計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬

第十二章聯(lián)立方程模型的估計(jì)與模擬

本章講述的內(nèi)容是估計(jì)聯(lián)立方程組參數(shù)的方法。包括最小二乘法LS、加權(quán)最小二乘法WLS、似乎不相關(guān)回歸法SUR、二階段最小二乘法TSLS、加權(quán)二階段最小二乘法W2LS、三階段最小二乘法3LS、完全信息極大似然法FIML和廣義矩法GMM等估計(jì)方法。聯(lián)立方程系統(tǒng)就是一組包含未知數(shù)的方程組。利用一些多元方法可以對系統(tǒng)進(jìn)行估計(jì)，這些方法考慮到了方程之間的相互依存關(guān)系。在估計(jì)了聯(lián)立方程組的參數(shù)后就可以利用不同的解釋變量值對被解釋變量進(jìn)行模擬和預(yù)測。1計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第1頁!12.1聯(lián)立方程系統(tǒng)概述

本章將包含一組未知參數(shù)，并且變量之間存在著反饋關(guān)系的聯(lián)立方程組稱為“系統(tǒng)”(systems)，可以利用12.2節(jié)介紹的多種估計(jì)方法求解未知參數(shù)。本章的12.3節(jié)中將一組描述內(nèi)生變量的已知方程組稱為“模型”(model)，給定了聯(lián)立方程模型中外生變量的信息就可以使用聯(lián)立方程模型對內(nèi)生變量進(jìn)行模擬、評價和預(yù)測。一般的聯(lián)立方程系統(tǒng)形式是

t=1,2,,T(12.1.1)其中：yt是內(nèi)生變量向量，zt是外生變量向量，ut是一個可能存在序列相關(guān)的擾動項(xiàng)向量，T表示樣本容量。估計(jì)的任務(wù)是尋找未知參數(shù)向量

的估計(jì)量。2計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第2頁!例12.1克萊因聯(lián)立方程系統(tǒng)

克萊因（LawrenceRobertKlein）于1950年建立的、旨在分析美國在兩次世界大戰(zhàn)之間的經(jīng)濟(jì)發(fā)展的小型宏觀計(jì)量經(jīng)濟(jì)模型。模型規(guī)模雖小，但在宏觀計(jì)量經(jīng)濟(jì)模型的發(fā)展史上占有重要的地位。以后的美國宏觀計(jì)量經(jīng)濟(jì)模型大都是在此模型的基礎(chǔ)上擴(kuò)充、改進(jìn)和發(fā)展起來的。以至于薩繆爾森認(rèn)為，“美國的許多模型，剝到當(dāng)中，發(fā)現(xiàn)都有一個小的Klein模型”。所以，對該模型的了解與分析對于了解西方宏觀計(jì)量經(jīng)濟(jì)模型是重要的。Klein模型是以美國兩次世界大戰(zhàn)之間的1920-1941年的年度數(shù)據(jù)為樣本建立的。

3計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第3頁!消費(fèi)CS

收入

Y私人工資WP企業(yè)利潤

P投資I資本存量

K政府支出G政府工資WG間接稅收T

KleinⅠ模型框圖注：方框內(nèi)是行為方程內(nèi)生變量，橢圓內(nèi)是恒等方程內(nèi)生變量，粗體是外生變量。4計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第4頁!在聯(lián)立方程模型中，對于其中每個方程，其變量仍然有被解釋變量與解釋變量之分。但是對于模型系統(tǒng)而言，已經(jīng)不能用被解釋變量與解釋變量來劃分變量。對于同一個變量，在這個方程中作為被解釋變量，在另一個方程中則可能作為解釋變量。對于聯(lián)立方程系統(tǒng)而言，將變量分為內(nèi)生變量和外生變量兩大類，外生變量與滯后內(nèi)生變量又被統(tǒng)稱為前定變量。5計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第5頁!建立和說明聯(lián)立方程系統(tǒng)

為了估計(jì)聯(lián)立方程系統(tǒng)參數(shù)，首先應(yīng)建立一個系統(tǒng)對象并說明方程系統(tǒng)。單擊Object/NewObject/system或者在命令窗口輸入system，系統(tǒng)對象窗口就會出現(xiàn)，如果是次建立系統(tǒng)，窗口是空白的，在指定窗口用文本方式輸入方程，當(dāng)然也包含了工具變量和參數(shù)初值。使用標(biāo)準(zhǔn)的EViews表達(dá)式用公式形式輸入方程，系統(tǒng)中的方程應(yīng)該是帶有未知參數(shù)和隱含誤差項(xiàng)的行為方程。例12.1含有三個行為方程的系統(tǒng)是這樣的：6計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第6頁!

