高鐵梅老師的EVIEWS教學課件系統(tǒng)估計

第十九章系統(tǒng)預計

本章講述內(nèi)容是預計聯(lián)立方程組參數(shù)方法。包含最小二乘法LS、加權(quán)最小二乘法WLS、似乎不相關(guān)回歸法SUR、二階段最小二乘法TSLS、加權(quán)二階段最小二乘法W2LS、三階段最小二乘法3LS、完全信息極大似然法FIML和廣義矩法GMM等預計方法。在預計了聯(lián)立方程組參數(shù)后就能夠利用不一樣解釋變量值對被解釋變量進行模擬和預測，將在第二十三章作詳細介紹。

第1頁§19.1理論背景

§19.1.1系統(tǒng)迄今為止我們討論都是單一方程經(jīng)濟計量模型。單方程計量經(jīng)濟模型是用單一方程描述某一經(jīng)濟變量與影響該變量改變諸原因之間數(shù)量關(guān)系。所以，它適合用于單一經(jīng)濟現(xiàn)象研究，揭示其中單向因果關(guān)系。不過，經(jīng)濟現(xiàn)象是極為復雜，其中諸原因之間關(guān)系，在很多情況下，不是單一方程所能描述那樣簡單單向因果關(guān)系，而是相互依存、互為因果，這時，就必須用一組方程才能描述清楚。我們稱這些經(jīng)濟現(xiàn)象為經(jīng)濟系統(tǒng)。經(jīng)濟系統(tǒng)并沒有嚴格空間概念。國民經(jīng)濟是一個系統(tǒng)，一個地域經(jīng)濟也是一個系統(tǒng)，甚至某一項經(jīng)濟活動也是一個系統(tǒng)。比如我們進行商品購置決議，因為存在收入或預算制約，在決定是否購置某一個商品時，必須考慮到對其它商品需求與其它商品價格，這么，不一樣商品需求量之間是相互影響、互為因果。那么，商品購置決議就是一個經(jīng)濟系統(tǒng)。聯(lián)立方程系統(tǒng)就是一組包含未知數(shù)方程組。利用一些多元方法能夠?qū)ο到y(tǒng)進行預計，這些方法考慮到了方程之間相互依存關(guān)系。

第2頁以一個由國內(nèi)生產(chǎn)總值(除掉凈出口)（Y）、居民消費總額（C）、投資總額（I）、政府消費額（G）和短期利率（r）等變量組成簡單宏觀經(jīng)濟系統(tǒng)為例，假如政府消費額和短期利率由外部給定，并對系統(tǒng)內(nèi)部其它變量產(chǎn)生影響，就國內(nèi)生產(chǎn)總值、居民消費和投資來講，是相互影響并互為因果。居民消費和投資取決于國內(nèi)生產(chǎn)總值，但反過來又影響國內(nèi)生產(chǎn)總值。所以就無法用一個方程描述它們之間關(guān)系，就需要建立一個由多個方程組成方程系統(tǒng)。比如，能夠建立以下模型：

（19.1）

其中，前兩個方程是行為方程，第三個方程表示國內(nèi)生產(chǎn)總值在假定進出口平衡情況下，由居民消費、投資和政府消費共同決定，是一個衡等方程，也稱為定義方程。這就是一個簡單描述宏觀經(jīng)濟聯(lián)立方程模型。

第3頁

§19.1.2變量在聯(lián)立方程模型中，對于其中每個方程，其變量依然有被解釋變量與解釋變量之分。不過對于模型系統(tǒng)而言，已經(jīng)不能用被解釋變量與解釋變量來劃分變量。對于同一個變量，在這個方程中作為被解釋變量，在另一個方程中則可能作為解釋變量。對于聯(lián)立方程系統(tǒng)而言，將變量分為內(nèi)生變量和外生變量兩大類，外生變量與滯后內(nèi)生變量又被統(tǒng)稱為前定變量。內(nèi)生變量是含有某種概率分布隨機變量，它參數(shù)是聯(lián)立方程系統(tǒng)預計元素，內(nèi)生變量是由模型系統(tǒng)決定，同時也對模型系統(tǒng)產(chǎn)生影響。內(nèi)生變量普通都是經(jīng)濟變量。外生變量普通是確定性變量。外生變量影響系統(tǒng)，但本身不受系統(tǒng)影響。外生變量普通是經(jīng)濟變量、條件變量、政策變量、虛擬變量。滯后內(nèi)生變量是聯(lián)立方程模型中主要不可缺乏一部分變量，用以反應經(jīng)濟系統(tǒng)動態(tài)性與連續(xù)性。在聯(lián)立方程模型（19.1）中，C,I,Y為內(nèi)生變量，外生變量G，r和滯后內(nèi)生變量Ct-1，It-1一起組成前定變量。

