馬克威軟件介紹

1、 上海天律信息技術有限公司基于工作流的操作方式。圖形化的操作界面，無須任何編程。高性能運行，支持海量數(shù)據(jù)和多種數(shù)據(jù)源，突破傳統(tǒng)Java速度限制。 跨平臺運行。支持多國語言?；貧w方程模型檢驗系數(shù)檢驗殘差檢驗模型穩(wěn)定性檢驗支持變量輸入方式，大大增加了建模的靈活性增加了X-12-Arima季節(jié)調(diào)整增加了聯(lián)立方程的估計和模擬單方程估計方法（2SLS）系統(tǒng)估計方法(3SLS)情景分析和附加因子模擬廣義回歸加權最小二乘估計；二階段最小二乘估計；White異方差一致協(xié)方差；Newey-West異方差自相關一致協(xié)方差；增加AR(P)項解決自相關模型。時差相關分析、T-L 信息量。？成功案例。節(jié)點選擇器工作區(qū)屬

2、性管理器下拉菜單臨時文件路徑生成簡單工作流默認數(shù)據(jù)源一個簡單工作流的自動生成工作區(qū)工作區(qū)是工作頁面的主體，用于放置、操作工作流節(jié)點。在工作區(qū)，用戶可以添加、刪除、連接節(jié)點形成工作流，也可以命名工作流中的節(jié)點。節(jié)點選擇器節(jié)點選擇器在工作區(qū)的左側(cè)，用戶根據(jù)需要從中選擇節(jié)點拖拽至工作區(qū)加以運用。根據(jù)功能不同將節(jié)點劃分為“數(shù)據(jù)源”、“數(shù)據(jù)處理”、“基礎統(tǒng)計”、“高級統(tǒng)計”、“數(shù)據(jù)挖掘”、“數(shù)據(jù)制圖”以及“指向”、“運行”幾大部分。屬性管理器屬性管理器位于工作頁面的最下層，用來顯示當前活動節(jié)點的相關屬性，并提供屬性編輯功能。當沒有活動節(jié)點時，屬性管理器顯示“使用說明”，提供用戶自由設定工作區(qū)背景的功能，

3、并支持用戶以向?qū)Х绞浇⒐ぷ髁?。簡單工作流選擇數(shù)據(jù)源：選擇數(shù)據(jù)源：用戶可在節(jié)點選擇器中選擇相應節(jié)點，并拖拽至工作區(qū)；選擇算法：選擇算法：用戶可以從節(jié)點選擇器中選取需要的算法節(jié)點或數(shù)據(jù)處理節(jié)點，拖拽至工作區(qū)；選擇運行節(jié)點：選擇運行節(jié)點：完成了選擇數(shù)據(jù)源和算法（或數(shù)據(jù)處理方式）后，需要拖拽“運行”節(jié)點至工作區(qū)，用于運行工作流。節(jié)點連線：節(jié)點連線：選擇了數(shù)據(jù)源、算法和運行節(jié)點之后，將鼠標移至這些節(jié)點的邊緣，當指針變?yōu)槭植妫ǎr，可以進行節(jié)點連線操作，構成一個完整的工作流。馬克威分析系統(tǒng)采用多線程處理方式，允許多個業(yè)務流程并發(fā)運行，在減少工作周期的同時，大大提高了工作效率，多節(jié)點工作流分為：串聯(lián)工作

4、流和并聯(lián)工作流。串聯(lián)工作流是指在一個業(yè)務流程中，根據(jù)用戶連接節(jié)點的順序，依次運行多個算法（處理）節(jié)點，得到一個最終結果。并聯(lián)工作流是指將多個業(yè)務流程以“并聯(lián)”的方式連接到一個工作流中。共享數(shù)據(jù)源的并聯(lián)工作流共享運行節(jié)點的并聯(lián)工作流共享數(shù)據(jù)源和運行節(jié)點的并聯(lián)工作流點擊工作區(qū)工作流向?qū)Э梢苑奖愕亟⒁粋€串聯(lián)工作流工作流向?qū)?shù)據(jù)源選擇數(shù)據(jù)處理選擇算法選擇完成完整工作流1、連接了數(shù)據(jù)源節(jié)點、至少一個算法（或數(shù)據(jù)處理）節(jié)點和運行節(jié)點。2、所有的節(jié)點都進行了必要的設置。雙擊運行接點既可啟動工作流運行樹結構結果輸出一旦建立了工作流，工作流可以被保存起來，以便以后的使用。保存工作流重載工作流移植工作流馬克威工

