--联立方程模型课件.ppt

1、2022-12-319.1、联立方程模型的概念 迄今为止，我们的介绍都是围绕单方程模型进行的，可是，很多经济理论是建立在一组经济关系上的，其数学模型是一个方程组，称为多方程模型或联立方程模型（simultaneous equations model）。熟悉的例子有市场均衡模型、商品需求方程组和宏观经济模型等。联立方程模型用于描述整个经济系统或其子系统。2022-12-329.1.1、联立方程模型的估计问题 在联立方程模型的情况下，模型中各变量之间的相互作用都将对模型各方程的说明和估计产生影响。为了说明这一点，让我们看一个简单的例子。假设我们要估计简单的凯恩斯收入决定模型 (1)(2)中消费函数

2、的参数。其中Y，C，I分别表示总量收入、消费和投资。ttuY tCtttICY2022-12-33 将 （1）代入（2）并整理得：(3)111tttuIY （3）式中右端第三项表明收入还依赖于消费函数中扰动项u的大小，即Y包含一个随机分量，因而Y是随机变量，它与（1）式中的扰动项同期相关。由于Y是（1）式中的解释变量，因而使得高斯马尔可夫定理中解释变量非随机的假设不成立。OLS估计量将不仅有偏，而且不一致。2022-12-34tCttuY tttICY随机解释变量问题 上面的简例说明，由于联立方程模型中各变量的相互作用，会带来估计方面的问题，特别是随机解释变量的问题，因而需要研究如何解决联立方

3、程模型的参数估计问题。我们将在后面的章节中对此进行讨论。在此之前，让我们首先介绍一些有关联立方程模型的概念和术语。2022-12-359.1.2、行为方程和恒等式 1.行为方程（behavioural equation）凯恩斯收入决定模型中的消费函数是一个行为方程，它描述的是消费者的行为，即在给定收入的情况下,平均而言，消费者的行为是怎样的。除了描述消费者行为的方程外，还有描述生产者、投资者及其它经济参与方行为的方程，它们都是行为方程。还有一类描述经济变量之间技术联系的方程，如C-D生产函数 ，它们描述的不是行为，但通常也将它们归入行为方程一类。因此，广义地说，行为方程是描述变量之间经验关系的

4、方程。行为方程是描述变量之间经验关系的方程。LAKQ2022-12-36 2.恒等式（identity relation）恒等式亦称定义式，是人为定义的一种变量间的恒等关系。如凯恩斯收入决定模型中的（2）式（国民收入恒等式）：又如：净投资资本存量的变动 期末资本存量期初资本存量tttICY2022-12-373.恒等式和行为方程的区别恒等式与行为方程的区别有以下两点：（1）恒等式不包含未知参数，而行为方程含有未知参数。（2）恒等式中没有不确定性，而行为方程包含不确定性，因而在计量经济分析中需要加进随机扰动因子。2022-12-389.1.3、外生变量、内生变量和前定变量1.外生变量（exoge

5、nous variable）外生变量是其值在模型之外决定的变量。模型中使用它们，但不由模型决定它们的值。在求解模型之前，必须用其他方法给定外生变量的值（如利用国际组织公布的预测数据，或时间序列预测得出的预测值）。2022-12-392.内生变量（endogenous variable）内生变量是其值在模型内确定的变量。内生变量既由模型使用（如可以作解释变量），又由模型决定。由于在求解模型时，通常是需要联立地解出所有内生变量的值，因而称为联立方程模型。单方程模型中，内生变量就是因变量，外生 变量是解释变量（滞后内生变量除外）。2022-12-3103.前定变量（predetermined var

6、iable）前定变量包括外生变量和滞后内生变量。在模型求解本期内生变量的值之前，本期外生变量和滞后外生变量的值是给定的，滞后内生变量的值在前面各期中已解出，因而也是已知的（前定的），它们统称前定变量。2022-12-3114.如何确定模型中的内生变量和外生变量 由于内生变量是联立地被决定，因此，联立方程模型中有多少个内生变量就必定有多少个方程。这个规则决定了任何联立方程模型中内生变量的个数。可是，确定哪个变量为内生变量，要根据经济分析和模型的用途。在设定模型时，通常将以下两类变量设定为外生变量：2022-12-312 （1）政策变量，如货币供给、税率、利率、政府支出等。（2）短期内很大程度上是