第4頁

§19.1.3結(jié)構(gòu)式模型依據(jù)經(jīng)濟理論和行為規(guī)律建立描述經(jīng)濟變量之間直接關(guān)系結(jié)構(gòu)計量經(jīng)濟方程系統(tǒng)稱為結(jié)構(gòu)式模型。聯(lián)立方程模型（19.1）就是一個結(jié)構(gòu)式模型。在結(jié)構(gòu)方程中，解釋變量中能夠出現(xiàn)內(nèi)生變量。將一個內(nèi)生變量表示為其它內(nèi)生變量、前定變量和隨機誤差項函數(shù)形式，被稱為結(jié)構(gòu)方程正規(guī)形式。含有g(shù)個內(nèi)生變量、k個前定變量、g個結(jié)構(gòu)方程模型被稱為完備結(jié)構(gòu)式模型。在完備結(jié)構(gòu)式模型中，獨立結(jié)構(gòu)方程數(shù)目等于內(nèi)生變量數(shù)目，每個內(nèi)生變量都分別由一個方程來描述。普通聯(lián)立方程系統(tǒng)形式是：(19.2)這里是一個內(nèi)生變量向量，是外生變量向量，能夠是序列相關(guān)擾動項向量。預計任務(wù)是尋找參數(shù)向量預計量。

第5頁

§19.1.4參數(shù)預計方法EViews提供了預計系統(tǒng)參數(shù)兩類方法。一類方法是使用前面講過單方程法對系統(tǒng)中每個方程分別進行預計。第二類方法是同時預計系統(tǒng)方程中全部參數(shù)，這種同時方法允許對相關(guān)方程系數(shù)進行約束而且使用能處理不一樣方程殘差相關(guān)方法。

即使利用系統(tǒng)方法預計參數(shù)含有很多優(yōu)點，不過這種方法也要付出對應代價。最主要是在系統(tǒng)中假如錯誤指定了系統(tǒng)中某個方程，使用單方程預計方法預計參數(shù)時，假如某個被預計方程參數(shù)預計值很差，只影響這個方程；但假如使用系統(tǒng)預計方法，這個錯誤指定方程中較差參數(shù)預計就會“傳輸”給系統(tǒng)中其它方程。這里，應該區(qū)分方程組系統(tǒng)和模型差異。模型是一組描述內(nèi)生變量關(guān)系已知方程組，給定了模型中外生變量信息就能夠使用模型對內(nèi)生變量求值。系統(tǒng)和模型經(jīng)常十分緊密地一起使用，預計了方程組系統(tǒng)中參數(shù)后能夠創(chuàng)建一個模型，然后對系統(tǒng)中內(nèi)生變量進行模擬和預測（見第23章）。

第6頁§19.2系統(tǒng)預計方法

EViews將利用下述方法預計方程組系統(tǒng)參數(shù)。系統(tǒng)中方程能夠是線性也能夠是非線性，還能夠包含自回歸誤差項。下面討論是以線性方程所組成平衡系統(tǒng)為對象，不過這些分析也適合于包含非線性方程系統(tǒng)。若一個系統(tǒng)，含有M個方程，用分塊矩陣形式表示以下：

(19.3)這里yi是T維向量，Xi是T×ki矩陣，βi是ki維系數(shù)向量，i=1,2,...,M誤差項協(xié)方差矩陣是MT×MT方陣V。我們簡單將其表示為：

(19.4)第7頁在標準假設(shè)下，分塊系統(tǒng)殘差協(xié)方差陣為：

(19.5)式中算子表示克羅內(nèi)克積(KroneckerProduct)，簡稱叉積[注]，有模型殘差方差結(jié)構(gòu)不滿足標準假設(shè)。首先，不一樣方程殘差可能是異方差，不過他們不一樣期相關(guān)，(19.6)

