1、編輯ppt第八章第八章 聯(lián)立方程計量經(jīng)濟模型聯(lián)立方程計量經(jīng)濟模型理論方法理論方法Theory and Methodology of Theory and Methodology of Simultaneous-Equations Simultaneous-Equations Econometrics ModelEconometrics Model編輯ppt教學基本要求教學基本要求w 本章是課程的重點內(nèi)容之一本章是課程的重點內(nèi)容之一, ,與單方程模型并列。與單方程模型并列。通過教學，要求學生達到：通過教學，要求學生達到：w 掌握：線性聯(lián)立方程計量經(jīng)濟學模型的基本概掌握：線性聯(lián)立方程計量經(jīng)濟學模型

2、的基本概念，線性聯(lián)立方程模型的矩陣表示，結(jié)構(gòu)式與念，線性聯(lián)立方程模型的矩陣表示，結(jié)構(gòu)式與簡約式的定義及聯(lián)系簡約式的定義及聯(lián)系, ,有關模型識別的概念和實有關模型識別的概念和實用的識別方法，幾種主要的單方程估計方法用的識別方法，幾種主要的單方程估計方法（間接最小二乘法、兩階段最小二乘法、工具（間接最小二乘法、兩階段最小二乘法、工具變量法、）的原理與應用。變量法、）的原理與應用。編輯ppt第一節(jié)第一節(jié) 引言：問題的提出引言：問題的提出第二節(jié)第二節(jié) 聯(lián)立方程計量經(jīng)濟學模型的若聯(lián)立方程計量經(jīng)濟學模型的若干基本概念干基本概念第三節(jié)第三節(jié) 聯(lián)立方程計量經(jīng)濟學模型的識聯(lián)立方程計量經(jīng)濟學模型的識別別第四節(jié)：聯(lián)

3、立方程模型的參數(shù)第四節(jié)：聯(lián)立方程模型的參數(shù)估計估計編輯ppt第一節(jié)第一節(jié) 引言：問題的提出引言：問題的提出一、經(jīng)濟研究中的聯(lián)立方程計量經(jīng)濟學問題一、經(jīng)濟研究中的聯(lián)立方程計量經(jīng)濟學問題二、計量經(jīng)濟學方法中的聯(lián)立方程問題二、計量經(jīng)濟學方法中的聯(lián)立方程問題 編輯ppt一、經(jīng)濟研究中的聯(lián)立方程計量經(jīng)一、經(jīng)濟研究中的聯(lián)立方程計量經(jīng)濟學問題濟學問題 編輯ppt 研究對象研究對象w 經(jīng)濟系統(tǒng)，而不是單個經(jīng)濟活動經(jīng)濟系統(tǒng)，而不是單個經(jīng)濟活動 “系統(tǒng)系統(tǒng)”的相對性的相對性w 相互依存、互為因果，而不是單向因果關系相互依存、互為因果，而不是單向因果關系w 必須用一組方程才能描述清楚必須用一組方程才能描述清楚 編輯

4、ppt一個簡單的宏觀經(jīng)濟系統(tǒng)一個簡單的宏觀經(jīng)濟系統(tǒng)w 由國內(nèi)生產(chǎn)總值由國內(nèi)生產(chǎn)總值Y Y、居民消費總額、居民消費總額C C、投資總額、投資總額I I和政府消費額和政府消費額G G等變量構(gòu)成簡單的宏觀經(jīng)濟系統(tǒng)。等變量構(gòu)成簡單的宏觀經(jīng)濟系統(tǒng)。w 將政府消費額將政府消費額G G由系統(tǒng)外部給定，其他內(nèi)生。由系統(tǒng)外部給定，其他內(nèi)生。 tttttttttttGICYYYIYC21210110編輯pptw 在消費方程和投資方程中，在消費方程和投資方程中，國內(nèi)生產(chǎn)總值決定國內(nèi)生產(chǎn)總值決定居民消費總額和投資總額；居民消費總額和投資總額；w 在國內(nèi)生產(chǎn)總值方程中，它又由居民消費總額在國內(nèi)生產(chǎn)總值方程中，它又由居民

5、消費總額和投資總額所決定。和投資總額所決定。編輯ppt二、計量經(jīng)濟學方法中的聯(lián)立方程二、計量經(jīng)濟學方法中的聯(lián)立方程問題問題編輯ppt隨機解釋變量問題隨機解釋變量問題 w 解釋變量中出現(xiàn)隨機變量，而且與誤差項相關。解釋變量中出現(xiàn)隨機變量，而且與誤差項相關。w 為什么？為什么？tttttttttttGICYYYIYC21210110編輯ppt損失變量信息問題損失變量信息問題 w 如果用單方程模型的方法估計某一個方程，將如果用單方程模型的方法估計某一個方程，將損失變量信息。損失變量信息。w 為什么？為什么？tttttttttttGICYYYIYC21210110編輯ppt損失方程之間的相關性信息問題

6、損失方程之間的相關性信息問題 w 聯(lián)立方程模型系統(tǒng)中每個隨機方程之間往往存在聯(lián)立方程模型系統(tǒng)中每個隨機方程之間往往存在某種相關性。某種相關性。w 表現(xiàn)于不同方程隨機誤差項之間。表現(xiàn)于不同方程隨機誤差項之間。w 如果用單方程模型的方法估計某一個方程，將損如果用單方程模型的方法估計某一個方程，將損失失不同方程之間相關性信息。不同方程之間相關性信息。 tttttttttttGICYYYIYC21210110編輯ppt結(jié)論結(jié)論w 必須發(fā)展新的估計方法估計聯(lián)立方程計量經(jīng)濟必須發(fā)展新的估計方法估計聯(lián)立方程計量經(jīng)濟學模型，以盡可能避免出現(xiàn)這些問題。學模型，以盡可能避免出現(xiàn)這些問題。w 這就從計量經(jīng)濟學理論方

7、法上提出了聯(lián)立方程這就從計量經(jīng)濟學理論方法上提出了聯(lián)立方程問題。問題。 編輯ppt第二節(jié)第二節(jié) 聯(lián)立方程計量經(jīng)濟學模型的若干聯(lián)立方程計量經(jīng)濟學模型的若干基本概念基本概念 w變量變量w方程方程w結(jié)構(gòu)式模型結(jié)構(gòu)式模型w簡化式模型簡化式模型w參數(shù)關系體系參數(shù)關系體系編輯ppt一、變量一、變量編輯ppt內(nèi)生變量內(nèi)生變量 （Endogenous Variables）w 對聯(lián)立方程模型系統(tǒng)而言，已經(jīng)不能用被解釋對聯(lián)立方程模型系統(tǒng)而言，已經(jīng)不能用被解釋變量與解釋變量來劃分變量，而將變量分為內(nèi)變量與解釋變量來劃分變量，而將變量分為內(nèi)生變量和外生變量兩大類。生變量和外生變量兩大類。w 內(nèi)生變量是具有某種概率分布

