 方方 法法 （ Whitesheteroskedasticityconsistentcovariancematrix）估估计计样样本本矩矩条件条件m的协方差矩阵估计量的协方差矩阵估计量的计算公式为的计算公式为(12.2.37)其其中中：ut 是是残残差差向向量量，Zt 是是kp 维维的的矩矩阵阵，p 是是工工具具变变量量的的个数，个数，t 时刻的时刻的p 个矩条件可写为：个矩条件可写为：(12.2.38)White的异方差一致协方差矩阵估计方法一般适用于截面数据。的异方差一致协方差矩阵估计方法一般适用于截面数据。49（2 2）异方差和自相关一致协方差矩阵异

53、方差和自相关一致协方差矩阵异方差和自相关一致协方差矩阵异方差和自相关一致协方差矩阵（HACHAC） 如如果果选选择择GMM-Timeseries选选项项，EViews用用如如下下公公式式估估计计 ：(12.31)这里这里(12.32)在说明在说明 之前，必须要指定核函数之前，必须要指定核函数 和带宽和带宽 q。50 12.2.312.2.3工具变量工具变量工具变量工具变量 如如果果用用二二阶阶段段最最小小二二乘乘法法（TSLS）、三三阶阶段段最最小小二二乘乘法法方方法法（3SLS）或或者者广广义义矩矩法法（GMM）来来估估计计参参数数，必必须须对对工工具具变变量量做做出出说说明明。说说明明工工

54、具具变变量量有有两两种种方方法法：若若要要在在所所所所有有有有的的的的方方方方程程程程中中中中使使使使用用用用同同同同样样样样的的的的工工工工具具具具变变变变量量量量，说说明明方方法法是是以以“instinst”开开头头，后后面面输输入入所所有有被被用用作作工工具具变变量量的的外外生生变变量量列列表表。例如：例如：instgdp(-1to-4)xgovEViews在在系系统统的的所所有有方方程程中中使使用用这这六六个个变变量量作作为为工工具具变变量量。如如果果系系统统估计不需要使用工具，则这行将被忽略。估计不需要使用工具，则这行将被忽略。若若要要对对对对每每每每个个个个方方方方程程程程指指指指

55、定定定定不不不不同同同同的的的的工工工工具具具具变变变变量量量量，应应该该在在每每个个方方程程的的后后面面附附加加“”及这个方程需要的工具变量。例如：及这个方程需要的工具变量。例如：cs=c(1)+c(2)*gdp+c(3)*cs(-1)cs(-1)inv(-1)govinv=c(4)+c(5)gdp+c(6)*govgdp(-1)gov第一个方程使用第一个方程使用cs(-1)、inv(-1)、gov和一个常量作为工具变量，第二和一个常量作为工具变量，第二个方程使用个方程使用gdp(-1)、gov和一个常量作为工具变量。和一个常量作为工具变量。最后还可以最后还可以将两个方法融合到一起将两个方法

56、融合到一起将两个方法融合到一起将两个方法融合到一起，任何一个没有独自指定工具变量，任何一个没有独自指定工具变量的方程将使用的方程将使用inst指定的工具变量。指定的工具变量。51 例例例例12.412.4克莱因联立方程系统克莱因联立方程系统克莱因联立方程系统克莱因联立方程系统的的的的GMMGMM估计结果估计结果估计结果估计结果 利用利用GMM法重新估计克莱因联立方程系统法重新估计克莱因联立方程系统。在在19531984年的区间上，工具变量选择年的区间上，工具变量选择Y(- -1)、CS(- -1)、I(- -1)、K(- -1)、Wp(- -1)、P(- -1)、Wg、r，克莱因联立方程系统克

57、莱因联立方程系统的的GMM估计结果为：估计结果为：5253与例相比，这三个方程中的系数都没有太大的变化，但与例相比，这三个方程中的系数都没有太大的变化，但是所有变量的是所有变量的t 统计量都变得更加显著，这说明利用统计量都变得更加显著，这说明利用GMM方方法，考虑了方程间的相互影响，能够更好的描述整个经济系法，考虑了方程间的相互影响，能够更好的描述整个经济系统的行为。统的行为。5412.2.412.2.4附加说明附加说明附加说明附加说明 (1)在在每每个个方方程程中中常常数数项项始始终终都都包包含含在在工工具具变变量量表表中，无论它是否被明确的说明过，这是隐含给定的。中，无论它是否被明确的说明

58、过，这是隐含给定的。(2)对对于于一一个个已已给给定定的的方方程程，所所有有右右边边外外生生变变量量都都应列为工具变量。应列为工具变量。(3)模模型型识识别别要要求求每每个个方方程程中中工工具具变变量量(包包括括常常数数项项)个数都应该至少和右边变量一样多。个数都应该至少和右边变量一样多。 5512.2.512.2.5初始值初始值初始值初始值 如如果果系系统统中中包包括括非非线线性性方方程程，可可以以为为部部分分或或所所有有的的参参数数用用以以param开开头头的的语语句句提提供供初初始始值值，列列出出参参数数和和值值的的对对应应组合。例如：组合。例如：paramc(1).15b(3).5为为

59、c(1)和和b(3)设设定定初初值值。如如果果不不提提供供初初值值，EViews使使用用当当前前系数向量的值。系数向量的值。5612.2.612.2.6迭代控制迭代控制迭代控制迭代控制 对对于于WLS、SUR、WTSLS，3SLS，GMM估估计计法法和和非非线线性性方方程程的的系系统统，有有附附加加的的估估计计问问题题，包包括括估估计计GLS加加权权矩矩阵阵和和系系数数向向量量，一一般般来来说说，选选择择EViews缺缺省省项项，但但是是若若要要更更好好地地控控制制计计算算工工作作则则需需要要花花费费时时间间来来进进行行选选择择。这这些些选项决定了系数或加权矩阵的迭代方法。选项决定了系数或加权

60、矩阵的迭代方法。 5712.2.712.2.7估计结果估计结果估计结果估计结果 系统估计输出的结果包括系统参数估计值、标准差和每系统估计输出的结果包括系统参数估计值、标准差和每个系数的个系数的t-统计值。而且，统计值。而且，EViews提供残差的协方差矩阵的提供残差的协方差矩阵的行列式的值，对于行列式的值，对于FIML估计法，还提供它的极大似然值。除估计法，还提供它的极大似然值。除此之外，此之外，EViews提供每个方程的简要的统计量，如提供每个方程的简要的统计量，如R2统计值，统计值，回归标准差，回归标准差，Durbin-Wstson统计值，残差平方和等等。对每统计值，残差平方和等等。对每个

61、方程都是按定义基于系统估计过程中的残差计算而来。个方程都是按定义基于系统估计过程中的残差计算而来。5812.2.812.2.8系统的应用系统的应用系统的应用系统的应用 得得到到估估计计结结果果后后，系系统统对对象象提提供供了了检检查查结结果果的的工工具具，依依次次进行参考和详细讨论。进行参考和详细讨论。一一一一、系统的查看系统的查看系统的查看系统的查看（ViewView） 以下查看与单方程的查看十分相似。以下查看与单方程的查看十分相似。1.单击单击View/SystemSpecification显示系统说明窗口，也可以通过直接单击菜单中的显示系统说明窗口，也可以通过直接单击菜单中的Spec来来

62、显示。显示。2.单击单击Views/EstimationOutput显显示示系系统统的的系系数数估估计计值值和和简简明明的的统统计计量量，也也可可以以通通过过直直接接单击菜单中的单击菜单中的Stats来显示。来显示。3.单击单击Views/Residuals(1)选选择择Views/Residuals/Graph，显显示示系系统统中中每每个个方方程程的的残差图形。残差图形。59 (2)选择选择Views/Residuals/CorrelationMatrix计算每个方程残差的同步相关系数。计算每个方程残差的同步相关系数。(3)选择选择Views/Residuals/CovarianceMatr

63、ix计算每个方程残差的同步协方差。计算每个方程残差的同步协方差。4.单击单击View/CoefficientCovarianceMatrix查看估计得到的协方差矩阵。查看估计得到的协方差矩阵。5.单击单击View/WaldCoefficientTests做系数假设检验，详细讨论见第做系数假设检验，详细讨论见第4章。章。6.单击单击Views/EndognousTable列出系统中所有的内生变量。列出系统中所有的内生变量。7.单击单击Views/EndognousGragh列出系统中所有的内生变量的图形。列出系统中所有的内生变量的图形。60二、二、二、二、系统的过程系统的过程系统的过程系统的过程

64、（Procs） 系系统统与与单单方方程程的的显显著著区区别别是是系系统统没没有有预预测测功功能能，如如果果要要进进行行模模拟拟或或预预测测，必必须须使使用用模模型型对对象象。EViews提提供供一一个个简简单的方法将系统结果转化为模型。单的方法将系统结果转化为模型。1.1.建立模型建立模型建立模型建立模型 (Procs/MakeModel)EViews将将打打开开由由已已估估计计系系统统转转化化的的模模型型（参参数数已已知知），然然后后可可以以用用这这个个模模型型进进行行模模拟拟和和预预测测。还还有有一一种种方方法法是是先先建立模型，然后将系统纳入进来，这在下一节详细讨论。建立模型，然后将系统

65、纳入进来，这在下一节详细讨论。2.2.估计系统估计系统估计系统估计系统 (Procs/Estimate)打开估计系统的对话框，也可以通过直接单击打开估计系统的对话框，也可以通过直接单击Estimate进行估计。进行估计。613.3.建立方程残差序列建立方程残差序列建立方程残差序列建立方程残差序列 (Procs/MakeResiduals)建建立立系系统统中中每每个个方方程程的的残残差差项项序序列列。为为了了在在系系统统中中更更明明确确地地指指定定方方程程组组对对应应的的残残差差，残残差差项项直直接接命命名名为为连连续续的的未未使使用用过过的的诸诸如如：RESID01、RESID02等等等等。可

66、可可可以以以以对对对对每每每每个个个个方方方方程程程程的的的的残残残残差差差差进进进进行行行行单单单单位位位位根根根根检检检检验验验验，以以以以检检检检验验验验方方方方程程程程是是是是否否否否是是是是伪伪伪伪回回回回归归归归，即即即即方方方方程程程程的的的的变量之间是否具有协整关系变量之间是否具有协整关系变量之间是否具有协整关系变量之间是否具有协整关系。4.4.建建建建立立立立包包包包含含含含内内内内生生生生变变变变量量量量的的的的组组组组对对对对象象象象(Procs/MakeEndogenousGroup)62例例例例12.312.3一个小型中国宏观经济联立方程模型一个小型中国宏观经济联立方

67、程模型一个小型中国宏观经济联立方程模型一个小型中国宏观经济联立方程模型利用中国利用中国19782006年的数据建立一个需求导向的年的数据建立一个需求导向的中国小型宏观经济联立方程模型。中国小型宏观经济联立方程模型。这个小型中国宏观经济模型是包含这个小型中国宏观经济模型是包含9个内生变量方程个内生变量方程的联立方程模型，其中前的联立方程模型，其中前8个方程为行为方程，构成联立个方程为行为方程，构成联立方程系统，第方程系统，第9个方程是恒等方程。个方程是恒等方程。8个行为方程中的变个行为方程中的变量除利率外，都是以对数形式出现的，这样解释变量的量除利率外，都是以对数形式出现的，这样解释变量的系数就

68、是相应的弹性，便于模拟时分析变量间的相互影系数就是相应的弹性，便于模拟时分析变量间的相互影响。从模型流程图可以看出，整个宏观经济模型形成了响。从模型流程图可以看出，整个宏观经济模型形成了完整的反馈系统，从而可以利用这个模型进行货币政策完整的反馈系统，从而可以利用这个模型进行货币政策和财政政策模拟。和财政政策模拟。63M1农村居民消费农村居民消费(CR)农业各税农业各税(T1)第一产业生产总值第一产业生产总值(Y1)固定资本形成固定资本形成(I)国内生产总值国内生产总值(Y)存货存货( (IG) M2-M1政府消费政府消费(CG)城镇居民消费城镇居民消费(CU)实际存款利率实际存款利率（RD-

69、-通货膨胀率）通货膨胀率）城城 镇镇 居居 民民 收收 入入(IU)农农 村村 居居 民民 收收 入入(IR)固定资产贷款固定资产贷款(DL) 实际贷款利率实际贷款利率(RL- -投资价格变化率）投资价格变化率）实际贷款利率实际贷款利率（RL- -投投资资价价格格变变化化率）率）图图图图12.1 12.1 小型中国宏观经济联立方程小型中国宏观经济联立方程小型中国宏观经济联立方程小型中国宏观经济联立方程模型流程图模型流程图模型流程图模型流程图农业固定资产投资占全社会固定资产投资的比重农业固定资产投资占全社会固定资产投资的比重(IA)64例例例例12.312.3中国宏观经济系统的中国宏观经济系统的

70、中国宏观经济系统的中国宏观经济系统的3SLS3SLS估计结果估计结果估计结果估计结果本例介绍利用三阶段最小二乘法估计节的简单的中国本例介绍利用三阶段最小二乘法估计节的简单的中国宏观经济联立方程系统的统计结果。估计选择的工具变量宏观经济联立方程系统的统计结果。估计选择的工具变量为：为：rlt -(100*(p6t /p6t-1-1),rdt -(100*(p6t /p6t-1-1),log(T1t /P4t),log(CUt-1/P3t-1),log(CRt-1 /P4t-1),log(It-1/P5t-1),log(M1t/P6t),log(M2t-1/P6t-1),log(DLt-1/P5t