7、在经济系统之外决定或变化规律稳定的变量，如人口、劳动力供给、国外利率、世界贸易水平、国际原油价格等。在我们前面的简例中，有三个经济变量，两个方程，因而有两个内生变量，它们是消费（C）和收入（Y）。模型中没有决定投资（I）的机制，因而在此模型中，投资作为外生变量。2022-12-313tCttuY tttICY让我们再看一个例子，由菲利普斯工资方程和价格方程组成的模型：(4)(5)其中 货币工资变动，UN=失业率 =价格变动，=资金成本变动 =进口原料费用变动ttttuPUNW1210tttttuMRWP23210WPRM2022-12-314在此模型中，内生变量是：，外生变量是：，UN。WPM

8、R不难看出，在上述两例中:方程的左端都是内生变量。联立方程模型中每个方程的左端为不同内生变量原型的写法，称为方程的正规化。2022-12-3159.1.4、模型的结构式和简化式 1.结构式（Structural form）联立方程模型的结构式是依据经济理论设定模型时所采取的形式。其中的方程称为结构方程，一个结构方程反映一个基本的经济关系，即对经济理论的一种阐述。结构方程的参数称为结构参数。上述两例都是按结构式的形式给出的。2022-12-316 简化式方程描述了内生变量是怎样被真正决定的。2022-12-3172022-12-3189.2、识别问题（The identification pro

9、blem）9.2.1、识别的概念 识别问题是一个与联立方程有关的数学问题，让我们用一个简单的例子来说明识别的概念。设 是某种商品的需求量，是供给量，P为该商品的价格，则该商品供求模型为：DQSQttStttDtvPQuPQ2022-12-319 这里的问题是很难找到一种观测需求量和供给量的有效方法，通常能够观测到的只是市场运行的结果。因此一般的作法是假设供给量和需求量相等，即市场是结清的。这相当于在模型中增加一个方程:DSQQ 如果只用可观测变量来建立模型，我们可令Q代表市场结清量，从而有Qt=+Pt+ut Qt=+Pt+vt2022-12-320 问题在于，模型中两个方程具有完全相同的统计形

10、式：Qt=截距斜率Pt扰动因子 这就提出了下面的问题：给定P 和Q的数据，如何能知道我们是在估计需求曲线还是在估计供给曲线？我们无法知道所要估计的是哪一组参数，因为没有足够的信息来识别被估计的方程，这就是识别问题。2022-12-321 如果光是需求函数和供给函数，情况还简单一点，问题在于，如果 Qt=+Pt+ut Qt=+Pt+vt 两式成立，则对于任意常数和（+0），上述两式的线性组合也将成立，即()()()()ttttQPuv 2022-12-322成立。ttttvuPQ 由于和的取值可任意，则这样的方程数目实际上是无限的，它们与需求函数和供给函数具有相同的统计形式。因此，如果我们试图估

11、计一个方程,其中Q是P的函数，则我们无法得知我们估计的是这无限多个方程中的哪一个。由上可知，在对联立方程估计之前，必须解决模型的识别问题。2022-12-3239.2.2、不可识别、恰好识别和过度识别 1.可识别和不可识别方程 定义：如果对于一个方程，我们无法通过取它所在模型中各方程的线性组合的方法，得到另一个与该方程统计形式完全相同的方程，则该方程是可识别的。例1 考虑某农产品供求模型：tQ=t 1t10uP 01tQ=t2t10uP 01 将上述定义应用于农产品供求模型，由于我们得到的线性组合与需求函数和供给函数具有完全相同的统计形式，因此需求函数和供给函数都是不可识别的。2022-12-