8、的隨機變量，它內(nèi)生變量是具有某種概率分布的隨機變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估計的元素。的參數(shù)是聯(lián)立方程系統(tǒng)估計的元素。w 內(nèi)生變量是由模型系統(tǒng)決定的，同時也對模型內(nèi)生變量是由模型系統(tǒng)決定的，同時也對模型系統(tǒng)產(chǎn)生影響。系統(tǒng)產(chǎn)生影響。w 內(nèi)生變量一般都是經(jīng)濟變量。內(nèi)生變量一般都是經(jīng)濟變量。 編輯pptw 一般情況下，內(nèi)生變量與隨機項相關，即一般情況下，內(nèi)生變量與隨機項相關，即 Cov YE YE YEiiiiii( ,)( )()0)()()()()(iiiiiiiiiYEEYEYEYEYE 在聯(lián)立方程模型中，內(nèi)生變量既作為被解釋變量，在聯(lián)立方程模型中，內(nèi)生變量既作為被解釋變量，又可以在不同的方程

9、中作為解釋變量。又可以在不同的方程中作為解釋變量。編輯ppt外生變量外生變量 (Exogenous Variables)w 外生變量一般是確定性變量，或者是具有臨界概外生變量一般是確定性變量，或者是具有臨界概率分布的隨機變量，其參數(shù)不是模型系統(tǒng)研究的率分布的隨機變量，其參數(shù)不是模型系統(tǒng)研究的元素。元素。w 外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。w 外生變量一般是經(jīng)濟變量、條件變量、政策變量、外生變量一般是經(jīng)濟變量、條件變量、政策變量、虛變量。虛變量。w 一般情況下，外生變量與隨機項不相關。一般情況下，外生變量與隨機項不相關。編輯ppt 先決變量先決變量

10、（Predetermined Variables），），也稱前定變量也稱前定變量w 外生變量與滯后變量外生變量與滯后變量(Lagged Endogenous Variables)統(tǒng)稱為先決變量（或前定變量）。統(tǒng)稱為先決變量（或前定變量）。w 滯后變量是聯(lián)立方程計量經(jīng)濟學模型中重要的滯后變量是聯(lián)立方程計量經(jīng)濟學模型中重要的不可缺少的一部分變量，有滯后內(nèi)生變量與滯不可缺少的一部分變量，有滯后內(nèi)生變量與滯后外生變量，用以反映經(jīng)濟系統(tǒng)的動態(tài)性與連后外生變量，用以反映經(jīng)濟系統(tǒng)的動態(tài)性與連續(xù)性。聯(lián)立方程模型一般涉及滯后內(nèi)生變量。續(xù)性。聯(lián)立方程模型一般涉及滯后內(nèi)生變量。w 先決變量只能作為解釋變量。先決變量

11、只能作為解釋變量。編輯ppt二、結(jié)構(gòu)式模型二、結(jié)構(gòu)式模型Structural ModelStructural Model編輯ppt定義定義w 根據(jù)經(jīng)濟理論和行為規(guī)律建立的描述經(jīng)濟變量之間根據(jù)經(jīng)濟理論和行為規(guī)律建立的描述經(jīng)濟變量之間直接結(jié)構(gòu)關系的計量經(jīng)濟學方程系統(tǒng)稱為結(jié)構(gòu)式模直接結(jié)構(gòu)關系的計量經(jīng)濟學方程系統(tǒng)稱為結(jié)構(gòu)式模型。型。 模型的每個方程都有具體的經(jīng)濟意義。模型的每個方程都有具體的經(jīng)濟意義。w 結(jié)構(gòu)式模型中的每一個方程都是結(jié)構(gòu)方程結(jié)構(gòu)式模型中的每一個方程都是結(jié)構(gòu)方程（ Structural Equations Structural Equations ）。w 各個結(jié)構(gòu)方程的參數(shù)被稱為結(jié)構(gòu)參數(shù)

12、各個結(jié)構(gòu)方程的參數(shù)被稱為結(jié)構(gòu)參數(shù)（ Structural Structural Parameters or Coefficients Parameters or Coefficients ） 。w 將一個內(nèi)生變量表示為其它內(nèi)生變量、先決變量和將一個內(nèi)生變量表示為其它內(nèi)生變量、先決變量和隨機誤差項的函數(shù)形式，被稱為結(jié)構(gòu)方程的正規(guī)形隨機誤差項的函數(shù)形式，被稱為結(jié)構(gòu)方程的正規(guī)形式。式。 編輯ppt結(jié)構(gòu)方程的方程類型結(jié)構(gòu)方程的方程類型 行為方程 技術方程 隨機方程 制度方程 統(tǒng)計方程 定義方程 恒等方程 平衡方程 經(jīng)驗方程 w結(jié)構(gòu)方程的正規(guī)形結(jié)構(gòu)方程的正規(guī)形式。式。無隨機誤差項,參數(shù)已知.編輯ppt完

13、備的結(jié)構(gòu)式模型完備的結(jié)構(gòu)式模型w 具有具有g個內(nèi)生變量、個內(nèi)生變量、k個先決變量、個先決變量、g個結(jié)構(gòu)方程個結(jié)構(gòu)方程的模型被稱為完備的結(jié)構(gòu)式模型。的模型被稱為完備的結(jié)構(gòu)式模型。w 在完備的結(jié)構(gòu)式模型中，獨立的結(jié)構(gòu)方程的數(shù)在完備的結(jié)構(gòu)式模型中，獨立的結(jié)構(gòu)方程的數(shù)目等于內(nèi)生變量的數(shù)目，每個內(nèi)生變量都分別目等于內(nèi)生變量的數(shù)目，每個內(nèi)生變量都分別由一個方程來描述。由一個方程來描述。 編輯ppt線性模型結(jié)構(gòu)式的一般形式線性模型結(jié)構(gòu)式的一般形式設線性聯(lián)立方程組模型包含g個內(nèi)生變量Y1，Y2，Yg；k個前定變量X1，X2，Xk。模型規(guī)范形式為： (8.1)giuXcXcXcYbYbYbYbYbYikikii

