用EView s 估计联立方程模型 1.EViews 提供的系统估计方法 （1）跨方程加权法(Cross-equation weighting) （2）似不相关回归法 (Seemingly Unrelated Regression．SUR ) （3）两阶段最小二乘法 （4）三阶段最小二乘法 （5）广义矩法(GMM) （一共有 8 种方法） 2.系统方程的建立与估计 （1）建立系统方程工作文件或打开一个已存在的工作文件． 2. 系统模型的建立 点击 Objects-New-System，在打开的对话框中给系统方程命名．点击OK 出现如图所视的对话框，然后可以将系统方程直接键入窗口．系统方程中的方程应当是行为方程式（需要估计参数的方程）． 例如包含两个方程的系统方程，可以在对话框中输入如下的方程 3. 估计方程 点击系统窗口工具栏中Estimate 功能键，出现如下对话框 如果选择两阶段最小二乘法，应在方程对话框中在键入工具变量 y=c(1)+c(2)*x+c(3)*y(-1)+c(4)*z x=c(5)+c(6)*y+c(7)*z(-1) INST Y Y(-1) X Z 对话框提供了8 种估计方法，选择两阶段最小二乘法，点击OK． 得到如下的输出结果 System: UNTITLED Estimation Method: Two-Stage Least Squares Date: 11/23/05 Time: 19:47 Sample: 2 248 Included observations: 247 Total system (balanced) observations 494 Instruments: Y Y(-1) X Z C Coefficient Std. Error t-Statistic Prob. C(1) -860.3344 293.0996 -2.935297 0.0035 C(2) 0.155681 0.034374 4.529044 0.0000 C(3) 0.832925 0.020329 40.97300 0.0000 C(4) 1941557. 690610.1 2.811365 0.0051 C(5) 7569.148 219.1231 34.54290 0.0000 C(6) 0.532777 0.057813 9.215462 0.0000 C(7) -17478498 565949.9 -30.88347 0.0000 Determinant residual covariance 1960996. Equation: Y=C(1)+C(2)*X+C(3)*Y(-1)+C(4)*Z Observations: 247 R-squared 0.990558 Mean dependent var 1942.944 Adjusted R-squared 0.990441 S.D. dependent var 226.2892 S.E. of regression 22.12439 Sum squared resid 118945.8 Durbin-Watson stat 1.525904 Equation: X=C(5)+C(6)*Y+C(7)*Z(-1) Observations: 247 R-squared 0.981143 Mean dependent var 5197.016 Adjusted R-squared 0.980989 S.D. dependent var 523.0837 S.E. of regression 72.12362 Sum square...