5、作流文件以（*.mwf）的形式被保存 在單機版的結果頁面中，所有結果都可以保存為結果在單機版的結果頁面中，所有結果都可以保存為結果文件的形式，供用戶直接查看結果，提高了成果利用率，文件的形式，供用戶直接查看結果，提高了成果利用率，避免多次建立、運行工作流。避免多次建立、運行工作流。馬克威分析系統(tǒng)單機版支持將結果保存為馬克威分析系統(tǒng)單機版支持將結果保存為PDF、Excel、網(wǎng)頁（網(wǎng)頁（html）等文件格式。當活動界面為結果頁面時，等文件格式。當活動界面為結果頁面時，通過通過“文件文件”菜單下的菜單下的“另存為另存為”功能保存結果文件。功能保存結果文件。注意：在保存結果時，系統(tǒng)只對詳細展示的結果進

6、行保注意：在保存結果時，系統(tǒng)只對詳細展示的結果進行保存。存。馬克威文件數(shù)據(jù)庫(Oracle、Sybase、DB2、SQL Server等。)TXT文本文件Excel電子表文件dbf FoxBase文件Odbc.oledb數(shù)據(jù)的導入和連接用戶輸入通用數(shù)據(jù)源安裝要求系統(tǒng)兼容Windows、 Linux、Unix等操作系統(tǒng)。推薦配置要求 內(nèi)存：1G以上 顯示器：15寸或17寸以上CRT/LCD 硬盤：1G或以上的剩余空間 CPU：Intel或AMD系列，頻率1GHz或更高配置系統(tǒng)安裝將光盤插入光驅(qū)既可進行安裝，序列號見光盤包裝。一個簡單的回歸方程馬克威操作協(xié)整和誤差修正模型因子分析模型聯(lián)立方程模型單

7、位根過程及其檢驗單位根過程及其檢驗單整單整協(xié)整關系和協(xié)整檢驗協(xié)整關系和協(xié)整檢驗誤差修正模型誤差修正模型實例介紹實例介紹l考察隨機過程 若 其中 ， 為一穩(wěn)定過程，且 ， ， ，則稱該過程為單位根過程（Unit Root Process）。若 ，其中 1 獨立同分布，且 ， ，即 ，則稱 為一隨機游動過程。 ，21tYttttYY11t0）（ttsttCov）（ , 210，stttYY1t0）（t2）（tD ，21tYt）（2, 0iidt馬克威軟件提供三種單位根檢驗方法ADF檢驗PP檢驗KPSS檢驗tpiitittuyyy11 tpiitittuyayy11 tpiitittuytayy11

8、 非平穩(wěn)序列非平穩(wěn)序列yt ，可以通過差分運算，得到平穩(wěn)，可以通過差分運算，得到平穩(wěn)性的序列稱為性的序列稱為。定義如。定義如下：下：如果序列如果序列 yt ，通過，通過 d 次差分成為一個平次差分成為一個平穩(wěn)序列，而這個序列差分穩(wěn)序列，而這個序列差分 d 1 次時卻不平穩(wěn)，次時卻不平穩(wěn)，那么稱序列那么稱序列 yt為為 d 階單整序列，記為階單整序列，記為 yt I(d)。特別地，如果序列特別地，如果序列 yt本身是平穩(wěn)的，則為零階本身是平穩(wěn)的，則為零階單整序列，記為單整序列，記為 yt I(0)。協(xié)整關系:研究變量之間是否存在長期均衡關系。下面給出協(xié)整的定義： k 維向量 Yt = (y1t，

9、y2t，ykt) 的分量間被稱為d,b階協(xié)整，記為Yt CI (d，b)，如果滿足： (1) y1t，y2t，ykt都是 d 階單整的，即YtI (d)，要求 Yt 的每個分量 yit I (d)； (2) 存在非零向量 = (1, 2 , , k )，使得 YtI (d-b)，0bd 。 簡稱 Yt 是協(xié)整的，向量 又稱為協(xié)整向量。 (2) 協(xié)整變量必須具有相同的單整階數(shù)；協(xié)整變量必須具有相同的單整階數(shù)；(3) 最多可能存在最多可能存在 k-1個線性無關的協(xié)整向量個線性無關的協(xié)整向量 ( yt 的維數(shù)的維數(shù)是是 k )；(4) 協(xié)整變量之間具有共同的趨勢成分，在數(shù)量上成比協(xié)整變量之間具有共同