14、gigiiiiiiiii, 2 , 1 ,221111112211實際的方程組有實際的方程組有g個方程個方程.編輯ppt完備的結(jié)構(gòu)式模型的矩陣表示完備的結(jié)構(gòu)式模型的矩陣表示w 習慣上用習慣上用Y Y表示內(nèi)生變量，表示內(nèi)生變量，X X表示先決變量，表示先決變量，表示隨機項，表示隨機項，表示內(nèi)生變量的結(jié)構(gòu)參數(shù)，表示內(nèi)生變量的結(jié)構(gòu)參數(shù)，表示先決變量的結(jié)構(gòu)參數(shù)，如果模型中有表示先決變量的結(jié)構(gòu)參數(shù)，如果模型中有常數(shù)項，可以看成為一個外生的虛變量，它常數(shù)項，可以看成為一個外生的虛變量，它的觀測值始終取的觀測值始終取1。 (8.2) XYXY) (編輯pptY YYYyyyyyyyyygnngggn1211

15、1212122212XXXXxxxxxxxxxknnkkkn12111212122212編輯ppt12111212122212gnngggn111212122212gggggggkggkk212222111211討論(8.1)中B和 的形式。編輯ppt簡單宏觀經(jīng)濟模型的矩陣表示簡單宏觀經(jīng)濟模型的矩陣表示tttttttttttGICYYYIYC21210110YCIYC CCIIIY YYtttnnn121212X1111101112YGYYYG GGttnn編輯ppt0000222211121121nn1001110100001) (20101編輯ppt三、簡化式模型三、簡化式模型 Reduc

16、ed-Form ModelReduced-Form Model編輯ppt定義定義w 用所有先決變量作為每個內(nèi)生變量的解釋變量，用所有先決變量作為每個內(nèi)生變量的解釋變量，所形成的模型稱為簡化式模型。所形成的模型稱為簡化式模型。w 簡化式模型并不反映經(jīng)濟系統(tǒng)中變量之間的直接簡化式模型并不反映經(jīng)濟系統(tǒng)中變量之間的直接關系，并不是經(jīng)濟系統(tǒng)的客觀描述。關系，并不是經(jīng)濟系統(tǒng)的客觀描述。w 由于簡化式模型中作為解釋變量的變量中沒有內(nèi)由于簡化式模型中作為解釋變量的變量中沒有內(nèi)生變量，可以采用普通最小二乘法估計每個方程生變量，可以采用普通最小二乘法估計每個方程的參數(shù)，所以它在聯(lián)立方程模型研究中具有重要的參數(shù)，所

17、以它在聯(lián)立方程模型研究中具有重要的作用。的作用。w 簡化式模型中每個方程稱為簡化式方程簡化式模型中每個方程稱為簡化式方程(Reduced-(Reduced-Form Equations)Form Equations)，方程的參數(shù)稱為簡化式參數(shù)，方程的參數(shù)稱為簡化式參數(shù)(Reduced-Form Coefficients)(Reduced-Form Coefficients) 。 編輯ppt簡化式模型的矩陣形式簡化式模型的矩陣形式 (8.3) XY111212122212kkgggk12111212122212gnngggn編輯ppt簡單宏觀經(jīng)濟模型的簡化式模型簡單宏觀經(jīng)濟模型的簡化式模型CYG

18、IYGYYGtttttttttttt101111220211223031132編輯ppt四、參數(shù)關系體系四、參數(shù)關系體系編輯ppt定義定義w （8.4)8.4)式描述了簡化式參數(shù)與結(jié)構(gòu)式參數(shù)之間式描述了簡化式參數(shù)與結(jié)構(gòu)式參數(shù)之間的關系，稱為參數(shù)關系體系。的關系，稱為參數(shù)關系體系。 (8.4) -Bor 1YX YXYX 11YX編輯ppt作用作用w 利用參數(shù)關系體系，首先估計簡化式參數(shù)，然利用參數(shù)關系體系，首先估計簡化式參數(shù)，然后可以計算得到結(jié)構(gòu)式參數(shù)。后可以計算得到結(jié)構(gòu)式參數(shù)。w 從參數(shù)關系體系還可以看出，簡化式參數(shù)反映從參數(shù)關系體系還可以看出，簡化式參數(shù)反映了先決變量對內(nèi)生變量的直接與間接

19、影響之和，了先決變量對內(nèi)生變量的直接與間接影響之和，這是簡化式模型的另一個重要作用。這是簡化式模型的另一個重要作用。 下面舉例子說明。下面舉例子說明。 注意：簡化式參數(shù)與結(jié)構(gòu)式參數(shù)之間的區(qū)別與聯(lián)系。注意：簡化式參數(shù)與結(jié)構(gòu)式參數(shù)之間的區(qū)別與聯(lián)系。編輯pptQQQuTPQuYPQsdsd22322211131211結(jié)構(gòu)式模型：考慮單一商品市場均衡Y、T外生變量000011010001 1 00000000023212213111222321221131112TYPQQTYPQQuTYPQQuTYPQQsdsdsdsd編輯ppt122223122213122221111222231212221322

20、122221121122122223121222132212222112112211222122212221222221222121222221222121222121222221232113112212111000000111001編輯ppt13332312232221vTYPvTYQ，整理得簡化式模型為：中第二行與第一行相同因為由此可知，只有只有B可逆，才能從結(jié)構(gòu)式導出簡化式可逆，才能從結(jié)構(gòu)式導出簡化式。但要知道B是不容易的。實際應用中，經(jīng)常的做法是：先先估計出簡化式參數(shù)值ij，再再利用二者間的關系式，求出結(jié)構(gòu)參數(shù)ij、ij來。應用這種方法前，要滿足一個條件，那就是“模型是可識別的模型是可

21、識別的”編輯ppt第三節(jié)第三節(jié) 聯(lián)立方程計量經(jīng)濟學模型的識別聯(lián)立方程計量經(jīng)濟學模型的識別The Identification ProblemThe Identification Problem 一、識別的概念一、識別的概念二、從定義出發(fā)識別模型二、從定義出發(fā)識別模型 三、結(jié)構(gòu)式識別條件三、結(jié)構(gòu)式識別條件 四、實際應用中的經(jīng)驗方法四、實際應用中的經(jīng)驗方法 編輯ppt一、識別的概念一、識別的概念編輯ppt為什么要對模型進行識別？為什么要對模型進行識別？w 從一個例子看從一個例子看tttttttttICYYIYC210110 消費方程是包含消費方程是包含C C、Y Y和常數(shù)項的直接線性方程。和常數(shù)項