12、324例2 在需求函数中加一个外生变量Y（消费者收入），则模型变为 tQ=t 1t2t10uYP tQ=t2t10uP 用任意常数和（+0）分别乘以上面两式的两端，然后相加，形成线性组合方程：tQ=tt2t10vYP 其中：000 111 22 t2t 1tuu 这里供给函数与线性组合方程具有不同的统计形式（包含变量不一样），因而供给函数具有唯一的统计形式，所以是能够识别的，但需求函数与线性组合方程有相同的统计形式，因而是不能识别的。2022-12-325例 3.在例 2 的模型中，供给函数中加上一个外生变量 R（降雨量），则模型变为：tQ=t 1t2t10uYP tQ=t2t2t10uRP

13、则形成的线性组合方程为：tQ=tt3t2t10vRYP 此线性组合方程与需求函数和供给函数具有不同的统计形式（包含的外生变量不相同），所以需求函数和供给函数都是可以识别的。从上面的几例可知，模型中存在的识别问题是可以消除的。我们在原模型两方程中添加不同的解释变量，就使得两个方程都从不可识别变为可识别。2022-12-326 一般来说，如果我们能够用经济理论或额外信息为联立方程组施加约束条件，则可以消除识别问题。这些约束条件可以采取各种形式，但最常用的是所谓的“零约束零约束”，即规定某些结构参数为0，也就是说，某些内生变量和外生变量不出现在某些方程之中。在上面的例3中，共有4个变量，第一个方程中

14、没有Rt，第二个方程中没有Yt，因而每个方程各有一个零约束。正是由于这个零约束，使得它们有别于用任意和形成的线性组合方程，具有独一无二的形式，因而是可识别的。2022-12-327 2.恰好识别和过度识别 可识别方程可分成恰好识别恰好识别（just-identified或exactly identified）和过度识别过度识别（over-identified）两类。如果模型中约束条件所提供的信息对于识别某个方程刚好够用，则该方程是恰好识别的，如果约束条件所提供的信息对于识别某个方程不但够用，而且有余，则该方程是过度识别的。如果一个方程是不可识别的，则它的结构参数不能被估计，也就是说，不存在估计

15、这些参数的有意义的方法。因此，模型中若有不可识别方程，则应首先消除这个问题。2022-12-3289.2.3、识别的阶条件和秩条件 1.识别的阶条件识别的阶条件 在实践中，经济模型比我们所举的简单联立方程模型例子要复杂得多。当模型中方程很多时，要确定该模型中某个方程是否可识别显然将很复杂。对于这种情况，有一些比较方便的判别准则可用。其中常用的是所谓“识别的阶条件识别的阶条件”（order condition）：模型中一个方程是可识别的必要条件是，该方程所模型中一个方程是可识别的必要条件是，该方程所不包含的模型中变量的数目大于等于模型中方程个不包含的模型中变量的数目大于等于模型中方程个数减数减1

16、，即，即KMG1.其中：K模型中的变量总数（内生变量前定变量）M该方程中所包含的变量数目 G模型中方程个数（即内生变量个数）2022-12-329 尽管识别的阶条件只是一个必要条件，也就是说，模型中任何可识别方程必定满足 KMG1,但满足该条件的方程则未必是可识别方程。但在实际应用中，为方便起见，人们往往用它来判别一个方程是否可识别，就象用一阶导数是否等于零来判别极值是否存在一样。实践中，应用识别的阶条件进行判别的准则是：若KMG1,则过度识别;若KM=G1,则恰好识别。经验表明，在绝大多数情况下，这种用法不会有多大问题，但应当明白，毕竟存在着阶条件满足而方程不可识别的情况。2022-12-3

17、302022-12-331，方程过度识别若，方程恰可识别若，方程不可识别若前定变量）变量个数（包括内生和：不包括在该方程中的数：模型中内生变量的个111mkmkmkkm结构方程识别的阶条件结构方程识别的阶条件，方方程程过过度度识识别别若若，方方程程恰恰可可识识别别若若，方方程程不不可可识识别别若若数数：模模型型中中前前定定变变量量的的个个个个数数：该该方方程程中中前前定定变变量量的的个个数数：该该方方程程中中内内生生变变量量的的111 iiiiiiiimkKmkKmkKKkm 上述识别的阶条件是该条件在实际应用中使用最广泛的一种形式，其更一般的表述形式为：模型中一个方程是可识别的必要条件是，施

