《chap14-系統(tǒng)方程模型》由會員分享,可在線閱讀,更多相關(guān)《chap14-系統(tǒng)方程模型(31頁珍藏版)》請在裝配圖網(wǎng)上搜索。
1、,單擊此處編輯母版標題樣式,單擊此處編輯母版文本樣式,第二級,第三級,第四級,第五級,*,*,第十四章,系統(tǒng)方程模型,主要內(nèi)容,似不相關(guān)回歸,多元回歸模型,聯(lián)立方程模型,實驗,14-1,:似不相關(guān)回歸,實驗基本原理,實驗內(nèi)容及數(shù)據(jù)來源,本書附帶光盤,data,文件夾下的“,usaauto.dta,”工作文件,給出了美國汽車產(chǎn)業(yè)的橫截面數(shù)據(jù)。主要變量包括:,price=,汽車的價格,,mpg=,每加侖油所行駛的英里數(shù),,weight=,汽車的重量,,foreign=,是否進口車(,0,代表是國產(chǎn)車),,length=,汽車長度,,displacement=,內(nèi)燃機氣缸的工作容積。,利用這些數(shù)據(jù),
2、我們擬合兩個方程,分析汽車長度、產(chǎn)地對其重量的影響,以及汽車每加侖油所能行駛的里程、產(chǎn)地、內(nèi)燃機氣缸的工作容積對其價格的影響??紤]到兩個方程的擾動項可能相關(guān),我們使用似不相關(guān)回歸模型。,這樣,利用“,usaauto.dta,”的數(shù)據(jù),我們來講解似不相關(guān)回歸的操作以及模型的預(yù)測。,實驗操作指導(dǎo),1,似不相關(guān)回歸的操作,對于“,usaauto.dta,”的數(shù)據(jù),我們同時擬合兩個方程,來分析汽車長度、產(chǎn)地對其重量的影響,以及汽車每加侖油所能行駛的里程數(shù)、產(chǎn)地、內(nèi)燃機氣缸的工作容積對其價格的影響。這樣,輸入命令:,sureg (weight length foreign) (price mpg for
3、eign displacement), corr small dfk,其中,,sureg,為似不相關(guān)回歸的基本命令,,weight,為第一個方程的被解釋變量,,foreign,和,length,是第一個方程的解釋變量;,price,是第二個方程的被解釋變量,,mpg,、,foreign,和,displacement,是第二個方程的解釋變量。選項,corr,表示進行,BreuschPagan,自相關(guān)檢驗,,small,表示匯報小樣本統(tǒng)計量,,dfk,表示計算殘差的協(xié)方差矩陣時進行小樣本調(diào)整。,此外,如果我們想擬合兩個方程,其解釋變量相同,都是,length,和,foreign,,而被解釋變量分別
4、為,weight,和,price,,則可以輸入以下命令:,sureg (weight price=length foreign),其中,等號前的變量代表各方程的被解釋變量,等號后的變量代表各方程相同的解釋變量。這里需要注意的是,命令中的括號必不可少。,當然,對于這個問題,我們也可以采用命令:,sureg (weight =length foreign) (price=length foreign),其結(jié)果與前面的結(jié)果相同。,對于前面的回歸,如果我們要給第一個方程命名為,eq1,,給第二個方程命名為,eq2,,則可以輸入命令:,sureg (eq1: weight length foreign)
5、 (eq2: price mpg foreign displacement), corr small dfk,這里,括號中的冒號前為方程名,冒號后為被解釋變量和解釋變量。,2,似不相關(guān)回歸的預(yù)測,擬合完似不相關(guān)回歸模型之后,進行預(yù)測的基本命令為:,predict type newvar if in , equation(eqno , eqno) statistic,其中,,predict,是預(yù)測的基本命令語句,,newvar,代表生成的新變量的名稱,,type,代表新變量的類型,,if,代表條件語句,,in,代表范圍語句,選項,equation(),指定要預(yù)測的方程,,eqno,代表方程號或方