22、的直接線性方程。 投資方程和國內(nèi)生產(chǎn)總值方程的某種線性組合投資方程和國內(nèi)生產(chǎn)總值方程的某種線性組合（消去（消去I I）所構(gòu)成的新方程也是包含）所構(gòu)成的新方程也是包含C C、Y Y和常數(shù)項的和常數(shù)項的直接線性方程。直接線性方程。編輯pptw 如果利用如果利用C C、Y Y的樣本觀測值并進行參數(shù)估計后，的樣本觀測值并進行參數(shù)估計后，很難判斷得到的是消費方程的參數(shù)估計量還是新很難判斷得到的是消費方程的參數(shù)估計量還是新組合方程的參數(shù)估計量。組合方程的參數(shù)估計量。w 只能認為原模型中的消費方程是不可估計的。只能認為原模型中的消費方程是不可估計的。w 這種情況被稱為不可識別。這種情況被稱為不可識別。w 只

23、有可以識別的方程才是可以估計的。只有可以識別的方程才是可以估計的。 編輯pptQQQuPbbQuPbbQsdsd2222111211：模型：考慮某種商品市場均衡另一例子Qd、Qs、P均為內(nèi)生變量，模型對應的簡化式為：供需均衡均衡價格221111vQvP221222112112122212112111bbbbbbbbbb若用OLS估計出來，根據(jù)2個方程，來求4個參數(shù)，是不可求解的。編輯ppt編輯ppt模型的識別問題模型的識別問題是從能否由被估計出的簡化式參數(shù)中求是從能否由被估計出的簡化式參數(shù)中求出結(jié)構(gòu)式參數(shù)的計算問題引申出來的。分為兩個層次出結(jié)構(gòu)式參數(shù)的計算問題引申出來的。分為兩個層次的判斷問題

24、：的判斷問題：1）結(jié)構(gòu)參數(shù)能否求出的問題）結(jié)構(gòu)參數(shù)能否求出的問題模型可識別？模型可識別？2）若能求出，所得參數(shù)值是否唯一）若能求出，所得參數(shù)值是否唯一恰好識別？恰好識別？ 這涉及代數(shù)理論中的方程組解的概念，比較具體有三這涉及代數(shù)理論中的方程組解的概念，比較具體有三種定義。種定義。編輯ppt識別的定義識別的定義 w 3種定義：種定義：“如果聯(lián)立方程模型中某個結(jié)構(gòu)方程不具有確定的如果聯(lián)立方程模型中某個結(jié)構(gòu)方程不具有確定的統(tǒng)計形式，則稱該方程為不可識別。統(tǒng)計形式，則稱該方程為不可識別?！薄叭绻?lián)立方程模型中某些方程的線性組合可以構(gòu)如果聯(lián)立方程模型中某些方程的線性組合可以構(gòu)成與某一個方程相同的統(tǒng)計形式

25、，則稱該方程為成與某一個方程相同的統(tǒng)計形式，則稱該方程為不可識別。不可識別?！薄案鶕?jù)參數(shù)關系體系，在已知簡化式參數(shù)估計值時，根據(jù)參數(shù)關系體系，在已知簡化式參數(shù)估計值時，如果不能得到聯(lián)立方程模型中某個結(jié)構(gòu)方程的確如果不能得到聯(lián)立方程模型中某個結(jié)構(gòu)方程的確定的結(jié)構(gòu)參數(shù)估計值，則稱該方程為不可識別。定的結(jié)構(gòu)參數(shù)估計值，則稱該方程為不可識別?！本庉媝pt模型的識別模型的識別 w 上述識別的定義是針對結(jié)構(gòu)方程而言的。上述識別的定義是針對結(jié)構(gòu)方程而言的。w 模型中每個需要估計其參數(shù)的隨機方程都存在識模型中每個需要估計其參數(shù)的隨機方程都存在識別問題。別問題。w 如果一個模型中的所有隨機方程都是可以識別的，如

26、果一個模型中的所有隨機方程都是可以識別的，則認為該聯(lián)立方程模型系統(tǒng)是可以識別的。反過則認為該聯(lián)立方程模型系統(tǒng)是可以識別的。反過來，如果一個模型系統(tǒng)中存在一個不可識別的隨來，如果一個模型系統(tǒng)中存在一個不可識別的隨機方程，則認為該聯(lián)立方程模型系統(tǒng)是不可以識機方程，則認為該聯(lián)立方程模型系統(tǒng)是不可以識別的。別的。w 恒等方程由于不存在參數(shù)估計問題，所以也不存恒等方程由于不存在參數(shù)估計問題，所以也不存在識別問題。但是，在判斷隨機方程的識別性問在識別問題。但是，在判斷隨機方程的識別性問題時，應該將恒等方程考慮在內(nèi)。題時，應該將恒等方程考慮在內(nèi)。 編輯ppt恰好識別恰好識別(Just Identificat

27、ion)與過度識與過度識別別 (Overidentification)w 如果某一個隨機方程具有一組參數(shù)估計量，稱其如果某一個隨機方程具有一組參數(shù)估計量，稱其為恰好識別；為恰好識別；w 如果某一個隨機方程具有多組參數(shù)估計量，稱其如果某一個隨機方程具有多組參數(shù)估計量，稱其為過度識別。為過度識別。 編輯ppt模型識別每一個結(jié)構(gòu)方程可識別不可識別可識別至少有一個結(jié)構(gòu)方程不可識別恰好識別過度識別識別條件圖示編輯ppt二、從定義出發(fā)識別模型二、從定義出發(fā)識別模型編輯ppt為外生變量為內(nèi)生變量；均衡模型：仍然考慮某種商品市場RTYPQQQQQuTPQuRYPQsdsdsd,221013210（a）（b）2

28、765413210vTRYPvTRYQ相應的簡化模型：1 1、例題、例題1 1：由簡約式到結(jié)構(gòu)式的模型識別性編輯ppt112171113611125112311321121111001411000參數(shù)間關系：8個方程7個變量，方程是可求解的。實際上，方程（a a）式的結(jié)構(gòu)參數(shù)可由以下方程組唯一確定：216311523710140/所以需求方程（a）式是恰好識別的。B編輯ppt編輯ppt2.2.例題例題2 2：唯一的統(tǒng)計形式：唯一的統(tǒng)計形式w 第第2與第與第3個方程的線性組合得到的新方程具有個方程的線性組合得到的新方程具有與消費方程相同的統(tǒng)計形式，所以消費方程也與消費方程相同的統(tǒng)計形式，所以消費

29、方程也是不可識別的。是不可識別的。 tttttttttICYYIYC210110編輯pptw 第第1與第與第3個方程的線性組合得到的新方程具有個方程的線性組合得到的新方程具有與投資方程相同的統(tǒng)計形式，所以投資方程也與投資方程相同的統(tǒng)計形式，所以投資方程也是不可識別的。是不可識別的。w 于是，該模型系統(tǒng)不可識別。于是，該模型系統(tǒng)不可識別。 w 參數(shù)關系體系參數(shù)關系體系由由3個方程組成，剔除一個矛盾個方程組成，剔除一個矛盾方程，方程，2個方程不能求得個方程不能求得4 4個結(jié)構(gòu)參數(shù)的確定值。個結(jié)構(gòu)參數(shù)的確定值。也證明消費方程與投資方程都是不可識別的。也證明消費方程與投資方程都是不可識別的。 編輯pp