[注]設(shè),，定義A與B克羅內(nèi)克積(簡稱叉積)為

顯然，是階矩陣，是分塊矩陣，其第塊是。第8頁其次，不一樣方程除了異方差還可能是同期相關(guān)。我們定義M×M同期相關(guān)矩陣，它第i行第j列元素，假如殘差是同期不相關(guān)，若i≠j，則，假如殘差是異方差且同期相關(guān)，則V能夠?qū)懗桑?19.7)最終，更普通情況是存在異方差、同期相關(guān)同時，殘差是自相關(guān)。最普通殘差方差矩陣應寫成：

(19.8)

這里，是第i個方程和第j個方程自相關(guān)矩陣。

第9頁§19.2.1普通最小二乘法（OrdinaryLeastSquares,OLS）這種方法是在聯(lián)立方程中服從關(guān)于系統(tǒng)參數(shù)約束條件情況下，使每個方程殘差平方和最小。假如沒有這么參數(shù)約束，這種方法和使用單方程普通最小二乘法預計每個方程式是一樣。在協(xié)方差陣被假定為時，最小二乘法是非常有效。

預計值為：

(19.9)預計值協(xié)方差陣為：

(19.10)其中，s2系統(tǒng)殘差方差預計值。第10頁§19.2.2加權(quán)最小二乘法(WeightedLeastSquares,WLS)這種方法經(jīng)過使加權(quán)殘差平方和最小來處理聯(lián)立方程異方差性，方程權(quán)重是被預計方程方差倒數(shù)，來自未加權(quán)系統(tǒng)參數(shù)預計值。假如方程組沒有聯(lián)立約束（參數(shù)、異方差），該方法與未加權(quán)單方程最小二乘法產(chǎn)生相同結(jié)果。

加權(quán)最小二乘法預計值為：(19.11)其中是一致預計,是殘差方差預計值，

(19.12)系數(shù)協(xié)方差陣預計量為：(19.13)當殘差不存在同期相關(guān)和序列相關(guān)而只存在異方差時，加權(quán)最小二乘法是有效，而且方差預計是一致。假如方程參數(shù)之間沒有限制，加權(quán)最小二乘法和普通最小二乘法預計結(jié)果是一樣。

第11頁該方法也稱作多元回歸法，既考慮到異方差性也考慮到不一樣方程誤差項相關(guān)性。對聯(lián)立方程協(xié)方差陣預計是建立在對未加權(quán)系統(tǒng)參數(shù)預計基礎(chǔ)上。注意到因為EViews考慮了聯(lián)立方程間約束，所以能夠預計更為廣泛形式。

當方程右邊變量X全部是外生變量，殘差是異方差和同期相關(guān)，誤差協(xié)方差陣形式為時，使用SUR方法是恰當。系數(shù)SUR預計值：

(19.16)這里是元素為一致預計。

§19.2.3似乎不相關(guān)回歸(SeeminglyUnrelatedRegression,SUR)第12頁假如第j個方程含有AR項，EViews預計下面方程：

這里，是獨立，但方程之間存在同期相關(guān)，我們能夠把兩個方程聯(lián)合成一個非線性方程：

(19.17)每次迭代時，EViews第一步迭代用非線性最小二乘法并計算出，然后結(jié)構(gòu)出預計，元素為：利用非線性廣義最小二乘法（GLS）完成預計過程每次迭代，直到預計系數(shù)和加權(quán)矩陣全都收斂時就結(jié)束迭代過程。

第13頁§19.2.4二階段最小二乘法(Two-StageLeastSquares,TSLS)系統(tǒng)二階段最小二乘法方法（STSLS）是前面描述單方程二階段最小二乘預計系統(tǒng)形式。當方程右邊變量與誤差項相關(guān)，但既不存在異方差，誤差項之間又不相關(guān)時，STSLS是一個比較適當方法。EViews在實施聯(lián)立方程約束同時，對未加權(quán)系統(tǒng)每個方程進行二階段最小二乘預計，假如沒有聯(lián)立方程約束，得到結(jié)果與未加權(quán)單方程最小二乘（TSLS）結(jié)果相同。

二階段最小二乘法（TSLS）是單方程預計法，它適合于當方程右端變量X中含有內(nèi)生變量情況。系統(tǒng)第j個方程能夠?qū)憺椋?19.18)或等價寫為：(19.19)式中，，和。Y是內(nèi)生變量矩陣，X是外生變量矩陣。