6、程名,,statistic,代表要預(yù)測的統(tǒng)計量。表,14.2,給出了各,statistic,統(tǒng)計量及其含義。,在前面的回歸之后,我們要對兩個方程的擬合值進行預(yù)測,可輸入命令:,predict pweight, equation(#1),predict pprice, equation(#2),其中,第一步是對第一個方程的擬合值進行預(yù)測,并將其命名為,pweight,;第二步是對第二個方程的擬合值進行預(yù)測,并將其命名為,pprice,。,下面,我們看一下原序列值和預(yù)測值的描述統(tǒng)計量。輸入命令:,summarize price pprice weight pweight,如果我們對兩個方程的預(yù)測值
7、之差感興趣,可以輸入命令:,predict diff, equation(price, weight) difference,這里,選項表明,我們計算方程,price,的預(yù)測值和方程,weight,的預(yù)測值之差,并將其命名為,diff,。,下面,我們生成一個新變量,diff2,,為預(yù)測值,pprice,和,pweight,之差。輸入命令:,gen diff2=pprice-pweight,我們來看一下,diff,和,diff2,的前,5,個值。輸入命令:,list diff diff2 in 1/5,實驗,14-2,:多元回歸模型,實驗基本原理,對于多方程的模型,如果幾個方程的解釋變量都相同,
8、則我們稱模型為多元回歸模型(,multivariate regression,,區(qū)別于,multiple regression,)。這種模型與似不相關(guān)回歸模型在本質(zhì)上是一致的,但,Stata,中存在專門的命令對其進行回歸。,如我們在似不相關(guān)回歸的實驗原理處所講,當各方程包含的解釋變量完全相同時,,SUR,和單一方程,OLS,的結(jié)果完全相同。同理,對多元回歸模型進行估計的結(jié)果和對每個方程分別進行,OLS,估計所得到的系數(shù)和標準誤是一樣的。但多元回歸模型可以計算出各方程擾動項的相關(guān)系數(shù),并且可以對多個方差的系數(shù)進行聯(lián)合檢驗。,實驗內(nèi)容及數(shù)據(jù)來源,仍然使用實驗,14-1,的數(shù)據(jù),即本書附帶光盤,da
9、ta,文件夾下的“,usaauto.dta,”工作文件。,利用這些數(shù)據(jù),我們擬合兩個方程,被解釋變量分別為汽車重量和汽車價格,解釋變量都是汽車的長度和產(chǎn)地??紤]到兩個方程的解釋變量相同,我們使用多元回歸模型。,這樣,利用“,usaauto.dta,”的數(shù)據(jù),我們來講解擬合多元回歸模型的操作以及系數(shù)的檢驗和模型的預(yù)測。,實驗操作指導(dǎo),1,多元回歸模型的操作,對于“,usaauto.dta,”的數(shù)據(jù),我們同時擬合兩個方程,來分析汽車長度、產(chǎn)地對其重量和價格的影響。這樣,輸入命令:,mvreg weight price = length foreign, corr,其中,,mvreg,為多元回歸模型
10、的基本命令,,weight,和,price,分別為兩個方程的被解釋變量,,length,和,foreign,是兩個方程的解釋變量。選項,corr,表示匯報兩方程殘差的相關(guān)矩陣。這里需要注意的一點是,等號兩邊必須都留有空格,否則,Stata,會顯示語法錯誤的提示。,2,多元回歸模型的系數(shù)檢驗,擬合完多元回歸模型后,我們可以對系數(shù)進行檢驗。當然,對于本例,由于各個系數(shù)本身都是顯著的,我們可以期待任何兩個系數(shù)也會是聯(lián)合顯著的。但為了說明操作,我們這里還是進行相應(yīng)的檢驗。,例如,我們要檢驗兩方程的,foreign,的系數(shù)是否聯(lián)合為,0,,可輸入命令:,test weightforeign pricef
