联立方程估计与模拟剖析.ppt

尽管从情景分析对话框可以看到某情景分析的所有设置，但也可以从变量查看窗口直接改变大多数情景分析设置。对于外生变量和附加因子，可以从变量查看窗口选定变量，然后用鼠标右键激活该变量的属性对话框。使用Use override复选框可以调整变量的更改状态。一旦某变量被更改，它在变量查看窗口中将以红色显示。 可以采用直接建立情景分析序列*_1，也可以选中情景分析变量后，单击右键，选择“Open Selected Series”建立组，修改情景分析序列*_1： 根据上面的介绍，我们对klein模型分两种情景进行政策模拟。 情景1：从1983年开始，政府非工资性支出 G 每年增加相同的数量(10亿美元) ，研究其他内生变量的响应 (一个 2 期的持续冲击的财政政策的模拟)。表1给出了持续冲击给其他内生变量与其基准序列相比所带来的变化的百分比。 表1 情景1的模拟结果 表中的数据均为增长率(%) 0.19 0.14 0.55 0.024 0.22 0.11 1984 0.16 0.11 0.60 0.011 0.22 0.06 1983 Y WP P K I CS 时间 从表中我们可以看到：由于政府支出 G 的增加，使得对收入 Y 和投资、消费、资本存量、利润、私人工资等都有正的影响。 情景2：我们考虑私人工资WP和政府工资WG的变化对其他变量的影响。在1983年两种工资同时增加10亿美元，对其他变量的影响。其中，私人工资是内生变量，我们需要将其作为外生变量来对待(需要打破连接,在WP方程前加个撇号)。求解选择动态求解，样本期间为1983年~1984年，结果见表2：(描述一个收入政策瞬时冲击对其他变量的影响) 表2 情景2的模拟结果 表中的数据均为增长率(%) 0.14 0.44 0.014 0.21 0.14 1984 0.07 -0.01 -0.01 -0.01 0.10 1983 Y P K I CS 时间 从表中可以看出工资的瞬时变化对消费CS和收入 Y 有正的影响，对投资 I 的影响为负。可以认为将收入政策作为一个短期政策来使用，由于工资的变化大于收入的变化，使得利润 P 为负。 资本存量 = 资本存量 (-1) +私人投资，导致资本存量 K是负增长。 §12.4.5 使用附加因子 通常，当模型被确定求解时，模型方程的解使每个方程都精确成立。在随机求解模型时，随机误差将加到每个方程上，但随机误差仍是选定的，其均值为0。 如果我们没有预测区间上随机方程误差的信息，那么使均值为0是适当的，但如果我们有误差类型的信息，那么我们可以通过附加因子把这些信息加入模型。 附加因子最广泛的用途在于使历史数据更平滑地过渡到预测区间。一般地，当我们怀疑一个方程或多个方程在历史数据尾部的较差拟合会持续进入预测区间时，附加因子可以抵消这种拟合误差。附加因子提供了调整模型结果的一种特殊方法，它不需要重新设定或重新估计模型的方程。 实际上附加因子只是一个额外的外生变量，它可以以一种特殊的方式加入选定的方程中。EViews允许附加因子采取两种形式，如果方程形式为 (12.35) 那么我们可以只在方程末尾加上附加因子作为截距或残差： (12.36) 或者我们可以在内生变量后面加上附加因子，从而为模型的内生变量提供附加因子： (12.37)其中附加因子的符号相反可以使其行为与前一种情形中的方向相同。 如果内生变量单独出现在等号的左端，那么两种类型的附加因