規(guī)則1

方程組中，變量和系數(shù)可以是非線性的?？梢酝ㄟ^在不同方程組中使用相同的系數(shù)對系數(shù)進(jìn)行約束。

規(guī)則2

系統(tǒng)方程可以包含自回歸誤差項(xiàng)（注意不能有MA、SAR或SMA誤差項(xiàng)），每一個AR項(xiàng)必須伴隨系數(shù)說明（用方括號，等號，系數(shù)，逗號），例如：cs=c(1)+c(2)*gdp+[ar(1)=c(3),ar(2)=c(4)]

規(guī)則3

如果方程沒有未知參數(shù)，則該方程就是恒等式，即定義方程，系統(tǒng)中不應(yīng)該含有這樣的方程。

規(guī)則4

方程中的等號可以出現(xiàn)在方程的任意位置。

規(guī)則5

應(yīng)該確信系統(tǒng)中所有擾動項(xiàng)之間沒有衡等的聯(lián)系，即應(yīng)該避免聯(lián)立方程系統(tǒng)中某些方程的線性組合可能構(gòu)成與某個方程相同的形式。7計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第7頁!聯(lián)立方程系統(tǒng)殘差協(xié)方差矩陣的形式

下面的討論是以線性方程所組成的平衡系統(tǒng)為對象的，但是這些分析也適合于包含非線性方程的系統(tǒng)。若一個系統(tǒng)，含有k個方程，用分塊矩陣形式表示如下：

(12.2.1)

其中：yi表示第i個方程的T維因變量向量，T是樣本觀測值個數(shù)，Xi表示第i個方程的Tki階解釋變量矩陣，如果含有常數(shù)項(xiàng)，則Xi的列全為1，ki表示第i個方程的解釋變量個數(shù)(包含常數(shù)項(xiàng))，i表示第i個方程的ki維系數(shù)向量，i=1,2,…,k。8計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第8頁!

2.k個方程間的殘差存在異方差，但是不存在同期相關(guān)時，用表示第i個方程殘差的方差，i=1,2,…,k，此時的矩陣形式為(12.2.4)其中diag()代表對角矩陣。9計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第9頁!4.在更一般的水平下，k個方程間的殘差存在異方差、同期相關(guān)的同時，每個方程的殘差還存在自相關(guān)。此時殘差分塊協(xié)方差矩陣應(yīng)寫成(12.2.6)其中：ij是第i個方程殘差和第j個方程殘差的自相關(guān)矩陣。10計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第10頁!2.加權(quán)最小二乘法(WeightedLeastSquares,WLS)

這種方法通過使加權(quán)的殘差平方和最小來解決聯(lián)立方程的異方差性，方程的權(quán)重是被估計(jì)的方程的方差的倒數(shù)，來自未加權(quán)的系統(tǒng)參數(shù)的估計(jì)值。如果方程組沒有聯(lián)立約束，該方法與加權(quán)單方程最小二乘法產(chǎn)生相同的結(jié)果。加權(quán)最小二乘法的估計(jì)值為：(12.2.10)其中，是V的一個一致估計(jì)量。V中的元素i2的估計(jì)值sii為

i=1,2,,k(12.2.11)11計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第11頁!4.方程含有AR項(xiàng)

如果第i個方程含有AR項(xiàng)，EViews估計(jì)下面方程：

t=1,2,,T(12.2.18)

這里，i

是獨(dú)立的，但方程之間存在同期相關(guān)。12計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第12頁!階段用所有的前定變量Z對第i個方程右端出現(xiàn)的內(nèi)生變量（記為Yi）做回歸，由于方程的右側(cè)不存在隨機(jī)解釋變量問題，可以直接采用普通最小二乘法估計(jì)其參數(shù)，并得到擬合值(12.2.23)由這個方程的表達(dá)式可知，在大樣本下，?i與殘差獨(dú)立。在第二階段，用?i代替Yi，再利用Xi，采用普通最小二乘法重新估計(jì)，回歸得到

i=1,2,,k(12.2.24)其中：，這個參數(shù)的估計(jì)量即為原結(jié)構(gòu)方程的參數(shù)的二階段最小二乘的一致估計(jì)量。13計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第13頁!2.

完全信息極大似然法

完全信息極大似然法(fullinformationmaximumlikelihood，F(xiàn)IML)是極大似然法（ML）的直接推廣，是基于整個系統(tǒng)的系統(tǒng)估計(jì)方法，它能夠同時處理所有的方程和所有的參數(shù)。當(dāng)同期誤差項(xiàng)具有一個聯(lián)合正態(tài)分布時，利用此方法求得的估計(jì)量是所有的估計(jì)量中最有效的。對極大似然函數(shù)進(jìn)行求解，就可以得到結(jié)構(gòu)參數(shù)的FIML估計(jì)量。但是這個非線性方程系統(tǒng)求解非常復(fù)雜，需要采用牛頓迭代方法或阻尼迭代方法等。14計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第14頁!廣義矩估計(jì)法的基本思想是待估計(jì)的參數(shù)

需要滿足一系列的理論矩條件，記這些矩條件為(12.2.32)矩估計(jì)方法就是用樣本的矩條件來替代理論矩條件(12.2.32)，即(12.2.33)廣義矩估計(jì)量是通過最小化下面的準(zhǔn)則函數(shù)來定義的：(12.2.34)15計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第15頁!