第14頁在第一階段，我們用全部外生變量X來對方程右端內(nèi)生變量Yj做回歸并得到擬合值(19.20)在第二階段，用和對做回歸得到(19.21)其中，?！?9.2.5加權(quán)二階段最小二乘法(WTSLS)該方法是加權(quán)最小二乘法二階段方法。當方程右邊變量與誤差項相關(guān)而且存在異方差但誤差項之間不相關(guān)時，W2LS是一個比較適當方法。EViews首先對未加權(quán)系統(tǒng)進行二階段最小二乘，依據(jù)預計出來方程方差求出方程權(quán)重，假如沒有聯(lián)立方程約束，得到一階段結(jié)果與未加權(quán)單方程最小二乘結(jié)果相同。第15頁加權(quán)二階段最小二乘法（TSLS）是在第二階段以下應用了權(quán)重：(19.22)加權(quán)矩陣元素用通常方法從未加權(quán)二階段最小二乘法得到：假如選擇用迭代法預計加權(quán)矩陣，每次用當前系數(shù)和殘差值計算出。

§19.2.6三階段最小二乘法(Three-StageLeastSquares,3SLS)當方程右邊變量與誤差項相關(guān)而且存在異方差，同時殘差項相關(guān)時，3LSL是有效方法。因為二階段最小二乘法是單方程預計方法，沒有考慮到殘差之間協(xié)方差，所以，普通說來，它不是很有效。三階段最小二乘法是一個系統(tǒng)預計方法，先初步預計出模型系數(shù)，然后形成權(quán)重，并用權(quán)重重新預計出系數(shù)。它比較類似于上面講似乎不相關(guān)（SUR），只是右端含有內(nèi)生變量。第16頁三階段前兩個階段同二階段最小二乘一樣。在第三階段，我們用一個類似于似乎不相關(guān)手法把可行廣義最小二乘法（FGLS）應用到模型上。似乎不相關(guān)用普通最小二乘法得到方程間協(xié)方差預計，不過這個預計值在方程右端含有內(nèi)生變量時候不是一致預計值，而三階段最小二乘法從二階段得到殘差來取得一致預計：

(19.23)其中元素為：

(19.24)假如選擇迭代法求權(quán)數(shù)，則用當前系數(shù)和殘差計算下一步。

第17頁§19.2.7完全信息極大似然法(FullInformationMaximumLikelihood,FIML)在同期誤差項假定為聯(lián)合正態(tài)分布情況下，F(xiàn)IML預計出似然函數(shù)，假如似然函數(shù)能準確描述，該方法非常有效。FIML是一個系統(tǒng)預計方法，同時處理全部方程和全部參數(shù)?！?9.2.8廣義矩法(GeneralizedMethodofMoments,GMM)

GMM預計基于假設(shè)方程組中擾動項和一組工具變量不相關(guān)。GMM預計是將準則函數(shù)定義為工具變量與擾動項相關(guān)函數(shù)，使其最小化得到參數(shù)為預計值。假如在準則函數(shù)中選取適當權(quán)數(shù)矩陣，廣義矩法可用于處理方程間存在異方差和未知分布殘差相關(guān)。其實，很多預計方法包含EViews提供全部系統(tǒng)預計方法都是廣義矩法（GMM）特殊情況。比如：當方程右邊變量都與殘差無關(guān)時，普通最小二乘預計就是廣義矩預計。

第18頁廣義矩預計法基本思想是很簡單而且直觀。待預計參數(shù)需要滿足一系列理論矩條件，我們記這些矩條件為：(19.25)矩預計方法就是用樣本矩條件來替換理論矩條件(19.25)：(19.26)然而，對任何，當有比參數(shù)個數(shù)更多約束m時，條件(19.26)式將不能滿足。為了允許過分識別，廣義矩預計方法（GMM）預計量經(jīng)過最小化下面準則函數(shù)來定義：(19.27)第19頁上式簡單了解就是矩條件m和零點“距離”，A是賦予每個矩條件權(quán)數(shù)加權(quán)矩陣，任何對稱正定矩陣A都將產(chǎn)生一個一致預計。然而，能夠證實要得到漸進有效預計值一個必要但不充分條件是將A設(shè)為樣本矩條件m協(xié)方差矩陣逆矩陣。這是很直觀，因為對越不準確矩條件賦予越小權(quán)重。在EViews中，為了得到GMM預計必須先給出(19.25)式矩條件，如回歸方程殘差和一組工具變量Z正交條件：(19.28)比如，普通最小二乘預計OLS做為廣義矩預計GMM特例含有正交條件：(19.29)對于廣義矩預計GMM能被識別，必須最少工具變量個數(shù)和待預計參數(shù)個數(shù)一樣多，參見第十二章中“廣義矩預計方法GMM”一節(jié)中GMM正交條件例子。

