计量经济模型,联立方程估计与模拟

行模拟、评价和预测。
一般的联立方程系统形式是
f yt , z t , Δ ut
t =1, 2, , T (12.1.1)
其中：yt 是内生变量向量，zt 是外生变量向量，ut 是一个可能 存在序列相关的扰动项向量，T 表示样本容量。估计的任务是
寻找未知参数向量 的估计量。
2
例12.1
以利用不同的解释变量值对被解释变量进行模拟和预测。
1
12.1 联立方程系统概述
本章将包含一组未知参数，并且变量之间存在着反馈关 系的联立方程组称为“系统”(systems) ，可以利用12.2节介绍
的多种估计方法求解未知参数。本章的12.3节中将一组描述内
生变量的已知方程组称为“模型”(model) ，给定了联立方程 模型中外生变量的信息就可以使用联立方程模型对内生变量进
虽然利用系统方法估计参数具有很多优点，但是这种方
法也要付出相应的代价。最重要的是在系统中如果错误指定 了系统中的某个方程，使用单方程估计方法估计参数时，如
果某个被估计方程的参数估计值很差，只影响这个方程；但
如果使用系统估计方法，这个错误指定的方程中较差的参数 估计就会“传播”给系统中的其它方程。
8
建立和说明联立方程系统
12
联立方程系统残差协方差矩阵的形式
下面的讨论是以线性方程所组成的平衡系统为对象的，但 是这些分析也适合于包含非线性方程的系统。若一个系统，含 有 k 个方程，用分块矩阵形式表示如下：
y1 X 1 y2 0 y 0 k
为了估计联立方程系统参数，首先应建立一个系统对 象并说明方程系统。单击Object/New Object/system或者在 命令窗口输入system，系统对象窗口就会出现，如果是第
一次建立系统，窗口是空白的，在指定窗口用文本方式输
入方程，当然也包含了工具变量和参数初值。 使用标准的EViews表达式用公式形式输入方程，系统 中的方程应该是带有未知参数和隐含误差项的行为方程。 例12.1含有三个行为方程的系统是这样的：
Wt p 0 1Yt 2Yt 1 3Timet u3t Yt Ct I t Gt
Pt Yt Wt p Tt
Kt Kt 1 I t
（资本存量） （12.1.2） 此模型包含3个行为方程，1个定义方程，2个会计方程。式中变量： 6个内生变量： 4个外生变量： Y：收入（GDP中除去净出口）； G：政府非工资支出； CS：消费； Wg ：政府工资； I：私人国内总投资； T：间接税收； Wp ：私人工资； Time：时间趋势； P：企业利润； K：资本存量
第十二章 联立方程模型的估计与模拟
本章讲述的内容是估计联立方程组参数的方法。包括
最小二乘法LS、加权最小二乘法WLS、似乎不相关回归
法SUR、二阶段最小二乘法TSLS、加权二阶段最小二乘 法W2LS、三阶段最小二乘法3LS、完全信息极大似然法 FIML和广义矩法GMM等估计方法。 联立方程系统就是一组包含未知数的方程组。利用一 些多元方法可以对系统进行估计，这些方法考虑到了方程 之间的相互依存关系。在估计了联立方程组的参数后就可
4
KleinⅠ模型框图
政府工资 WG 政府支出 G
消费
CS
收入
Y
投资
I
私人工资
WP
企业利润
P
资本存量
K
间接税收 T
注：方框内是行为方程内生变量，椭圆内是恒等方程内生变量，
粗体是外生变量。
5
前3个方程称为行为方程，后面的3个方程称为恒等方程。
这是一个简单描述宏观经济的联立方程模型。式（12.1.2） 中的前3个行为方程构成联立方程系统：
克莱因联立方程系统
克莱因（Lawrence Robert Klein ）于1950年建立的、 旨在分析美国在两次世界大战之间的经济发展的小型宏观 计量经济模型。模型规模虽小，但在宏观计量经济模型的 发展史上占有重要的地位。以后的美国宏观计量经济模型
大都是在此模型的基础上扩充、改进和发展起来的。以至
于萨缪尔森认为，“美国的许多模型，剥到当中，发现都 有一个小的Klein模型”。所以，对该模型 的了解与分析 对于了解西方宏观计量经济模型是重要的。 Klein模型是以美国两次世界大战之间的1920-1941年
ˆ ˆ 1 X ) 1 X V 1Y ˆ ΔWLS ( X V
(12.2.10)
其中， ˆ diags , s ,, s I 是 V 的一个一致估计量。 V 11 22 kk T V 中的元素 i2 的估计值 sii 为
sii

ˆ y X δ ˆ y i X i δi , LS i i i , LS T
t =1, 2, , T （12.1.3）
待估计出未知参数后，与式（12.1.2）中的后3个恒等方
程一起组成联立方程模型。
6
在联立方程模型中，对于其中每个方程，其变量 仍然有被解释变量与解释变量之分。但是对于模型系 统而言，已经不能用被解释变量与解释变量来划分变 量。对于同一个变量，在这个方程中作为被解释变量，
形式为
12 I T 0 IT 0 0
2 2 IT
2 V diag 12 , 2 ,, k2