§12.2.3工具變量

如果用二階段最小二乘法（TSLS）、三階段最小二乘法方法（3SLS）或者廣義矩法（GMM）來估計(jì)參數(shù)，必須對工具變量做出說明。說明工具變量有兩種方法：若要在所有的方程中使用同樣的工具變量，說明方法是以“inst”開頭，后面輸入所有被用作工具變量的外生變量列表。例如：instgdp(-1to-4)xgovEViews在系統(tǒng)的所有方程中使用這六個變量作為工具變量。如果系統(tǒng)估計(jì)不需要使用工具，則這行將被忽略。16計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第16頁!§12.2.5初始值

如果系統(tǒng)中包括非線性方程，可以為部分或所有的參數(shù)用以param開頭的語句提供初始值，列出參數(shù)和值的對應(yīng)組合。例如：paramc(1).15b(3).5為c(1)和b(3)設(shè)定初值。如果不提供初值，EViews使用當(dāng)前系數(shù)向量的值。

17計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第17頁!§12.2.7估計(jì)結(jié)果

系統(tǒng)估計(jì)輸出的結(jié)果包括系統(tǒng)參數(shù)估計(jì)值、標(biāo)準(zhǔn)差和每個系數(shù)的t-統(tǒng)計(jì)值。而且，EViews提供殘差的協(xié)方差矩陣的行列式的值，對于FIML估計(jì)法，還提供它的極大似然值。除此之外，EViews提供每個方程的簡要的統(tǒng)計(jì)量，如R2統(tǒng)計(jì)值，回歸標(biāo)準(zhǔn)差，Durbin-Wstson統(tǒng)計(jì)值，殘差平方和等等。對每個方程都是按定義基于系統(tǒng)估計(jì)過程中的殘差計(jì)算而來。18計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第18頁!19計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第19頁!

Klein-2模型：美國1953年-1984年期間：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(32)*y+c(33)*y(-1)+c(34)*k+[AR(1)=C(35)]其中：r為半年期商業(yè)票據(jù)利息，其他變量的含義同克萊因聯(lián)立方程系統(tǒng)Ⅰ相同。該模型的OLS估計(jì)結(jié)果為：20計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第20頁!21計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第21頁!22計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第22頁!§12.2.8系統(tǒng)的應(yīng)用

得到估計(jì)結(jié)果后，系統(tǒng)對象提供了檢查結(jié)果的工具，依次進(jìn)行參考和詳細(xì)討論。

一、系統(tǒng)的查看（View）

1.顯示系統(tǒng)說明窗口(SystemSpecification02.顯示估計(jì)值和統(tǒng)計(jì)量(EstimationOutput)3.顯示殘差(Residuals)4.查看方差矩陣(CoefficientCovarianceMatrix)5.WaldCoefficientTests…6.列出系統(tǒng)中所有的內(nèi)生變量(EndognousTable)7.列出系統(tǒng)中所有的內(nèi)生變量的圖形(EndognousGragh)

23計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第23頁!利用前面介紹的方法估計(jì)所建立的聯(lián)立方程系統(tǒng)，得到未知參數(shù)的估計(jì)量，就能夠建立一個完善的、能夠反映客觀實(shí)際的聯(lián)立方程模型。建立模型的一個重要應(yīng)用就是進(jìn)行政策模擬和預(yù)測。利用經(jīng)濟(jì)計(jì)量模型能夠生成一個或若干個經(jīng)濟(jì)變量的預(yù)測值，這些預(yù)測值可以是對已知數(shù)據(jù)的模擬，也可以是對未知數(shù)據(jù)的預(yù)測，這取決于進(jìn)行模擬的目的。前者是用來對所建立的模型進(jìn)行檢驗(yàn)和評估，或者進(jìn)行政策的歷史分析等，而后者則用來進(jìn)行預(yù)測，或者進(jìn)行靈敏度分析和政策分析等。§12.3聯(lián)立方程模型的模擬

24計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第24頁!例12.5克萊因聯(lián)立方程模型Ⅱ的求解和模擬

我們以美國1953年-1984年期間Klein-Ⅱ的GMM模型為例來介紹怎樣通過EViews模型對象來求解模型。模型中包括三個隨機(jī)方程和三個等式：

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其中：CS是個人消費(fèi)，I是私人國內(nèi)總投資，G是政府非工資支出，Y是GDP減去凈出口，R是半年期商業(yè)票據(jù)利息，P是企業(yè)利潤，K是資本存量，P是間接稅收。該模型有更強(qiáng)的動態(tài)結(jié)構(gòu)，其中許多變量是以滯后的形式出現(xiàn)的。25計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第25頁!二、向模型添加方程

模型中的方程可以分為兩類：鏈接方程和內(nèi)置方程。鏈接方程是從工作區(qū)中的其他對象引進(jìn)的方程，內(nèi)置方程以文本形式保存在模型內(nèi)。向模型添加方程有以下幾種方法：

1.添加鏈接方程：26計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第26頁!

三、從模型中刪除方程

四、更新模型的鏈接

有時候需要模型中的方程與鏈接對象分離，例如希望以文本形式查看整個模型，其所有方程都詳細(xì)寫出。為此，可以使用Procs/Links/BreakAllLinks過程把模型中所有的鏈接方程轉(zhuǎn)換為內(nèi)置文本形式。

27計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第27頁!

