计量经济模型,联立方程估计与模拟.pptVIP

事前预测 样本内预测 (拟合) 事后预测 1 T1 T t 图12.2 样本内、事前和事后预测 例12.6 克莱因联立方程模型Ⅱ的事后预测结果 本例对克莱因联立方程模型Ⅱ进行事后预测，预测区间为1983～1984年。首先在估计样本区间1953～1982年，即[1, T1]上重新估计克莱因联立方程系统Ⅱ，生成新的模型(klein_2_1982)，再对这个新的模型在预测区间[T1+1, T]，即1983～1984年求解。预测结果为： 模型求解的其他选项 二、随机选项(Stochastic Options) 三、追踪变量(Tracked Variable) 四、诊断(Diagnostics) 五、求解方法 选择求解模型所用的算法，有下列选项： (1) Gauss-Seidel（高斯—采德尔方法） (2) Newton（牛顿法） §12.3.5 确定情景分析 1. 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模型结构的前提下做到这一点。 情景分析最重要的功能在于确定哪个序列将用于记录与方程特定解相关的数据。为区分与不同情景分析相关的数据，每个情景分析都根据别名规则修正变量名。一般地，别名是在模型变量名的后面加上下划线及序号，如“_0”或“_1”。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。 §12.2.6 迭代控制 对于WLS、SUR、WTSLS，3SLS，GMM估计法和非线性方程的系统，有附加的估计问题，包括估计GLS加权矩阵和系数向量，这些选项决定了系数或加权矩阵的迭代方法。 §12.2.7 估计结果 系统估计输出的结果包括系统参数估计值、标准差和每个系数的 t-统计值。而且，EViews提供残差的协方差矩阵的行列式的值，对于FIML估计法，还提供它的极大似然值。除此之外，EViews提供每个方程的简要的统计量，如R2统计值，回归标准差，Durbin-Wstson统计值，残差平方和等等。对每个方程都是按定义基于系统估计过程中的残差计算而来。 例12.1(续) 在格林的《经济计量分析》中给出了克莱因模型1920年~1941年的数据和更新版本的1953年~1984年数据，klein_1 模型说明文本： 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system中只能建立3个行为方程，其余的3个定义方程要放到model中。cs 是消费方程，总消费主要受前期和当期的企业利润 p、当期工资收入(wp+wg)的影响；I 是投资方程，投资由前期和当期利润 p 、前期的资本k来解释；wp 是就业方程，用私人工资额代表就业，将它与前期和当期的产出 Y 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。 但是这个模型用在美国1953年-1984年的数据上结果就不好，经过改进后的模型见Klein-2模型。 Klein-2模型：美国1953年-1984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(32)*y+ c(33)*y(-1)+ c(34)*k+[AR(1)=C(35)] 其中：r 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Ⅰ相同。该模型的OLS估计结果为： 例12.4 克莱因联立方程系统Ⅱ的GMM估计结果 利用GMM法重新估计克莱因联立方程系统Ⅱ。