第20頁說明一個廣義矩預計GMM問題一個主要方面是加權(quán)矩陣A選擇，EViews使用最正確選擇是：這里是樣本矩協(xié)方差矩陣，依賴于未知參數(shù)，為了取得一致預計必須先知道一致預計，EViews使用二階段最小二乘法得出初始值

(1)

White異方差一致協(xié)方差矩陣在操作時假如選擇了GMM-Crosssection選項，EViews使用White異方差性一致協(xié)方差矩陣預計：(19.30)這里，u是殘差向量，Zt是k×p維矩陣，在t時刻p個矩條件可寫為：第21頁

（2）異方差和自相關(guān)一致協(xié)方差矩陣（HAC）假如選擇GMM-Timeseries選項，EViews用以下公式預計：(19.31)這里

(19.32)在說明之前，必須要指定核函數(shù)和帶寬q。第22頁§19.3建立和說明系統(tǒng)為了預計聯(lián)立方程系統(tǒng)參數(shù)，首先應建立一個系統(tǒng)對象并說明方程系統(tǒng)。單擊Object/NewObject/system或者在命令窗口輸入system，系統(tǒng)對象窗口就會出現(xiàn)，假如是第一次建立系統(tǒng)，窗口是空白，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。

§19.3.1方程組使用標準EViews表示式用公式形式輸入方程，系統(tǒng)中方程應該是帶有未知參數(shù)和隱含誤差項行為方程。比如，含有兩個方程系統(tǒng)是這么：

第23頁這里使用了EViews缺省系數(shù)如c(1)、c(2)等等，當然能夠使用其它系數(shù)向量，但應事先申明，方法是單擊主菜單上Object/NewObject/Martrix-Vector-Coef/CoeffientVector。在說明方程時有一些規(guī)則：

第24頁規(guī)則1方程組中，變量和系數(shù)可以是非線性?？梢越?jīng)過在不一樣方程組中使用相同系數(shù)對系數(shù)進行約束。例如：y=c(1)+c(2)*xz=c(3)+c(2)*z+(1-c(2))*x當然也可以說明附加約束，例如有如下方程：y=c(1)*x1+c(2)*x2+c(3)*x3若希望使c(1)+c(2)+c(3)=1，則可以這么描述方程：y=c(1)*x1+c(2)*x2+(1-c(1)-c(2))*x3規(guī)則2系統(tǒng)方程可以包含自回歸誤差項（注意不能有MA、SAR或SMA誤差項），每一個AR項必須伴隨系數(shù)說明（用方括號，等號，系數(shù)，逗號），例如：cs=c(1)+c(2)*gdp+[ar(1)=c(3),ar(2)=c(4)]。我們可認為每個方程賦予相同AR系數(shù)值，使得系統(tǒng)中全部方程得到相同自回歸項，或者分別為每個方程賦予其自己系數(shù)來估計每一個不一樣自回歸過程。第25頁

規(guī)則3方程中等號能夠出現(xiàn)在方程任意位置，比如：log(unemp/(1-unemp))=c(1)+c(2)*dmr等號也能夠不出現(xiàn)，只輸入沒有因變量表示式，比如：(c(1)*x+c(2)*y+4)^2此時，EViews自動地把表示式等于隱含誤差項。

規(guī)則4假如方程沒有擾動項，則該方程就是恒等式，系統(tǒng)中不應該含有這么方程，假如必須有話，應該先解出恒等式將其代入行為方程。

規(guī)則5應該確信系統(tǒng)中全部擾動項之間沒有衡等聯(lián)絡(luò)，即應該防止聯(lián)立方程系統(tǒng)中一些方程線性組合可能組成與某個方程相同形式。比如，方程組中每個方程只描述總體一部分，方程組和就是一個恒等式，全部擾動項和將恒等于零。這種情況下則應放棄其中一個方程以防止這種問題發(fā)生。第26頁

