【正文】 C(31 ) 0 .4 2 2 3 0 1 0 .0 3 6 3 6 6 1 1 .6 1 2 5 1 0 .0 0 0 0 C(32 ) 0 .1 5 2 8 0 4 0 .0 3 7 9 7 1 4 .0 2 4 1 8 2 0 .0 0 0 2 C(33 ) 0 .1 2 8 1 8 7 0 .0 3 2 0 8 7 3 .9 9 5 0 1 7 0 .0 0 0 2 Det e rm i n a n t re s i d u a l c o v a ri a n c e 9 2 3 2 0 9 .8 3 SL S 估計 Coe ff i c i e n t Std . Erro r t Sta ti s ti c Pro b . C(10 ) 1 3 .3 5 4 5 8 1 .0 7 5 4 1 9 1 2 .4 1 8 0 3 0 .0 0 0 0 C(11 ) 0 .2 3 3 5 3 8 0 .0 6 1 5 6 5 3 .7 9 3 3 3 1 0 .0 0 0 4 C(12 ) 0 .0 2 8 6 9 2 0 .0 5 8 9 4 3 0 .4 8 6 7 8 1 0 .6 2 8 6 C(13 ) 0 .8 7 7 9 1 7 0 .0 3 2 5 6 8 2 6 .9 5 6 1 5 0 .0 0 0 0 C(20 ) 1 1 .3 2 7 4 0 5 .1 2 2 5 0 8 2 .2 1 1 3 0 1 0 .0 3 1 8 C(21 ) 0 .5 1 0 5 9 2 0 .0 9 7 7 2 9 5 .2 2 4 5 8 4 0 .0 0 0 0 C(22 ) 0 .3 2 2 1 2 4 0 .0 9 5 0 9 8 3 .3 8 7 2 8 3 0 .0 0 1 4 C(23 ) 0 .1 1 9 3 0 7 0 .0 2 4 6 4 9 4 .8 4 0 1 5 0 0 .0 0 0 0 C(30 ) 0 .4 0 1 6 9 6 1 .1 4 2 5 0 8 0 .3 5 1 5 9 2 0 .7 2 6 7 C(31 ) 0 .4 0 3 1 7 0 0 .0 3 0 8 6 6 1 3 .0 6 1 8 3 0 .0 0 0 0 C(32 ) 0 .1 7 5 8 6 8 0 .0 3 1 2 0 7 5 .6 3 5 6 1 5 0 .0 0 0 0 C(33 ) 0 .1 3 6 1 2 6 0 .0 2 8 1 2 8 4 .8 3 9 4 9 0 0 .0 0 0 0 Det e rm i n a n t re s i d u a l c o v a ri a n c e 8 9 4 6 2 1 .2 格林在 《 經(jīng)濟計量分析 》 中給出了克萊因模型 1920年 ~1941年的數(shù)據(jù)和更新版本的 1953年 ~1984年數(shù)據(jù)，并構建了 Klein2模型： 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(31)*y+ c(32)*y(1)+ c(33)*k+[AR(1)=C(34)] 其中： r 為半年期商業(yè)票據(jù)利息，其他變量的含義同克萊因聯(lián)立方程系統(tǒng) Ⅰ 相同。單擊 Object/New Object/system或者在命令窗口輸入 system， 系統(tǒng)對象窗口就會出現(xiàn) ， 如果是第一次建立系統(tǒng) ， 窗口是空白的 ， 在指定窗口用文本方式輸入方程 ， 當然也包含了工具變量和參數(shù)初值 。式中變量： 6個內生變量： 4個外生變量： Y：收入（ GDP中除去凈出口）； G：政府非工資支出； CS：消費； Wg ：政府工資； I：私人國內總投資； T：間接稅收； Wp ：私人工資； Trend：時間趨勢； P：企業(yè)利潤； K：資本存量 消 費 CS 收 入 Y 私人工資 WP 企業(yè)利潤 P 投資 I 資本存量 K 政府支出 G 政府工資 WG 間接稅收 T KleinⅠ 模型框圖 注：橙色方框內是行為方程內生變量，橢圓內是恒等方程內生變量， 黑色方框內是外生變量。 Klein模型是以美國兩次世界大戰(zhàn)之間的 1920～ 1941年的年度數(shù)據(jù)為樣本建立的。以至于薩繆爾森認為，“美國的許多模型，剝到當中，發(fā)現(xiàn)都有一個小的 Klein模型”。模型規(guī)模雖小，但在宏觀計量經(jīng)濟模型的發(fā)展史上占有重要的地位。 如果在準則函數(shù)中選取適當?shù)臋鄶?shù)矩陣 ， 廣義矩法可用于解決方程間存在異方差和未知分布的殘差相關 。 （ 3）廣義矩法 (Generalized Method of Moments , GMM) GMM估計基于假設方程組中的擾動項和一組工具變量不相關 。 如果似然函數(shù)能準確的設定 ， FIML會根據(jù)已經(jīng)得到樣本觀測值 ， 使整個聯(lián)立方程系統(tǒng)的似然函數(shù)達到最大 ，以得到所有結構參數(shù)的估計量 。很顯然， 3SLS能得到比 2SLS更有效的參數(shù)估計量，因為它考慮了方程之間的相關關系。一旦計算出 2SLS的參數(shù)，每個方程的殘差值就可以用來估計方程之間的方差和協(xié)方差。在第一階段，先估計聯(lián)立方程系統(tǒng)的簡化形式。因為二階段最小二乘法是單方程估計方法，沒有考慮到殘差之間的協(xié)方差，所以，一般說來，它不是很有效。 第二類估計方法是 系統(tǒng)估計方法 ，同時估計系統(tǒng)方程中的所有參數(shù)，這種同步方法允許對相關方程的系數(shù)進行約束并且使用能解決不同方程殘差相關的方法。IL S 估計量是有偏的，但具有一致性和漸近有效性。具體估計步驟是先寫出與結構模型相對應的簡化型模型，然后利用 OL S 法估計簡化型模型參數(shù)。常用的單一方程估計法有 ① 間接最小二乘法 （ I L S ）， ② 工具變量法 （ IV ）， ③ 兩段最小二乘法（ 2S L S ）， ④ 有限信息極大似然法 （ L IM L ）。這導致參數(shù) OL S 估計量是有偏的而且是不一致的，稱之為 聯(lián)立方程的偏倚 。所以用 OL S法得到的參數(shù)估計量為一致估計量。它是前定變量和隨機項的唯一函數(shù)。 簡化型模型可用 O L S 法估計參數(shù) 。以此類推可以用 OL S 法估計遞歸模型中的每一個方程。對于 y2來說， y1是 一個前定變量。對于第二個方程，由于等號右邊只含有一個內生變量y1，以及外生變量和隨機項。首先看第一個方程。 變量 1 變量 2 變量 3 變量 4 變量 5 變量 6 ? 方程 1 方程 2 方程 3 方程 4 ? y1 = ?11 x1 + … + ?1 k x k + u1 y2 = ?2 1 x1 + … + ?2 k x k + ?21 y1 + u2 y3 = ?31 x1 + … + ?3 k x k + ?31 y1 + ?32 y2 + u3 ….. 遞歸模型的估計方法是 OL S 法 。那么所有方程的任意線性組合都不能構成與該方程相同的統(tǒng)計形式。 ? 該原則的 后一句話是保證該新引入方程本身是可以識別的?！? ? 該原則的 前一句話是保證該方程的引入不破壞前面已有方程的可識別性。 從系數(shù)陣中劃掉第 3 個方程的變量 y1,