71、-1),log(IRt-1 /P4t-1),log(IUt-1/P3t-1),log(Yt /P2t),log(Y1t /P1t),C，样本区间为，样本区间为19782006年。年。656667城镇居民消费方程：城镇居民消费方程：t =(4.06)(10.52)(-4.07)R2=0.99D.W.=在城镇居民消费方程中，城镇居民消费的收入弹性为，收在城镇居民消费方程中，城镇居民消费的收入弹性为，收入每增加入每增加1%，消费就会增加，消费就会增加0.28%，意味着城镇居民收入对消，意味着城镇居民收入对消费的影响不是很大。而上期消费的弹性则为，表明城镇居民当费的影响不是很大。而上期消费的弹性则为，

72、表明城镇居民当期消费受以前的消费水平的影响很大，说明城镇居民消费水平期消费受以前的消费水平的影响很大，说明城镇居民消费水平具有刚性的特点。具有刚性的特点。68农村居民消费方程：农村居民消费方程： t =(7.11)(2.9)(-2.03) t =(2.5) R2=0.99D.W.=农村居民消费方程中，用农村居民消费方程中，用AR(1)模型消除残差存在的自相模型消除残差存在的自相关。与城镇居民消费相比，农村居民消费受到收入的影响比较关。与城镇居民消费相比，农村居民消费受到收入的影响比较大，弹性为，但是农村上期消费对本期消费的影响程度就不如大，弹性为，但是农村上期消费对本期消费的影响程度就不如城镇

73、居民消费那样明显，仅为。城镇居民消费那样明显，仅为。69投资方程：投资方程： t =(-3.05)(8.4)(-3.44) t =(1.89) t =(13.54) R2=0.99D.W.=在投资方程中，用在投资方程中，用AR(1)模型消除残差存在的自相关。投资模型消除残差存在的自相关。投资的实际产出弹性为，即上期实际产出增加的实际产出弹性为，即上期实际产出增加1%，本期投资就会增，本期投资就会增加加1.17%。投资的利率弹性为，即上期利率上升。投资的利率弹性为，即上期利率上升1个百分点，本个百分点，本期投资就会下降期投资就会下降0.01%。而投资的实际贷款弹性为，即实际贷。而投资的实际贷款弹

74、性为，即实际贷款增加款增加1%，投资就会增加，投资就会增加%。70农村人均收入方程：农村人均收入方程： t =(3.74)(2.25) t =(4.63) R2=0.99D.W.=农村人均收入方程中，用农村人均收入方程中，用AR(1)模型消除残差存在的自模型消除残差存在的自相关。而去掉农业各税后的人均农业总产值对农村收入的影相关。而去掉农业各税后的人均农业总产值对农村收入的影响较大，弹性为，这说明农村人均收入的增加大部分来源于响较大，弹性为，这说明农村人均收入的增加大部分来源于第一产业产值。近年来，随着我国农村人口大量涌入城市，第一产业产值。近年来，随着我国农村人口大量涌入城市，民工人数的不断

75、增加，使得我国农民收入的来源多元化。民工人数的不断增加，使得我国农民收入的来源多元化。71第一产业增加值方程：第一产业增加值方程： t =(1.5)(-2.48)(48.55)(2.19) R2=0.99D.W.=第一产业增加值方程中的第一产业增加值方程中的IIA/P5代表了对农业的实际固定代表了对农业的实际固定资产投资额。它的弹性为，意味着固定资产投资对于第一产业资产投资额。它的弹性为，意味着固定资产投资对于第一产业产出促进作用不明显。农业各税对第一产业产出的影响是负的，产出促进作用不明显。农业各税对第一产业产出的影响是负的，说明增加农业各税将减少第一产业产出。说明增加农业各税将减少第一产业

76、产出。72城镇人均收入方程：城镇人均收入方程： t =(1.87)(10.1)(1.98) R2=0.99D.W.=与农村人均收入方程相比，不包含第一产业的人均实际与农村人均收入方程相比，不包含第一产业的人均实际产值对城镇收入的影响较小，弹性为。虚拟变量产值对城镇收入的影响较小，弹性为。虚拟变量D3在在2001年年以后为以后为1，2001年及以前均为年及以前均为0。加入这个变量是为了体现我。加入这个变量是为了体现我国政府实行的旨在鼓励城镇居民消费的财政政策，例如提高国政府实行的旨在鼓励城镇居民消费的财政政策，例如提高工资，增加转移支付等的作用。这个变量的弹性为，说明国工资，增加转移支付等的作用

77、。这个变量的弹性为，说明国家的政策对城镇居民收入的增加的拉动作用较小。家的政策对城镇居民收入的增加的拉动作用较小。73固定资产贷款方程：固定资产贷款方程： t =(-5.83)(-1.64)(17.24)(-2.34) t =(3.34) R2=0.98D.W.=该方程只选择了影响实际固定资产贷款的两个主要因素，该方程只选择了影响实际固定资产贷款的两个主要因素，实际贷款利率和实际货币余额。贷款利率降低实际贷款利率和实际货币余额。贷款利率降低1个百分点会个百分点会导致实际固定资产贷款增加导致实际固定资产贷款增加0.012%，而实际货币余额增加，而实际货币余额增加1%会使得实际固定资产贷款增加会使

78、得实际固定资产贷款增加1.08%。74货币需求方程：货币需求方程： t =(4.35)(9.8)(1.66) t =(84.86) R2=0.99D.W.=在货币需求方程中，内生变量是准货币在货币需求方程中，内生变量是准货币( M2- M1)，因此，因此，实际狭义货币实际狭义货币M1的弹性为，说明增加的弹性为，说明增加1%，准货币就会相应的增，准货币就会相应的增加加0.15%。而实际总产出每增加。而实际总产出每增加1%，准货币增加，准货币增加0.9%。 75 多变量多变量多变量多变量ARCHARCH方法方法方法方法 在第在第6章中我们介绍了单变量的章中我们介绍了单变量的ARCH（Autogre

79、ssiveConditionalHeteroskedasticity，自回归条件异方差）模型，自回归条件异方差）模型，该模型能够有效地模拟具有条件异方差性的单一变量的波动。该模型能够有效地模拟具有条件异方差性的单一变量的波动。在本章中，我们考虑在本章中，我们考虑ARCH模型的多变量形式。系统模型的多变量形式。系统ARCH估计量是估计量是ARCH估计量的多变量形式，该方法能够有效地估估计量的多变量形式，该方法能够有效地估计以自回归的形式表示的模型中误差项的方差和协方差。计以自回归的形式表示的模型中误差项的方差和协方差。76多元多元ARCH模型的均值方程可以用分块矩阵形式表示如模型的均值方程可以用

80、分块矩阵形式表示如下：下：(12.2.52)其中：其中：yi 表示第表示第i个方程的个方程的T 1维因变量向量，维因变量向量，ui 表示第表示第i个方个方程的程的T 1维扰动项向量，维扰动项向量，i=1,2,k，T是样本观测值个数，是样本观测值个数，k是内生变量个数，是内生变量个数，Xi 表示第表示第i个方程的个方程的T ki 阶解释变量矩阵，阶解释变量矩阵，如果含有常数项，则如果含有常数项，则Xi 的第一列全为的第一列全为1，ki 表示第表示第i个方程的解个方程的解释变量个数（包含常数项），释变量个数（包含常数项）， i 表示第表示第i个方程的个方程的ki 1维系数向维系数向量，量，i=1,

81、2,k。77式式(12.2.52)可以简单地表示为可以简单地表示为(12.2.53)其中：设其中：设，是是m 1维向量。维向量。设式设式(12.2.53)中不同时点的扰动项中不同时点的扰动项ut=(u1t,u2t,ukt) , (t =1,2,T )的均值为的均值为0，条件方差和协方差矩阵为，条件方差和协方差矩阵为Ht ，由于，由于Ht矩阵的表达式随着不同的设定而变化，我们将在以下矩阵的表达式随着不同的设定而变化，我们将在以下各节分别进行详细介绍。各节分别进行详细介绍。78同单方程同单方程ARCH模型的估计方法类似，多元模型的估计方法类似，多元ARCH估计量仍估计量仍然使用极大似然估计法联合估

82、计均值方程和条件方差方程。假设然使用极大似然估计法联合估计均值方程和条件方差方程。假设GARCH模型服从多变量正态分布，那么它的对数似然贡献为：模型服从多变量正态分布，那么它的对数似然贡献为： t =1,2,T（）（）这里的这里的k是均值方程的数目。对于学生是均值方程的数目。对于学生-t分布，贡献的形式为：分布，贡献的形式为：t =1,2,T（）（）其中：其中：v是自由度。是自由度。79在给定某一均值方程的设定以及分布假设后，就需要设定在给定某一均值方程的设定以及分布假设后，就需要设定条件方差矩阵和协方差矩阵。本节依次考虑下面三个基本设定：条件方差矩阵和协方差矩阵。本节依次考虑下面三个基本设定

83、：对角对角VECH、不变条件协相关（、不变条件协相关（ConstantConditionalCorrelation，CCC）和对角）和对角BEKK。下面以多元。下面以多元GARCH(1,1)模型为例来介绍条件方差和协方差矩阵的设定。模型为例来介绍条件方差和协方差矩阵的设定。8011对角对角对角对角VECHVECH方法方法方法方法设设ut表示一个表示一个k 1维向量随机序列，且有维向量随机序列，且有ut|Yt-1N(0,Ht)，Yt-1是到是到t -1时的信息集，时的信息集，Ht是是k k维正定矩阵。维正定矩阵。Bollerslev利利用下面的方程，提出了一个一般的条件协方差多变量用下面的方程，

84、提出了一个一般的条件协方差多变量VECH模模型的限制性形式：型的限制性形式：t =1,2,T（）（）其中：算子其中：算子“ ”表示表示2个矩阵的元素与元素乘积（个矩阵的元素与元素乘积（Hadamard算子）。系数矩阵算子）。系数矩阵M、A和和B是是kk维的对称矩阵。维的对称矩阵。注注在一些文献中也有使用在一些文献中也有使用Vech()算子，算子，Vech()称为向量半算子，它表称为向量半算子，它表示把对称矩阵的下三角阵按列依次堆积而成的示把对称矩阵的下三角阵按列依次堆积而成的(k(k+1)/2维列向量。如果式维列向量。如果式（）中使用该算子，矩阵系数（）中使用该算子，矩阵系数A和和B就变成就变

85、成(k(k+1)/2维的对角矩阵，因此该维的对角矩阵，因此该方法也称为对角方法也称为对角VECH方法。方法。81可以利用不同的方式确定系数矩阵中的参数：可以利用不同的方式确定系数矩阵中的参数：(1)无限制形式无限制形式(IndefiniteMatrix)(2)满秩矩阵法满秩矩阵法(FullRankMatrix)(3)秩数为秩数为1法（法（Rank1Matrix）(4)标量法（标量法（Scalar）(5)对角法（对角法（Diagonal）(6)方差目标（方差目标（VarianceTarget）822.2.不变条件协相关方法不变条件协相关方法不变条件协相关方法不变条件协相关方法( (Constan

86、tConditionalCorrelationConstantConditionalCorrelation,CCC),CCC)多变量多变量ARCH模型是模型是Bollerslev（1990）在模拟欧洲货在模拟欧洲货币体系中的汇率协同变动模型时提出的。币体系中的汇率协同变动模型时提出的。CCC方法是一个具方法是一个具有时变条件方差和协方差，但是具有不变条件协相关系数的有时变条件方差和协方差，但是具有不变条件协相关系数的多变量时间序列模型，在模型中，每个条件方差都表示为一多变量时间序列模型，在模型中，每个条件方差都表示为一个单变量的广义自回归条件异方差过程。个单变量的广义自回归条件异方差过程。令令

87、Y 代表代表kT 维的内生变量矩阵，维的内生变量矩阵，T 表示样本容量，表示样本容量，k表示内生变量的个数，它具有时变的表示内生变量的个数，它具有时变的kk 维条件协方差矩阵维条件协方差矩阵Ht。83令令hijt代表代表Ht中的第中的第i 行，第行，第j 列的元素，列的元素，yt =(y1t,y2t,ykt) , ut=(u1t,u2t,ukt) , t =1,2,T，yit 和和uit 分别代分别代表了表了yt和和ut中的第中的第i个的元素。那么时刻个的元素。那么时刻t-1估计出的估计出的yit 和和yjt 的的相关性的一个测量，可用条件协相关系数表示为相关性的一个测量，可用条件协相关系数表

88、示为（）（）对所有的时刻对所有的时刻t，-1 ijt 1。一般来讲，由于。一般来讲，由于Ht 是随着时间是随着时间变化的，因此这种相关性的测量也是时变的。变化的，因此这种相关性的测量也是时变的。84然而，在某些应用中，时变的条件协方差也可以表示为然而，在某些应用中，时变的条件协方差也可以表示为与相对应的两个条件方差的单位根等比例变化与相对应的两个条件方差的单位根等比例变化j =1,2,k，i =j+1,j+2,k（）（）Bollerslev（1990）利用如下形式的方程设定条件协方差）利用如下形式的方程设定条件协方差矩阵的元素矩阵的元素（）（）85利用方差目标可以将这些约束应用于常数项利用方差

