第12章联立方程估计与模拟概念.ppt

例1： 变换： 联立方程模型的识别 定义： 指能否从简化式模型参数估计值中推导出结构式模型的参数估计值。 二、识别的类型 1、不可识别（under identified ）：无法从简化式参数计算出结构式系数。 （1）方程不可识别； （2）模型不可识别：有一个方程不可识别，则模型不可识别。 2、恰好识别（exactly identified ）：计算出唯一的结构式系数。 （1）方程恰好识别； （2）模型恰好识别：所有方程都是恰好识别，则模型为恰好识别。 3、过度识别（over identified ）的方程：可以从简化式参数中计算出结构式系数，并且结构式参数的值不是唯一的。 （1）方程过度识别：有解，但解不是唯一的。 （2）模型可识别。 （4）对余下的子矩阵（A0 B0），如果其秩等于G-1（即Rank（A0 B0） G-1），则称秩条件成立，第i个结构方程一定可识别；如果（A0 B0）的秩不等于G-1（即Rank（A0 B0）≠G-1），则称秩条件不成立，第i个结构方程一定不可识别。 注：利用秩条件可以判别结构是否可识别，但不能确定是恰好识别还是过度识别。 （3）模型识别的方法 （1）当Rank（A0 B0）i G-1，第i个方程一定可以识别。 ① K－Mi G－1 恰好识别 ② K－Mi G－1 过度识别 （2）当Rank（A0 B0）i≠G-1，第i个方程不可识别。 例： K 7,G 4 （1）第一个方程 （2）第二个方程 （3）第三个方程 （4）第四个方程 由于方程（4）是非随机方程式（定义方程式），所以不需要识别。 模型模拟的分类 设观测值样本个数为T，一般将模型中的样本分为两个区间：[1, T1]和[T1+1, T]，前一个区间用于估计，后一个区间用于检验。模型模拟所涉及的时间范围将取决于模拟的目的。 1．拟合 模拟的第一种形式是样本内预测 in-sample forecast ，也称为拟合 fitting 。内生变量在估计样本区间[1, T]内的预测值称为拟合值。把每一个内生变量的原始时间序列数据与模拟结果进行比较，就是一种很有用的检验模拟效果的方法。 2．预测 预测（forecasting）是对估计的样本区间以外的内生变量进行外推。要进行预测，必须拥有整个预测期内所有外生变量的时间序列数据。预测可以分为两类： 1 事后预测 如果估计区间是 [1, T1]，预测区间是 [T1+1, T]，然后把得到的预测结果与 [T1+1, T] 区间内的内生变量的已知数据进行比较，这种预测称为事后预测（ex post），通常用来检验模型预测的准确性。 2 事前预测 另一种预测是预测的起始时刻 t 在样本区间的终止时刻T之后，即 t T+1，T+2，…，T+h 时，h 是预测期长度，这被称作事前预测（ex ante）。 事前预测 样本内预测 拟合 事后预测 1 T1 T t 图12.2 样本内、事前和事后预测 在进行事后预测和事前预测时，需要区分条件预测和无条件预测。条件预测在外生变量有具体值（可以是已知值）的假设条件下预测内生变量。当外生变量的值没有先验给出，而是从模型本身或从辅助模型生成时，就是进行无条件预测。这时，内生变量的度量就会含有一定的不确定性。第9章讨论的VAR模型在生成无条件预测值方面非常有效。 从样本区间内生成的拟合值是有条件的（因为外生变量的值已经给定了），但事前预测的预测值是无条件的，因为它们要求外生变量在内生变量变量之前预测出来。事后预测既可以是有条件的，也可以是无条件的，这取决于外生变量的获得方式。 模型求解的其他选项 二、随机选项 Stochastic Options 该对话框的设置是用于随机模拟。在许多情形中可以利用它们的默认值。 三、追踪变量 Tracked Variable 该对话框可以查看并修改哪个内生变量正在被模型追踪。当一个变量被追踪时，该变量的结果在模拟完成之后将被保存在工作区的序列中，没被追踪的变量其结果不被保存。 四、诊断 Diagnostics 该对话框可以设定选项以控制中间结果的显示。如果求解模型时遇到问题，它可以帮你解决。 五、求解方法 Solver对话框是用来设置与模型所用的非线性方程求解方法有关的选项。 §12.3.6 使用附加因子 附加因子（factor）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 （12.3.8） 那么