1、實驗八聯立方程模型在金融數據中的應用一、實驗目的了解內生變量、外生變量的定義及區別，了解聯立性偏誤的定義， 從而理解普通最小二乘法不能用于估計聯立方程模型的原因。掌握聯立方程模型的常用估計方法，尤其是兩階段最小二乘法“TSLS 的估計方法，以及如何運用Eviws軟件在實證研究中實現。二、根本概念由模型系統決定其取值的變量稱為內生變量。內生變量受模型中其它變量的影響， 也可能影響其它內生變量， 即內生變量既可以是被解釋變量， 也可以是解釋變量。 由模型系統以 外的因素決定其取值的變量稱為外生變量。 外生變量只影響系統內的其它變量， 而不受其它 變量的影響，因此在方程中只能做解釋變量，不能做被解釋

2、變量。用普通最小二乘法OLS對經典線形回歸模型進行回歸將得到最優線性無偏估計量。 但在結構式模型中，由于內生變量既可作為解釋變量又可作為被解釋變量，經典線性回歸模型的一個根本假設一一解釋變量與隨機誤差項不相關一一將得不到滿足，因此假設仍對結構式模型中的每個結構方程分別運用OLS進行估計，所得到的參數估計值將是有偏和不一致的，即存在聯立性偏誤或聯立方程偏誤。三、實驗內容及要求1實驗內容：根據1997年1月到2004年3月的貨幣供給量 M0、Ml、M2與股票價格的有關數據， 利用兩階段最小二乘法估計由股票價格與貨幣供給量形成的聯立方程模型這里以上證綜合指數SCIt代表股票價格，從而檢驗流通中現金

3、M0、狹義貨幣M1、廣義貨幣M2作為貨幣 供給量與上證指數的關系。2、實驗要求：1理解本章有關概念；2思考：在何時應建立聯立方程模型，并運用有關的估計方法；假設此時運用了普通最小二乘法，結果如何；3熟練掌握兩階段最小二乘法在Eviws中的操作。四、實驗指導1、根據有關定義及經濟原理建立如下的聯立方程模型：SCI t =0 1二譏丨 t 1工2二丨 t -6 - U1t8.1I t -1SCI t ： 211 Vt: ;IRt I ；Rt u2t8.2其中，lit代表第t月的貨幣需求量，Vt代表第t月的工業增加值，IRt代表第t月的通貨膨脹率，Rt代表第t月的一年期存款利率模型具體構建過程見教材

4、。我們將在Eviews3.1中利用兩階段最小二乘法估計上述聯立方程模型，這個過程主要分兩個步驟：首先利用普通最小二乘法求得內生變量的擬合值，然后用擬合值代替內生變量再利用兩階段最小二乘法求得結構參數估計值。我們將以M0代表貨幣量說明模型在 Eviews3.1中的估計過程，然后對于 M1、M2僅列出結果。2、導入數據翻開 Eviws 軟件，選擇"File 菜單中的 “New Workfile 選項，在 “Workfile frequency 框中選擇“ Monthly ，在“ Start date 和“ End date框中分別輸入“ 1997: 01 和“ 2004: 03，單擊&q

5、uot;OK。選擇"File菜單中的 “ lmport-Read Text-Lotus-Excel 選項，找到要導入的名為的Excel文檔完成數據導入，建立相應的工作組，如圖8-1所示：-! x|Trkfile： OIAFT岬IDbj.ct, |“叭Range: 1997:01 2004:03 Filter * Default Eq: NeneSample: 1997:01 2004:03Cm1m2rnoreeisci2d|/0Kfj OptionsEstimation Settings:UFith = c AtvitwESDB =MF = ch*pter7圖8-1數據導入3、估計結

6、構式方程8.1參數在菜單中選擇"Quick 一" Estimation equation ，出現如圖8 2所示窗口:Equ&ti OB Speci fi cationDependent variable followed by list of regressors including ARMA and PDL terms, OR an equation ike Y=c1 )+匚2掙:.M0CM0(-6)IIVIRR圖82回歸方程設定在"Method中選擇LS 即普通最小二乘法，然后在"Estimation Settings"上方空白 處