10、的趨勢成分，在數(shù)量上成比例例 。協(xié)整檢驗從檢驗的對象上可以分為兩種：一種是基于回歸協(xié)整檢驗從檢驗的對象上可以分為兩種：一種是基于回歸系數(shù)的協(xié)整檢驗，如系數(shù)的協(xié)整檢驗，如Johansen協(xié)整檢驗；另一種是基于回協(xié)整檢驗；另一種是基于回歸殘差的協(xié)整檢驗，歸殘差的協(xié)整檢驗，DF檢驗和檢驗和ADF檢驗。檢驗。這里主要介紹這里主要介紹Engle和和Granger（1987）提出的協(xié)整檢驗方）提出的協(xié)整檢驗方法。法。從協(xié)整理論的思想來看，自變量和因變量之間存在協(xié)從協(xié)整理論的思想來看，自變量和因變量之間存在協(xié)整關系。整關系。 也就是說，因變量能被自變量的線性組合所解釋，兩也就是說，因變量能被自變量的線性組合

11、所解釋，兩者之間存在穩(wěn)定的均衡關系，因變量不能被自變量所解釋者之間存在穩(wěn)定的均衡關系，因變量不能被自變量所解釋的部分構成一個殘差序列，這個殘差序列應該是平穩(wěn)的。的部分構成一個殘差序列，這個殘差序列應該是平穩(wěn)的。 因此，檢驗一組變量（因變量和解釋變量）之間是因此，檢驗一組變量（因變量和解釋變量）之間是否存在協(xié)整關系等價于檢驗回歸方程的殘差序列是否是一否存在協(xié)整關系等價于檢驗回歸方程的殘差序列是否是一個平穩(wěn)序列。通常地，可以應用上節(jié)中的個平穩(wěn)序列。通常地，可以應用上節(jié)中的ADF檢驗來判檢驗來判斷殘差序列的平穩(wěn)性，進而判斷因變量和解釋變量之間的斷殘差序列的平穩(wěn)性，進而判斷因變量和解釋變量之間的協(xié)整關

12、系是否存在。協(xié)整關系是否存在。 （1 1）若）若k k個序列個序列y y1 1t t 和和y y2 2t t，y y3 3t t，y yktkt都是都是1 1階單整序列，階單整序列， 建立回歸方程建立回歸方程 模型估計的殘差為模型估計的殘差為 tktktttuyyyy33221ktkttttyyyyu33221（2）檢驗殘差序列）檢驗殘差序列t是否平穩(wěn)，也就是判斷序列是否平穩(wěn)，也就是判斷序列t是否含有單位根。通常用是否含有單位根。通常用ADF檢驗來判斷殘差序列檢驗來判斷殘差序列t是否是平穩(wěn)的。是否是平穩(wěn)的。（3）如果殘差序列）如果殘差序列t是平穩(wěn)的，則可以確定回歸方是平穩(wěn)的，則可以確定回歸方程

13、中的程中的k個變量（個變量（y1t，y2t，y3t，ykt）之間存在協(xié)）之間存在協(xié)整關系，并且協(xié)整向量為整關系，并且協(xié)整向量為 ；否則；否則（y1t，y2t，y3t，ykt）之間不存在協(xié)整關系。）之間不存在協(xié)整關系。 ), 1 (32k 協(xié)整檢驗的目的是決定一組非穩(wěn)定序列的線性組合是協(xié)整檢驗的目的是決定一組非穩(wěn)定序列的線性組合是否具有協(xié)整關系，也可以通過協(xié)整檢驗來判斷線性回歸方否具有協(xié)整關系，也可以通過協(xié)整檢驗來判斷線性回歸方程設定是否合理、穩(wěn)定，這兩者的檢驗思想和過程是完全程設定是否合理、穩(wěn)定，這兩者的檢驗思想和過程是完全相同的。相同的。 利用利用ADF的協(xié)整檢驗方法來判斷殘差序列是否平穩(wěn)，