§19.3.2工具變量假如用二階段最小二乘法（TSLS）、三階段最小二乘法方法（3SLS）或者廣義矩法（GMM）來預計參數(shù)，必須對工具變量做出說明。說明工具變量有兩種方法：若要在全部方程中使用一樣工具變量，說明方法是以inst開頭，后面輸入全部被用作工具變量外生變量列表。比如：instgdp(-1to-4)xgovEViews在系統(tǒng)全部方程中使用這六個變量作為工具變量。假如系統(tǒng)預計不需要使用工具，則這行將被忽略。若要對每個方程指定不一樣工具變量，應該在每個方程后面附加“@”及這個方程需要工具變量。比如：cs=c(1)+c(2)*gdp+c(3)*cs(-1)@cs(-1)inv(-1)govinv=c(4)+c(5)gdp+c(6)*gov@gdp(-1)gov第一個方程使用cs(-1)、inv(-1)、gov和一個常量作為工具變量，第二個方程使用gdp(-1)、gov和一個常量作為工具變量。最終還能夠?qū)蓚€方法融合到一起，任何一個沒有獨自指定工具變量方程將使用inst指定工具變量。

第27頁

§19.3.3附加說明(1)在每個方程中常數(shù)項一直都包含在工具變量表中，不論它是否被明確說明過，這是隱含給定。(2)對于一個已給定方程，全部右邊外生變量都應列為工具變量。

(3)模型識別要求每個方程中工具變量(包含常數(shù)項)個數(shù)都應該最少和右邊變量一樣多。

附錄模型識別定義：在一個含有g(shù)個方程聯(lián)立方程組中，一個方程可識別，須滿足：其中，k是模型中前定變量個數(shù)，ki是給定方程中前定變量個數(shù)，gi是給定方程中內(nèi)生變量個數(shù)。假如，則方程是恰好識別，但假如，則它是過分識別。

第28頁§19.3.4初始值如果系統(tǒng)中包含非線性方程，可認為部分或全部參數(shù)用以param開頭語句提供初始值，列出參數(shù)和值對應組合。例如：paramc(1).15b(3).5為c(1)和b(3)設(shè)定初值。如果不提供初值，EViews使用當前系數(shù)向量值。§19.3.5系統(tǒng)估計創(chuàng)建和說明了系統(tǒng)后，單擊工具條Estimate鍵，出現(xiàn)系統(tǒng)估計對話框，在彈出對話框中選擇估計方法和各個選項：第29頁第30頁

§19.3.6迭代控制對于WLS、SUR、WTSLS，3SLS，GMM預計法和非線性方程系統(tǒng)，有附加預計問題，包含預計GLS加權(quán)矩陣和系數(shù)向量，普通來說，選擇EViews缺省項，不過若要更加好地控制計算工作則需要花費時間來進行選擇。這些選項決定了系數(shù)或加權(quán)矩陣迭代方法。

1．迭代權(quán)數(shù)和系數(shù)選擇（IterateWeightsandCoefs）（1）同時選項（Simultaneous），每次迭代都更新系數(shù)和加權(quán)矩陣，直到系數(shù)和加權(quán)矩陣都收斂，這是缺省選擇。（2）次序選項（Sequential），重復執(zhí)行上述（1）缺省方法，直到系數(shù)和加權(quán)矩陣都收斂。2．一次確定加權(quán)矩陣（Updateweightsonce,then…）（3）迭代直到收斂選項（Iteratecoefstoconvergence），EViews使用無權(quán)矩陣（單位矩陣）進行一階段預計。用OLS（或2LS，有工具變量情況下）預計得到初始值，然后進行迭代直到系數(shù)收斂。假如模型是線性，這個過程其實是一個OLS或2LS。一階段迭代得到殘差用來形成一個加權(quán)矩陣，并保持不變。在過程第二階段，EViews使用預計加權(quán)矩陣預計新系數(shù)。假如模型是非線性，EViews迭代系數(shù)預計直到收斂。第31頁（4）系數(shù)一次迭代選項（Updatecoefsonce），在第一階段做系數(shù)預計并組成加權(quán)矩陣預計量。在第二階段，EViews不迭代系數(shù)到收斂，只進行系數(shù)一步迭代為止。注意到上述四種預計方法都產(chǎn)生漸進預計結(jié)果。對于線性模型，因為系數(shù)預計值取得不需要迭代，前兩種迭代方法是等價，而后兩種方法是等價。