89、目标可以将这些约束应用于常数项i =1,2,k（）（）这里的这里的是扰动项的无条件样本方差。是扰动项的无条件样本方差。当方差方程中包含外生变量时，可以选择特殊系数或者一当方差方程中包含外生变量时，可以选择特殊系数或者一般系数。对于一般系数，系统认为每个方程中的外生变量具有般系数。对于一般系数，系统认为每个方程中的外生变量具有相同的斜率，而选择特殊系数则意味着方程间的每个外生变量相同的斜率，而选择特殊系数则意味着方程间的每个外生变量的效果的效果ei都是不同的。都是不同的。（）（）8633对角对角对角对角BEKKBEKKBEKK（Engle，Kroner，1995）模型的定义如下：）模型的定义如下

90、：（）（）BEKK的一般形式中的一般形式中A和和B是无限制的，如将是无限制的，如将A和和B限定为对限定为对角矩阵，这个对角角矩阵，这个对角BEKK模型与对角模型与对角VECH模型完全相同，也就模型完全相同，也就是都含有一个矩阵秩数为是都含有一个矩阵秩数为1的系数矩阵。的系数矩阵。87例例例例12.512.5日元、瑞士法郎、英镑汇率收益率的多元日元、瑞士法郎、英镑汇率收益率的多元日元、瑞士法郎、英镑汇率收益率的多元日元、瑞士法郎、英镑汇率收益率的多元GARCHGARCH模型模型模型模型 本例建立了日元本例建立了日元(jyt)，瑞士法郎，瑞士法郎(sft)和英国英镑和英国英镑(bpt)的的周收益率

91、的多元周收益率的多元GARCH(1,1)模型，估计区间为模型，估计区间为1979年年12月月31日至日至2000年年12月月25日。其中的收益率定义为汇率的对数一阶差日。其中的收益率定义为汇率的对数一阶差分，该模型中的均值方程是一个常数项的回归方程，形式为：分，该模型中的均值方程是一个常数项的回归方程，形式为：（）（）其中其中服从均值为服从均值为0，方差为，方差为Ht的条件正态分的条件正态分布。布。 88在系统估计对话框中选择在系统估计对话框中选择ARCH-ConditionalHeteroskedasticty方法方法时，显示与时，显示与ARCH模型相对应的各种选项：模型相对应的各种选项：

92、ARCH模型设定（模型设定（ARCHModelspecification）中的模型（）中的模型（Model）选项中，）选项中，允许从三个不同的多变量允许从三个不同的多变量ARCH模型中进行选择：对角模型中进行选择：对角VECH（DiagonalVECH），条件不变协相关（），条件不变协相关（ConstantConditionalCorrelation（CCC）和）和对角对角BEKK（DiagonalBEKK）。）。89自回归阶数（自回归阶数（Auto-regressiveorder）表示包含在模型）表示包含在模型中的自回归项的数目，即中的自回归项的数目，即ARCH项、项、GARCH项，以及非对

93、项，以及非对称项称项TACH项的数目。也可以使用方差回归因子项的数目。也可以使用方差回归因子（Variance）编辑区来设定方差方程中所包含的回归因子。）编辑区来设定方差方程中所包含的回归因子。利用对话框中的利用对话框中的ARCHcoefficientrestrictions部分中的部分中的选项，可以确定方差方程中的自回归项和回归因子的系数。选项，可以确定方差方程中的自回归项和回归因子的系数。系数（系数（Coefficient）列表中显示了每个自回归项和回归因子）列表中显示了每个自回归项和回归因子项，因此可以选择想要修改的任意一项进行相应的设定，并项，因此可以选择想要修改的任意一项进行相应的设

94、定，并在限制（在限制（Restriction）区域内设定该项的类型系数。）区域内设定该项的类型系数。缺省的，误差项的条件分布假设为多变量正态分布，也缺省的，误差项的条件分布假设为多变量正态分布，也可以在误差分布下拉列表选择多变量学生可以在误差分布下拉列表选择多变量学生t-分布来替代。分布来替代。90多元多元ARCH的估计结果比较特殊，以例的估计结果对其的估计结果比较特殊，以例的估计结果对其进行简单的解释。进行简单的解释。91系数结果部分在顶部，分为两个部分，一部分包含了系数结果部分在顶部，分为两个部分，一部分包含了估计出的均值方程的系数，例中均值方程，式估计出的均值方程的系数，例中均值方程，式

95、(12.2.68)式式(12.2.70)的参数估计为的参数估计为C(1)，C(2)和和C(3)，列在系数，列在系数列表中的上半部分。列表中的上半部分。另一部分则是估计出的方差方程的系数，系数另一部分则是估计出的方差方程的系数，系数C(4)C(9)是方差方程中的常数项矩阵是方差方程中的常数项矩阵M的系数；的系数；C(10)C(15)是是ARCH项系数矩阵项系数矩阵A的系数，的系数，C(16)C(21)是是GARCH项项系数矩阵系数矩阵B的系数。的系数。92在下面部分统计结果中，首先描述了在估计中使用的协方差模型，在下面部分统计结果中，首先描述了在估计中使用的协方差模型，在例中，就是对角在例中，就

96、是对角VECH模型。然后用简单的文本重新描述了估计的模型，模型。然后用简单的文本重新描述了估计的模型，给出多元给出多元ARCH模型形式模型形式93在估计过程中，选择的模型类型为对角在估计过程中，选择的模型类型为对角VECH模型，得到模型，得到的估计结果为：的估计结果为：均值方程：均值方程：（）（） z =(-1.94)（）（） z =(-0.12)（）（） z =(-0.096)94令矩阵令矩阵M为方差方程中常数项的系数矩阵，矩阵为方差方程中常数项的系数矩阵，矩阵A为方差为方差方程中方程中ARCH项的系数矩阵，矩阵项的系数矩阵，矩阵B为方差方程中为方差方程中GARCH项项的系数矩阵（这三个矩阵

97、都是对称矩阵，所以每个矩阵需要的系数矩阵（这三个矩阵都是对称矩阵，所以每个矩阵需要估计的系数个数为估计的系数个数为3(3+1)/2=6个），方差方程可表示为：个），方差方程可表示为：（）（）我们可以用矩阵的形式表示式（）的方差估计结果。其我们可以用矩阵的形式表示式（）的方差估计结果。其中条件方差矩阵中条件方差矩阵Ht为：为：95在下面部分统计结果中，以矩阵元素的形式给出常数项矩阵在下面部分统计结果中，以矩阵元素的形式给出常数项矩阵M；ARCH项项的系数矩阵的系数矩阵A，用，用A1表示；表示；GARCH项的系数矩阵项的系数矩阵B，用，用B1表示，同时输出结表示，同时输出结果还描述了矩阵元素相应的

98、统计量。果还描述了矩阵元素相应的统计量。96那么三个系数矩阵估计结果分别为那么三个系数矩阵估计结果分别为矩阵矩阵A中的各个元素表示了各变量的上一期残差的平方之中的各个元素表示了各变量的上一期残差的平方之间的相互影响关系，而矩阵间的相互影响关系，而矩阵B中的各个元素则表示了各变量的中的各个元素则表示了各变量的上期方差和协方差之间的相互影响关系。上期方差和协方差之间的相互影响关系。 97写成方程形式，则条件方差方程为写成方程形式，则条件方差方程为（）（） z =(5.92)(7.15)(84.52)（）（） z =(4.55)(8.14)(79.06)（）（） z =(5.59)(13.93)(6

99、5.30)这三个方程中，每个方程的上期残差平方项和方差项的系这三个方程中，每个方程的上期残差平方项和方差项的系数之和都小于数之和都小于1，满足约束条件，并且系数之和都接近于，满足约束条件，并且系数之和都接近于1，表，表明汇率周收益率的数据受到冲击时，其影响存在着较为长久的明汇率周收益率的数据受到冲击时，其影响存在着较为长久的异方差效应。异方差效应。98条件协方差方程：条件协方差方程：（）（） z =(3.76)(7.15)(94.24)（）（） z =(-3.58)(5.67)(87.75)（）（） z =(-4.97)(8.94)(74.64)对数似然值对数似然值协方差方程表示的就是各个变量

100、之间的冲击的交互影响，例如条件协方差协方差方程表示的就是各个变量之间的冲击的交互影响，例如条件协方差方程方程h12,t中，中，项的系数就表示了日元和瑞士法郎汇率的周收益率的上项的系数就表示了日元和瑞士法郎汇率的周收益率的上期残差平方之间的影响大小，而期残差平方之间的影响大小，而项的系数则表示了这两个变量的上期残项的系数则表示了这两个变量的上期残差之间的影响大小。从估计的结果来看，差之间的影响大小。从估计的结果来看，3个协方差方程中的个协方差方程中的Ai,j和和Bi,j之和在之和在之间波动，都接近于之间波动，都接近于1，这表示日元、瑞士法郎和英镑汇率的周收益率波动的，这表示日元、瑞士法郎和英镑汇

101、率的周收益率波动的条件方差之间的相互影响是持久的。体现了当前世界经济一体化的背景下，各条件方差之间的相互影响是持久的。体现了当前世界经济一体化的背景下，各个国家之间的金融波动呈现出趋同的现象。个国家之间的金融波动呈现出趋同的现象。99利利用用前前面面介介绍绍的的方方法法估估计计所所建建立立的的联联立立方方程程系系统统，得得到到未未知知参参数数的的估估计计量量，就就能能够够建建立立一一个个完完善善的的、能能够够反反映映客客观观实实际际的的联联立立方方程程模模型型对对象象(Model)。建建立立模模型型的的一一个个重重要要应应用用就就是是进进行行政政政政策策策策模模模模拟拟拟拟和和和和预预预预测测

102、测测。利利用用经经济济计计量量模模型型能能够够生生成成一一个个或或若若干干个个经经济济变变量量的的预预测测值值，这这些些预预测测值值可可以以是是对对已已知知数数据据的的模模拟拟，也也可可以以是是对对未未知知数数据据的的预预测测，这这取取决决于于进进行行模模拟拟的的目目的的。前前者者是是用用来来对对所所建建立立的的模模型型进进行行检检验验和和评评估估，或或者者进进行行政政策策的的历历史史分分析析等等，而而后后者者则则用用来来进进行行预预测测，或或者者进进行行灵灵敏敏度度分分析析和和政政策策分分析等。析等。12.312.3联立方程模型的模拟联立方程模型的模拟联立方程模型的模拟联立方程模型的模拟10

103、0 EViews中中的的模模型型对对象象(Model)是是一一个个方方程程或或多多个个方方程程的的组组合合，这这些些方方程程共共同同描描述述一一组组变变量量之之间间的的关关系系。模模型型中中的的方方程程有有很很多多来来源源：可可以以是是简简单单的的恒恒等等式式，可可以以是是单单个个方方程程的的估估计计结结果果，也也可可以以是是使使用用任任意意一一种种EViews多多方方程程估估计计方方法法所所获获得的估计结果。得的估计结果。EViewsEViews模模模模型型型型(Model)(Model)可可可可以以以以把把把把所所所所有有有有这这这这些些些些来来来来源源源源的的的的方方方方程程程程结结结结

104、合合合合成成成成一一一一个个个个对对对对象象象象，该该对对象象可可以以对对模模型型的的所所有有变变量量产产生生一一个个确确定定的的或或随随机机的的联联合合预预测测或或模模拟拟。在在确确定定性性条条件件下下，模模型型的的输输入入是是固固定定的的已已知知值值，并并且且输输出出变变量量的的路路径径是是单单一一的的；在在随随机机性性条条件件下下，可可以以对对模模型型参参数数、方方程程残残差差或或者者外外生生变变量量增增加加一一个个随随机机成分，以使模型包含不确定性。成分，以使模型包含不确定性。101模型还可以在外生变量的不同假设下研究拟合的结模型还可以在外生变量的不同假设下研究拟合的结果。在果。在EV

105、iews中，我们把这些假设称为中，我们把这些假设称为“ “情景分析情景分析情景分析情景分析(scenarios)”(scenarios)”，并提供各种工具研究多变量模型的情，并提供各种工具研究多变量模型的情景分析。景分析。即使研究的只是单一方程，也会发现把它建成一个即使研究的只是单一方程，也会发现把它建成一个模型对象模型对象(Model)是很有益处的，因为这样可以利用是很有益处的，因为这样可以利用EViews模型对象所提供的各种手段。模型对象所提供的各种手段。本本节节将将简简要要介介绍绍EViews模模型型对对象象的的功功能能、结结构构，以以及所使用的术语。及所使用的术语。102一一个个模模型

106、型对对象象(Model)包包括括一一组组方方程程，这这些些方方程程是是用用来描述一组变量之间关系的。来描述一组变量之间关系的。模模型型变变量量可可以以分分为为两两种种：由由模模型型内内部部决决定定的的变变量量称称为为内内内内生生生生变变变变量量量量，而而在在模模型型外外部部决决定定的的变变量量称称为为外外外外生生生生变变变变量量量量。还还有有一一种种变变量量称称为为附附附附加加加加因因因因子子子子，它它是是外外生生变变量量的的一一种种特特殊殊形式。形式。模型的最一般形式可以用数学符号写为：模型的最一般形式可以用数学符号写为：（）（）其其中中y 是是内内生生变变量量向向量量，z 是是外外生生变变

