第二十三章节模型(805KB).pptVIP

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1940年开始，企业税收 T 和政府非工资性支出 G 每年增加相同的数量 (即：我们假设将所增加企业税收全部用于政府的非工资性支出)，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(%) 时间 CS I K P WP Y 1940 0.79 -2.21 -0.04 -1.04 1.4 1.9 1941 0.81 -4.46 -0.15 -1.79 1.47 1.46 从表中我们可以看到：由于税收 T 和财政支出 G 的增加，使得私人投资 I 减少，即对私人投资有挤出效应。对收入 Y 和消费 CS 有正的影响。投资的减少使得资本存量 K 减少。利润 = 收入-私人工资-税收，所以利润 P与收入（ Y ）、私人工资（ WP ）和税收（ T ）增加的大小有关。 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1940年和1941年两种工资同时增加10%，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。求解选择动态求解，样本期间为1940年~1941年，结果见表2：(描述一个收入政策持续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(%) 时间 CS I K P Y 1940 6.68 -3.58 -0.06 -1.72 5.53 1941 6.83 -7.74 -0.28 -3.37 4.85 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。 §23.6 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 (23.3) 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： (23.4) 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： (23.5)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子是相同的。如果内生变量是包含在某表达式中，如对数形式，那么两种附加因子就不再相同。尽管两种附加因子有近似的影响，但它们将以不同的单位表达，前者是以方程残差的单位表达，而后者是以方程内生变量的单位表达。 有两种方法加入附加因子。最简单的方法是进入模型的方程查看窗口，