一、方程查看視窗(EquationView)

方程視窗用于顯示、選擇和修改模型的方程。

28計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第28頁!三、塊結(jié)構(gòu)查看視窗(BlockStructureView)

模型的塊結(jié)構(gòu)查看窗口可以分析并顯示依賴關(guān)系中的塊結(jié)構(gòu)。塊結(jié)構(gòu)是指模型可以分為若干更小的部分，每個部分可以依次求解。例如考慮系統(tǒng)：塊1X=Y+4Y=2*X-3塊2Z=X+Y29計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第29頁!§12.3.4模型求解開始求解模型，可以使用Procs/SolveModel…或單擊模型工具欄上的Solve按鈕，EViews將顯示一個包含求解選項(xiàng)的對話框。

30計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第30頁!

該對話框的右端是用于選擇所要求解的情景分析。單擊EditScenarioOptions中的按鈕可以快速查看選定的情景分析的設(shè)置。選項(xiàng)SolveforAlternatealongwithActive主要用于比較情形，且兩個情景分析必須同時求解以保證對兩者使用的是同樣的沖擊。兩模型同時隨機(jī)求解時，一組序列將被創(chuàng)建以保存兩情景分析之間的差值（這是必要的，因?yàn)樵诜蔷€性模型中均值的差不一定等于差的均值）。

31計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第31頁!

例12.5克萊因聯(lián)立方程模型Ⅱ的擬合結(jié)果例12.4采用系統(tǒng)估計(jì)方法，GMM法估計(jì)克萊因聯(lián)立方程系統(tǒng)Ⅱ。在1955～1984年的區(qū)間內(nèi)克萊因聯(lián)立方程模型Ⅱ的模擬結(jié)果為：

32計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第32頁!2．預(yù)測預(yù)測（forecasting）是對估計(jì)的樣本區(qū)間以外的內(nèi)生變量進(jìn)行外推。要進(jìn)行預(yù)測，必須擁有整個預(yù)測期內(nèi)所有外生變量的時間序列數(shù)據(jù)。預(yù)測可以分為兩類：

(1)事后預(yù)測如果估計(jì)區(qū)間是[1,T1]，預(yù)測區(qū)間是[T1+1,T]，然后把得到的預(yù)測結(jié)果與[T1+1,T]區(qū)間內(nèi)的內(nèi)生變量的已知數(shù)據(jù)進(jìn)行比較，這種預(yù)測稱為事后預(yù)測（expost），通常用來檢驗(yàn)?zāi)Ｐ皖A(yù)測的準(zhǔn)確性。(2)事前預(yù)測另一種預(yù)測是預(yù)測的起始時刻t在樣本區(qū)間的終止時刻T之后，即t=T+1，T+2，…，T+h時，h是預(yù)測期長度，這被稱作事前預(yù)測（exante）。33計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第33頁!例12.6克萊因聯(lián)立方程模型Ⅱ的事后預(yù)測結(jié)果

本例對克萊因聯(lián)立方程模型Ⅱ進(jìn)行事后預(yù)測，預(yù)測區(qū)間為1983～1984年。首先在估計(jì)樣本區(qū)間1953～1982年，即[1,T1]上重新估計(jì)克萊因聯(lián)立方程系統(tǒng)Ⅱ，生成新的模型(klein_2_1982)，再對這個新的模型在預(yù)測區(qū)間[T1+1,T]，即1983～1984年求解。預(yù)測結(jié)果為：

34計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第34頁!模型求解的其他選項(xiàng)二、隨機(jī)選項(xiàng)(StochasticOptions)三、追蹤變量(TrackedVariable)四、診斷(Diagnostics)

五、求解方法選擇求解模型所用的算法，有下列選項(xiàng)：

(1)Gauss-Seidel（高斯—采德爾方法）(2)Newton（牛頓法）35計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第35頁!

模型情景分析通過更改需要改變的一組變量可以對外生變量的不同假設(shè)進(jìn)行分析。被更改的外生變量將在帶有標(biāo)識該情景分析的別名的序列中取值，而沒有被更改的外生變量將從與該變量同名的序列中取值。

36計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第36頁!

(1)SelectScenario窗口

可以創(chuàng)建、復(fù)制、刪除和重命名模型情景分析。要想為模型添加一個新的情景分析，只需單擊CreateNewScenario按鈕，一個新的情景分析立即創(chuàng)建。通過該對話框，還可以選擇哪個情景分析是當(dāng)前激活的，或者重命名和刪除情景。37計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第37頁!