18、加于该模型中一个方程是可识别的必要条件是，施加于该方程的结构参数上的约束条件的数目大于等于模型方程的结构参数上的约束条件的数目大于等于模型中方程个数减中方程个数减1，即，即R G1 其中：其中：R施加于该方程的结构参数上的约束条件施加于该方程的结构参数上的约束条件 的数目的数目 G模型中方程个数模型中方程个数 显然这种表述形式包含了前一种表述形式，是前者的推广，因为前者仅涉及系数的零约束（不包含某个变量，即其系数为0），而后者则包含了所有形式的约束。2022-12-332例 1 tQ=t 1t10uP tQ=t2t10uP K2，M1M22，G2，KM0G11 两方程都不可识别。例 2 tQ=

19、t 1t2t10YP tQ=t2t10P K3，M13，M22，G2，KM10G11，方程一不可识别，KM21G11，方程二恰好识别。例 3 tQ=t 1t2t10uYP tQ=t2t2t10uRP K4，M1M23，G2，KM1G11，方程一和方程二都恰好识别。2022-12-333例4.简单的凯恩斯收入决定模型 对于消费函数，我们有：K=3，M=2，G2，KM=1=G 1=1，因而恰好识别。对于收入恒等式，无需判别识别状态，因为恒等式通常不存在不可识别问题.ttttttICYuYC2022-12-3342.识别的秩条件识别的秩条件 另外一个准则是识别的秩条件识别的秩条件（rank cond

20、ition），这是一个充要条件，陈述如下：在一个有在一个有G个方程的模型中，其中任何一个方程是可识别个方程的模型中，其中任何一个方程是可识别的充要条件是模型中不包括在这个方程中的所有变量的系数的充要条件是模型中不包括在这个方程中的所有变量的系数矩阵的秩等于矩阵的秩等于G1。2022-12-335 应用识别的秩条件，就可以确定所考虑的方程是否可识别，这是阶条件无法做到的。可是，应用秩条件要比阶条件复杂得多，需要计算矩阵的秩，也就是计算大量的行列式。为简化计算，实际应用中可按下列步骤进行（1）将联立方程模型各方程写成模型中全部变量是 否包括其中的表格形式；（2）删去要检验可否识别的方程所在行；（3

21、）捡出该行中所有为0的元素所在列，构成一个 行数为（g1）的矩阵，其中g为内生变量的个 数；（4）如果从这个矩阵中可找出（g1）个不全为0 的行和（g1）个不全为0的列，并且不存在全 部参数值成比例的列或行，则该方程可识别，否则不可识别。2022-12-336例：例：设有宏观经济模型如下，模型中有7个内生变量，3个外生变量。内生变量 外生变量 C 实际消费 G实际政府支出 I实际投资 T实际税收 N就业 M名义货币存量 P价格水平 R利率 Y实际收入 W货币工资率2022-12-3371111122223333344455556666(cabYcTd RuIab Yd RuYCIGMabYc

22、Rd PuYab NuNabWc PuNabWc Pu消费函数）（投资方程）（恒等式）（流动性偏好函数）（生产函数）（劳动需求）（劳动供给）试判断各方程是否可识别。解：我们首先编制下表，表中1表示方程中包含相应变量，0表示不包含。2022-12-3382022-12-339 1 1 0 0 0 1 1 0 0 1 0 2 0 1 0 0 1 1 0 0 0 0 3 1 1 0 0 0 1 0 1 0 0 4 0 0 0 1 1 1 0 0 0 1 5 0 0 1 0 0 1 0 0 0 0 6 0 0 1 1 0 0 1 0 0 0 7 0 0 1 1 0 0 1 0 0 0 第3个方程是恒等

23、式，没有参数要估计，因而不需要讨论其识别问题。此模型中，方程个数为7，g1716。应用阶条件的结果是，方程1和4恰好识别，方程2、5、6、7过度识别。将秩条件应用于方程1。删去第一行，将该方程缺失的变量I,N,P,W,G,M所在列放在一起，我们得到2022-12-340 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0 0 由于此矩阵6行6列的元素不全为0，因而该方程可识别。其他方程的判别程序与此类似，读者可自行练习。可以验证，方程2、4、5也是可识别的。然而，对于方程6和7，我们无法找出6个元素不全为0

