搜索
1联立方程模型联立方程模型联立方程模型联立方程模型_Eviews_Eviews_Eviews_Eviews案例操作案例操作案例操作案例操作1.1.1.1.下面建立一个包含3333个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.16.16.16.101211012tttttttttttCYCuIYuYICGαααββ−=+++⎧⎪=++⎨⎪=++⎩表6.1中国宏观经济数据单位：亿元年份YICG年份YICG19783606137817594691991212807517103163447197940741474200559519922586496361246037681980455115902317644199334501149981568238211981490115812604716199446691192612081066201982548917602868861199558511238772694576891983607620053183888199668330268673215293111984716424693675102019977489428458348551158119858792338645898171998790032954636921125361986101333846517511121999826733070239334126371987117844322596115012000893413250042896139451988147045495763315762001985933746145898152341989164666095852418472001107514423554853516624199018320644491132763（1111）用狭义的工具变量法估计消费方程选取方程中未包含的先决变量GGGG作为内生解释变量YYYY的工具变量，过程如下：2结果如下：所以，得到结构参数的工具变量法估计量为：012ˆˆˆ582.27610.2748560.432124ααα===，，（2222）用间接最小二乘法估计消费方程消费方程中包含的内生变量的简化式方程为：1011112120211222ttttttttCCGYCGπππεπππε−−=+++⎧⎨=+++⎩3参数关系体系为：11121210012012122000παπαπααππαπ−−=⎧⎪−−=⎨⎪−=⎩用普通最小二乘法估计，结果如下：所以参数估计量为：101112ˆˆˆ1135.937,0.619782,1.239898πππ===202122ˆˆˆ2014.368,0.682750,4.511084πππ===所以，得到间接最小二乘估计值为：12122ˆˆ0.274856ˆπαπ==211121ˆˆˆˆ0.432124απαπ=−=4010120ˆˆˆˆ582.2758απαπ=−=（3333）用两阶段最小二乘法估计消费方程第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到1ˆ2014.3680.682754.511084tttYCG−=++用YYYY的预测值替换消费方程中的YYYY，过程如下：得到预测值，然后使用工具变量法进行估计。5结果如下：综上所述，可知道，对于恰好识别方程，三种方法得到的结论是一样的。2.2.2.2.以表6.26.26.26.2所示的中国的实际数据为资料，估计下面的联立模型。01121tttttYMCIuββγγ=++++0132ttttMYPuααγ=+++表6.2年份货币于准货币M2/亿元国内生产总值GDP/亿元居民消费价格指数P(1978为居民消费CONS/亿元固定投资I/亿元6100199015293.418319.5165.29113.24517199119349.921280.4170.810315.95594.5199225402.225863.7181.712459.88080.1199334879.834500.7208.415682.413072.3199446923.546690.7258.620809.817042.1199560750.558510.5302.826944.520019.3199676094.968330.4327.932152.322913.5199790995.374894.2337.134854.624941.11998104498.579003.3334.436921.128406.21999119897.982673.1329.739334.429854.72000134610.389112.533142911.932917.7建立工作文件后，进行如下步骤：建立联立模型，并命名为MYMYMYMY7在SYSTEMSYSTEMSYSTEMSYSTEM窗口里面定义联立方程组和使用的工具变量。选择两阶段最小二乘法进行估计。8得到如下输出结果：9所以得到联立方程计量经济学模型的估计表达式为：1306.30.1512.0640.686ttttYMCI=−−++43243.342.938511.413tttMYP=+−3.3.3.3.以KleinKleinKleinKlein（克莱因）联立方程模型为例介绍两阶段最小二乘估计。首先建立工作文件，数据如表7777。表7Klein联立方程模型数据年份CCPPWPIIKKXXWGGGTTAA192039.812.728.82.7180.144.92.22.43.4-11192141.912.425.5-0.2182.845.62.73.97.7-1019224516.929.31.9182.650.12.93.23.9-9192349.218.434.15.2184.557.22.92.84.7-8192450.619.433.93189.757.13.13.53.8-7192552.620.135.45.1192.7613.23.35.5-610192655.119.637.45.6197.8643.33.37-5192756.219.837.94.2203.464.43.646.7-4192857.321.139.23207.664.53.74.24.2-3192957.821.741.35.1210.66744.14-219305515.637.91215.761.24.25.27.7-1193150.911.434.5-3.4216.753.44.85.97.50193245.6729-6.2213.344.35.34.98.31193346.511.228.5-5.1207.145.15.63.75.42193448.712.330.6-320249.7646.83193551.31433.2-1.319954.46.14.47.24193657.717.636.82.1197.762.77.42.98.35193758.717.3412199.8656.74.36.76193857.515.338.2-1.9201.860.97.75.37.47193961.61941.61.3199.969.57.86.68.9819406521.1453.3201.275.787.49.69194169.723.553.34.9204.588.48.513.811.610建立KleinKleinKleinKlein联立方程组，模型如下：0123(1)()CCPPPPWPWGαααα=++−++（消费方程）0123(1)IIPPPPKKββββ=++−+（投资方程）0123(1)WPXXXXAAγγγγ=++−+（私人工资方程）XXCCIIGG=++（均衡需求恒等式）PPXXTTWP=−−（私人利润恒等式）(1)KKKKII=−+（私人存量恒等式）使用的工具变量是：WGWGWGWGGGGGGGGGTTTTTTTTAAAAAAAAPP(-1)PP(-1)PP(-1)PP(-1)KKKKKKKKXX(-1)XX(-1)XX(-1)XX(-1)CCCC过程如下：选择SystemSystemSystemSystem，并起名为KleinModelKleinModelKleinModelKleinModel11在窗口空白处输入方程指令，只要求写行为方程（前3333个方程），不需定义方程（后3333个方程），最后一行命令列出的是所用工具变量。对联立方程进行估计：点击systemsystemsystemsystem窗口上的estimateestimateestimateestimate键12选择2TSLS2TSLS2TSLS2TSLS即两阶段最小二乘估计得到如下KleinKleinKleinKlein联立方程的估计结果：上述输出结果与线性单方程分析相同。131.1.1.1.对联立方程组进行预测联立方程的预测是以上述估计结果为基础进行的。主要分为3333步：第1111步：建立模型出现如下对话框：第2222步：输入定义方程由于在设定联立方程时没有输入定义方程，因此在求解模型时应该加入，否则，模型只识别SystemSystemSystemSystem中设定的内生变量。加入定义方程的方法如下：14输入需要加入的定义方程：这时模型窗口如下：第3333步：求解模型模型求解窗口如下：15介绍预测的两种处理方法的操作步骤：（1111）把某个（某些）内生变量视为外生变量进行预测的方法过程如下：在弹出的窗口中选择作为外生变量处理的内生变量16此时预测时就会把CCCCCCCC当作外生变量处理了。（2222）仅对联立方程模型中部分内生变量进行预测过程如下：使用变量追踪模块，在空白处输入想要预测的内生变量名：17则预测结果只给出CCCCCCCC、IIIIIIII、KKKKKKKK、WPWPWPWP这些内生变量的预测值。