11、oreign,這里,,test,是進行檢驗的基本命令,,weightforeign,代表方程,weight,中,foreign,的系數(shù),,priceforeign,代表方程,price,中,foreign,的系數(shù)。這里,我們要檢驗這兩個系數(shù)是否同時為,0,。,當然,如果我們要檢驗所有方程某一變量的系數(shù)是否同時為,0,,可以不必輸入方程名,直接在,test,命令后加變量名即可。對于上面的檢驗,我們還可以通過如下命令實現(xiàn):,test foreign,該命令會得到與前面相同的結(jié)果。,3,多元回歸模型的預(yù)測,擬合完多元回歸模型之后,進行預(yù)測的基本命令為:,predict type newvar if
12、in , equation(eqno , eqno) statistic,其中,,predict,是預(yù)測的基本命令語句,,newvar,代表生成的新變量的名稱,,type,代表新變量的類型,,if,代表條件語句,,in,代表范圍語句,選項,equation(),指定要預(yù)測的方程,,eqno,代表方程號或方程名,,statistic,代表要預(yù)測的統(tǒng)計量??捎玫?statistic,統(tǒng)計量與似不相關(guān)回歸的預(yù)測處相同,詳見表,14.2,。,實驗,14-3,:聯(lián)立方程模型,實驗基本原理,實驗內(nèi)容及數(shù)據(jù)來源,本書附帶光盤,data,文件夾下的“,macroeco.dta,”工作文件,給出了美國的宏觀經(jīng)濟
13、數(shù)據(jù)。主要變量包括:,yr=,年,,consump=,消費,,profits=,私人部門利潤,,profits1=,私人部門上一年利潤,,wagepriv=,私人部門工資收入,,wagegovt=,政府部門工資收入,,wagetot=,總工資收入,,invest=,投資,,capital1=,上一年的資本存量,,totinc=,總收入(總需求),,totinc1=,上一年的總收入,,govt=,政府支出,,taxnetx=,稅收,+,凈出口。,利用這些數(shù)據(jù),我們擬合三個方程,分析各種因素對消費、投資和工資收入的影響??紤]到一個方程的被解釋變量可能另一個方程的解釋變量,我們使用聯(lián)立回歸模型。,這
14、樣,利用“,macroeco.dta,”的數(shù)據(jù),我們來講解聯(lián)立方程模型的擬合及預(yù)測等內(nèi)容。,實驗操作指導(dǎo),1,擬合聯(lián)立方程模型的基本操作,這樣,要擬合這個模型,我們輸入命令:,reg3 (consump profits profits1 wagetot) (invest profits profits1 capital1) (wagepriv totinc totinc1 year), endog(totinc wagetot profits) exog(govt wagegovt taxnetx),其中,,reg3,是擬合聯(lián)立方程模型的基本命令,第一個方程的被解釋變量為,consump,,解
15、釋變量為,profits,、,profits1,和,wagetot,;第二個方程的被解釋變量為,invest,,解釋變量為,profits,、,profits1,和,capital1,;第三個方程的被解釋變量為,wagepriv,,解釋變量為,totinc,、,totinc1,和,year,。選項,endog(),給出了左端項未包括的內(nèi)生解釋變量,,exog(),給出了行為方程沒包括的其他外生變量。需要注意的是,選項,endog(),必須設(shè)定,如果不設(shè)定,則,stata,會默認,totinc,、,wagetot,和,profits,為外生變量;而選項,exog(),也是必須的,因為變量,gov
16、t,、,wagegovt,和,taxnetx,是系統(tǒng)的一部分,但卻未出現(xiàn)在任何行為方程中。,當然,我們也可以使用選項,inst(),來列出全部的外生變量,而不使用選項,endog(),和,exog(),。對于我們的這個回歸,相應(yīng)的命令為:,reg3 (consump profits profits1 wagetot) (invest profits profits1 capital1) (wagepriv totinc totinc1 year), inst(profits1 capital1 totinc1 year govt wagegovt taxnetx),這里,選項,inst(),中