24、的行，因而根据秩条件，它们是不可识别的，尽管根据阶条件，这两个方程是过度识别的。2022-12-341教科书中介绍了一个等价的方法。以上我们讨论了识别的概念、判别方法以及解决识别问题的途径。一般而言，在实践中识别问题并不是一个出现频率很高的问题。遇到不可识别问题，往往是因为所设定的模型中含有一些无法观测的变量；或者是模型中的方程数目很少，某些行为方程中恰好用到了模型中的所有变量所致。在建立宏观经济模型时，通常不会碰到方程不可识别的问题，因为这类模型一般包含数以百计的方程，每个方程中包含的变量数目相对于模型中的变量总数来说比例很小，因而通常所有方程都是过度识别的。2022-12-3429.3、联

25、立方程模型的估计 由第一节我们得知，联立方程模型的一个特点是内生变量往往作为解释变量出现在方程中，通常与它作为解释变量的那个方程的扰动项相关。在这种情况下，使用OLS法得到的估计量既不是无偏的，又不是一致的。因此，在联立方程模型的情况下，我们一般不能再使用OLS法对模型进行估计。针对联立方程模型的特点，计量经济学家提出了很多用于联立方程模型的估计方法。这些方法分为两类：单方程方法和系统估计方法。2022-12-343单方程方法 单方程方法是对整个联立方程模型中每个方程分别进行估计的方法。当然，它不同于单方程模型的估计，因为在联立方程模型的情况下，我们还要考虑模型中其它方程对所估计方程的影响，也

26、就是说，要用到整个联立方程模型的某些信息。应用单方程法对模型中所包含的结构方程逐个进行估计，就会获得整个联立方程模型结构参数的估计值。常用的单方程方法有间接最小二乘法（ILS法）、二阶段最小二乘法（2SLS法）和有限信息极大似然法（LIML法）。2022-12-344系统估计方法 系统估计方法是对整个模型中全部结构参数同时进行估计的方法。采用系统方法对联立方程模型进行估计，可同时决定所有结构参数的估计值。常用的系统方法有三阶段最小二乘法（3SLS法）和完全信息极大似然法（FIML法）。在这里只介绍单方程方法中的间接最小二乘法；对二阶段最小二乘法进行初步的了解。2022-12-3459.3.1、

27、间接最小二乘法 （ILS法，Indirect Least Squares）1、思路 估计简化式系数 导出结构系数的估计值 由于简化式方程的解释变量均为前定变量，即外生变量或滞后内生变量，因而与现期扰动项无关。在这种情况下，采用OLS进行估计，将得到简化式系数的一致估计量。估计出简化式系数后，即可导出结构系数的估计值。这就是间接最小二乘法的思路。在扰动项 满足标准假设条件的情况下，ILS估计量是一致估计量。2022-12-346 2、具体步骤 （a）首先求出简化式方程；（b）对每一个简化式方程分别施用OLS法，得 出简化式系数的一致估计值；（c）由上一步估计出的简化式系数导出原结构 系数的估计值

28、。2022-12-347例：估计凯恩斯收入决定模型中的消费函数 解：（1）式的简化式方程为 即tCttuY （1）tttICY（2）121(4)tttCIv(3)111tttuCI2022-12-348我们有由上述二式，不难得到估计（4）式，得到1 和2的估计值 即可解出结构参数的估计值112122211121,22211,12022-12-3493、ILS法的局限性应用ILS法的前提是，被估计的结构方程必须是恰好识别的，这样才能保证估计出的简化式系数与原结构系数之间存在着一一对应的关系，以保证可得到结构参数的唯一估计值。由此可知，ILS仅适用于恰好识别方程的估计。由于这一限制并且用我们下面要