107、量量向向量量，F 是是实实函函数数fi (y,z )的的向向量量。为为使使方方程程有有唯唯一一解解，方方程程个个数数与与内内生生变变量个数应相同。量个数应相同。103一般来讲，模型中的每个方程都必须含有与之对应一般来讲，模型中的每个方程都必须含有与之对应的惟一一个内生变量，即模型的每个方程都必须能够写的惟一一个内生变量，即模型的每个方程都必须能够写成下述形式：成下述形式：yi fi (y,z )（）（）其中：其中：yi 是第是第i 个方程的被解释内生变量。如果方程是以个方程的被解释内生变量。如果方程是以隐函数的形式出现的，就需要将方程标准化，把方程写隐函数的形式出现的，就需要将方程标准化，把方

108、程写成显性形式。成显性形式。EViews具有标准化方程的能力，包括对内具有标准化方程的能力，包括对内生变量的简单变形，可以自动把方程写成显性形式。生变量的简单变形，可以自动把方程写成显性形式。对对对对任何方程来说都不是内生变量的变量被视作外生变量任何方程来说都不是内生变量的变量被视作外生变量任何方程来说都不是内生变量的变量被视作外生变量任何方程来说都不是内生变量的变量被视作外生变量。104EViews模模型型中中的的方方程程既既可可以以是是内内内内置置置置的的的的，又又可可以以是是链链链链接接接接的的的的。内内置置方方程程以以模模型型内内的的文文本本形形式式表表示示其其表表达达式式。链链接接方

109、方程程在在模模型型中中的的表表达达式式则则是是来来自自模模型型外外部部的的EViews对对象象，例例如如来来自自单单一一方方程程或或多多方方程程估估计计对对象象，甚甚至至可可以以是是另另一一个个模模型型。链链接接使使模模型型能能够够与与其其方方程程的的估估计计方方法法或或与与该该模模型型所所依依赖赖的的另另一一个个模模型型更更加加紧紧密密地地联联系系起起来来。例例如如，工工业业供供给给和和需需求求模模型型可以与另一个模型和估计方程链接起来。可以与另一个模型和估计方程链接起来。工业供给和需求模型：工业供给和需求模型：为总消费的预测链接宏观经济模型对象为总消费的预测链接宏观经济模型对象链接含有工业

110、供给方程的方程对象链接含有工业供给方程的方程对象链接含有工业需求方程的方程对象链接含有工业需求方程的方程对象内置恒等式：供给内置恒等式：供给=需求需求105 方方程程还还可可以以分分为为随随随随机机机机方方方方程程程程和和恒恒恒恒等等等等式式式式。大大致致说说来来，恒恒等等式式是是应应用用实实际际数数据据时时等等式式精精确确成成立立的的方方程程，而而随随机机方方程程只只有有带带有有随随机机误误差差时时才才能能成成立立。随随机机方方程程主主要要来来自自统统计计估估计计过过程程，而而恒恒等等式式则则来来自自变变量量之之间间的的会会计计关系。关系。对对于于一一组组既既定定的的外外生生变变量量值值Z

111、，将将试试图图找找到到一一组组内内生生变变量量值值Y ，使使得得模模型型方方程程在在容容许许的的偏偏差差内内成成立立。对对于于一一个个简简单单的的模模型型，将将逐逐期期进进行行迭迭代代求求解解。如如果果模模型型方方程程包包含含内内生生变变量量的的未未来来值值，那那么么需需要要用用更更复复杂杂的的方法来同时求解所有区间上的值。方法来同时求解所有区间上的值。106例例例例12.512.5克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型的求解和模拟的求解和模拟的求解和模拟的求解和模拟 我我们们以以美美国国1953年年1984年年期期间间Klein-的的GMM模模型型为为例例来

112、来介介绍绍怎怎样样通通过过EViews模模型型对对象象来来求求解解模模型型。模模型型中中包包括三个随机方程和三个等式：括三个随机方程和三个等式：CS=-20.5+0.49*(WP+WG)-4.19*R(-1)+0.47*CS(-1)+e1I=0.62*P-6.89*R(-1)+0.049*K+AR(1)=0.87+e2WP=0.57*Y+0.032*Y(-1)+0.07*K+AR(1)=0.92+e3Y=CS+I+GP=Y-T-WPK=K(-1)+I其其中中：CS是是个个人人消消费费，I是是私私人人国国内内总总投投资资，G是是政政府府非非工工资资支支出出，Y是是GDP减减去去净净出出口口，R是

113、是半半年年期期商商业业票票据据利利息息，P是是企企业业利利润润，K是是资资本本存存量量，P是是间间接接税税收收。该该模模型型有有更更强的动态结构，其中许多变量是以滞后的形式出现的。强的动态结构，其中许多变量是以滞后的形式出现的。1071212 创建模型创建模型创建模型创建模型一、建立模型一、建立模型一、建立模型一、建立模型 首首先先是是创创建建模模型型对对象象，创创建建模模型型对对象象有有2种种不不同同的的方法：方法：1.可可以以选选择择Objects/NewObject，再再选选择择Model来创建一个空模型。来创建一个空模型。2.可可以以从从一一个个估估计计对对象象中中使使用用MakeMo

114、del过过程程来来创创建建一一个个模模型型，该该模模型型则则包包含含该该对对象象中中的的方方程程或或方方程程组。组。108二、向模型添加方程二、向模型添加方程二、向模型添加方程二、向模型添加方程 模模型型中中的的方方程程可可以以分分为为两两类类：链链链链接接接接方方方方程程程程和和内内内内置置置置方方方方程程程程。链链接接方方程程是是从从工工作作区区中中的的其其他他对对象象引引进进的的方方程程，内内置置方方程程以以文文本形式保存在模型内。向模型添加方程有以下几种方法：本形式保存在模型内。向模型添加方程有以下几种方法： 1.1.添添添添加加加加链链链链接接接接方方方方程程程程：从从工工作作区区窗

115、窗口口中中选选定定包包含含想想要要加加入入模模型型的的方方程程的的对对象象，然然后后复复制制、粘粘贴贴，把把该该对对象象加加入入模模型型的的方方程程查查看看窗窗口口。例例如如把把EQ_CS, EQ_I, EQ_WP三三个个单单方方程程加加入入模型模型model1中。中。109 2.2.用用用用文文文文本本本本形形形形式式式式添添添添加加加加方方方方程程程程：例例如如国国民民支支出出恒恒等等式式不不需需要要估估计计，以以文文本本形形式式添添加加该该方方程程。单单击击Test按按钮钮，文文本本框框中中输输入入等等式式“Y=CS+I+G”，在在该该对对话话框框中中，还还可可以以输输入入一一个个冒冒号

116、号，再再输输入入想想链链接接的的对对象象名名来来添添加加链链接接方方程程，例例如如“：EQ_CS”，这这是是链链接接对象的文本形式。对象的文本形式。对模型添加方程后，添加方程的因变量就成为内生变量。对模型添加方程后，添加方程的因变量就成为内生变量。110 在在EViews模模型型中中，出出出出现现现现在在在在方方方方程程程程中中中中的的的的第第第第一一一一个个个个变变变变量量量量将将将将被被被被视视视视为为为为该该该该方方方方程程程程的的的的内内内内生生生生变变变变量量量量。因因为为每每个个内内生生变变量量只只能能与与一一个个方方程程相相关关，因因此此有有时时需需要要重重写写方方程程表表达达式

117、式以以保保证证每每个个方方程程的的起起始变量不同。例如，假定模型中有方程始变量不同。例如，假定模型中有方程X/Y=ZEViews将将把把该该方方程程与与变变量量X关关联联起起来来。如如果果想想把把该该方方程与变量程与变量Y关联起来，我们需要重写方程为：关联起来，我们需要重写方程为：1/Y*X=Z注注意意到到EViews有有能能力力处处理理包包含含内内生生变变量量的的简简单单表表达达式式，可可以以在在方方程程的的左左端端使使用用log()，D()和和Dlog()等等函函数数。如如果果求求解解模模型型时时选选择择了了Gauss-Seidel方方法法，那那么么EViews将将把把这这种方程标准化为显

118、性形式。种方程标准化为显性形式。111三、从模型中删除方程三、从模型中删除方程三、从模型中删除方程三、从模型中删除方程 要要想想从从模模型型中中去去掉掉方方程程，只只需需要要在在方方程程查查看看窗窗口口中中选选定定方程，再选择鼠标右键菜单中的方程，再选择鼠标右键菜单中的Delete便可去掉方程。便可去掉方程。删除方程会使被删除方程的因变量变成外生变量。删除方程会使被删除方程的因变量变成外生变量。 四、更新模型的链接四、更新模型的链接四、更新模型的链接四、更新模型的链接 如如果果模模型型包包含含链链接接方方程程，则则由由模模型型外外部部确确定定的的方方程程的的改改变变将将使使模模型型内内的的方方

119、程程过过时时。可可以以通通过过过过程程Procs/Links/Updatealllinks使使模模型型内内部部方方程程也也相相应应的的变变化化，或或者者可可以以通通过过鼠鼠标标右右键键菜菜单单中中的的Updatelinks项项只只更更新新一一个个方方程程，当当工工作区从磁盘中重新调入时链接也会更新。作区从磁盘中重新调入时链接也会更新。112 有有时时候候需需要要模模型型中中的的方方程程与与链链接接对对象象分分离离，例例如如希希望望以以文文本本形形式式查查看看整整个个模模型型，其其所所有有方方程程都都详详细细写写出出。为为此此，可可以以使使用用Procs/Links/BreakAllLinks过

120、过程程把把模模型型中中所所有有的的链链接接方方程程转转换换为为内内置置文文本本形形式式，也也可可以以只只转转换换一一个个方方程程，先先选选定定该该方方程程，然然后后使使用用鼠鼠标标右右键键菜菜单单中中的的Breaklink即即可。可。 113 选择选择View/SourceText或单击或单击“Text”按钮，可以看到联立方程形式：按钮，可以看到联立方程形式： 当某链接被打破时，方程将以文本形式存在，其未知参数将被点估计当某链接被打破时，方程将以文本形式存在，其未知参数将被点估计所取代，有关参数不确定性的任何信息都将丢失。这对模型的确定性求解所取代，有关参数不确定性的任何信息都将丢失。这对模型

121、的确定性求解没有影响，但如果选择了没有影响，但如果选择了Includecoefficientuncertainty则可能会改变随机则可能会改变随机模拟的结果。模拟的结果。114 EViews通通常常会会在在变变量量名名的的基基础础上上产产生生结结果果序序列列名名，这这一一般般是是在在变变量量名名的的末末尾尾加加上上表表示示特特征征的的扩扩展展名名。例例如如，模模型型内内生生变变量量名名为为“Y”，当当EViews求求解解模模型型时时，它它会会把把结结果果保保留留在在工工作作区区中中称称为为“Y_0”的的观观测测序序列列中中，称称这这种种标标识识名名为为别别别别名名名名(Aliasing)(Al

122、iasing)。别别名名是是EViews模模型型的的一一个个重重要要特特征征，它它使使得得模模型型中中的的变变量量可可以以被被标标识识成成工工作作区序列的不同集合，而不需要改变模型方程。区序列的不同集合，而不需要改变模型方程。115 模型求解后，别名一般用于内生变量以避免历史模型求解后，别名一般用于内生变量以避免历史数据被覆盖。对于包含滞后内生变量的模型，别名可数据被覆盖。对于包含滞后内生变量的模型，别名可以把滞后变量与实际历史数据或者与求解的前期值连以把滞后变量与实际历史数据或者与求解的前期值连接起来，前者称为接起来，前者称为静态预测静态预测静态预测静态预测，后者称为，后者称为动态预测动态预

123、测动态预测动态预测。这。这两种情形求解模型时，对一步预测来说滞后内生变量两种情形求解模型时，对一步预测来说滞后内生变量实际上都被作为外生变量。实际上都被作为外生变量。116当使用模型进行当使用模型进行情景分析情景分析情景分析情景分析时，别名还时常用于外时，别名还时常用于外生变量。模型情景分析可以用来研究在外生变量路径生变量。模型情景分析可以用来研究在外生变量路径或附加因子的不同假设下，模型的预测是怎样变化的。或附加因子的不同假设下，模型的预测是怎样变化的。在情景分析中，可以通过更改某外生变量来改变这个在情景分析中，可以通过更改某外生变量来改变这个外生变量的路径。当一个变量被更改时，其值将从特外

124、生变量的路径。当一个变量被更改时，其值将从特定情景分析的工作区序列取得。序列名是通过在变量定情景分析的工作区序列取得。序列名是通过在变量名后面加上标识情景分析的后缀形成的。保存模型在名后面加上标识情景分析的后缀形成的。保存模型在该情景分析下的解时使用同样的后缀。使用情景分析该情景分析下的解时使用同样的后缀。使用情景分析可以容易地比较模型在各种不同假设下的预测结果，可以容易地比较模型在各种不同假设下的预测结果，而不需要改变模型的结构。而不需要改变模型的结构。117下表给出了模型别名把变量名标识成工作区中的序列名的下表给出了模型别名把变量名标识成工作区中的序列名的典型例子：典型例子：模型名模型名工