30、t3.3.例題例題3 3w 消費方程是可以識別的，因為任何方程的線性消費方程是可以識別的，因為任何方程的線性組合都不能構(gòu)成與它相同的統(tǒng)計形式。（少組合都不能構(gòu)成與它相同的統(tǒng)計形式。（少I I與與 , ,說明解釋變量少容易可識別說明解釋變量少容易可識別) )w 投資方程仍然是不可識別的，因為第投資方程仍然是不可識別的，因為第1、第、第2與與第第3個方程的線性組合（消去個方程的線性組合（消去C C）構(gòu)成與它相同）構(gòu)成與它相同的統(tǒng)計形式。的統(tǒng)計形式。w 于是，該模型系統(tǒng)仍然不可識別。于是，該模型系統(tǒng)仍然不可識別。 CYIYYYCItttttttttt011012121tY編輯pptw 參數(shù)關系體系由

31、參數(shù)關系體系由6個方程組成，剔除個方程組成，剔除2個矛盾方程，個矛盾方程，由由4個方程是不能求得所有個方程是不能求得所有5個結(jié)構(gòu)參數(shù)的確定估計個結(jié)構(gòu)參數(shù)的確定估計值。值。w 可以得到消費方程參數(shù)的確定值，證明消費方程可可以得到消費方程參數(shù)的確定值，證明消費方程可以識別；因為只能得到它的一組確定值，所以消費以識別；因為只能得到它的一組確定值，所以消費方程是恰好識別的方程。方程是恰好識別的方程。 w 投資方程都是不可識別的。投資方程都是不可識別的。w 注意：與例題注意：與例題2 2相比，在投資方程中增加了相比，在投資方程中增加了1 1個變量，個變量，消費方程變成可以識別。消費方程變成可以識別。編輯

32、ppt4.4.例題例題4 4w 消費方程仍然是可以識別的，因為任何方程的消費方程仍然是可以識別的，因為任何方程的線性組合都不能構(gòu)成與它相同的統(tǒng)計形式。線性組合都不能構(gòu)成與它相同的統(tǒng)計形式。w 投資方程也是可以識別的，因為任何方程的線投資方程也是可以識別的，因為任何方程的線性組合都不能構(gòu)成與它相同的統(tǒng)計形式。性組合都不能構(gòu)成與它相同的統(tǒng)計形式。w 于是，該模型系統(tǒng)是可以識別的。于是，該模型系統(tǒng)是可以識別的。 CYCIYYYCIttttttttttt0121101212編輯pptw 參數(shù)關系體系由參數(shù)關系體系由9個方程組成，剔除個方程組成，剔除3個矛盾方個矛盾方程，在已知簡化式參數(shù)估計值時，由程，

33、在已知簡化式參數(shù)估計值時，由6個方程個方程能夠求得所有能夠求得所有6個結(jié)構(gòu)參數(shù)的確定估計值。個結(jié)構(gòu)參數(shù)的確定估計值。w 所以也證明消費方程和投資方程都是可以識別所以也證明消費方程和投資方程都是可以識別的。的。w 而且，只能得到所有而且，只能得到所有6個結(jié)構(gòu)參數(shù)的一組確定個結(jié)構(gòu)參數(shù)的一組確定值，所以消費方程和投資方程都是恰好識別的值，所以消費方程和投資方程都是恰好識別的方程。方程。w 注意：與例題注意：與例題2 2相比，在消費方程中增加了相比，在消費方程中增加了1 1個個變量，投資方程變成可以識別。變量，投資方程變成可以識別。編輯ppt6.6.例題例題6 6w 消費方程和投資方程仍然是可以識別的

34、，因為消費方程和投資方程仍然是可以識別的，因為任何方程的線性組合都不能構(gòu)成與它們相同的任何方程的線性組合都不能構(gòu)成與它們相同的統(tǒng)計形式。統(tǒng)計形式。w 于是，該模型系統(tǒng)是可以識別的。于是，該模型系統(tǒng)是可以識別的。 ttttttttttttICYYYIPCYC21210131210編輯pptw 參數(shù)關系體系由參數(shù)關系體系由12個方程組成，剔除個方程組成，剔除4個矛盾方程，個矛盾方程，在已知簡化式參數(shù)估計值時，由在已知簡化式參數(shù)估計值時，由8個方程能夠求得個方程能夠求得所有所有7個結(jié)構(gòu)參數(shù)的確定估計值。個結(jié)構(gòu)參數(shù)的確定估計值。w 所以也證明消費方程和投資方程都是可以識別的。所以也證明消費方程和投資方

35、程都是可以識別的。w 但是，求解結(jié)果表明，對于消費方程的參數(shù)，只能但是，求解結(jié)果表明，對于消費方程的參數(shù)，只能得到一組確定值，所以消費方程是恰好識別的方程；得到一組確定值，所以消費方程是恰好識別的方程；w 而對于投資方程的參數(shù)，能夠得到多組確定值，所而對于投資方程的參數(shù)，能夠得到多組確定值，所以投資方程是過度識別的方程。以投資方程是過度識別的方程。 編輯pptw 注意：注意：w 在求解線性代數(shù)方程組時，如果方程數(shù)目大于未知在求解線性代數(shù)方程組時，如果方程數(shù)目大于未知數(shù)數(shù)目，被認為無解；如果方程數(shù)目小于未知數(shù)數(shù)數(shù)數(shù)目，被認為無解；如果方程數(shù)目小于未知數(shù)數(shù)目，被認為有無窮多解。目，被認為有無窮多解

36、。w 但是在這里，無窮多解意味著沒有確定值，所以，但是在這里，無窮多解意味著沒有確定值，所以，如果參數(shù)關系體系中有效方程數(shù)目小于未知結(jié)構(gòu)參如果參數(shù)關系體系中有效方程數(shù)目小于未知結(jié)構(gòu)參數(shù)估計量數(shù)目，被認為不可識別。數(shù)估計量數(shù)目，被認為不可識別。w 如果參數(shù)關系體系中有效方程數(shù)目大于未知結(jié)構(gòu)參如果參數(shù)關系體系中有效方程數(shù)目大于未知結(jié)構(gòu)參數(shù)估計量數(shù)目，那么每次從中選擇與未知結(jié)構(gòu)參數(shù)數(shù)估計量數(shù)目，那么每次從中選擇與未知結(jié)構(gòu)參數(shù)估計量數(shù)目相等的方程數(shù)，可以解得一組結(jié)構(gòu)參數(shù)估計量數(shù)目相等的方程數(shù)，可以解得一組結(jié)構(gòu)參數(shù)估計值，換一組方程，又可以解得一組結(jié)構(gòu)參數(shù)估估計值，換一組方程，又可以解得一組結(jié)構(gòu)參數(shù)估計

