方程估计出来后，就可求解模型得到内生变量的历史模拟值和预测值，称为联立方程模型的模拟和预测。模拟所用的模型中，既包括估计好参数的行为方程，也包括恒等式。EViews中，用对象Model来表示联立方程模型。
在EViews窗口的主菜单选Object→New Object，在弹出的对话框中，选择Model，并给模型命名，如mod1，点击OK，这时打开模型对象窗口，然后将方程直接键入窗口。或者可以在估计方程的系统窗口（如图62）中，点击功能键Proc→Make Model，也直接弹出模型对话框。
一、设定模型
下面以3SLS方法估计出来的方程为例，继续往下求解模型。按上段两种方法的后一种，即在用3SLS估计方程后，在该系统窗口中点击功能键Proc→Make Model，弹出Model对话框如图1014所示。
图1014
在图中点击任何一处按右键，选择Insert...，则弹出另一处窗口，输入恒等式，如图1015所示。
图1015
点击OK后，弹出窗口如图1016所示。
图1016
二、求解模型
点击Model窗口中Proc→Make Solve，则弹出如图1017所示的窗口，输入模型求解的区间，其余按默认选项，点击OK即可。这时模型所有内生变量的估计值都会自动地放在名为*_0的序列中，如ct的估计值的序列名为ct_0，yt的估计值序列名为yt_0。此时Model窗口中会给出一些模型求解的信息，如区间、迭代的次数等。
图1017
经整理，各内生变量的模拟值如表103所示。
表103各内生变量的模拟值（预测值）
YearCT_0IT_0KT_0PT_0WSUM_0WT_0XT_0YT_0
192246.662.09184.6918.2232.7329.8351.9548.05
192351.736.07190.7621.3637.4534.5560.6155.91
192455.726.88197.6423.9441.4538.3566.0962.29
192557.757.66205.3022.7543.6640.4668.7163.21
192656.485.49210.7918.6442.9339.6365.2758.27
192753.001.20211.9915.1839.9236.3258.2051.50
192849.58-2.03209.9614.8936.3632.6651.7547.55
192948.93-1.93208.0315.6335.4831.4851.1047.10
193050.27-0.56207.4714.1537.2633.0654.9147.21
193151.23-1.66205.8113.9138.8534.0555.4647.96
193251.51-1.26204.5512.7039.4634.1655.1546.85
193350.84-2.20202.3413.8438.7033.1052.3446.94
193452.14-0.80201.5414.5440.0034.0055.3448.54
193553.77-0.10201.4415.1341.8435.7458.0750.87
193655.530.62202.0614.0244.1336.7359.0550.75
193755.02-0.67201.3915.0843.5736.8758.6551.95
193857.670.09201.4816.9246.4438.7463.0655.66
193960.681.48202.9617.9349.7341.9368.7659.86
194063.051.94204.9018.3052.4944.4972.3862.78
194167.791.19206.0921.7257.9649.4682.7971.19
在Model窗口中点击Proc→Make Graph...，则弹出如图1018所示窗口。
图1018
在图1018中，在Model Variables选择Endogenous Variables，在Graph Series中选择Actuals和Active，点击OK，则会出现各内生变量历史值与模拟值的比较图，如图1019所示。
图1019
本章小结
1. 结构式模型中的每一个方程都是一个结构方程。其基本形式是：将一个内生产变量表示为其他内生变量、前定变量和随机误差项的函数形式；一个结构式模型中，假定有g个内生变量、k个前定变量、g个结构方程，则称这样的模型为完备的结构模型。在完备的结构式模型中，独立的结构议程的个数等于模型包含的内生变量的个数。
2. 简化式模型就是把结构式模型中的内生变量表示为前定变量和随机误差项的函数的模型。简化式模型是从结构式模型直接导出的。简化式模型中的系数称为简化式参数。它反映相应的前定变量（解释变量）对内生变量（被解释变量）的直接与间接影响的总和。
3. 简化式参数与结构参数的联系与区别：① 简化式参数表现为结构参数的非线性函数；② 简化式参数反映方程中的解释变量对被解释变量的直接和间接影响之和，结构参数仅仅反映直接影响；③ 通常情况下，简化式参数可以用最小二乘法来估计，结构参数则不可以。
思考与练习
1. 表1是1978—2003年我国宏观经济历史数据，表中给出了国民生产总值GDP，消费C，投资I，政府支出G。
表11978—2003年我国宏观经济历史数据单位：亿元
年份YCIG
19783605.62239.11377.9480
197940742619.41474.2614
19804551.32976.11590659
19814901.43309.11581705
19825489.23637.91760.2770
19836076.34020.52005838
19847164.44694.52468.61020
19858792.1577333861184
198610132.8654238461367
198711784.77451.243221490
1988147049360.154951727
19891646610556.560952033
199018319.511365.264442252
199121280.413145.975172830
199225863.715952.196363492.3
199334500.720182149984499.7
199446690.72679619260.65986.2
199558510.533635238776690.5
199668330.440003.926867.27851.6
199774894.243579.428457.68724.8
续表
年份YCIG
199879003.346405.929545.99484.8
199982673.149722.730701.610388.3
200089340.954600.932499.811705.3
200198592.958927.437460.813029.3
2002107897.662798.542304.913916.9
2003121511.467422.551382.714764
设定模型为：
消费方程：Ct=α0+ α1Yt+α2Ct-1+u1t
投资方程：It=β0+β1 Yt+β2It-1+u2t
收入方程：Yt=Ct + It + Gt
试判断消费方程、投资方程均为过度识别，用两阶段最小二乘法进行估计未知参数。
2. 以表2所示的中国的实际数据为资料，估计下面的联立模型。
Yt=β0+β1Mt+γ1Ct+γ2It+u1t
Mt=α0+α1Yt+γ3Pt+u2t
表2
年份货币于准货币
M2/亿元国内生产总值
GDP/亿元居民消费价格指数
P(1978为100)居民消费
CONS/亿元固定投资
I/亿元
199015293.418319.5165.29113.24517
199119349.921280.4170.810315.95594.5
199225402.225863.7181.712459.88080.1
199334879.834500.7208.415682.413072.3
199446923.546690.7258.620809.817042.1
199560750.558510.5302.826944.520019.3
199676094.968330.4327.932152.322913.5
199790995.374894.2337.134854.624941.1
1998104498.579003.3334.436921.128406.2
1999119897.982673.1329.739334.429854.7
2000134610.389112.533142911.932917.7
第11章时间序列模型
第11章时间序列模型
【实验目的】
1. 掌握时间序列数据的平稳性检验。
2. 掌握协整检验的过程。
3. 掌握误差修正模型的构建。
【实验内容一】
表111给出了1978—2006年中国居民消费价格指数ＣＰＩ (1990年=100)。
表1111978—2006年中国居民消费价格指数
年份ＣＰＩ年份ＣＰＩ年份ＣＰＩ
197846.21198882.31998202.59
197947.071989971999199.72
198050.6219901002000200.55
198151.91991103.422001201.94
198252.951992110.032002200.32
1983541993126.22003202.73
198455.471994156.652004210.63
198560.651995183.412005214.42
198664.571996198.662006217.65
198769.31997204.21
(1) 做出时间序列ＣＰＩ的样本相关图，并通过图形判断该序列时间序列的平稳性。
(2) 对ＣＰＩ序列进行单位根检验，以进一步明确它们的平稳性。
(3) 检验ＣＰＩ的单整性。
(4) 尝试建立ＣＰＩ的ＡＲＩＭＡ模型。
【实验步骤】