7、首先輸入被解釋變量二.，接著輸入作為解釋變量的外生變量各變量的下標已除去，注意不要忘記常數項。單擊“ 0K ，那么出現如圖8- 3所示的結果：圖8-3回歸方程估計結果即我們得到了如下的估計結果括號內為t統計量，下同:?門二 9680.112.46 Vt 206.70IR t 771.64 Rt 0.11 M 0t _6(7.92)( 6.52)(1.93)(-6.54)( 0.95)點擊“ Quick 菜單下的“ Gen erate Series',得到如圖84所示的窗口:圖8 4快速生成序列“mofitted在“Enter Equation 下面的空白欄中鍵入如圖8-4中的方程，就可

8、以得到 >.| .的擬合值"mOfitted 。點擊“ Quick 一“ Estimate Equation ,在“ Method 中選擇“ TSLS 兩階段最小二 乘法，將出現如圖8 5所示的窗口：圖8 5選擇兩階段最小二乘法估計方程在“ Instrument List上方的空白欄中按結構式方程8.1 輸入相應的變量，在其下方的空白欄中輸入圖示的工具變量,然后點擊“OK ，就可以得到結構式方程8.1參數的兩階段最小二乘估計值：SC? t 二 1022.49-0.001 M0t 0.04M 0t -6(7.39)(-0.04)(1.32)3、估計結構式方程8.2參數在菜單中選擇

9、“ Quick 一“ Estimate Equation ，出現如圖8 6所示窗口:圖8 6回歸方程設定在"Method 中選擇"LS即普通最小二乘法，然后在"Estimation Settings "上方空白處首先輸入被解釋變量 SCI，接著輸入作為解釋變量的圖示外生變量，單擊“0K ，得如如圖8 7所示結果。詐時“" -Eqnti.n： UITITLEJ*Torkiil«i CHAPIKR7J|n| x|口 File Edit Objects蕓i電w FrocsQui ck Oti ons Wi rudowHelt-Iffl xj

10、Vi«w|Proci|Obitcisj Print | Hunt | Frt«zt | EilimtlalFaracul|S-tati Dependent Variable: SCIMethod. Least SquaresDate 10725/05 Ums' 1200Sample(adjusted)： 199707 2004:03Included observation工 81 after adjusting endpointsVariableCoefficientStd. Errorb StatisticProbC1834.203232.19767.899317

11、0.0000IIV02905850.071827-4.0456290.0001IR-20.5477720.30128-1 0170680 3123R-114.914422.03873-5.2023900.0000MO (-6)0.053702.21E442.4B11550.0153R-squared0.577309Mean dependent var1596 72EAdjusted R-&quared0.655062S.D. dependent var299 6726S.E of regression199.0927Akaike info criterion13.49316Sum sq

12、uared resid303673S.Schwari criterion13.64096Log likelihood-541 4738F-statistic25.95013Durbin-Wat son stat0.38W17Prob(F-statistic)0.000000HFath = c；«vicwi3DE - n»htWF = chiptar?圖8-7回歸方程結果選擇“ Quick 菜單下的“ Gen erate series'菜單，將出現如圖8 8所示的窗口:圖8 8快速生成序列“scifitted在“ Enter Equation 下面的空白欄中鍵入如圖8

13、-8的方程，就可以得到 sci的擬合值“ scifitted 。點擊"Quick " Estimate equation ,在"Method 中選擇"TSLS (兩階段最小二 乘法)，將出現如圖8 9所示的窗口：圖8 9選擇兩階段最小二乘法估計方程在“ Instrument list 上方的空白欄中按結構式方程(8.2)輸入相應的變量，在其下方的空白欄中輸入圖示的工具變量。點擊“0K，就可以得到結構式方程(8.2)參數兩階段最小二乘估計值：?門二 5968.432.02 SCI t 3.05 !Vt - 248.48 IR t - 539.10 Rt(1

14、.07)(0.85)(7.98)(1.77)(-1.44)4、同樣的，對于狹義貨幣M1作為貨幣量代表，我們可以估計模型得到：SCI? t = 1239.33(11.14)0.01 M 1t - 0.01 M 1t _ 6(0.38)(-0.22)M?1t = 24823.27- 1.68 SCI t 17.42 llVt- 3009.34 Rt - 163.79 IR t(5.44)(-0.93)( 0.43)(-8.30)(-0.56)對于廣義貨幣M2作為貨幣量代表，同樣可以得到估計模型：SC? t 二 1210.960.04 M 2t - 0.03 M 2t _6M? 2t =320877.8(2.70)(8.49)(1.24)(-1.17)Rt- 4935.05 IRt(-1.76)-115.12 SCI t 32.31 IIVt -24362.84(-2.26)(4.06)(-3