3．GMM-CrossSection中

2SLSEstimates/GMMS.E選項這是一個并不十分有效方法，但若存在異方差或異方差和殘差相關(guān)同時存在時能預計有效協(xié)方差和標準誤差。在假定等權(quán)矩陣情況下預計第一步參數(shù)。然后用預計值來計算有效協(xié)方差矩陣，該矩陣考慮了異方差或同時存在異方差和自相關(guān)。第32頁

4、GMM-Timeseries（HAC）選項

假如選擇這一方法對話框?qū)黾舆x項來說明加權(quán)矩陣：

第33頁新選項出現(xiàn)在對話框右下角。這些選項是為了控制能說明異方差和自相關(guān)加權(quán)矩陣計算。

1.預消除相關(guān)性（Prewhitening）選項，在預計之前運行一個初步VAR(1)從而“吸收”

矩條件中相關(guān)性。

2.核函數(shù)（KernelOption）選項，計算加權(quán)矩陣時自協(xié)方差權(quán)重由Kernel函數(shù)決定。

3.帶寬（Bandwidthselection）選項，自協(xié)方差權(quán)重給定后，權(quán)重怎樣伴隨自協(xié)方差滯后而改變由該選項決定。假如選擇Fixed項，能夠輸入帶寬值或輸入nw從而使用Newey和West固定帶寬選擇準則。EViews提供了兩種自動帶寬選擇方法：Andrews（安德魯方法）和Variable-Newey-West方法。第34頁

5.Option選項

系統(tǒng)預計對話框中Option選項允許選擇一個預計算法，改變收斂規(guī)則或迭代最大次數(shù)。

§19.3.7預計結(jié)果系統(tǒng)預計輸出結(jié)果包含系統(tǒng)參數(shù)預計值、標準差和每個系數(shù)

t-統(tǒng)計值。而且，EViews提供殘差協(xié)方差矩陣行列式值，對于FIML預計法，還提供它極大似然值。除此之外，EViews提供每個方程簡明統(tǒng)計量，如R2統(tǒng)計值，回歸標準差，Durbin-Wstson統(tǒng)計值，殘差平方和等等。對每個方程都是按定義基于系統(tǒng)預計過程中殘差計算而來。我們也能夠使用回歸統(tǒng)計函數(shù)來取得這些結(jié)果，關(guān)于這些函數(shù)使用請參見第11章。

第35頁第36頁§19.4系統(tǒng)應用

得到預計結(jié)果后，系統(tǒng)對象提供了檢驗結(jié)果工具，依次進行參考和詳細討論。

§19.4.1系統(tǒng)查看（View）以下查看與單方程查看十分相同。

1、單擊View/SystemSpecification顯示系統(tǒng)說明窗口，也能夠經(jīng)過直接單擊菜單中Spec來顯示。

2、單擊Views/EstimationOutput顯示系統(tǒng)系數(shù)預計值和簡明統(tǒng)計量，也能夠經(jīng)過直接單擊菜單中Stats來顯示。

3、單擊Views/Residuals

（1）選擇Views/Residuals/Graph，顯示系統(tǒng)中每個方程殘差圖形。第37頁

（2）選擇Views/Residuals/CorrelationMatrix計算每個方程殘差同時相關(guān)系數(shù)。

（3）選擇Views/Residuals/CovarianceMatrix計算每個方程殘差同時協(xié)方差。

4、單擊View/CoefficientCovarianceMatrix查看預計得到協(xié)方差矩陣。

5、單擊View/WaldCoefficientTests…做系數(shù)假設(shè)檢驗，詳細討論見第14章。

6、單擊Views/EndognousTable列出系統(tǒng)中全部內(nèi)生變量。

7、單擊Views/EndognousGragh列出系統(tǒng)中全部內(nèi)生變量圖形。第38頁

§19.4.2系統(tǒng)過程（Procs）系統(tǒng)與單方程顯著區(qū)分是系統(tǒng)沒有預測功效，假如要進行模擬或預測，必須使用模型對象。EViews提供一個簡單方法將系統(tǒng)結(jié)果轉(zhuǎn)化為模型。1、單擊Procs/MakeModelEViews將打開由已預計系統(tǒng)轉(zhuǎn)化模型（參數(shù)已知），然后能夠用這個模型進行模擬和預測。還有一個方法是先建立模型，然后將系統(tǒng)納入進來，這在第23章詳細討論。2、單擊Procs/Estimate…打開預計系統(tǒng)對話框，也能夠經(jīng)過直接單擊Estimate進行預計。3、單擊Procs/MakeResiduals顯示系統(tǒng)中每個方程殘差項序列。為了在系統(tǒng)中更明確地指定方程組對應殘差，殘差項直接命名為連續(xù)未使用過諸如：RESID01、RESID02等等。