37、值，這樣就可以得到多組結(jié)構(gòu)參數(shù)估計值，被認計值，這樣就可以得到多組結(jié)構(gòu)參數(shù)估計值，被認為可以識別，但不是恰好識別，而是過度識別。為可以識別，但不是恰好識別，而是過度識別。 編輯ppt如何修改模型使不可識別的方程變成如何修改模型使不可識別的方程變成可以識別可以識別w 或者在其它方程中增加變量；或者在其它方程中增加變量；w 或者在該不可識別方程中減少變量。或者在該不可識別方程中減少變量。w 必須保持經(jīng)濟意義的合理性。必須保持經(jīng)濟意義的合理性。編輯ppt三、結(jié)構(gòu)式識別條件三、結(jié)構(gòu)式識別條件編輯ppt編輯ppt結(jié)構(gòu)式識別條件結(jié)構(gòu)式識別條件w 直接從結(jié)構(gòu)模型出發(fā)直接從結(jié)構(gòu)模型出發(fā)w 一種規(guī)范的判斷方法一

38、種規(guī)范的判斷方法w 每次用于每次用于1個隨機方程個隨機方程w 具體描述為：具體描述為： 編輯ppt模型結(jié)構(gòu)式的識別條件模型結(jié)構(gòu)式的識別條件考慮結(jié)構(gòu)式模型一般形式：gkgkgggggmmkkggkkgguXXXYYYuXXXYYYuXXXYYY22112211222221212222121112121111212111模型矩陣形式：UXBYUXY,或g個內(nèi)生變量；k個前定變量；g個方程；編輯ppt列而成的矩陣）。行中非零元素所對應的去掉第行，再陣。（或說：去掉第所對應的列而形成的矩個結(jié)構(gòu)方程包含的變量行，去掉第中去掉第，為從模型系數(shù)矩陣矩陣前定變量的個數(shù)為生變量個數(shù)為個結(jié)構(gòu)方程中所含的內(nèi)假定第i

39、iiikgiiiii ,識別判斷矩陣iiB )()1( iikgkggiiB編輯ppt的；個結(jié)構(gòu)方程是過度識別則第若的；個結(jié)構(gòu)方程是恰好識別則第若階條件：個結(jié)構(gòu)方程可識別；則第若秩個結(jié)構(gòu)方程不可識別；則第若秩秩條件：個結(jié)構(gòu)方程的識別條件第igkkigkkigRigRiiiiiiiii, 1, 1, 1, 1,注意注意：秩條件是方程可識別的充分必要條件，而階條件只是必要條件，即秩條件成立時方程一定可識別，階條件成立，方程也不一定可識別。識別的秩條件和階條件編輯pptw 一般將該條件的前一部分稱為一般將該條件的前一部分稱為秩條件（秩條件（Rank Condition），用以判斷結(jié)構(gòu)方程是否識別；，

40、用以判斷結(jié)構(gòu)方程是否識別；w 將后一部分稱為將后一部分稱為階條件（階條件（Order Conditon），用以判斷結(jié)構(gòu)方程恰好識別或者過度識別。用以判斷結(jié)構(gòu)方程恰好識別或者過度識別。 編輯ppt例題一例題一CYCPIYYYCItttttttttttt012131101212000011100100012013201 Ct It Yt 1 Yt-1 Ct-1 Pt-1B編輯pptw 判斷第判斷第1個結(jié)構(gòu)方程的識別狀態(tài)個結(jié)構(gòu)方程的識別狀態(tài) 01121112)(11gR所以，該方程可以識別。所以，該方程可以識別。因為因為1111gkk所以，第所以，第1個結(jié)構(gòu)方程為恰好識別的結(jié)構(gòu)方程。個結(jié)構(gòu)方程為恰好

41、識別的結(jié)構(gòu)方程。 編輯pptw 判斷第判斷第2個結(jié)構(gòu)方程的識別狀態(tài)個結(jié)構(gòu)方程的識別狀態(tài) 所以，該方程可以識別。所以，該方程可以識別。因為因為所以，第所以，第2個結(jié)構(gòu)方程為過度識別的結(jié)構(gòu)方程。個結(jié)構(gòu)方程為過度識別的結(jié)構(gòu)方程。 0011322212)(22gR1222gkk編輯pptw 第第3個方程是平衡方程，不存在識別問題。個方程是平衡方程，不存在識別問題。w 綜合以上結(jié)果，該聯(lián)立方程模型是可以識別的。綜合以上結(jié)果，該聯(lián)立方程模型是可以識別的。w 與從定義出發(fā)識別的結(jié)論一致。與從定義出發(fā)識別的結(jié)論一致。 編輯ppt編輯ppt0000011001000112013201TRYPQQsd模型系數(shù)矩陣

42、：編輯ppt1）第一個結(jié)構(gòu)方程的識別：）第一個結(jié)構(gòu)方程的識別：根據(jù)模型系數(shù)矩陣根據(jù)模型系數(shù)矩陣011,211別的。第一個方程是恰好識；階條件：；秩條件：秩113412,1111gkkgR編輯ppt編輯ppt四、實際應用中的經(jīng)驗方法四、實際應用中的經(jīng)驗方法編輯pptw 當一個聯(lián)立方程計量經(jīng)濟學模型系統(tǒng)中的方程當一個聯(lián)立方程計量經(jīng)濟學模型系統(tǒng)中的方程數(shù)目比較多時，無論是從識別的概念出發(fā)，還數(shù)目比較多時，無論是從識別的概念出發(fā)，還是利用規(guī)范的結(jié)構(gòu)式或簡化式識別條件，對模是利用規(guī)范的結(jié)構(gòu)式或簡化式識別條件，對模型進行識別，困難都是很大的，或者說是不可型進行識別，困難都是很大的，或者說是不可能的。能的。

43、w 理論上很嚴格的方法在實際中往往是無法應用理論上很嚴格的方法在實際中往往是無法應用的，在實際中應用的往往是一些經(jīng)驗方法。的，在實際中應用的往往是一些經(jīng)驗方法。w 關于聯(lián)立方程計量經(jīng)濟學模型的識別問題，實關于聯(lián)立方程計量經(jīng)濟學模型的識別問題，實際上不是等到理論模型已經(jīng)建立了之后再進行際上不是等到理論模型已經(jīng)建立了之后再進行識別，而是在建立模型的過程中設法保證模型識別，而是在建立模型的過程中設法保證模型的可識別性。的可識別性。 編輯pptw “在建立某個結(jié)構(gòu)方程時，要使該方程包含前面每在建立某個結(jié)構(gòu)方程時，要使該方程包含前面每一個方程中都不包含的至少一個方程中都不包含的至少1個變量（內(nèi)生或先決個

