计量经济分析方法与建模课件2007版第12章联立方程估计与模拟幻灯片.pptVIP

* 还可以通过修改Initialization Sample框来改变附加因子初始化的样本区间，点击OK接受设置。 一旦附加因子加到某方程上，在变量窗口中它也将以变量的形式显示。如果附加因子出现在某情景分析中，那么它必须在每个情景分析中都出现，但在特定情景分析中它同外生变量一样可以被更改。 2. 加入附加因子的另一个方法是通过模型窗口的Procs/Add Factors菜单项同时对所有方程分配、初始化或更改附加因子。例如，要想创建一组完全的附加因子使模型对历史实际值求解，我们可以选择Add Factors/ Equation Assignment来为每个方程创建附加因子，然后使用Add Factors/Set Values…设置附加因子值，以使所有方程都没有残差。 当求解带有附加因子的模型时，附加因子的任何缺失值都会视为0。 * 对利润方程 P ，在模拟（scenario4）时增加了附加因子，方程截距上减50，即 P_a_4 = -50 * 拟合结果为： * * * 2．预测 预测（forecasting）是对估计的样本区间以外的内生变量进行外推。要进行预测，必须拥有整个预测期内所有外生变量的时间序列数据。预测可以分为两类： (1) 事后预测 如果估计区间是 [1, T1]，预测区间是 [T1+1, T]，然后把得到的预测结果与 [T1+1, T] 区间内的内生变量的已知数据进行比较，这种预测称为事后预测（ex post），通常用来检验模型预测的准确性。 (2) 事前预测 另一种预测是预测的起始时刻 t 在样本区间的终止时刻T 之后，即 t=T+1，T+2，…，T+h 时，h 是预测期长度，这被称作事前预测（ex ante）。 * 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) 该对话框的设置是用于随机模拟。在许多情形中可以利用它们的默认值。 三、追踪变量(Tracked Variable) 该对话框可以查看并修改哪个内生变量正在被模型追踪。当一个变量被追踪时，该变量的结果在模拟完成之后将被保存在工作区的序列中，没被追踪的变量其结果不被保存。 四、诊断(Diagnostics) 该对话框可以设定选项以控制中间结果的显示。如果求解模型时遇到问题，它可以帮你解决。 * 五、求解方法 Solver对话框是用来设置与模型所用的非线性方程求解方法有关的选项。 * 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）：Gauss-Seidel算法是一种迭代算法，在每次迭代时EViews求解与每个模型方程相关的内生变量值，并处理其他所有的内生变量为不变的。这种算法需要的工作内存较少，计算成本相当低，但它要求方程系统有一定的稳定性，以保证收敛。该算法适用于大多数经济计量模型。如果执行该算法有困难，可以对方程重新排序，或重写方程以改变相应的内生变量，因为这些变化都会影响Gauss-Seidel迭代的稳定性。 * (2) Newton（牛顿法）：Newton算法也是一种迭代法，每次迭代时我们采用模型的线性逼近，然后求解线性系统以找到模型的根。与Gauss-Seidel相比，该算法可以处理更广泛的问题，但用于大模型时需要相当大的工作内存，计算成本也很高。Newton算法不受方程排序或重写的影响。 注意