29、介绍的2SLS法估计恰好识别方程，得到的结果与ILS完全一样。ILS法实用价值有限，因此我们在此不作深入讨论。2022-12-3509.3.2、二阶段最小二乘法（2SLS法或TSLS法）1、思路 二阶段最小二乘法是我们在上一章介绍的工具变量法的一个特例。当要估计的方程中包含与扰动项相关的解释变量时，如果能找到恰当的工具变量，则可得到一致估计量。问题是在联立方程的情况下，如何找到“最好的”工具变量。我们可以考虑模型中的外生变量，它们与我们的内生变量相关（通过联立系统的相互作用），而与扰动项不相关。可是，究竟哪一个外生变量是最好的呢？这是一个很难决定的问题。2022-12-351 二阶段最小二乘法

30、的思路是将所有的外生变量结合起来产生一个复合变量，作为“最佳”工具变量。作法是将在模型中用作解释变量的每一个内生变量对模型系统中所有外生变量回归，然后用回归所得到的这些内生变量的估计值（拟合值）作为工具变量，对原结构方程应用工具变量法。将此思路加以拓展，如果作为工具变量的复合变量不仅仅由所有的外生变量结合而成，而是由所有的前定变量结合而成，效果会更好些。2022-12-3522、二阶段最小二乘法的具体步骤第一阶段：将要估计的方程中作为解释变量的每一个内生变量对联立方程系统中全部前定变量前定变量回归（即估计简化式方程），然后计算这些内生变量的估计值。第二阶段：用第一阶段得出的内生变量的估计值代替

31、方程右端的内生变量（即用它们作为这些内生变量 的工具变量），对原方程应用OLS法，以得到结 构参数的估计值。2022-12-353 3、二阶段最小二乘估计量的性质和优点 由于2SLS估计量 是一个合理的工具变量估计量，因而它是一致估计量一致估计量。蒙特卡洛研究表明，2SLS估计量的小样本性质在大多数方面优于其它估计量，并且相当稳定（即它的好性质对其它估计问题，如多重共线性、误设定的存在不敏感），再加上计算成本低，因此是估计联立方程模型的首选方法。此外，2SLS法应用于恰好识别方程的估计时，与ILS法结果完全相同，因此，2SLS法通常被应用于联立方程模型的所有可识别方程的估计。2022-12-3

32、54（3）例子 考虑以下模型收入函数：（1）货币供给函数：（2）其中：Y1 收入，Y2 货币存量 X1 投资支出，X2政府支出 应用识别的阶条件，不难看出，收入函数是不可识别的（K-M0G11），而货币供给方程是过度识别的（K-M2G11）。对于收入方程，除了改变模型设定之外，别无他途。而货币供给函数不能用ILS，因为它是过度识别的。我们用2SLS来估计之。tttttuXXYY1212111211101tttuYY21212022022-12-355第一步：估计简化式方程：t 1t22t 110t 1vXXY t1,2,n （3）得到 Y1t的估计值 t 1Y（t1,2,n）。第二步：用t 1

33、Y代替结构方程（2）式中右端的 Y1t，应用 OLS，以得到结构参数的估计值，即估计 t2t 12120t2uYY，t1,2,n （4）得到20和 21 的 2SLS 估计值 20和 21。该方程中，解释变量中有内生变量，因此我们首先要产生它的工具变量。2022-12-356 我 们修改上例中的模型，得到如下新模型 （5）（6）其中新变量含义如下：收入的一期滞后 货币供应量的一期滞后 很容易证实这两个方程都是过度识别的。应用2SLS：t 1t212t 111t21210t 1uXXYYt21t2241t 123t 12120t2uYYYY1t 1Y12 tY2022-12-357第一步：进行简

34、化式回归（即各内生变量对系统中所有前定变量回归），即估计：t 11t2141t 113t212t 11110t 1vYYXXYt21t2241t 123t222t 12120t2vYYXXY得到t 1Y和t2Y的估计值t 1Y和t2Y。第二步：在原结构方程中用t 1Y和t2Y代替方程右端的t 1Y和t2Y，进行OLS 回归，即估计t 1t212t 111t21210t 1uXXYYtttttuYYYY2122411231212022022-12-358*9.4、宏观计量经济模型 联立方程模型中，最主要的一类是宏观计量经济模型。宏观计量经济模型的研究，始于本世纪三十年代荷兰经济学家丁伯根的工作，