44、變量（內(nèi)生或先決變量）；同時使前面每一個方程中都包含至少變量）；同時使前面每一個方程中都包含至少1個個該方程所未包含的變量，并且互不相同。該方程所未包含的變量，并且互不相同?！眞 該原則的該原則的前一句話是保證該方程的引入不破壞前面已有方前一句話是保證該方程的引入不破壞前面已有方程的可識別性。程的可識別性。只要新引入方程包含前面每一個方程中都只要新引入方程包含前面每一個方程中都不包含的至少不包含的至少1個變量，那么它與前面方程的任意線性組合個變量，那么它與前面方程的任意線性組合都不能構(gòu)成與前面方程相同的統(tǒng)計形式，原來可以識別的都不能構(gòu)成與前面方程相同的統(tǒng)計形式，原來可以識別的方程仍然是可以識別

45、的。方程仍然是可以識別的。w 該原則的該原則的后一句話是保證該新引入方程本身是可以識別的。后一句話是保證該新引入方程本身是可以識別的。只要前面每個方程都包含至少只要前面每個方程都包含至少1個該方程所未包含的變量，個該方程所未包含的變量，并且互不相同。那么所有方程的任意線性組合都不能構(gòu)成并且互不相同。那么所有方程的任意線性組合都不能構(gòu)成與該方程相同的統(tǒng)計形式。與該方程相同的統(tǒng)計形式。 編輯pptw 在實際建模時，將每個方程所包含的變量記在實際建模時，將每個方程所包含的變量記錄在如下表所示的表式中，將是有幫助的。錄在如下表所示的表式中，將是有幫助的。 編輯pptKlein模型1tttttuPWWP

46、C113210)(tttttuKPPI2171654ttttuWTYWTYW311098)()(tttttGICTYttttPWWYtttIKK1消費函數(shù):投資函數(shù):勞動要求:恒等式:其中 C=消費支出，I=投資支出，G=政府支出，P=利潤，W=民間工資，W=政府工資，K=資本存量，T=稅收，Y=稅后收入，t=時間，內(nèi)生變量為C、I、W、Y、P和K，其余為前定變量。編輯ppt作業(yè):w P291-3479編輯ppt第四節(jié)：聯(lián)立方程模型的參數(shù)估計第四節(jié)：聯(lián)立方程模型的參數(shù)估計編輯ppt編輯ppt2）方程組系統(tǒng)估計法方程組系統(tǒng)估計法，包括：三階段最小二乘法（3SLS）、完全信息最大似然估計法（FIM

47、L）等。這些方法是對模型中所有結(jié)構(gòu)方程的參數(shù)同時進行估計，從而獲得模型全部參數(shù)的估計值。它利用了模型的全部方程信息，稱為完全信息方法?；A的計量經(jīng)濟學一般講述有限信息方法有限信息方法。完全信息方法完全信息方法編輯pptiu對結(jié)構(gòu)式方程中的隨機誤差變量 ，有假設：1、均值為0，2、3、此處的 相當于單方程模型中的u。nkuEik, 2 , 1; 0nuiiIuuCovi2,mjiIuuCovnijji, 2 , 1,2iu編輯pptILS適用于恰好識別的結(jié)構(gòu)方程，對過度識別的結(jié)構(gòu)方程是不適宜的，對不可識別的結(jié)構(gòu)方程不能用。它的原理是通過簡約式模型的參數(shù)估計值，唯一地求出結(jié)構(gòu)方程的參數(shù)估計值。用一

48、個例子說明其算法和步驟。二二、間間接接最最小小二二乘乘法法（ILS）編輯ppt321321333323213132323323212121112121.,3,3XXXYYYuXcYbYbYuXcYbYuXcXcYbY個前定變量，個內(nèi)生變量模型有1）算法：考慮如下模型編輯ppt33332132321312323213232113212111321210000000uXcXXYYbYbuXcXXYbYYuXXcXcYYbY33231211323123120000011001,ccccbbbb模型可寫成矩陣形式：系數(shù)矩陣為：-編輯ppt33332321313232322212121313212111

49、111vXXXYvXXXYvXXXY得到模型簡化式：，從而，得到簡化式參數(shù)計算出編輯ppt2323222121213132121111vXXXYvXXXY考慮第一個結(jié)構(gòu)方程：它是恰好識別的，方程中包含兩個內(nèi)生變量Y1、Y2，對應的簡化式：12121112121uXcXcYbY2）ILS步驟：編輯ppt02312131222121211211211bcbcb2212121221121111231312/bcbcb利用結(jié)構(gòu)式與簡約式系數(shù)的關系式B可得方程組：若已知ij，即可解出惟一的cij，第一個結(jié)構(gòu)方程得以估計。這樣，結(jié)構(gòu)方程的參數(shù)估計值用傳統(tǒng)的OLS就得到了。編輯pptILS的步驟w 一、先對

50、模型作識別判斷，找出恰好識別的方程；w 二、利用簡約式和結(jié)構(gòu)式參數(shù)的關系式 w 求出線性方程式w 三、對簡約式求OLS，得到 ，將w 代入關系式，求出B and B 21,ffB編輯ppt間接最小二乘方法步驟w 一、求恰好識別方程結(jié)構(gòu)式參數(shù)與簡約式模型參數(shù)的唯一關系式;w 二、對簡約式模型逐個方程求OLS，得到簡約式模型中所有的參數(shù)估計值；w 三、將簡約式參數(shù)估計值代入關系式，求結(jié)構(gòu)方程參數(shù)的估計值 編輯ppt三、兩階段最小二乘法（三、兩階段最小二乘法（TSLS）方程是過度識別的，ILS方法不適宜了。下面我們介紹使用TSLS方法，其思想是估計分兩個階段：第一階段第一階段是對結(jié)構(gòu)方程右端所包含的