在進(jìn)行政策模擬時，除已有的外生變量外，可按模擬需要將某些內(nèi)生變量變?yōu)橥馍恼咦兞浚撟兞肯嚓P(guān)的方程也將從模型中剔除，而變量值將直接取自工作區(qū)中與變量同名的序列。如財政支出，在進(jìn)行財政政策模擬時須去掉財政支出方程，將其變?yōu)橥馍兞?。政策沖擊可以分為瞬時沖擊和持續(xù)沖擊：瞬時沖擊指在某一時刻給一變量一個沖擊，而以后各期均沒有變化，考慮其他變量的響應(yīng)；持續(xù)沖擊指從某一時刻開始，對某一變量施以持續(xù)的沖擊，考慮其他變量的響應(yīng)。38計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第38頁!我們對Model_2_GMM模型分3種情景進(jìn)行政策模擬。情景1：從1983年開始，政府非工資性支出G每年增加相同的數(shù)量(10億美元)，研究其他內(nèi)生變量的響應(yīng)(一個2期的持續(xù)沖擊的財政政策的模擬)。表1給出了持續(xù)沖擊給其他內(nèi)生變量與其基準(zhǔn)序列相比所帶來的變化的百分比。39計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第39頁!點(diǎn)擊OK，兩個情景分析同時求解。如果求解成功，則出現(xiàn)如下信息：40計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第40頁!

從中可以看出政府支出在1983年和1984年各增長10億美元，使得國民生產(chǎn)總值Y、消費(fèi)、投資等在滯后不同時期后都有不同程度的增長。41計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第41頁!

情景2：我們考慮私人工資WP和政府工資WG的變化對其他變量的影響。在1983年和1984年兩種工資同時增加10億美元，對其他變量的影響。其中，私人工資是內(nèi)生變量，我們需要將其作為外生變量來對待(需要打破連接,在WP方程前加個撇號)。42計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第42頁!

情景3：我們考慮從1983年開始，間接稅收T每年增加當(dāng)年實(shí)際值的1%，即1983年增加了2.43億美元，1984年增加了2.48億美元。在此假設(shè)下，研究其他內(nèi)生變量的反應(yīng)（1個兩期的持續(xù)沖擊的財政政策模擬）。表12.2給出了持續(xù)沖擊帶給其他內(nèi)生變量的變化與其基準(zhǔn)序列相比所帶來的變化的百分比。

求解選擇動態(tài)求解，樣本期間為1983年~1984年，結(jié)果見表12.2：(描述一個稅收政策沖擊對其他變量的影響)

表12.2情景3的模擬結(jié)果表中的數(shù)據(jù)均為增長率(%)時間CSIKPWPY1983-0.011-0.09-0.0045-0.24-0.018-0.0251984-0.019-0.082-0.0091-0.20-0.024-0.03143計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第43頁!實(shí)際上附加因子只是一個額外的外生變量，它可以以一種特殊的方式加入選定的方程中。EViews允許附加因子采取兩種形式，如果方程形式為

（12.3.8）

那么我們可以只在方程末尾加上附加因子作為截距或殘差：

（12.3.9）

或者我們可以在內(nèi)生變量后面加上附加因子，從而為模型的內(nèi)生變量提供附加因子：

（12.3.10）

其中附加因子的符號相反，這樣可以使其行為與前一種情形中的方向相同。44計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第44頁!

對利潤方程P，在模擬（scenario4）時增加了附加因子，方程截距上減50，即P_a_4=-5045計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第45頁!

KleinⅠ模型：（消費(fèi)）（投資）（私人工資）（均衡需求）（企業(yè)利潤）（資本存量）（12.1.2）

此模型包含3個行為方程，1個定義方程，2個會計(jì)方程。式中變量：

6個內(nèi)生變量：4個外生變量：Y：收入（GDP中除去凈出口）；G：政府非工資支出；CS：消費(fèi)；Wg：政府工資；I：私人國內(nèi)總投資；T：間接稅收；

Wp：私人工資；Time：時間趨勢；

P：企業(yè)利潤；K：資本存量46計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第46頁!

前3個方程稱為行為方程，后面的3個方程稱為恒等方程。這是一個簡單描述宏觀經(jīng)濟(jì)的聯(lián)立方程模型。式（12.1.2）中的前3個行為方程構(gòu)成聯(lián)立方程系統(tǒng)：

t=1,2,,T（12.1.3）待估計(jì)出未知參數(shù)后，與式（12.1.2）中的后3個恒等方程一起組成聯(lián)立方程模型。47計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第47頁!§12.2聯(lián)立方程系統(tǒng)的估計(jì)方法

EViews提供了估計(jì)系統(tǒng)參數(shù)的兩類方法。一類方法是單方程估計(jì)方法，使用前面講過的單方程法對系統(tǒng)中的每個方程分別進(jìn)行估計(jì)。第二類方法是系統(tǒng)估計(jì)方法，同時估計(jì)系統(tǒng)方程中的所有參數(shù)，這種同步方法允許對相關(guān)方程的系數(shù)進(jìn)行約束并且使用能解決不同方程殘差相關(guān)的方法。雖然利用系統(tǒng)方法估計(jì)參數(shù)具有很多優(yōu)點(diǎn)，但是這種方法也要付出相應(yīng)的代價。最重要的是在系統(tǒng)中如果錯誤指定了系統(tǒng)中的某個方程，使用單方程估計(jì)方法估計(jì)參數(shù)時，如果某個被估計(jì)方程的參數(shù)估計(jì)值很差，只影響這個方程；但如果使用系統(tǒng)估計(jì)方法，這個錯誤指定的方程中較差的參數(shù)估計(jì)就會“傳播”給系統(tǒng)中的其它方程。48計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第48頁!