35、这是计量经济学最重要的应用之一。这类模型一般使用凯恩斯的框架决定国民收入（通常用GNP或GDP计量之）及其分量（如消费、投资、进出口等）以及其它一些宏观经济变量，如价格、工资、就业、失业等。宏观计量经济模型被用于计量经济学的所有三个目的：结构分析、预测和政策分析。2022-12-359一、克莱因模型I（Klein Model I）下面让我们通过克莱因模型I，简单介绍一下宏观计量经济模型的结构。该模型是著名计量经济学家 L.R.Klein 教授于上世纪40年代编制的。这是最早的宏观计量经济模型之一。采用的数据是19211941年间的美国国民经济数据，因此也称为克莱因两次大战间模型。用FIML法估

36、计好的模型如下页所示：2022-12-360)(80.003.002.078.16211tttttWWPPC1t1tttK15.0P55.0P23.079.17I)1931(13.0)(16.0)(42.060.1121121tWTYWTYWttttttttttttGICTYttIKttttWWPY21其中：Ct=私人消费，Gt=政府支出净出口，It=净投资Kt=资本存量 Pt=利润 Tt=间接税W1t=私营部门工资，W2t=公共部门工资 Yt=按要素成本计算的国民生产净值，t日历年时间2022-12-361 第一个方程是消费函数。这里，消费支出由两类收入解释：非工资收入（利润收入）和总工资收

37、入。第二个方程是投资方程，解释变量是本年和上一年的利润，以及现有的资本存量。第三个方程是工资方程,私营部门工资W1t由（YtTtW2t）本期私营部门国民生产净值，和它的一期滞后值（上一期值）和时间趋势 t 所解释，时间趋势变量通常代表技术进步、劳动生产率提高的因素。上述三个方程是行为方程，下面是三个恒等式。2022-12-362 第四个方程表明，国民生产净值（按市场价格计算的国民生产净值）等于所有支出之和：消费、投资和政府支出加净出口。第五个方程是国民收入恒等式，国民收入等于利润和工资之和（生产所产生的收入按生产的要素成本分配）。第六个方程是一个定义式，本期资本存量的变动等于净投资。2022-

38、12-363 克莱因模型中，内生变量为：Ct，It，W1t，Yt,Pt和Kt，这样6个方程构成的模型描述了两次大战间美国国民经济系统。模型很简单，显然包含了大量的简化处理。但通过此模型可以抓住美国当时经济运行的大线条。这个模型是一个很成功的模型，是宏观经济 模型的经典之作。后来许多计量经济估计方法都用此模型来检验。在上机实践中，我们也将以此模型为例学习宏观经济模型的估计和检验。2022-12-364二、宏观经济模型的历史和现状 目前活跃在各国的宏观经济模型大多产生于上世纪五、六十年代。如英国的LBS模型、NIESR模型、HMT模型、BE模型、MDM模型，美国的Wharton模型（现称WEFA模

39、型Wharton Economatric Forecasting Associates）、Brookings模型，DRI模型、INFORUM模型等，以及其它发达国家的模型。2022-12-365 这些模型经过几十年的风风雨雨，能够存活至今，表明宏观经济模型的作用已为公众所接受，在经济预测和政策分析中发挥了作用。这些模型中很多已由政府或基金资助发展到自负盈亏，以战养战。用户有政府机构和私营企业。它们定期发布预测报告，有专门机构对各模型的预测效果进行评价。2022-12-366 我国宏观经济模型研究工作的现状 我国的模型研究工作起步较迟，从上世纪八十年代起，一些政府机构和大专院校及科研机构研制了自己的宏观经济模型。有些模型发挥了较大的作用，如社科院的模型（数量经济和技术经济研究所），每年发布经济蓝皮书，对我国宏观经济进行预测。但大部分模型还需磨练，目前的主要问题是社会主义市场经济理论尚不成熟，数据也有问题。2022-12-367