eviews 联立方程模型.ppt

第七章 联立方程模型 一、识别问题 对于结构式模型中任意一个方程，识别的阶条件为： K-M≥G-1 其中K=模型中的变量总数（内生变量+前定变量），M=该方程中所包含的变量数目，G=模型中方程个数（即内生变量个数） 二、单方程方法 例1 表7.1是美国各州和地方政府费用支出数据。其中，GOV为政府开支，AID为联邦政府的拨款额，INC为各州收入，POP为各州人口数，PS为小学与中学在校生人数。根据分析，建立如下联立方程模型： 对于（1），采用工具变量法估计。选择TSLS，在Instrument list中输入工具变量名，因为方程（1）为恰好识别，可将（2）中的外生变量PS作为工具变量，代替原方程中的内生变量AID。 命令格式： Tsls gov c aid inc pop @ ps inc pop 对于（2），利用两阶段最小二乘法估计方程式，两阶段最小二乘法是工具变量法的一个特例 三、系统方法 最为常用的系统估计法有：似无关回归法、三阶段最小二乘法和广义矩估计法。 例2 承例1，利用三阶段最小二乘法估计方程（1）和（2）。 首先需要建立一个系统对象。单击EViews主菜单中的Object/New Object选项，在所弹出对话框的Type of object列表中选择System（系统对象），并为所建立的系统对象命名，本例命名为sys01，然后单击OK按钮。将生成系统对象sys01，并打开该对象。 在窗口中输入如下文本，以设定联立方程模型各方程的形式： Gov=c(1)+c(2)*aid+c(3)*inc+c(4)*pop Aid=c(5)+c(6)*gov+c(7)*ps Inst inc pop ps 在上述方程的设定形式中，”inst”所在的行是设置联立模型估计的工具变量。 四、联立方程模型的模拟（预测） 例3 承接上例，对方程（1）和（2）进行模拟和评价 1.设定模型 在sys01工具栏中，选择proc-make model，或者在EViews窗口的主菜单选object-new object 打开模型对象窗口，选择任一处右击，选择Insert，然后将方程输入窗口。 2、求解模型 选择proc/solve model,或者选择view/solve option，或者直接点击model01中工具栏上的solve按钮，便出现对话框 在绝大多数情形下，只需对基本选项进行设置，其他选项通常可以采用默认方式。 五、联立性检验 如果方程没有联立性，则OLS估计可以得到有效的并且一致的参数估计量；相反，2SLS则产生一致的但并非有效的估计量。 如果方程有联立性，则OLS估计量将是非一致的，而2SLS估计将给出参数一致的且有效的估计量。 因此，在摈弃OLS估计方法而倾向于其他方法之前，应该检验方程的联立性问题。 方程联立性检验可以采用Hausman设定误差检验方法。 联立性问题的原因在于方程中有一个或者多个解释变量是内生变量，它们很可能会与随机误差项存在相关。 Hausman检验的本质是：检验一个内生回归元是否与误差项相关，若它们之间是相关的，则存在联立性问题。 对于方程（2），进行Hausman联立性检验的基本思想和主要步骤如下： （1）将因变量GOV对INC、POP、PS进行如下的简单回归，得到方程的残差值 ，即 （3） （2）将因变量AID对GOV、、PS做如下的简单回归， 对残差 的系数进行t统计量显著检验，若残差的系数显著地异于0，说明因变量AID与（3）中的误差是相关的，因此拒绝“无联立性”的原假设；否则，不能拒绝原假设。 例4 对联立方程进行Hausman检验 估计结果表明残差的t统计量在1%的检验水平下是显著的，因此拒绝“方程无联立性”的原假设，表明若使用OLS估计方法对方程（2）进行估计，则所得到的参数估计量将是非一致的。 * * *