125、作区序列工作区序列内生变量内生变量YY历史数据历史数据Y_0基本解结果基本解结果Y_1情景情景1结果结果Y_2情景情景2结果结果外生变量外生变量XX基本预测的历史数据基本预测的历史数据X_1情景情景1的预测的预测X_2情景情景2的预测的预测118.3 .3 模型结构视窗模型结构视窗模型结构视窗模型结构视窗 同同EViews中的其他对象一样，我们可以以几种方中的其他对象一样，我们可以以几种方式查看模型对象所包含的信息，由于模型是描述一组式查看模型对象所包含的信息，由于模型是描述一组变量之间关系的方程组合，因此对于模型主要有两种变量之间关系的方程组合，因此对于模型主要有两种视窗，即视窗，即方程查看

126、视窗方程查看视窗方程查看视窗方程查看视窗和和变量查看视窗变量查看视窗变量查看视窗变量查看视窗，EViews还提还提供了模型结构的两个视窗：供了模型结构的两个视窗：块结构查看视窗块结构查看视窗块结构查看视窗块结构查看视窗和和文本视文本视文本视文本视窗窗窗窗。119一、方程查看视窗一、方程查看视窗一、方程查看视窗一、方程查看视窗(EquationView)(EquationView) 方程视窗用于显示、选择和修改模型的方程。方程视窗用于显示、选择和修改模型的方程。窗窗窗窗口口口口中中中中的的的的每每每每一一一一行行行行都都都都用用用用来来来来描描描描述述述述一一一一个个个个链链链链接接接接对对对对

127、象象象象或或或或者者者者一一一一个个个个内内内内置置置置文文文文本本本本方方方方程程程程。链链接接对对象象的的显显示示与与在在工工作作区区中中类类似似，有有一一表表明明类类型型的的图图标标及及对对象象名名。内内置置方方程程的的图图标标是是“TXT”，并显示方程的符号表达式。，并显示方程的符号表达式。模型的任何错误都将以红行显示模型的任何错误都将以红行显示模型的任何错误都将以红行显示模型的任何错误都将以红行显示，它包括描述错误原因的说明信息。，它包括描述错误原因的说明信息。在在方方程程查查看看窗窗口口中中可可以以直直接接打打开开任任何何链链接接对对象象，只只需需用用鼠鼠标标选选择择描描述述该该对

128、对象的那一行，再选择鼠标右键菜单中的象的那一行，再选择鼠标右键菜单中的OpenLink。使使用用方方方方程程程程属属属属性性性性对对对对话话话话框框框框可可以以更更详详细细地地查查看看每每行行的的内内容容，先先用用鼠鼠标标选选定定该该行行，再再从鼠标右键菜单中选择从鼠标右键菜单中选择从鼠标右键菜单中选择从鼠标右键菜单中选择PropertiesProperties，或者只双击该对象以激活对话框。，或者只双击该对象以激活对话框。120 对对单单一一方方程程链链接接，对对话话框框显显示示方方程程的的函函数数形形式式、参参数数的的估估值值，以以及及方方程程残残差差的的标标准准差差估估值值。如如果果链链

129、接接对对象象包包含含多多个个方方程程，则则可可以以使使用用对对话话框框顶顶部部的的Endogenous在在对对象象的的不不同同方方程程之之间间切切换换。对对于于内内置置方方程程，对对话话框仅显示方程的文本。框仅显示方程的文本。121二、变量查看视窗二、变量查看视窗二、变量查看视窗二、变量查看视窗( (VariableViewVariableView) ) 变变量量查查看看窗窗口口用用于于调调整整与与变变量量相相关关的的选选项项，并并显显示示和和编编辑辑与与模模型型相相关关的的序序列列。变变量量查查看看窗窗口口列列出出了了模模型型的的所所有有变变量量，每每一一行行描描述述一一个个变变量量。每每一

130、一行行先先是是用用图图标标表表明明变变量量是是内内生生、外外生生还还是是附附加加因因子子，随随后后是是变变量量名名、与与变变量量相相关关的的方方程序号，以及对变量的描述，该描述来自工作区中相关的序列。程序号，以及对变量的描述，该描述来自工作区中相关的序列。122三、块结构查看视窗三、块结构查看视窗三、块结构查看视窗三、块结构查看视窗(BlockStructureView)(BlockStructureView) 模模型型的的块块结结构构查查看看窗窗口口可可以以分分析析并并显显示示依依赖赖关关系系中中的的块块结构。结构。块块结结构构是是指指模模型型可可以以分分为为若若干干更更小小的的部部分分，每

131、每个个部部分分可可以依次求解。例如考虑系统：以依次求解。例如考虑系统：块块1X=Y+4Y=2*X-3块块2Z=X+Y 因为变量因为变量Z在前两个方程中都没有出现，因此我们可以把在前两个方程中都没有出现，因此我们可以把该方程系统分为两块：一块包含前两个方程，另一块包含第该方程系统分为两块：一块包含前两个方程，另一块包含第3个方程。个方程。我们可以用第我们可以用第1块求解变量块求解变量X和和Y，再用第，再用第2块求解变块求解变量量Z。使用系统的块结构可以减少一次求解的变量个数，这大。使用系统的块结构可以减少一次求解的变量个数，这大大提高了计算效率。大提高了计算效率。123四、文本查看视窗四、文本查

132、看视窗四、文本查看视窗四、文本查看视窗(TextView)(TextView)文本查看窗口由一系列行组成。文本查看窗口由一系列行组成。1. 1. 内置方程的文本。内置方程的文本。内置方程的文本。内置方程的文本。 2.2.以以以以冒冒冒冒号号号号起起起起始始始始的的的的行行行行表表表表示示示示与与与与外外外外部部部部对对对对象象象象的的的的链链链链接接接接 冒冒号号之之后后必必须须是是工工作作区区中中的的对对象象名名，模模型型打打开开或或者者链链接接更更新新时时外外部部对对象的方程都会引入模型。象的方程都会引入模型。 3.3. 以以以以“add”“add”开开开开始始始始的的的的行行行行表表表表

133、明明明明是是是是附附附附加加加加因因因因子子子子 附附加加因因子子的的命命令形式为令形式为add(v)内生变量名内生变量名附加因子名附加因子名其其中中内内生生变变量量名名为为附附加加因因子子所所要要应应用用的的方方程程对对应应的的内内生生变变量量名名，附附加加因因子子名名为为序序列列名名，选选项项(v)是是用用于于确确定定附附加加因因子子应用于内生变量，缺省值是把附加因子应用于方程残差。应用于内生变量，缺省值是把附加因子应用于方程残差。124 4.4.以以以以“innov”“innov”起起起起始始始始的的的的行行行行表表表表明明明明是是是是扰扰扰扰动动动动项项项项方方方方差差差差 扰扰动动项

134、项方方差有两种形式，当它应用于内生变量时形式为差有两种形式，当它应用于内生变量时形式为innov内生变量名内生变量名扰动项标准差扰动项标准差当它应用于外生变量时形式为当它应用于外生变量时形式为innov外生变量名外生变量名number_or_series其中其中number_or_series是序列号或名字，该序列包含随机是序列号或名字，该序列包含随机模拟过程中应用于该变量的标准差。模拟过程中应用于该变量的标准差。1251212 模型求解模型求解模型求解模型求解 一一旦旦模模型型的的设设定定完完成成，就就可可以以求求解解模模型型。EViews可可以以进进行行确定性和随机性模拟。确定性和随机性模

135、拟。开开始始求求解解模模型型，可可以以使使用用Procs/SolveModel或或单单击击模模型型工工具具栏栏上上的的Solve按按钮钮，EViews将将显显示示一一个个包包含含求求解解选选项项的的对对话框。话框。126 一、基本选项一、基本选项一、基本选项一、基本选项(BasicOptions)(BasicOptions)在在左左上上部部，Simulationtype框框可可以以设设置置模模型型是是确确确确定定定定性性性性模模模模拟拟拟拟还还是是随随随随机机机机性性性性模模模模拟拟拟拟。在在确确定定性性模模拟拟中中，模模型型所所有有方方程程的的解解使使方方程程在在模模拟拟期期内内成成立立而而

136、没没有有残残差差，所所有有的的系系数数都都固固定定为为点点估估计计值值，所所有有的的外外生生变变量量都都保保持持不不变变，这这使使得得内内生生变变量量的的路路径径是是单一的，一次求解模型就可以得到结果。单一的，一次求解模型就可以得到结果。在在随随机机模模拟拟中中，模模型型方方程程的的求求解解是是使使方方程程残残差差等等于于随随机机抽抽取取的的残残差差，系系数数和和外外生生变变量量也也是是随随机机变变化化的的。在在这这种种情情形形中中，模模型型对对内内生生变变量量的的每每期期结结果果都都产产生生了了一一个个分分布布。通通过过抽抽取取不不同同的的随随机机成成分分多多次次求求解解模模型型，再再计计算

137、算所所有有不不同同结结果果的的统统计量，这样可以获得渐近分布。计量，这样可以获得渐近分布。127 Dynamics框框中中选选项项是是用用于于确确定定求求解解模模型型时时EViews怎怎样样使用内生变量的历史数据：使用内生变量的历史数据：1.1.动动动动态态态态求求求求解解解解( (DynamicDynamicSolution)Solution)进进行行预预测测时时只只有有求求解解样样本本期期之之前前的的内内生生变变量量被被使使用用。滞滞后后内内生生变变量量和和ARMA项项是是用用前前些些期期的的解解计计算算的的，而而不不是是来来自自实实际际的的历历史史数数据据。动动态态求求解解方方法法一一般

138、般用用于于对对未未来来几几期期的的预预期期（多多期期预预测测），或或用用于评价多期预测对历史的拟合程度。于评价多期预测对历史的拟合程度。2.2. 静静静静态态态态求求求求解解解解( (StaticStaticSolution)Solution)每每次次求求解解模模型型时时直直到到前前一一期期的的内内生生变变量量都都被被使使用用。滞滞后后内内生生变变量量和和ARMA项项取取自自内内生生变变量量的的实实际际值值。静静态态求求解解一一般般用用于于基基于于历历史史数数据据的的一一期期预预测测，以以检检验验模模型型的的历历史史拟拟合合程程度度。静静态态预预测测不不能能用用于于预测未来的多期值。预测未来的

139、多期值。1283.3.拟拟拟拟合合合合(Fit)(Fit)求求解解模模型型时时内内生生变变量量的的当当期期值值也也被被使使用用。除除了了正正被被计计算算的的方方程程的的内内生生变变量量以以外外，所所有有的的内内生生变变量量值值都都被被实实际际值值所所替替代代。Fit项项可可用用于于研研究究每每个个方方程程的的独独立立拟拟合合程程度度，而而不不考考虑虑它它们们之之间间的的依依赖赖关关系系。该该项项只只能能用用于于所所有有内内生生变变量量的历史数据都可用的区间。的历史数据都可用的区间。除除了了这这些些选选项项以以外外，Structural复复选选框框还还可可以以选选择择是是否否忽忽略方程中出现的略

140、方程中出现的ARMA项。项。对对话话框框的的左左下下部部是是SolutionSample框框，它它是是用用来来确确定定求求解解模模型型的的样样本本区区间间。与与其其他他EViews过过程程不不同同，它它不不会会自自动动设设为剔除缺失的数据。为剔除缺失的数据。129 该该对对话话框框的的右右端端是是用用于于选选择择所所要要求求解解的的情情景景分分析析。单单击击EditScenarioOptions中中的的按按钮钮可可以以快快速速查查看看选选定定的的情情景景分分析析的的设设置置。选选项项SolveforAlternatealongwithActive主主要要用用于于比比较较情情形形，且且两两个个情

141、情景景分分析析必必须须同同时时求求解以保证对两者同时使用各自的冲击。解以保证对两者同时使用各自的冲击。130模型模拟的分类模型模拟的分类模型模拟的分类模型模拟的分类设观测值样本个数为设观测值样本个数为T，一般将模型中的样本分为两个，一般将模型中的样本分为两个区间：区间：1,T1和和T1+1,T，前一个区间用于估计，后一个，前一个区间用于估计，后一个区间用于检验。模型模拟所涉及的时间范围将取决于模拟区间用于检验。模型模拟所涉及的时间范围将取决于模拟的目的。的目的。11拟合拟合拟合拟合 模拟的第一种形式是样本内预测模拟的第一种形式是样本内预测(in-sampleforecast)，也称为拟合，也称

142、为拟合(fitting)。内生变量在估计样本区间。内生变量在估计样本区间1,T内的预测值称为拟合值。把每一个内生变量的原始时间序内的预测值称为拟合值。把每一个内生变量的原始时间序列数据与模拟结果进行比较，就是一种很有用的检验模拟列数据与模拟结果进行比较，就是一种很有用的检验模拟效果的方法。效果的方法。131 例例例例12.512.5克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型的拟合结果的拟合结果的拟合结果的拟合结果例采用系统估计方法，例采用系统估计方法，GMM法估计克莱因联立方法估计克莱因联立方程系统程系统。在。在19551984年的区间内克莱因联立方程模年的区间内