14、的協(xié)整檢驗方法來判斷殘差序列是否平穩(wěn)，如果殘差序列是平穩(wěn)的，則回歸方程的設定是合理的，說如果殘差序列是平穩(wěn)的，則回歸方程的設定是合理的，說明回歸方程的因變量和解釋變量之間存在穩(wěn)定的均衡關系。明回歸方程的因變量和解釋變量之間存在穩(wěn)定的均衡關系。反之，說明回歸方程的因變量和解釋變量之間不存在穩(wěn)定反之，說明回歸方程的因變量和解釋變量之間不存在穩(wěn)定均衡的關系，即便參數(shù)估計的結果很理想，這樣的一個回均衡的關系，即便參數(shù)估計的結果很理想，這樣的一個回歸也是沒有意義的，模型本身的設定出現(xiàn)了問題，這樣的歸也是沒有意義的，模型本身的設定出現(xiàn)了問題，這樣的回歸是一個回歸是一個。 根據(jù)Engle定理，如果一組變量之

15、間有協(xié)整關系，則協(xié)整回歸總是能被轉(zhuǎn)換為誤差修正模型（：Error Correction Model）。協(xié)整關系只是反映了變量之間的長期均衡關系，誤差修正模型的使用就是為了建立短期的動態(tài)模型以彌補長期靜態(tài)模型的不足，它即能反映不同的時間序列間的長期均衡關系，又能反映短期偏離向長期均衡修正的機制。 itdixiitdiyitXYcY01ADL模型通過參數(shù)變換可改寫成誤差修正模型。ADL模型模型誤差修正模型誤差修正模型)(111011txtyxitdixiitdiyitXYXYcYtttuxkky10 最常用的最常用的ECMECM模型的估計方法是模型的估計方法是，其基本思想如下：，其基本思想如下：

16、第一步是求模型：第一步是求模型： 的的OLSOLS估計，又稱協(xié)整回歸，得到及殘差序列估計，又稱協(xié)整回歸，得到及殘差序列：tttxkkyu10第二步是用第二步是用 t-t-1 1 替換誤差修正模型中的長期均衡項替換誤差修正模型中的長期均衡項1101ttxkky即對即對ttttxuy210再用再用OLSOLS方法估計其參數(shù)。方法估計其參數(shù)。注意，誤差修正模型不再單純地使用變量的水平值注意，誤差修正模型不再單純地使用變量的水平值（指變量的原始值）或變量的差分建模，而是把兩者（指變量的原始值）或變量的差分建模，而是把兩者有機地結合在一起，充分利用這兩者所提供的信息。有機地結合在一起，充分利用這兩者所提

17、供的信息。 本例選擇本例選擇19901990年年1 1月月20072007年年1212月的月度數(shù)據(jù)進行實月的月度數(shù)據(jù)進行實證析，其中用證析，其中用f_extf_ext表示財政支出，表示財政支出，f_intf_int表示財政收入。表示財政收入。步驟一：用X12對原數(shù)據(jù)進行季節(jié)調(diào)整得到f_ext_tc和和f_int_tc步驟二：單位根檢驗：判斷是否是同階單整。步驟三：用E.G兩步法建立誤差修正模型。對財政收入和財政支出進行季節(jié)調(diào)整 首先建立財政收入和財政支出的協(xié)整方程：首先建立財政收入和財政支出的協(xié)整方程：tttusainfsaexf)_ln(953. 04 . 0)_ln(tttusainfkk

18、saexf)_log()_log(10二個變量取對數(shù)一階差分后平穩(wěn)，二個變量都是I(1)估計得到估計得到t = (6.25) (101.5)R2 = 0.98 D.W. =1.47 令令ecmecmt t = = t t ，即將協(xié)整方程的殘差序列，即將協(xié)整方程的殘差序列 t t 作為誤差修作為誤差修正項，建立下面的誤差修正模型：正項，建立下面的誤差修正模型：tttttsainfnsainfsaexfsaexf)_(log)_log(953. 04 . 0)_ln()_log(1110估計得到dlog(f_ex_sa) = 0.0084+0.37*dlog(f_in_sa)-0.38*resid