這里使用了EViews缺省系數(shù)如c(10)、c(20)等等，當(dāng)然可以使用其它系數(shù)向量，但應(yīng)事先聲明，方法是單擊主菜單上Object/NewObject/Martrix-Vector-Coef/CoeffientVector。在說明方程時有一些規(guī)則：

49計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第49頁!聯(lián)立方程系統(tǒng)估計(jì)

創(chuàng)建和說明了系統(tǒng)后，單擊工具條的Estimate鍵，出現(xiàn)系統(tǒng)估計(jì)對話框，在彈出的對話框中選擇估計(jì)方法和各個選項(xiàng)：

50計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第50頁!式(12.2.1)可以簡單地表示為(12.2.2)其中：設(shè)，是m維向量。聯(lián)立方程系統(tǒng)殘差的分塊協(xié)方差矩陣的kT×kT方陣V大體有如下4種形式。本章的估計(jì)方法都是在這些情形的基礎(chǔ)上進(jìn)行討論的。1.在古典線性回歸的標(biāo)準(zhǔn)假設(shè)下，系統(tǒng)殘差的分塊協(xié)方差矩陣是kT×kT的方陣V(12.2.3)其中：算子表示克羅內(nèi)克積(kroneckerproduct)，簡稱叉積，2是系統(tǒng)殘差的方差。51計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第51頁!3.k個方程間的殘差不但是異方差的，而且是同期相關(guān)的情形，可以通過定義一個k×k的同期相關(guān)矩陣

進(jìn)行描述，

的第i行第j列的元素ij=E(uiuj)。如果殘差是同期不相關(guān)的，那么，對于i

j，則ij=0，如果k個方程間的殘差是異方差且同期相關(guān)的，則有(12.2.5)52計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第52頁!12.2.1單方程估計(jì)方法

1.普通最小二乘法（OrdinaryLeastSquares,OLS）

這種方法是在聯(lián)立方程中服從關(guān)于系統(tǒng)參數(shù)的約束條件的情況下，使每個方程的殘差平方和最小。如果沒有這樣的參數(shù)約束，這種方法和使用單方程普通最小二乘法估計(jì)每個方程式是一樣的。在協(xié)方差陣被假定為時，最小二乘法是非常有效的。的估計(jì)值為：(12.9)

53計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第53頁!

該方法也稱作多元回歸法，既考慮到異方差性也考慮到不同方程的誤差項(xiàng)的相關(guān)性。當(dāng)方程右邊的變量X全部是外生變量，殘差是異方差和同期相關(guān)的，誤差協(xié)方差陣形式為V=IT時，使用SUR方法是恰當(dāng)?shù)?。進(jìn)行廣義最小二乘（GLS）估計(jì)，此時的ZellnerSUR估計(jì)值為：

(12.2.17)

這里是元素為sij的

的一致估計(jì)。

3.似乎不相關(guān)回歸(SeeminglyUnrelatedRegression,SUR)54計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第54頁!5.二階段最小二乘法(Two-StageLeastSquares,TSLS)

系統(tǒng)二階段最小二乘法方法（STSLS）是前面描述的單方程二階段最小二乘估計(jì)的系統(tǒng)形式。聯(lián)立方程系統(tǒng)的結(jié)構(gòu)式(12.1.4)中的第i個方程可以寫為

i=1,2,,k(12.2.21)或等價的寫為(12.2.22)式中i是式(12.1.4)內(nèi)生變量系數(shù)矩陣的第i行的行向量，是將i中第i個元素設(shè)為0，i是先決變量系數(shù)矩陣

的第i行的行向量，。Y是內(nèi)生變量矩陣，Z是前定變量矩陣。55計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第55頁!12.2.2系統(tǒng)估計(jì)方法

1.三階段最小二乘法(Three-StageLeastSquares,3SLS)

當(dāng)方程右邊變量與誤差項(xiàng)相關(guān)并且存在異方差，同時殘差項(xiàng)相關(guān)時，3LSL是有效方法。因?yàn)槎A段最小二乘法是單方程估計(jì)方法，沒有考慮到殘差之間的協(xié)方差，所以，一般說來，它不是很有效。三階段最小二乘法的基本思路是：先用2SLS估計(jì)每個方程，然后再對整個聯(lián)立方程系統(tǒng)利用廣義最小二乘法估計(jì)。在階段，先估計(jì)聯(lián)立方程系統(tǒng)的簡化形式。然后，用全部內(nèi)生變量的擬合值得到聯(lián)立方程系統(tǒng)中所有方程的2SLS估計(jì)。一旦計(jì)算出2SLS的參數(shù)，每個方程的殘差值就可以用來估計(jì)方程之間的方差和協(xié)方差，類似于SUR的估計(jì)過程。第三階段也就是最后階段，將得到廣義最小二乘法的參數(shù)估計(jì)量。56計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第56頁!3.廣義矩法(GeneralizedMethodofMoments,GMM)