143、克莱因联立方程模型型的模拟结果为（求解类型选择：的模拟结果为（求解类型选择：确定性确定性确定性确定性(Deterministi);(Deterministi);拟合拟合拟合拟合(Fit)(Fit) ）： 13213322预测预测预测预测预预测测（forecasting）是是对对对对估估估估计计计计的的的的样样样样本本本本区区区区间间间间以以以以外外外外的的的的内内内内生生生生变变变变量量量量进进进进行行行行外外外外推推推推。要要进进行行预预测测，必必须须拥拥有有整整个个预预测测期期内内所所有有外生变量的时间序列数据。预测可以分为两类：外生变量的时间序列数据。预测可以分为两类： (1)(1)事后

144、预测事后预测事后预测事后预测如果如果估计区间是估计区间是估计区间是估计区间是1,1,T T1 1 ，预测区间是，预测区间是，预测区间是，预测区间是 T T1 1+1,+1,T T ，然，然后把得到的预测结果与后把得到的预测结果与T1+1,T区间内的内生变量的已知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（数据进行比较，这种预测称为事后预测（expost），通常），通常用来检验模型预测的准确性。用来检验模型预测的准确性。(2)(2)事前预测事前预测事前预测事前预测另另一一种种预预测测是是预预测测的的起起始始时时刻刻t 在在样样本本区区间间的的终终止止时时刻刻T之之后后，即即t=T+

145、1，T+2，T+h 时时，h 是是预预测测期期长长度度，这被称作事前预测（这被称作事前预测（exante）。）。134事前预测事前预测样本内预测样本内预测 ( (拟合拟合) )事后预测事后预测 1T1T t图图图图12.12.2 2 样本内、事前和事后预测样本内、事前和事后预测样本内、事前和事后预测样本内、事前和事后预测 135在进行事后预测和事前预测时，需要区分在进行事后预测和事前预测时，需要区分条件预测条件预测条件预测条件预测和和无条件预测无条件预测无条件预测无条件预测。条件预测在外生变量有具体值（可以是已知。条件预测在外生变量有具体值（可以是已知值）的假设条件下预测内生变量。当外生变量的

146、值没有先值）的假设条件下预测内生变量。当外生变量的值没有先验给出，而是从模型本身或从辅助模型生成时，就是进行验给出，而是从模型本身或从辅助模型生成时，就是进行无条件预测。这时，内生变量的度量就会含有一定的不确无条件预测。这时，内生变量的度量就会含有一定的不确定性。第定性。第9章讨论的章讨论的VAR模型在生成无条件预测值方面非常模型在生成无条件预测值方面非常有效。有效。从样本区间内生成的拟合值是有条件的（因为外生变从样本区间内生成的拟合值是有条件的（因为外生变量的值已经给定了），但事前预测的预测值是无条件的，量的值已经给定了），但事前预测的预测值是无条件的，因为它们要求外生变量在内生变量变量之前

147、预测出来。事因为它们要求外生变量在内生变量变量之前预测出来。事后预测既可以是有条件的，也可以是无条件的，这取决于后预测既可以是有条件的，也可以是无条件的，这取决于外生变量的获得方式。外生变量的获得方式。136例例例例12.612.6克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型克莱因联立方程模型的事后预测结果的事后预测结果的事后预测结果的事后预测结果 本例对克莱因联立方程模型本例对克莱因联立方程模型进行事后预测，预测区间为进行事后预测，预测区间为19831984年。首先在年。首先在估计样本区间估计样本区间估计样本区间估计样本区间1953195319821982年年年年，即，即1,T1上

148、重新估计克上重新估计克莱因联立方程系统莱因联立方程系统，生成新的模型，生成新的模型(klein_2_1982)，再对这个新的模，再对这个新的模型在预测区间型在预测区间T1+1,T，即即19831984年求解。预测结果为：年求解。预测结果为：137138模型求解的其他选项模型求解的其他选项模型求解的其他选项模型求解的其他选项二、随机选项二、随机选项二、随机选项二、随机选项( (StochasticOptionsStochasticOptions) )该该对对话话框框的的设设置置是是用用于于随随机机模模拟拟。在在许许多多情情形形中中可可以以利利用它们的默认值。用它们的默认值。 三、追踪变量三、追踪

149、变量三、追踪变量三、追踪变量( (TrackedVariableTrackedVariable) ) 该该对对话话框框可可以以查查看看并并修修改改哪哪个个内内生生变变量量正正在在被被模模型型追追踪踪。当当一一个个变变量量被被追追踪踪时时，该该变变量量的的结结果果在在模模拟拟完完成成之之后后将将被被保保存在工作区的序列中，没被追踪的变量其结果不被保存。存在工作区的序列中，没被追踪的变量其结果不被保存。 四、诊断四、诊断四、诊断四、诊断( (DiagnosticsDiagnostics) ) 该该对对话话框框可可以以设设定定选选项项以以控控制制中中间间结结果果的的显显示示。如如果果求求解模型时遇到

150、问题，它可以帮你解决。解模型时遇到问题，它可以帮你解决。139五、求解方法五、求解方法五、求解方法五、求解方法Solver对对话话框框是是用用来来设设置置与与模模型型所所用用的的非非线线性性方方程程求求解解方法有关的选项。方法有关的选项。140选择求解模型所用的算法，有下列选项：选择求解模型所用的算法，有下列选项：(1)(1) Gauss-SeidelGauss-Seidel（ 高高高高 斯斯斯斯 采采采采 德德德德 尔尔尔尔 方方方方 法法法法 ）：Gauss-Seidel算算法法是是一一种种迭迭代代算算法法，在在每每次次迭迭代代时时EViews求求解解与与每每个个模模型型方方程程相相关关的

151、的内内生生变变量量值值，并并处处理理其其他他所所有有的的内内生生变变量量为为不不变变的的。这这种种算算法法需需要要的的工工作作内内存存较较少少，计计算算成成本本相相当当低低，但但它它要要求求方方程程系系统统有有一一定定的的稳稳定定性性，以以保保证证收收敛敛。该该算算法法适适用用于于大大多多数数经经济济计计量量模模型型。如如果果执执行行该该算算法法有有困困难难，可可以以对对方方程程重重新新排排序序，或或重重写写方方程程以以改改变变相相应应的的内内生生变量，因为这些变化都会影响变量，因为这些变化都会影响Gauss-Seidel迭代的稳定性。迭代的稳定性。141(2)(2)NewtonNewton（

152、牛牛牛牛顿顿顿顿法法法法）：Newton算算法法也也是是一一种种迭迭代代法法，每每次次迭迭代代时时我我们们采采用用模模型型的的线线性性逼逼近近，然然后后求求解解线线性性系系统统以以找找到到模模型型的的根根。与与Gauss-Seidel相相比比，该该算算法法可可以以处处理理更更广广泛泛的的问问题题，但但用用于于大大模模型型时时需需要要相相当当大大的的工工作作内内存存，计计算算成成本也很高。本也很高。Newton算法不受方程排序或重写的影响。算法不受方程排序或重写的影响。注意到即使选择了注意到即使选择了Newton算法来求解模型的每期值，但算法来求解模型的每期值，但如果模型需要迭代求解未来值时，各

153、期之间的求解仍使用如果模型需要迭代求解未来值时，各期之间的求解仍使用Gauss-Seidel算法算法。1421212 模型数据操作模型数据操作模型数据操作模型数据操作 操操作作模模型型时时，需需要要花花费费许许多多时时间间来来查查看看和和修修改改模模型型数数据据。在在求求解解模模型型之之前前，需需要要编编辑辑外外生生变变量量或或附附加加因因子子在在预预测测区区间间上上的的路路径径。求求解解模模型型之之后后将将使使用用内内生生变变量量的的图图或或表表来来评评价价结结果果。由由于于有有大大量量的的数数据据与与模模型型相相关关，因因此此仅仅管管理理数数据据就就会会花花费大量的时间。费大量的时间。由由

154、于于与与模模型型相相关关的的所所有有数数据据都都保保存存在在标标准准的的工工作作区区序序列列中中，因因此此可可以以使使用用EViews中中所所有有的的常常用用工工具具来来处处理理模模型型数数据据，但直接从模型窗口中操作更方便一些。但直接从模型窗口中操作更方便一些。与与工工作作区区中中每每个个模模型型变变量量相相关关的的序序列列可可能能有有几几个个，因因此此需要选择要操作的序列类型，一般有以下几个类型：需要选择要操作的序列类型，一般有以下几个类型：143 1.1.实实实实际际际际值值值值（ActualsActuals）：该该序序列列名名与与变变量量名名相相同同。它它一一般般包包括括内内生生变变量

155、量的的历历史史数数据据，外外生生变变量量的的历历史史数数据据及及其其基基准预测准预测。2.2.当当当当前前前前值值值值（ActiveActive）：该该序序列列在在求求解解当当前前情情景景分分析析时时使使用用。对对于于内内生生变变量量，该该序序列列名名为为内内生生变变量量名名加加上上情情景景分分析析扩扩展展名名。对对于于外外生生变变量量，实实际际序序列列值值将将被被用用于于该该序序列列，除除非非它它被被更更改改。在在这这种种情情形形中中，外外生生变变量量也也是是工工作作区区序序列列，其名字为变量名后面加上情景分析扩展名。其名字为变量名后面加上情景分析扩展名。3.3.备备备备选选选选（Alter

156、nateAlternate）：该该序序列列用用于于求求解解备备选选情情景景分分析析，其规则同其规则同active。144 EViews模模型型对对象象提提供供了了两两种种主主要要的的形形式式显显示示数数据据：图图和和表。两者都可以从模型窗口中产生。表。两者都可以从模型窗口中产生。1. 1.制制制制表表表表MakeMakeGroupGroup对对对对话话话话框框框框从从变变量量查查看看窗窗口口中中选选定定变变量量，然然后后用用鼠鼠标标右右键键菜菜单单或或主主菜菜单单选选择择Procs，再再选选择择MakeGroup/Table。145左上部是左上部是ModelVariables框，它用于选择表所

157、包含的框，它用于选择表所包含的变量组。默认时表将包含当前在变量查看窗口中选定的变变量组。默认时表将包含当前在变量查看窗口中选定的变量。可以用量。可以用From中的单选按钮或文本框包括所有模型变量，中的单选按钮或文本框包括所有模型变量，或从选定的变量列表中添加或删除特定的变量。还可以使或从选定的变量列表中添加或删除特定的变量。还可以使用用Select之后的列表框根据变量类型选择变量。把这些结合之后的列表框根据变量类型选择变量。把这些结合起来可以容易地选择变量组，如所有的内生变量，所有的起来可以容易地选择变量组，如所有的内生变量，所有的更改变量。更改变量。一旦选定变量，就要根据变量名标识工作区中的

158、序列一旦选定变量，就要根据变量名标识工作区中的序列名。这主要是根据数据的情景分析来源以及序列所包含变名。这主要是根据数据的情景分析来源以及序列所包含变量的类型对序列加上扩展名。有关它的选项位于对话框右量的类型对序列加上扩展名。有关它的选项位于对话框右边的边的Seriestypes（制组表）框中。（制组表）框中。146 Solutionseries框框可可以以选选择择处处理理内内生生变变量量时时想想要要查查看看的的求求解解结结果果，可可以以从从确确定定性性拟拟合合或或随随机机性性拟拟合合所所产产生生的的各各种种序列中选择。序列中选择。下下面面的的一一系系列列复复选选框框用用于于确确定定表表中中所

159、所显显示示的的情情景景分分析析，以以及及是是否否计计算算各各种种情情景景分分析析之之间间的的差差值值。可可以以选选择择显显示示实实际际序序列列、来来自自当当前前情情景景分分析析的的序序列列，或或者者备备选选情情景景分分析析的的序序列列(标标识识为为“Compare”)。还还可可以以显显示示当当前前情情景景分分析析与与备备选选情情景景分分析析的的差差值值(标标识识为为“Deviations:Active fromCompare”)，或或者者显显示示当当前前情情景景分分析析与与备备选选情情景景分分析析偏偏差差的百分比的百分比(标识为标识为“%Deviations:ActivefromCompare

160、”)。Seriestypes框框中中的的最最后后一一项项是是Transform列列表表框框，它它与序列表中的与序列表中的Transform按钮相类似，可以对数据变形。按钮相类似，可以对数据变形。 1471482. 2.画图画图画图画图MakeGraphMakeGraph对话框对话框对话框对话框选选择择与与制制表表类类似似，可可以以有有选选择择地地画画图图，如如只只画画消消费费的的拟合结果：拟合结果：1491501212 使用附加因子使用附加因子使用附加因子使用附加因子 附附加加因因子子（factor）最最广广泛泛的的用用途途在在于于使使历历史史数数据据更更平平滑滑地地过过渡渡到到预预测测区区间

161、间。一一般般地地，当当我我们们怀怀疑疑一一个个方方程程或或多多个个方方程程在在历历史史数数据据尾尾部部的的较较差差拟拟合合会会持持续续进进入入预预测测区区间间时时，附附加加因因子子可可以以抵抵消消这这种种拟拟合合误误差差。附附加加因因子子提提供供了了调调整整模模型型结结果果的的一一种种特特殊殊方方法法，它它不不需需要要重重新新设设定定或重新估计模型的方程。或重新估计模型的方程。151实实际际上上附附加加因因子子只只是是一一个个额额外外的的外外生生变变量量，它它可可以以以以一一种种特特殊殊的的方方式式加加入入选选定定的的方方程程中中。EViews允允许许附附加加因子采取两种形式，如果方程形式为因