19、(-1) t = (1.45) ( 7.01) （9.14） R2 = 0.31 D.W. =2.45回歸中的長期均衡方程中財政收入的系數(shù)為回歸中的長期均衡方程中財政收入的系數(shù)為0.950.95，接近，接近1 1，體，體現(xiàn)了我國財政收支現(xiàn)了我國財政收支“量入為出量入為出”的原則。而在表示的誤差修的原則。而在表示的誤差修正模型中，差分項反映了短期波動的影響。財政支出的短期正模型中，差分項反映了短期波動的影響。財政支出的短期變動可以分為兩部分：一部分是短期財政收入波動的影響；變動可以分為兩部分：一部分是短期財政收入波動的影響；一部分是財政收支偏離長期均衡的影響。誤差修正項一部分是財政收支偏離長期均

20、衡的影響。誤差修正項ecmecmt t 的的系數(shù)的大小反映了對偏離長期均衡的調(diào)整力度。從系數(shù)估計系數(shù)的大小反映了對偏離長期均衡的調(diào)整力度。從系數(shù)估計值（值（ 0.380.38）來看，當短期波動偏離長期均衡時，將以）來看，當短期波動偏離長期均衡時，將以（ 0.380.38）的調(diào)整力度將非均衡狀態(tài)拉回到均衡狀態(tài)。）的調(diào)整力度將非均衡狀態(tài)拉回到均衡狀態(tài)。被解釋變量的變動是由較穩(wěn)定的長期趨被解釋變量的變動是由較穩(wěn)定的長期趨勢和短期波動所決定的，短期內(nèi)系統(tǒng)對于均衡狀態(tài)的偏勢和短期波動所決定的，短期內(nèi)系統(tǒng)對于均衡狀態(tài)的偏離程度的大小直接導致波動振幅的大小。離程度的大小直接導致波動振幅的大小。協(xié)整關系式起到

21、引力線的作用，將非協(xié)整關系式起到引力線的作用，將非均衡狀態(tài)拉回到均衡狀態(tài)。均衡狀態(tài)拉回到均衡狀態(tài)。概述： 因子分析的實質(zhì)就是用幾個潛在的但不能觀察的互因子分析的實質(zhì)就是用幾個潛在的但不能觀察的互不相關的隨機變量去描述許多變量之間的相關關系（或不相關的隨機變量去描述許多變量之間的相關關系（或者協(xié)方差關系），這些隨機變量被稱為因子。為了使得者協(xié)方差關系），這些隨機變量被稱為因子。為了使得這些因子能很好的替代原始數(shù)據(jù)，需要對這些因子給出這些因子能很好的替代原始數(shù)據(jù)，需要對這些因子給出合理的解釋。同時為了使用這些因子，還需要對提取結合理的解釋。同時為了使用這些因子，還需要對提取結果進行評價。果進行評價

22、。 可以簡單將因子分析的目標概括為以下幾方面：可以簡單將因子分析的目標概括為以下幾方面：（1）首先考慮是否存在較少的不相關的隨機變量可用于首先考慮是否存在較少的不相關的隨機變量可用于 1 1 描述原始變量之間的關系；描述原始變量之間的關系；（2 2）如果存在公共因子，那么究竟應該選擇幾個；）如果存在公共因子，那么究竟應該選擇幾個；（3 3）對提取的公共因子的含義進行解釋；）對提取的公共因子的含義進行解釋；（4 4）評價每一個原始變量與公共因子之間的關系；）評價每一個原始變量與公共因子之間的關系；（5 5）可以將這些公共因子用于其他的統(tǒng)計分析）可以將這些公共因子用于其他的統(tǒng)計分析。 假如對某一問

23、題的研究涉及假如對某一問題的研究涉及 p p 個指標，且這個指標，且這 p p 個指個指標之間存在較強的相關性，則基本的因子模型可以表示為標之間存在較強的相關性，則基本的因子模型可以表示為pmpmpppmmmmFlFlFlZFlFlFlZFlFlFlZ2211222221212112121111稱上式）中稱上式）中F F1 1, , F F2 2, , , , F Fm m為公共因子，為公共因子， 1 1, , 2 2, , , , p p 表示表示特殊因子，其中包含了隨機誤差，特殊因子，其中包含了隨機誤差， i i 只與第只與第 i i 個變量個變量 Z Zi i 有關，有關， l liji