4、單擊Procs/MakeEndogenousGroup建立包含內(nèi)生變量未命名組對象。第39頁§19.4.3應用實例

例1介紹克萊因（LawrenceRobertKlein）于1950年建立、意在分析美國在兩次世界大戰(zhàn)之間經(jīng)濟發(fā)展小型宏觀計量經(jīng)濟模型。模型規(guī)模雖小，但在宏觀計量經(jīng)濟模型發(fā)展史上占有主要地位。以后美國宏觀計量經(jīng)濟模型大都是在此模型基礎(chǔ)上擴充、改進和發(fā)展起來。以至于薩繆爾森認為，“美國許多模型，剝到當中，發(fā)覺都有一個小Klein模型”。所以，對該模型了解與分析對于了解西方宏觀計量經(jīng)濟模型是主要。

Klein模型是以美國兩次世界大戰(zhàn)之間1920-1940年年度數(shù)據(jù)為樣本建立。

第40頁

Klein模型：（消費）（投資）（私人工資）（均衡需求）（企業(yè)利潤）（資本存量）此模型包含3個行為方程，1個定義方程，2個會計方程。式中變量：

6個內(nèi)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；C：消費；Wg：政府工資；I：私人國內(nèi)總投資；T：間接稅收；

Wp：私人工資；Time：時間趨勢；

P：企業(yè)利潤；K：資本存量第41頁在格林《經(jīng)濟計量分析》中給出了克萊因模型19~1940年數(shù)據(jù)和更新版本1953年~1984年數(shù)據(jù)，模型說明文本：instY(-1)cs(-1)i(-1)k(-1)wp(-1)p(-1)wggtcs=c(10)+c(12)*p+c(13)*p(-1)+c(14)*(wp+wg)i=c(20)+c(21)*p+c(22)*p(-1)+c(23)*k(-1)wp=c(30)+c(31)*Y+c(32)*Y(-1)+c(33)*@trend在system中只能建立3個行為方程，其余3個定義方程要放到model中。cs是消費方程，總消費主要受前期和當期企業(yè)利潤p、當期工資收入(wp+wg)影響；I是投資方程，投資由前期和當期利潤p、前期資本k來解釋；wp是就業(yè)方程，用私人工資額代表就業(yè)，將它與前期和當期產(chǎn)出Y聯(lián)絡(luò)起來，由生產(chǎn)規(guī)模決定就業(yè)，時間趨勢項考慮了日益增強非經(jīng)濟原因?qū)蜆I(yè)壓力。第42頁第43頁不過這個模型用在美國1953年-1984年數(shù)據(jù)上結(jié)果就不好，經(jīng)過改進后模型見Klein-2模型。第44頁

例2介紹一個中國年度宏觀經(jīng)濟模型。宏觀經(jīng)濟模型必須以一定宏觀經(jīng)濟理論為基礎(chǔ)。因為我國宏觀經(jīng)濟正處于一個向市場經(jīng)濟過渡階段，市場機制尚不完善，不一樣于西方發(fā)達國家。不過，近年來我國宏觀管理實踐證實，我國政府在宏觀調(diào)控中飾演著主要角色，財政政策、貨幣政策在反周期實際操作中發(fā)揮著巨大作用。新凱恩斯主義宏觀理論既吸收了凱恩斯主義需求理論，也吸收了新古典主義包含理論預期理論，既強調(diào)政府干預必要性，又重視經(jīng)濟運行供給方面，其基本理論內(nèi)容能夠在我國宏觀經(jīng)濟分析中給予借鑒。本模型是在借鑒了新凱恩斯主義經(jīng)濟理論和其它經(jīng)濟理論，并結(jié)合我國當前經(jīng)濟體制過渡期一些特點建立起來。伴隨改革深入，我國市場化水平提升，供求關(guān)系已發(fā)生了根本改變，產(chǎn)出多少不再由生產(chǎn)能力單方面決定，而是以需求為主，由需求與