GMM估計(jì)基于假設(shè)方程組中的擾動項(xiàng)和一組工具變量不相關(guān)。GMM估計(jì)是將準(zhǔn)則函數(shù)定義為工具變量與擾動項(xiàng)的相關(guān)函數(shù)，使其最小化得到的參數(shù)為估計(jì)值。如果在準(zhǔn)則函數(shù)中選取適當(dāng)?shù)臋?quán)數(shù)矩陣，廣義矩法可用于解決方程間存在異方差和未知分布的殘差相關(guān)。其實(shí)，很多估計(jì)方法包括EViews提供的所有系統(tǒng)估計(jì)方法都是廣義矩法（GMM）的特殊情況。例如：當(dāng)方程右邊的變量都與殘差無關(guān)時，普通最小二乘估計(jì)就是廣義矩估計(jì)。

57計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第57頁!在EViews中，為了得到GMM估計(jì)必須先給出(12.2.32)式的矩條件，如回歸方程殘差u(,Y,X)和一組工具變量

Z的正交條件：(12.2.35)對于廣義矩估計(jì)GMM能被識別，必須至少工具變量的個數(shù)和待估計(jì)的參數(shù)

的個數(shù)一樣多。無論方程組的擾動項(xiàng)是否存在未知形式的異方差和自相關(guān)，通過選擇恰當(dāng)?shù)臏?zhǔn)則函數(shù)中的加權(quán)矩陣A，都可以使GMM估計(jì)量是穩(wěn)健的。最佳選擇是，式中的是估計(jì)出來的樣本矩條件m的協(xié)方差矩陣。在估計(jì)時，一般都使用一致的二階段最小二乘法估計(jì)量作為的初始值。58計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第58頁!

§12.2.4附加說明

(1)在每個方程中常數(shù)項(xiàng)始終都包含在工具變量表中，無論它是否被明確的說明過，這是隱含給定的。(2)對于一個已給定的方程，所有右邊外生變量都應(yīng)列為工具變量。(3)模型識別要求每個方程中工具變量(包括常數(shù)項(xiàng))個數(shù)都應(yīng)該至少和右邊變量一樣多。

59計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第59頁!§12.2.6迭代控制

對于WLS、SUR、WTSLS，3SLS，GMM估計(jì)法和非線性方程的系統(tǒng)，有附加的估計(jì)問題，包括估計(jì)GLS加權(quán)矩陣和系數(shù)向量，這些選項(xiàng)決定了系數(shù)或加權(quán)矩陣的迭代方法。

60計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第60頁!

例12.1(續(xù))

在格林的《經(jīng)濟(jì)計(jì)量分析》中給出了克萊因模型1920年~1941年的數(shù)據(jù)和更新版本的1953年~1984年數(shù)據(jù)，klein_1模型說明文本：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system中只能建立3個行為方程，其余的3個定義方程要放到model中。cs是消費(fèi)方程，總消費(fèi)主要受前期和當(dāng)期的企業(yè)利潤p、當(dāng)期工資收入(wp+wg)的影響；I是投資方程，投資由前期和當(dāng)期利潤p、前期的資本k來解釋；wp是就業(yè)方程，用私人工資額代表就業(yè)，將它與前期和當(dāng)期的產(chǎn)出Y聯(lián)系起來，由生產(chǎn)規(guī)模決定就業(yè)，時間趨勢項(xiàng)考慮了日益增強(qiáng)的非經(jīng)濟(jì)因素對就業(yè)的壓力。61計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第61頁!

但是這個模型用在美國1953年-1984年的數(shù)據(jù)上結(jié)果就不好，經(jīng)過改進(jìn)后的模型見Klein-2模型。62計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第62頁!63計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第63頁!

例12.4克萊因聯(lián)立方程系統(tǒng)Ⅱ的GMM估計(jì)結(jié)果利用GMM法重新估計(jì)克萊因聯(lián)立方程系統(tǒng)Ⅱ。

在1953～1984年的區(qū)間上，工具變量選擇Y(-1)、CS(-1)、I(-1)、K(-1)、Wp(-1)、P(-1)、Wg、R，克萊因聯(lián)立方程系統(tǒng)Ⅱ的GMM估計(jì)結(jié)果為：

64計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第64頁!與例12.1相比，這三個方程中的系數(shù)都沒有太大的變化，但是所有變量的t統(tǒng)計(jì)量都變得更加顯著，這說明利用GMM方法，考慮了方程間的相互影響，能夠更好的描述整個經(jīng)濟(jì)系統(tǒng)的行為。

65計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第65頁!

二、系統(tǒng)的過程（Procs）

系統(tǒng)與單方程的顯著區(qū)別是系統(tǒng)沒有預(yù)測功能，如果要進(jìn)行模擬或預(yù)測，必須使用模型對象。EViews提供一個簡單的方法將系統(tǒng)結(jié)果轉(zhuǎn)化為模型。

1.建立模型(MakeModel)

2.估計(jì)系統(tǒng)(Estimate)

3.建立方程殘差序列

(MakeResiduals)4.建立內(nèi)生變量的組對象(MakeEndogenousGroup)

66計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第66頁!一個模型包括一組方程，這些方程是用來描述一組變量之間關(guān)系的。模型變量可以分為兩種：由模型內(nèi)部決定的變量我們稱為內(nèi)生變量，而在模型外部決定的變量我們稱為外生變量。還有一種變量我們稱為附加因子，它是外生變量的一種特殊形式。模型的最一般形式可以用數(shù)學(xué)符號寫為：（12.3.1）其中y是內(nèi)生變量向量，z是外生變量向量，F(xiàn)是實(shí)函數(shù)fi(y,z