162、子采取两种形式，如果方程形式为（）（）那么我们可以只在方程末尾加上附加因子作为截距或那么我们可以只在方程末尾加上附加因子作为截距或残差：残差：（）（）或者我们可以在内生变量后面加上附加因子，从而为或者我们可以在内生变量后面加上附加因子，从而为模型的内生变量提供附加因子：模型的内生变量提供附加因子：（）（）其中附加因子的符号相反，这样可以使其行为与前一种情其中附加因子的符号相反，这样可以使其行为与前一种情形中的方向相同。形中的方向相同。152如如果果内内生生变变量量单单独独出出现现在在等等号号的的左左端端，那那么么两两种种类类型型的的附附加加因因子子是是相相同同的的。如如果果内内生生变变量量是是

163、包包含含在在某某表表达达式式中中，如如对对数数形形式式，那那么么两两种种附附加加因因子子就就不不再再相相同同。尽尽管管两两种种附附加加因因子子有有近近似似的的影影响响，但但它它们们将将以以不不同同的的单单位位表表达达，前前者者是是以以方方程程残残差差的的单单位位表表达达，而而后后者者是是以以方方程程内生变量的单位表达。内生变量的单位表达。有两种方法加入附加因子：有两种方法加入附加因子：1.最最简简单单的的方方法法是是进进入入模模模模型型型型的的的的方方方方程程程程查查查查看看看看窗窗窗窗口口口口，先先用用鼠鼠标标选选定定想想添添加加附附加加因因子子的的方方程程，再再从从鼠鼠标标右右键键菜菜单单

164、中中选选择择Properties，当当出出现现方方程程属属性性对对话话框框时时，点点击击AddFactors，然后在，然后在Factortype框中选择框中选择153添加截距添加截距添加截距添加截距（Equationintercept(residual)shift）还是）还是内内内内生变量位移生变量位移生变量位移生变量位移(endogenousvariableshift)，此时有信息对话框，此时有信息对话框提示是否在工作区中创建序列以保存附加因子值。提示是否在工作区中创建序列以保存附加因子值。154 序序列列值值最最初初为为NA，单单击击InitializeActiveAddFactor可可以

165、以通通过过几几种种方方法法对对附附加加因因子子进进行行初初始始化化，一一个个对对话话框框将将出出现现并并提提供供下列选项：下列选项：155 (1)Zero：各期附加因子都设为：各期附加因子都设为0。(2)Sothatthisequationhasnoresidualatactuals：把把附附加加因因子子设设为为使使模模型型变变量量值值取取自自实实际际序序列列（一一般般为为历历史史数据）时的残差，使方程精确成立。数据）时的残差，使方程精确成立。(3)Sothatthisequationhasnoresidualatactives：把把附附加加因因子子设设为为使使模模型型变变量量值值取取自自当当

166、前前情情景景分分析析下下的的内内生生序列时的残差，使方程精确成立。序列时的残差，使方程精确成立。(4)Somodelsolvesthetargetvariabletothevaluesofthetrajectoryseries：当当模模型型求求解解时时，把把附附加加因因子子设设为为使使某内生变量遵循特定的目标路径。某内生变量遵循特定的目标路径。156还还可可以以通通过过修修改改InitializationSample框框来来改改变变附附加加因因子初始化的样本区间，点击子初始化的样本区间，点击OK接受设置。接受设置。一一旦旦附附加加因因子子加加到到某某方方程程上上，在在变变量量窗窗口口中中它它也

167、也将将以以变变量量的的形形式式显显示示。如如果果附附加加因因子子出出现现在在某某情情景景分分析析中中，那那么么它它必必须须在在每每个个情情景景分分析析中中都都出出现现，但但在在特特定定情情景景分分析析中它同外生变量一样可以被更改。中它同外生变量一样可以被更改。2.加加入入附附加加因因子子的的另另一一个个方方法法是是通通通通过过过过模模模模型型型型窗窗窗窗口口口口的的的的Procs/AddProcs/AddFactorsFactors菜菜菜菜单单单单项项项项同同时时对对所所有有方方程程分分配配、初初始始化化或或更更改改附附加加因因子子。例例如如，要要想想创创建建一一组组完完全全的的附附加加因因子

168、子使使模模型型对对历历史史实实际际值值求求解解，我我们们可可以以选选择择Add Factors/EquationAssignment来来为为每每个个方方程程创创建建附附加加因因子子，然然后后使使用用AddFactors/SetValues设设置置附附加加因因子子值值，以以使使所所有有方方程都没有残差。程都没有残差。当当求求解解带带有有附附加加因因子子的的模模型型时时，附附加加因因子子的的任任何何缺缺失失值都会视为值都会视为0。157对利润方程对利润方程P ，在模拟时增加了附加因子，方程截距上，在模拟时增加了附加因子，方程截距上减减50，即，即P_a=-50158159拟合结果为：拟合结果为：1

169、601212 确定情景分析确定情景分析确定情景分析确定情景分析 1.1.情景分析的思想和功能情景分析的思想和功能情景分析的思想和功能情景分析的思想和功能 对模型进行预测和模拟时，通常需要在有关外生变量路径对模型进行预测和模拟时，通常需要在有关外生变量路径的不同假设下，或从模型中剔除一个或多个方程时对模型的预的不同假设下，或从模型中剔除一个或多个方程时对模型的预测进行比较。模型情景分析可以在不覆盖以前的数据和不改变测进行比较。模型情景分析可以在不覆盖以前的数据和不改变模型结构的前提下做到这一点。模型结构的前提下做到这一点。情情景景分分析析最最重重要要的的功功能能在在于于确确定定哪哪个个序序列列将

170、将用用于于记记录录与与方方程程特特定定解解相相关关的的数数据据。为为区区分分与与不不同同情情景景分分析析相相关关的的数数据据，每每个个情情景景分分析析都都根根据据别别名名规规则则修修正正变变量量名名。一一般般地地，别别名名是是在在模模型型变变量量名名的的后后面面加加上上下下划划线线及及序序号号，如如“_0”或或“_1”。每每个情景分析的数据将会被保存在工作区中带有别名的序列中。个情景分析的数据将会被保存在工作区中带有别名的序列中。161 模模模模型型型型情情情情景景景景分分分分析析析析通通通通过过过过更更更更改改改改需需需需要要要要改改改改变变变变的的的的一一一一组组组组变变变变量量量量可可可

171、可以以以以对对对对外外外外生生生生变变变变量量量量的的的的不不不不同同同同假假假假设设设设进进进进行行行行分分分分析析析析。被被更更改改的的外外生生变变量量将将在在带带有有标标识识该该情情景景分分析析的的别别名名的的序序列列中中取取值值，而而没没有有被被更更改的外生变量将从与该变量同名的序列中取值。改的外生变量将从与该变量同名的序列中取值。情情景景分分析析还还可可以以从从模模型型中中剔剔除除一一个个或或多多个个内内生生变变量量。当当某某内内生生变变量量被被剔剔除除后后，与与该该变变量量相相关关的的方方程程也也将将从从模模型型中中剔剔除除，而而变变量量值值将将直直接接取取自自工工作作区区中中与与

172、变变量量同同名名的的序序列列。剔剔剔剔除除除除某某某某内内内内生生生生变变变变量量量量后后后后，在在在在求求求求解解解解模模模模型型型型时时时时就就就就可可可可以以以以有有有有效效效效地地地地把它视为外生变量把它视为外生变量把它视为外生变量把它视为外生变量。1622.2. 情景分析的建立和修改情景分析的建立和修改情景分析的建立和修改情景分析的建立和修改 一一个个模模型型可可以以包包括括许许多多情情景景分分析析，通通过过View/ScenarioSpecification可可以以查查看看与与当当前前模模型型相相关关的的所所有有情景分析。情景分析。每每每每 个个个个 模模模模 型型型型 都都都都

173、有有有有 两两两两 个个个个 特特特特 殊殊殊殊 的的的的 情情情情 景景景景 分分分分 析析析析 ： 实实实实 际际际际(actuals)(actuals)和和和和基基基基准准准准(baseline)(baseline)。它它们们的的共共同同点点在在于于它它们们不不能能更更改改或或剔剔除除任任何何变变量量，不不同同之之处处在在于于实实际际情情景景分分析析把把内内生生变变量量值值写写回回与与该该变变量量同同名名的的序序列列，而而基基准准情情景景分分析析修修改改变变量量名名。注注意意不不要要使使用用实实际际情情景景分分析析为为当当前情景分析来求解模型，以避免覆盖历史数据。前情景分析来求解模型，以

174、避免覆盖历史数据。163 (1)(1)SelectSelectScenarioScenario窗窗窗窗口口口口 可可以以创创建建、复复制制、删删除除和和重重命命名名模模型型情情景景分分析析。要要想想为为模模型型添添加加一一个个新新的的情情景景分分析析，只只需需单单击击Create NewScenario按按钮钮，一一个个新新的的情情景景分分析析立立即即创创建建。通通通通过过过过该该该该对对对对话话话话框框框框，还还还还可可可可以以以以选选选选择哪个情景分析是当前激活的择哪个情景分析是当前激活的择哪个情景分析是当前激活的择哪个情景分析是当前激活的，或者重命名和删除情景。，或者重命名和删除情景。1

175、64(2)(2)ScenarioScenariooverridesoverrides窗窗窗窗口口口口 概概述述了了选选定定的的情情景景分分析析中中已已经经被被更更改改的的变量或已经被剔除的变量，它可以使我们看到情景分析变化的完整列表变量或已经被剔除的变量，它可以使我们看到情景分析变化的完整列表。 (3)(3)AliasingAliasing窗窗窗窗口口口口 可可以以考考察察与与任任何何情情景景分分析析相相关关的的别别名名，该该对对话话框框显显示了应用于不同类型变量的所有别名。示了应用于不同类型变量的所有别名。165在进行政策模拟时，除已有的外生变量外在进行政策模拟时，除已有的外生变量外，可按模

176、拟需，可按模拟需，可按模拟需，可按模拟需要将某些内生变量变为外生的政策变量要将某些内生变量变为外生的政策变量要将某些内生变量变为外生的政策变量要将某些内生变量变为外生的政策变量，如财政支出，在进，如财政支出，在进行财政政策模拟时须去掉财政支出方程，将其变为外生变量。行财政政策模拟时须去掉财政支出方程，将其变为外生变量。政策冲击可以分为瞬时冲击和持续冲击：政策冲击可以分为瞬时冲击和持续冲击：瞬时冲击瞬时冲击瞬时冲击瞬时冲击指在某一时刻给一变量一个冲击，而以后各指在某一时刻给一变量一个冲击，而以后各期均没有变化，考虑其他变量的响应；期均没有变化，考虑其他变量的响应；持续冲击持续冲击持续冲击持续冲击

177、指从某一时刻开始，对某一变量施以持续的冲指从某一时刻开始，对某一变量施以持续的冲击，考虑其他变量的响应。击，考虑其他变量的响应。166 尽尽管管从从情情景景分分析析对对话话框框可可以以看看到到某某情情景景分分析析的的所所有有设设置置，但但也也可可以以从从变变量量查查看看窗窗口口直直接接改改变变大大多多数数情情景景分分析析设设置置。对对于于外外生生变变量量和和附附加加因因子子，可可以以从从变变量量查查看看窗窗口口选选定定变变量量，然然后后用用鼠鼠标标右右键键激激活活该该变变量量的的属属性性对对话话框框。使使用用Useoverride复复选选框框可可以以调调整整变变量量的的更更改改状状态态。一一旦

178、旦某某变变量量被被更更改改，它它在变量查看窗口中将以红色显示。在变量查看窗口中将以红色显示。167我们对我们对Model_2_GMM模型分模型分3种情景进行政策模拟。种情景进行政策模拟。情景情景情景情景1 1：从从1983年开始，政府非工资性支出年开始，政府非工资性支出G每年增加每年增加相同的数量相同的数量(10亿美元亿美元)，研究其他内生变量的响应，研究其他内生变量的响应(一个一个2期期的持续冲击的财政政策的模拟的持续冲击的财政政策的模拟)。表。表1给出了持续冲击给其他内给出了持续冲击给其他内生变量与其基准序列相比所带来的变化的百分比。生变量与其基准序列相比所带来的变化的百分比。168 可以

179、直接在工作文件上建立可以直接在工作文件上建立G_1序列，然后选中情景分析变量后，序列，然后选中情景分析变量后，单击右键，选择单击右键，选择“OpenSelectedSeries”建立组，修改情景分析序列建立组，修改情景分析序列G_1,在在Scenario1中，中，1983年和年和1984年，政府支出年，政府支出G每年增加相同的数量每年增加相同的数量(10亿美元亿美元)：对话框右端的上半部选择情景分析对话框右端的上半部选择情景分析1(Scenario1)，下半部选择基准分，下半部选择基准分析析(Baseline)。169点点击击OK，两两个个情情景景分分析析同同时时求求解解。如如果果求求解解成成

180、功功，则则出现如下信息：出现如下信息：170 为为了了观观察察政政府府支支出出增增加加对对其其他他宏宏观观经经济济变变量量的的影影响响。在在模模型型工工具具菜菜单单Procs中选择中选择MakeGroup/Table，则出现如下对话框。，则出现如下对话框。 可可以以选选择择显显示示实实际际序序列列、来来自自当当前前情情景景分分析析的的序序列列，或或备备选选情情景景分分析析的的序序列列(标标识识为为“Compare”)。可可以以显显示示当当前前情情景景分分析析与与备备选选情情景景分分析析的的差差值值(标标识识为为“Deviations:ActivefromCompare”)，或或显显示示当当前前