51、所有內(nèi)生變量（作為解釋變量）所對應的簡化式方程進行OLS估計,得到內(nèi)生變量的估計（回歸)值；第二階段第二階段是用第一階段作出的內(nèi)生變量的估計值替換結(jié)構(gòu)方程中右端的內(nèi)生（解釋）變量后，再進行OLS估計，即得到其結(jié)構(gòu)參數(shù)的TSLS估計量。TSLS方法不管方程是恰好識別的，還是過度識別的，都是有效的，計算步驟是一樣的。編輯ppt右端包含的內(nèi)生變量是Y3，其簡化式方程為：33332321313vXXXY對此簡化式方程使用OLS法估計得：3332321313XXXY23233232uXcYbY考慮第二個結(jié)構(gòu)方程：（c333eYY有，代入（c）式有：32332322uXcYbY（d）對（d）式應用OLS，

52、即得到結(jié)構(gòu)參數(shù)的估計值。編輯ppt值得注意注意的是：對（d）式應用OLS時，所使用的樣本數(shù)據(jù)是樣本觀測值Y2t、X3t和Y3t的估計值Y3t。強調(diào)強調(diào)的是：只要結(jié)構(gòu)方程式可識別的，就可以應用TSLS方法進行參數(shù)估計，而且此方法是最常用的。編輯ppt編輯pptTSLS法估計量的性質(zhì)如下：1）小樣本下的TSLS估計量是有偏的；2）大樣本下的TSLS估計量是一致的(漸近無偏）；3）方程恰好識別時，ILS與TSLS估計一致；4）模型可識別時，每一個結(jié)構(gòu)方程都可用TSLS估計參數(shù)。TSLS是最常用的方法先建立理論聯(lián)立結(jié)構(gòu)方程組模型，再進行單個方程的TSLS估計。編輯ppt編輯pptILSILS和和TSL

53、STSLS的工具變量的工具變量w 1、ILS的工具變量：若一個恰好識別的方程被解釋變量為 ，出現(xiàn)在右邊作為解釋變量的內(nèi)生變量為 ，未出現(xiàn)的前定變量為 ，用這些未出現(xiàn)的前定變量代替作為解釋變量的內(nèi)生變量，就成為ILS的工具變量。所以，此時 工具變量即為全部前定變量。而原解釋變量為1y132,kyyy1121,kxxxkkkxxxxxZ,11121),(1132kkkxxyyyX編輯ppt2、TSLS的工具變量w 如果一個過度識別的方程，出現(xiàn)在右邊作為解釋變量的內(nèi)生變量為 w 但未出現(xiàn)的前定變量個數(shù)要多于 ，不能象ILS一樣用前定變量代替。根據(jù)TSLS的原理，工具變量中那些內(nèi)生解釋變量是用估計值代

54、替的，即有：132,myyy11kkkmxxyyyZ,1132其中：kkxx,1是方程中出現(xiàn)的前定變量。原解釋變量kkmxxyyyX,1132編輯ppt三者之間的關系三者之間的關系ILS是TSLS的一種特殊形式，而ILS和TSLS都是工具變量法。即有：ILSTSLSIV編輯ppt工具變量法的幾個概念：1、工具變量只針對隨機解釋變量；但寫法上要寫出所有替代或未替代的解釋變量。2、在聯(lián)立方程結(jié)構(gòu)方程中，要替代的只是出現(xiàn)在解釋變量中的內(nèi)生變量；3、恰好識別的方程中，作為解釋變量出現(xiàn)的內(nèi)生變量個數(shù)與未出現(xiàn)的前定變量個數(shù)相同，所以用未出現(xiàn)的前定變量來替代內(nèi)生變量，形成工具變量。所以ILS的工具變量正好是

55、全部的前定變量；4、過度識別方程中，內(nèi)生解釋變量個數(shù)要少于未出現(xiàn)的前定變量個數(shù)，所以可考慮用自身簡約式的估計值來代替內(nèi)生解釋變量。TSLS的工具變量就是將原解釋變量中的內(nèi)生變量用估計值代替形成。kkmxxyyyX,1132kkmxxyyyZ,1132編輯ppt聯(lián)立方程模型參數(shù)估計的Eviews實現(xiàn)w 在做參數(shù)估計前,須先對隨機結(jié)構(gòu)方程作識別判斷,確定估計方法.若方程是恰好識別的,則可用間接OLS;若方程是過度識別的,則須用二階段最小二乘估計.w 在Eviews中,上述兩種方法都采用二階段的OLS,即TSLS.編輯ppt步驟w首先,確定模型中的內(nèi)生變量及外生變量,建立工作文件,并將各變量的樣本數(shù)

56、據(jù)輸入,建立序列.w其次,點總菜單quickEstimate Equation,在方法框里選TSLS,顯示編輯ppt估計是逐個方程展開。以Eviews附帶的工作文件cs.wf為例。工作文件界面為：其中CS（人均消費）、INV（投資）和GDP為內(nèi)生變量。Gov_net為外生變量。編輯ppt建立模型如下：w cs=c(1)+c(2)*gdp+u1w inv=c(3)+c(4)*gdp+c(5)*gdp(-1)+u2w Gdp=cs+inv+gov_netw 經(jīng)模型的識別判斷，第一個消費方程過度識別，第二個投資方程為恰好識別，模型可以識別，故可用TSLS來估計參數(shù)。編輯ppt可以逐個方程回歸。因第一

57、個方程過度識別，所以要用全部前定變量為工具變量（常變量可不寫）。出現(xiàn)界面為：編輯ppt結(jié)果：wDependent Variable: CSwMethod: Two-Stage Least SquareswDate: 12/18/05 Time: 13:27wSample(adjusted): 1947:2 1994:4wIncluded observations: 191 after adjusting endpointswInstrument list: GOV_NET GDP(-1)wVariableCoefficientStd. Error t-StatisticProb. wC -19

58、5.7920 8.749597 -22.377260.0000wGDP 0.706348 0.002676 263.99370.0000wR-squared0.997296 Mean dependent var1953.966wAdjusted R-squared0.997282 S.D. dependent var848.4387wS.E. of regression44.23232 Sum squared resid369778.1wF-statistic69692.66 Durbin-Watson stat0.122247wProb(F-statistic)0.000000各項指標較令人

59、滿意。編輯ppt第二個方程恰好識別，工具變量正是全體前定變量，命令截圖如下：編輯ppt結(jié)果：wDependent Variable: INVwMethod: Two-Stage Least SquareswDate: 12/18/05 Time: 13:34wSample(adjusted): 1947:2 1994:4wIncluded observations: 191 after adjusting endpointswInstrument list: GOV_NET GDP(-1)wVariable CoefficientStd. Error t-Statistic Prob. wC

60、-455.098521307133.037097245-3.420839230040.00076578wGDP 14.108893714112.37984141981.0.255875108wGDP(-1) -13.960227413612.434575533 -1.122694327320.262999wwR-squared-1.36062640573 Mean dependent var303.927224124wAdjusted R-squared-1.3857394526 S.D. dependent var261.368286007wS.E. of regression403.705