)的向量。為使方程有唯一解，方程個數(shù)與內(nèi)生變量個數(shù)應(yīng)相同。對任何方程來說都不是內(nèi)生變量的變量被視作外生變量。67計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第67頁!§12.3.2創(chuàng)建模型

一、建立模型

首先是創(chuàng)建模型對象，創(chuàng)建模型對象有2種不同的方法：1.可以選擇Objects/NewObject…，再選擇Model來創(chuàng)建一個空模型。2.可以從一個估計(jì)對象中使用MakeModel過程來創(chuàng)建一個模型，該模型則包含該對象中的方程或方程組。68計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第68頁!

2.用文本形式添加方程：69計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第69頁!§12.3.3模型結(jié)構(gòu)視窗

同EViews中的其他對象一樣，我們可以以幾種方式查看模型對象所包含的信息，由于模型是描述一組變量之間關(guān)系的方程組合，因此對于模型主要有兩種視窗，即方程查看視窗和變量查看視窗，EViews還提供了模型結(jié)構(gòu)的兩個視窗：塊結(jié)構(gòu)查看視窗和文本視窗。70計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第70頁!

二、變量查看視窗(VariableView)

71計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第71頁!

四、文本查看視窗(TextView)

模型的文本查看窗口可以在一個文本窗口內(nèi)看到模型的整體結(jié)構(gòu)，還提供了輸入小模型的快速方法，也可以用復(fù)制、粘貼編輯大模型。

72計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第72頁!

一、基本選項(xiàng)(BasicOptions)

在左上部，Simulationtype框可以設(shè)置模型是確定性模擬還是隨機(jī)性模擬。

Dynamics框中選項(xiàng)是用于確定求解模型時EViews怎樣使用內(nèi)生變量的歷史數(shù)據(jù)：

1.動態(tài)求解(DynamicSolution)

2.靜態(tài)求解(StaticSolution)

3.擬合(Fit)除了這些選項(xiàng)以外，Structural復(fù)選框還可以選擇是否忽略方程中出現(xiàn)的ARMA項(xiàng)。對話框的左下部是SolutionSample框，它是用來確定求解模型的樣本區(qū)間。與其他EViews過程不同，它不會自動設(shè)為剔除缺失的數(shù)據(jù)。73計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第73頁!模型模擬的分類

設(shè)觀測值樣本個數(shù)為T，一般將模型中的樣本分為兩個區(qū)間：[1,T1]和[T1+1,T]，前一個區(qū)間用于估計(jì)，后一個區(qū)間用于檢驗(yàn)。模型模擬所涉及的時間范圍將取決于模擬的目的。1．?dāng)M合

模擬的種形式是樣本內(nèi)預(yù)測(in-sampleforecast)，也稱為擬合(fitting)。內(nèi)生變量在估計(jì)樣本區(qū)間[1,T]內(nèi)的預(yù)測值稱為擬合值。把每一個內(nèi)生變量的原始時間序列數(shù)據(jù)與模擬結(jié)果進(jìn)行比較，就是一種很有用的檢驗(yàn)?zāi)M效果的方法。求解后的顯示信息:74計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第74頁!75計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第75頁!事前預(yù)測樣本內(nèi)預(yù)測(擬合)事后預(yù)測

1T1Tt圖12.2樣本內(nèi)、事前和事后預(yù)測

76計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第76頁!77計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第77頁!§12.3.5確定情景分析

1.情景分析的思想和功能

對模型進(jìn)行預(yù)測和模擬時，通常需要在有關(guān)外生變量路徑的不同假設(shè)下，或從模型中剔除一個或多個方程時對模型的預(yù)測進(jìn)行比較。模型情景分析可以在不覆蓋以前的數(shù)據(jù)和不改變模型結(jié)構(gòu)的前提下做到這一點(diǎn)。情景分析最重要的功能在于確定哪個序列將用于記錄與方程特定解相關(guān)的數(shù)據(jù)。為區(qū)分與不同情景分析相關(guān)的數(shù)據(jù)，每個情景分析都根據(jù)別名規(guī)則修正變量名。一般地，別名是在模型變量名的后面加上下劃線及序號，如“_0”或“_1”。每個情景分析的數(shù)據(jù)將會被保存在工作區(qū)中帶有別名的序列中。78計(jì)量經(jīng)濟(jì)模型,聯(lián)立方程估計(jì)與模擬共88頁，您現(xiàn)在瀏覽的是第78頁!2.

情景分析的建立和修改

一個模型可以包括許多情景分析，通過View/ScenarioSpecification可以查看與當(dāng)前模型相關(guān)的所有情景分析。

每個模型都有兩個特殊的情景分析：實(shí)際(actuals)和基準(zhǔn)(baseline)。它們的共同點(diǎn)在于它們不能更改或剔除任何變量，不同之處在于實(shí)際情景分析把內(nèi)生變量值寫回與該變量同