181、情情景景分分析析与与备备选选情情景景分分析析偏偏离离的的百百分分比比(标标识识为为“% Deviations:Active fromCompare”)。点击。点击OK后，出现表格后，出现表格171 从中可以看出从中可以看出政府支出在政府支出在1983年年和和1984年各增长年各增长10亿美元，使得国民亿美元，使得国民生产总值生产总值Y、消费、消费、投资等在滞后不同投资等在滞后不同时期后都有不同程时期后都有不同程度的增长。度的增长。172表表表表1 1 情景情景情景情景1 1的模拟结果的模拟结果的模拟结果的模拟结果 表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率

182、(%)(%)时间时间CSIKPWPY19830.060.220.0110.600.110.1619840.110.220.0240.550.140.19 从表中我们可以看到：由于政府支出从表中我们可以看到：由于政府支出G的增加，使得对的增加，使得对收入收入Y和投资、消费、资本存量、利润、私人工资等都有正和投资、消费、资本存量、利润、私人工资等都有正的影响。的影响。情景情景1：173情景情景情景情景2 2：我们考虑私人工资我们考虑私人工资WP和政府工资和政府工资WG的变化对其的变化对其他变量的影响。在他变量的影响。在1983年和年和1984年两种工资同时增加年两种工资同时增加10亿美元，亿美元，

183、对其他变量的影响。对其他变量的影响。其中，私人工资是内生变量，我们需要将其作为外生变量来对其中，私人工资是内生变量，我们需要将其作为外生变量来对待待(需要打破连接需要打破连接,在在WP方程前加个撇号方程前加个撇号)。174求解选择动态求解，样本期间为求解选择动态求解，样本期间为1983年年1984年，结果年，结果见表见表2：(描述一个收入政策冲击对其他变量的影响描述一个收入政策冲击对其他变量的影响) 表表表表2 2 情景情景情景情景2 2的模拟结果的模拟结果的模拟结果的模拟结果 表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率(%)(%)时间时间CSIKPY19

184、830.10-0.01-0.00-0.010.0719840.140.210.0140.440.14 从表中可以看出工资的增长对消费从表中可以看出工资的增长对消费CS和收入和收入Y有正的有正的影响，对投资影响，对投资I的影响为负。可以认为将收入政策作为一的影响为负。可以认为将收入政策作为一个短期政策来使用，由于工资的变化大于收入的变化，使个短期政策来使用，由于工资的变化大于收入的变化，使得利润得利润P为负。为负。资本存量资本存量=资本存量资本存量(-1)+私人投资，导致资本存量私人投资，导致资本存量K是负增长。是负增长。175情景情景情景情景3 3：我们考虑从我们考虑从1983年开始，间接税收

185、年开始，间接税收T每年增加当年每年增加当年实际值的实际值的1%，即，即1983年增加了亿美元，年增加了亿美元，1984年增加了亿美元。年增加了亿美元。在此假设下，研究其他内生变量的反应（在此假设下，研究其他内生变量的反应（1个两期的持续冲击的个两期的持续冲击的财政政策模拟）。表给出了持续冲击带给其他内生变量的变化财政政策模拟）。表给出了持续冲击带给其他内生变量的变化与其基准序列相比所带来的变化的百分比与其基准序列相比所带来的变化的百分比。 求解选择动态求解，样本期间为求解选择动态求解，样本期间为1983年年1984年，结果见年，结果见表表12.2：(描述一个税收政策冲击对其他变量的影响描述一个

186、税收政策冲击对其他变量的影响) 表表表表12.2 12.2 情景情景情景情景3 3的模拟结果的模拟结果的模拟结果的模拟结果 表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率表中的数据均为增长率(%)(%)时间时间CSIKPWPY1983-0.011-0.09-0.0045-0.24-0.018-0.0251984-0.019-0.082-0.0091-0.20-0.024-0.031176中国宏观经济联立方程模型的情景分析中国宏观经济联立方程模型的情景分析中国宏观经济联立方程模型的情景分析中国宏观经济联立方程模型的情景分析根据不同的假设，对于联立方程模型（）分根据不同的假设，对于联

187、立方程模型（）分5种情景分析进种情景分析进行政策模拟。其中，前行政策模拟。其中，前3个情景分析是货币政策模拟，而后个情景分析是货币政策模拟，而后2个个情景分析则是财政政策模拟。情景分析则是财政政策模拟。情景情景情景情景1 1：从从2005年开始，一年期存款利率和固定资产贷款利年开始，一年期存款利率和固定资产贷款利率每年比当年实际值分别增加个百分点，模拟货币政策对其他率每年比当年实际值分别增加个百分点，模拟货币政策对其他宏观经济变量的影响。宏观经济变量的影响。177178情景情景情景情景1 1：从从2005年开始，一年期存款利率和固定资产贷款年开始，一年期存款利率和固定资产贷款利率每年比当年实际

188、值分别增加个百分点，模拟货币政策对其利率每年比当年实际值分别增加个百分点，模拟货币政策对其他宏观经济变量的影响。模拟的结果如表所示。他宏观经济变量的影响。模拟的结果如表所示。表表表表12.312.3中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景1 1模拟结果模拟结果模拟结果模拟结果注：表中的数据均为（注：表中的数据均为（100*(模拟结果拟合结果模拟结果拟合结果)/拟合结果），即政策变量变化所拟合结果），即政策变量变化所引起的其他变量的变化。引起的其他变量的变化。时间时间CRCUIYIRY1IUDLM22005- -0.

189、006- -0.0032- -0.22- -0.09- -0.009- -0.013- -0.012- -0.20.042006- -0.0020- -0.01- -0.33- -0.14- -0.026-0.032- -0.027- -0.230.013179情景情景1提高了利率，相当于实行紧缩的货币政策。由于提高了利率，相当于实行紧缩的货币政策。由于存在滞后效应，存在滞后效应，2005年与年与2006年的变化比率不尽相同。由年的变化比率不尽相同。由于利率的提高，贷款减少，导致投资和产出降低，这就使于利率的提高，贷款减少，导致投资和产出降低，这就使得城镇收入和城镇消费也相应变小。模型中关于农

190、业的得城镇收入和城镇消费也相应变小。模型中关于农业的3个个变量，第一产业增加值、农村收入和农村消费也出现下降变量，第一产业增加值、农村收入和农村消费也出现下降的态势，但是与其他变量的变化幅度相比，农业方面受到的态势，但是与其他变量的变化幅度相比，农业方面受到货币政策的影响较小。货币政策的影响较小。广义货币广义货币M2在情景在情景1中呈现出正向变动，但是其变化中呈现出正向变动，但是其变化程度逐渐减弱，这是由于，定期储蓄存款是程度逐渐减弱，这是由于，定期储蓄存款是M2的组成部分，的组成部分，提高存款利率也就提高了居民储蓄存款意愿，进而导致提高存款利率也就提高了居民储蓄存款意愿，进而导致M2的增加，

191、但是总产出也是决定的增加，但是总产出也是决定M2的一个因素，由于提高利的一个因素，由于提高利率导致了总产出的降低，因此率导致了总产出的降低，因此M2的变动程度在这两年中呈的变动程度在这两年中呈现了逐渐下降的变动趋势。现了逐渐下降的变动趋势。180情景情景情景情景2 2：从从2005年开始，一年期存款利率和一年期贷款利率每年开始，一年期存款利率和一年期贷款利率每年比当年实际值分别增加个百分点，模拟的结果如表所示。年比当年实际值分别增加个百分点，模拟的结果如表所示。表表表表12.412.4中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程

192、模型的情景2 2模拟结果模拟结果模拟结果模拟结果注：表中的数据均为（注：表中的数据均为（100*(模拟结果拟合结果模拟结果拟合结果)/拟合结果），即政策变量变化所引拟合结果），即政策变量变化所引起的其他变量的变化。起的其他变量的变化。情景情景2同情景同情景1一样，模拟紧缩的货币政策的效应，只不过它一样，模拟紧缩的货币政策的效应，只不过它的强度更大一些。从表的结果来看，模型中发生改变的变量的变的强度更大一些。从表的结果来看，模型中发生改变的变量的变化方向同情景化方向同情景1完全相同，但是变化的幅度都有增加，农业的完全相同，但是变化的幅度都有增加，农业的3个个变量的变动幅度仍然小于其他变量。变量的

193、变动幅度仍然小于其他变量。M2仍然呈现出正向的、逐渐仍然呈现出正向的、逐渐递减的变动趋势。递减的变动趋势。时间时间CRCUIYIRY1IUDLM22005-0.016-0.008-0.54-0.23-0.023-0.031-0.029-0.500.102006-0.051-0.025-0.81-0.35-0.066-0.079-0.068-0.570.03181情景情景情景情景3 3：从从2005年开始，狭义货币供给量年开始，狭义货币供给量M1每年比当年实每年比当年实际值增加际值增加1%。模拟的结果如表所示。模拟的结果如表所示。表表表表12.512.5中国宏观经济联立方程模型的情景中国宏观经济

194、联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景3 3模拟结果模拟结果模拟结果模拟结果注：表中的数据均为（注：表中的数据均为（100*（模拟结果拟合结果）（模拟结果拟合结果）/拟合结果），即政策变量拟合结果），即政策变量变化所引起的其他变量的变化。变化所引起的其他变量的变化。情景情景3增加了货币供给量，相当于模拟扩张性的货币政策的增加了货币供给量，相当于模拟扩张性的货币政策的效应，因此，表中变量的变化方向与情景效应，因此，表中变量的变化方向与情景1和和2相反：由于狭义相反：由于狭义货币供应量的加大，导致广义货币量的加大，贷款增加，使得货币供应量的加大，导致广义货币

195、量的加大，贷款增加，使得投资和产出上涨，这就使得城镇收入和城镇消费也相应增加。投资和产出上涨，这就使得城镇收入和城镇消费也相应增加。在此情景下，农业方面的三个变量也出现了正向变化。在此情景下，农业方面的三个变量也出现了正向变化。时间时间CRCUIYIRY1IUDLM220050.00210.00100.070.0290.00290.0040.00360.520.4820060.00650.00320.100.0450.00840.010.00860.540.50182情景情景情景情景4 4：从从2005年开始，政府消费每年比当年实际值都增加年开始，政府消费每年比当年实际值都增加100亿元。模拟

196、的结果如表所示。亿元。模拟的结果如表所示。表表表表12.612.6中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景4 4模拟结果模拟结果模拟结果模拟结果注：表中的数据均为（注：表中的数据均为（100*（模拟结果拟合结果）（模拟结果拟合结果）/拟合结果），即政策变量变化所引起的拟合结果），即政策变量变化所引起的其他变量的变化。其他变量的变化。情景情景4属于实行扩张的财政政策。由于政府消费属于总产出属于实行扩张的财政政策。由于政府消费属于总产出的一部分，因此增加政府消费就意味着总产出的增加，进而导的一部分，因此增加政府消费就意

197、味着总产出的增加，进而导致城镇居民收入和致城镇居民收入和M2上升，带来城镇消费、贷款和投资的相应上升，带来城镇消费、贷款和投资的相应提高。这项扩张性的财政政策也促进了农业方面产出的提高和提高。这项扩张性的财政政策也促进了农业方面产出的提高和农民收入、消费的增加。农民收入、消费的增加。时间时间CRCUIYIRY1IUDLM220050.00020.00210.0050.0610.00020.00030.0080.0370.03420060.00250.00640.0780.0860.00360.00480.0170.0520.048183情景情景情景情景5 5：从从2005年开始，政府每年比当年

198、农业各税少征年开始，政府每年比当年农业各税少征20%。模拟的结果如表所示。模拟的结果如表所示。 表表表表12.712.7中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景中国宏观经济联立方程模型的情景5 5模拟结果模拟结果模拟结果模拟结果注：表中的数据均为（注：表中的数据均为（100*（模拟结果拟合结果）（模拟结果拟合结果）/拟合结果），即政策变量变化所引起的其拟合结果），即政策变量变化所引起的其他变量的变化。他变量的变化。情景情景5属于实行促进农民增收政策。从表可以看出，模拟的属于实行促进农民增收政策。从表可以看出，模拟的结果与前几个情景差别很大。变化

199、主要体现在农业方面：少征收结果与前几个情景差别很大。变化主要体现在农业方面：少征收农业各税使得农民收入和消费都有较大的提高。农业各税使得农民收入和消费都有较大的提高。2005年第一产业年第一产业产出、城镇居民收入和消费就已经开始出现较大的变动。同时少产出、城镇居民收入和消费就已经开始出现较大的变动。同时少征收农业各税也促进了广义货币、贷款和投资的正向变动。说明征收农业各税也促进了广义货币、贷款和投资的正向变动。说明少征收农业各税、即直接实施在农业方面的财政政策在提高农民少征收农业各税、即直接实施在农业方面的财政政策在提高农民收入和消费、扩大农业产出方面作用非常明显。收入和消费、扩大农业产出方面作用非常明显。时间时间CRCUIYIRY1IUDLM220051.550.0060.010.182.231.850.0220.110.1020063.620.0270.250.494.563.750.0800.290.27184