17、列出了模型全部的外生變量,而未被列出的變量即被認為是內(nèi)生變量。該命令的結(jié)果前面相同。,2,帶約束的聯(lián)立方程模型,定義約束的命令為:,constraint 1 consumpwagepriv = consumpwagegovt,這里,我們將約束命名為,1,,且令方程,consump,中變量,wagepriv,的系數(shù)等于方程,consump,中變量,wagegovt,的系數(shù)。需要注意的是,由于,reg3,是系統(tǒng)估計,定義約束時必須要在變量名前用中括號括起方程的名稱。,下面,我們進行模型的估計。輸入命令:,reg3 (consump profits profits1 wagegovt wagepri
18、v) (invest profits profits1 capital1) (wagepriv totinc totinc1 year), endog(totinc profits) exog(govt wagegovt taxnetx) constraints(1),其中,選項,constraints(1),表明在回歸中使用約束,1,。,3,聯(lián)立方程模型的預(yù)測,擬合完聯(lián)立方程模型之后,進行預(yù)測的基本命令為:,predict type newvar if in , equation(eqno , eqno) statistic,其中,,predict,是預(yù)測的基本命令語句,,newvar,代表
19、生成的新變量的名稱,,type,代表新變量的類型,,if,代表條件語句,,in,代表范圍語句,選項,equation(),指定要預(yù)測的方程,,eqno,代表方程號或方程名,,statistic,代表要預(yù)測的統(tǒng)計量??捎玫?statistic,統(tǒng)計量與似不相關(guān)回歸的預(yù)測處相同。表,14.2,列出了各選項其含義。,習(xí)題,1.,利用本書附帶光盤,data,文件夾下的“,chinamacro.dta,”工作文件,進行小型中國宏觀經(jīng)濟模型的擬合。主要變量包括:,gdp=,國內(nèi)生產(chǎn)總值,GDP,(支出法),,y=,減去凈出口的總產(chǎn)出,,cu=,城鎮(zhèn)消費,,cr=,農(nóng)村消費,,i=,固定資產(chǎn)形成總額,,iu
20、=,城鎮(zhèn)居民人均可支配收入,,ir=,農(nóng)村居民家庭人均純收入,,dl=,固定資產(chǎn)貸款,,M2=,廣義貨幣,,y1=,第一產(chǎn)業(yè)增加值,,ig=,存貨增加,,M1=,狹義貨幣供給量,,cg=,政府消費,,t1=,農(nóng)業(yè)稅,,ia=,農(nóng)業(yè)固定資產(chǎn)投資占全社會固定資產(chǎn)投資的比重,,rl=,一年期貸款利率,,rd=,一年期存款利率,,pu=,城鎮(zhèn)人口,,pr=,農(nóng)村人口,,p1=,第一產(chǎn)業(yè)平減指數(shù),,p2=GDP,平減指數(shù),,p3=,城鎮(zhèn)居民消費價格指數(shù),,p4=,農(nóng)村居民消費價格指數(shù),,p5=,固定資產(chǎn)投資價格指數(shù),,p6=,居民消費價格指數(shù)。,2.,仍然利用本書附帶光盤,data,文件夾下的“,usaauto.dta,”工作文件,進行一個三方程模型的估計。對數(shù)據(jù)的具體描述見第六章的實驗,6-1,。,模型的第一個方程考察汽車的產(chǎn)地、重量、長度對價格的影響,第二個方程考察汽車的產(chǎn)地和重量對每加侖油所行駛的英里數(shù)的影響,第三個方程考察汽車的產(chǎn)地和重量對內(nèi)燃機氣缸的工作容積(,displacement,)的影響。,使用兩種命令格式進行回歸。(提示,可將后兩個方程寫到一個括號內(nèi)),3.,在習(xí)題,2,的回歸之后,約束模型中不顯著的系數(shù)為,0,,重新進行回歸。,4.,對習(xí)題,2,的回歸進行預(yù)測。嘗試各種選項的應(yīng)用。,