0
0 0 (12.2.4) k2 I T
其中diag ( )代表对角矩阵。
15
3. k个方程间的残差不但是异方差的，而且是同期相关 的情形，可以通过定义一个k×k的同期相关矩阵 进行描
V Euu 2 I k I T
(12.2.3)
其中：算子表示克罗内克积(kronecker product)，简称叉 积， 2 是系统残差的方差。
14
2. k个方程间的残差存在异方差，但是不存在同期相关 时，用表示第i个方程残差的方差，i=1, 2, …, k，此时的矩阵
0 X2 0
0 δ1 u1 0 δ2 u2 X k δk uk
(12.2.1)
其中：yi 表示第 i 个方程的 T 维因变量向量，T 是样本观测值个 数，Xi 表示第 i 个方程的 Tki 阶解释变量矩阵，如果含有常数 项，则 Xi 的第一列全为1，ki 表示第 i 个方程的解释变量个数 (包含常数项)，i 表示第 i 个方程的 ki 维系数向量，i=1, 2, … , k。
9
这里使用了EViews缺省系数如c(10)、c(20)等等，当然
可以使用其它系数向量，但应事先声明，方法是单击主菜单
上Object/New Object/Martrix-Vector-Coef/Coeffient Vector。 在说明方程时有一些规则：
10
规则1
方程组中，变量和系数可以是非线性的。可以通过在不同方程组中 使用相同的系数对系数进行约束。
这种方法是在联立方程中服从关于系统参数的约束条件的 情况下，使每个方程的残差平方和最小。如果没有这样的参数
约束，这种方法和使用单方程普通最小二乘法估计每个方程式
是一样的。 在协方差阵被假定为
V Euu 2 I k I T
时，最小二乘法是非常有效的。 的估计值为：
ˆ X X 1 X Y ΔLS
的年度数据为样本建立的。
3
KleinⅠ模型：
CSt 0 1Pt 2 Pt 1 3 (Wt p Wt g ) u1t
I t 0 1Pt 2 Pt 1 3 Kt 1 u2t
（消费）
（投资） （私人工资） （均衡需求） （企业利润）


i =1,Fra Baidu bibliotek2, , k
(12.2.11)
19
3.似乎不相关回归(Seemingly Unrelated Regression , SUR)
该方法也称作多元回归法，既考虑到异方差性也考虑到不 同方程的误差项的相关性。 当方程右边的变量 X 全部是外生变量，残差是异方差和同 期相关的，误差协方差阵形式为 V = IT 时，使用SUR方法 是恰当的。进行广义最小二乘（GLS）估计，此时的Zellner SUR估计值为 ：
规则4
方程中的等号可以出现在方程的任意位置。
规则5
应该确信系统中所有扰动项之间没有衡等的联系，即应该避免联立方
程系统中某些方程的线性组合可能构成与某个方程相同的形式。
11
联立方程系统估计
创建和说明了系统后，单击工具条的 Estimate 键，出现系统
估计对话框，在弹出的对话框中选择估计方法和各个选项：
1k Ω1k 2 k Ω2 k (12.2.6) kk Ωkk
其中：ij 是第 i 个方程残差和第 j 个方程残差的自相关矩
阵。
17
12.2.1 单方程估计方法
1.普通最小二乘法（Ordinary Least Squares , OLS）
(12.2.5)
16
4. 在更一般的水平下，k 个方程间的残差存在异方差、 同期相关的同时，每个方程的残差还存在自相关。此时残
差分块协方差矩阵应写成
11 Ω11 12 Ω12 21 Ω21 22 Ω22 V Σ Ω Ω k 1 k 1 k 2 Ωk 2
在另一个方程中则可能作为解释变量。对于联立方程
系统而言，将变量分为内生变量和外生变量两大类， 外生变量与滞后内生变量又被统称为前定变量。
7
§12.2 联立方程系统的估计方法
EViews提供了估计系统参数的两类方法。一类方法是单
方程估计方法，使用前面讲过的单方程法对系统中的每个方 程分别进行估计。第二类方法是系统估计方法，同时估计系 统方程中的所有参数，这种同步方法允许对相关方程的系数 进行约束并且使用能解决不同方程残差相关的方法。
(12.9)
18
2. 加权最小二乘法(Weighted Least Squares , WLS)
这种方法通过使加权的残差平方和最小来解决联立方程的 异方差性，方程的权重是被估计的方程的方差的倒数，来自未
加权的系统参数的估计值。如果方程组没有联立约束，该方法
与加权单方程最小二乘法产生相同的结果。 加权最小二乘法的估计值为：
述， 的第i行第j列的元素ij =E(ui uj)。如果残差是同期不
相关的，那么，对于i j，则ij = 0，如果k个方程间的残 差是异方差且同期相关的，则有
11 I T 21 I T V Σ IT I k1 T
12 I T 1k I T 22 I T 2 k I T k 2 I T kk I T
13
式(12.2.1)可以简单地表示为
Y XΔ u
其中：设 m k i ，Δ δ1
i 1 k
(12.2.2)
δ2 δk 是m维向量。
联立方程系统残差的分块协方差矩阵的 kT×kT 方阵 V 大体有如下 4 种形式。本章的估计方法都是在这些情形的基 础上进行讨论的。 1. 在古典线性回归的标准假设下，系统残差的分块协方 差矩阵是 kT×kT 的方阵 V
CS t 0 1 Pt 2 Pt 1 3 (Wt p Wt g ) u1t (消 费) ( 投 资) I t 0 1 Pt 2 Pt 1 3 K t 1 u2t p (私 人 工 资 ) Wt 0 1Yt 2Yt 1 3 At u3t
规则2
系统方程可以包含自回归误差项（注意不能有MA、SAR或SMA误 差项），每一个AR项必须伴随系数说明（用方括号，等号，系数，逗 号），例如： cs=c(1)+c(2)*gdp+[ar(1)=c(3), ar(2)=c(4)]
规则3
如果方程没有未知参数，则该方程就是恒等式，即定义方程，系统 中不应该含有这样的方程。