《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。,
chap14-系統(tǒng)方程模型
