连立方程计量经济学模型

1、计量经济学论文用实际数据对联立方程计量经济学模型进行估计统计学李俊东20071910040摘要：本文通过用我国实际数据，建立联立方程计量经济学模型，并对模型参数进行估计。关键词：联立方程计量经济学模型国内生产总值 价格总指数 投资 居民消费引言07统计李俊东1计量经济学论文经济是以价值增值 为直接目的，实现对于价值资源在各 个生产要素之间的有效配 置。经济以 市场需求为导向，通过调整和控制各种生产要素（生产资料、劳动力和科学技术等要素）的直接配置情况，以达到财富的价值增值的目的。经济的发展有着多方的制约，牵一发动全 身。经济是一个庞大复杂的系统，我们可以用计量经济学中的联立方程计量经济学模型对

2、经济做预测和估计。文献综述07统计李俊东#计量经济学论文07统计李俊东#计量经济学论文计量经济学（第二版）-李子奈潘文卿编著1. 计量经济学中的 联立方程问题2. 中国2008年统计年鉴三、研究目的本文主要对经济活动中的国民生产总值和货币供给量及相关指数进行分析建模并找出他们的关系，并对模型进行预测分析， 为服务经济社会的发展做贡献，同时也能让我们进一步了解经济的发展与社会的各项指标之间存在的联系，以便更好的发展经济。*影响国内生产总值的主要影响因素如下图:货币供给量一定时间内货币供给量对国内生产总值的影响居民消费一定时间居民消费对国内生产总值的影响投资一定时间内投资对国内生产总值的影响*影响

3、货币供给量的主要影响因素如下图:国内生产总值一定时间内国内生产总值对货币供给量的影响价格总指数一定时间内价格总指数对货币供给量的影响（注* , * :由于影响的因数很多，我们主要用以上几个因数来进行建模分析）四、建立模型丫 t = ： 0 亠，：iM t iC t 2 I t 亠 htM t -0 亠：冷Yt 3R其中，Yt 国内生产总值Mt货币供给量It投资 Pt价格总指数 叫t， J2t其中，内生变量为M t , Yt ；外生变量为Pt，（2.1）Ct 居民消费随机误差项Ct，It和常数项；先决变量为Pt，Ct，It和常数项。五、模型的简化:简化模型为:Yt = 10:'-'

4、;711 Pt:'-'712 Ct ： ：'芝13 I ' z-1tM t 二二20亠；21 R 亠'22Ct 亠'/It ：2t(2.2)计算得结构式参数与简化式参数之间的关系体系如下:P0 + G0P1：11 =5=1VJ 2: 13=1=1 r% +。1 P。"20= 1-1-1丄"21 = 1-1-1"22=1-1-1：1 2K-1六：模型的识别:用结构式条件确定模型的识别状态: 结构参数矩阵为(2.3)1 - 1 - _0g=2,先决变量的数目为k=4（包括常数项）。一1 1 -'0模型系统中内生变

5、量的数目为首先判断（2.1）式中第一个结构方程的识别状态。对于第一个方程，有R B。丨 °(- 3)=1 =g -1 k & = 4 3 = 1 = gt 1所以，第一个结构方程为恰好识别方程。 再看第2个结构方程，有Bo-0 -厂* ：2R Bo - o 二1 = g -1k k2 = 4 2 = 2 . g21所以，第2个结构方程可以识别，但是过度识别 综上，有，该联立计量经济学模型是可识别的。七：数据搜集（1 ）数据的搜集情况收集了中国2008年统计年鉴，经过整理数据得到如下图一（2）其中year代表年份，y代表国内生产总值，m代表货币供给量，c代表居民消费,代表投资，

6、p代表价格总指数15 :yeary Iic Ij |P1199018319.5015293 409113.204517.00185.202199121280.4019349.9010315.905694.50170.803199225863.7025402.2012459.808080 10181.704199334500.7034879.8015602.4013072.30208.405199446690 7046923.5020809.8017042.10259.606199568510.5060750.5026944.5020019.30302.807199668330.4076094.

7、9032152.3022913.50327.908199774894.2090995.3034854.6024941.10337 109199879003.30104493,536921 1028406.20334,4010199982673.10119897.939334.4029854.70329.70iT200089112.60134610.342911.9032917.70331.00 12200197314.80158301 949213.2037754.50333.30132002103935.0185007.052571.3043632.10330.60142003116741.

8、0221222.856834.4053490.70334.60152004159878.02507763833.5065117.70347.60162005182321.0296765.571217.6077304.80353.90172006209407 0345577.9804769090150.90359 20182007246619.0403401.393602.90105435.9376.40192008300670.0475166.6108392.2126209.5398.60图一：数据资料表八、模型的估计（1）对第一个结构方程的估计由于第一个结构方程恰好识别，可以应用工具变量法估

9、计。用模型中的 价格指数P乍为M的工具。打开Eviews软件的主页面，执行”Quick'Estimate Equation ”命令，在新出现的对话框中的“ Method”栏内选择“ TSLS，再在新 出现的对话框的“ Equation Specification”栏内输入“ Y C M C01 I ”，在下面的“Instrument List ”栏内输入“ C P C01 I”，点击“确定”按钮，得出如 下表2.1所示的结果。表2.1工具变量法估计结果Depe ndent Variable: YSample: 1990 2007In eluded observati ons: 18In

10、strument list: C P C01 IVariableCoefficie ntStd. Errort-StatisticProb.C-718.19194146.646-0.1731980.8650M-0.3591150.146906-2.4445180.0283C010.9573850.3015913.1744470.0068I2.8557450.4611886.1921530.0000R-squared0.996697Mean depe ndent var95299.71Adjusted R-squared0.995990S.D. dependent var65729.13S.E.

11、 of regressi on4162.485Sum squared resid2.43E+08F-statistic1407.357Durb in -Watson stat1.526242Prob(F-statistic)0.000000得到第一个结构方程的估计结果为：AY =-718.1919-0.359115M t - 0.957385 Ct 2.855745 It可以看到常数项的回归系数并没有通过t的显著性检验，其他的各系数都通过 了显著性检验。说明了模型的估计结果并不是非常理想。用二阶段最小二乘法估计该方程：第一阶段用普通最小二乘法计算得：表2.2第一阶段结果Depe ndent V

12、ariable: MMethod: Least SquaresSample: 1990 2007In eluded observati ons: 18VariableCoefficie ntStd. Errort-StatisticProb.C20291.206344.9603.1980030.0064P-292.809441.25827-7.0969880.0000C013.9681690.4285199.2602010.0000I1.2231350.2939654.1608110.0010R-squared0.999053Mean depe ndent var144120.6Adjuste

13、d R-squared0.998850S.D. dependent var117755.4S.E. of regressi on3992.442Akaike info criteri on19.61532Sum squared resid2.23E+08Schwarz criteri on19.81318Log likelihood-172.5379F-statistic4924.935Durb in-Watson stat1.432759Prob(F-statistic)0.000000然后，单击工具栏的“ Forecast”按钮，在出现的对话框中，默认软件给出的估计的M的序列名MF点击“O

14、K。之后用mF乍为解释变量M勺替代变量，带入Y方程中用OLS法估计Y方程，Eviews的计算结果如下:第二阶段计算得：表2.3第二阶段结果Depe ndent Variable: YMethod: Least SquaresDate: 06/30/10 Time: 22:27Sample: 1990 2007In cluded observati ons: 18VariableCoefficie ntStd. Errort-StatisticProb.C-718.19194554.141-0.1577010.8769MF-0.3591150.161343-2.2257880.0430C010.

15、9573850.3312292.8904040.0119I2.8557450.5065095.6380930.0001R-squared0.996016Mean depe ndent var95299.71Adjusted R-squared0.995163S.D. dependent var65729.13S.E. of regressi on4571.537Akaike info criteri on19.88622Sum squared resid2.93E+08Schwarz criteri on20.08408Log likelihood-174.9759F-statistic116

16、6.770Durb in-Watson stat1.726904Prob(F-statistic)0.000000所以方程为 丫 =-718.1919-0.359115M t 0.957385 Ct 2.855745 It从方程上看，两种方法的计算出来的结果一样。（2）对第二个结构方程进行估计由于第二个结构法过程是过度识别的，所以只能用两阶段最小二乘法估计。 用OLSI估计丫勺简化式方程，结果如下：表2.4第一阶段估计结果Depe ndent Variable: YSample: 1990 2007In cluded observati ons: 18VariableCoefficie ntS

17、td. Errort-StatisticProb.C-8005.0617265.282-1.1018240.2891P105.152247.242682.2257880.0430C01-0.4676430.490674-0.9530620.3567I2.4164990.3366047.1790480.0000R-squared0.996016Mean depe ndent var95299.71Adjusted R-squared0.995163S.D. dependent var65729.13S.E. of regressi on4571.537Akaike info criteri on

18、19.88622Sum squared resid2.93E+08Schwarz criteri on20.08408Log likelihood-174.9759F-statistic1166.770Durb in-Watson stat1.726904Prob(F-statistic)0.000000然后，单击工具栏的“ Forecast ”按钮，在出现的对话框中，默认软件给出的估 计的丫的序列名YF,点击“0K”。之后用YF乍为解释变量丫的替代变量，带入M方 程中用0L畝估计M方程，Eviews的计算结果如下：表2.5第二阶段估计结果Depe ndent Variable: MSample: 1990 2007In cluded observati ons: 18VariableCoefficie ntStd. Errort-StatisticProb.C-7871.95015894.82-0.4952530.6276YF1.8533920.07201225.737440.0000P-82.3735868.06095-1.2102910.2449R-squared0.990440Mean depe ndent var144120.6A