24、j 稱為第稱為第 i i 個變量個變量 Zi Zi 在第在第 j j 個因子個因子 F Fj j 上的上的載荷（因子載荷），由其構成的矩陣載荷（因子載荷），由其構成的矩陣 L L 稱為因子載荷矩陣。稱為因子載荷矩陣。 影響居民消費價格指數(shù)影響居民消費價格指數(shù)(CPI)波動的因素波動的因素成本因素成本因素貨幣發(fā)行量貨幣發(fā)行量需求需求財富財富國際因素國際因素 指標： 選擇選擇1515個經(jīng)個經(jīng)濟變量，采用因濟變量，采用因子分析方法分析子分析方法分析各因素對物價波各因素對物價波動的影響。動的影響。注：表中加“*”的指標由于存在明顯的季節(jié)要素，需要進行季節(jié)調(diào)整指標名稱指標名稱 CPI居民消費價格指數(shù)居民

25、消費價格指數(shù)(CPI)成本因素成本因素 原材料、燃料、動力購進價格指數(shù)原材料、燃料、動力購進價格指數(shù)工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)農(nóng)副產(chǎn)品類購進價格指數(shù)農(nóng)副產(chǎn)品類購進價格指數(shù)商品房銷售價格指數(shù)商品房銷售價格指數(shù) * *工業(yè)企業(yè)成本費用利潤率工業(yè)企業(yè)成本費用利潤率需求因素需求因素 全部從業(yè)人員人均報酬增速全部從業(yè)人員人均報酬增速 * *城鎮(zhèn)家庭人均可支配收入增速城鎮(zhèn)家庭人均可支配收入增速 * *貨幣因素貨幣因素 外匯儲備同比增速外匯儲備同比增速貨幣乘數(shù)貨幣乘數(shù) * *M2增速增速 * *GDP增長率增長率 * *國際因素國際因素 G7工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)G7支出法支出法GD

26、P同比增速同比增速股價指數(shù)股價指數(shù)上證收盤綜合指數(shù)同比增速上證收盤綜合指數(shù)同比增速 樣本區(qū)間為樣本區(qū)間為20002000年年1 1季度季度20082008年年3 3季度。季度。數(shù)據(jù)來源中國經(jīng)濟信息網(wǎng)數(shù)據(jù)來源中國經(jīng)濟信息網(wǎng)宏觀月度庫宏觀月度庫對原始數(shù)據(jù)的預處理；對原始數(shù)據(jù)的預處理；對需要做季節(jié)調(diào)整的數(shù)據(jù)進行季節(jié)調(diào)整；對需要做季節(jié)調(diào)整的數(shù)據(jù)進行季節(jié)調(diào)整；絕對數(shù)據(jù)要轉(zhuǎn)化為相對數(shù)據(jù)。絕對數(shù)據(jù)要轉(zhuǎn)化為相對數(shù)據(jù)。建立工作流打開工作數(shù)據(jù)文件；設置參數(shù)運行選擇變量分析方法：主成分法、主因子法、鏡像法、 1111111111極大似然法、一般最小二乘法。分析對象：相關系數(shù)矩陣、協(xié)方差矩陣。提取準則：累計貢獻率大于

27、90%、提取因子個數(shù)因子旋轉(zhuǎn)：不旋轉(zhuǎn)、方差極大正交旋轉(zhuǎn)、平均 正交旋轉(zhuǎn)、四次方平均正交旋轉(zhuǎn)。統(tǒng)計量輸出設置因子因子特征根特征根方差貢獻率方差貢獻率% %累計貢獻率累計貢獻率% %1 16.34956.349542.329842.329842.329842.32982 22.86262.862619.08419.08461.413861.41383 32.0882.08813.919713.919775.333575.33354 41.5831.58310.553610.553685.887285.8872特征值和累計貢獻率特征根的碎石圖提取值提取值CPICPI居民消費價格指數(shù)居民消費價格指數(shù)0

28、.9010.901RMPIRMPI原材料、燃料、動力購進價格指數(shù)原材料、燃料、動力購進價格指數(shù)0.96580.9658PPIPPI工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)0.95630.9563APIAPI農(nóng)副產(chǎn)品類購進價格指數(shù)農(nóng)副產(chǎn)品類購進價格指數(shù)0.66720.6672hpi_tchpi_tc商品房銷售價格指數(shù)商品房銷售價格指數(shù)0.88040.8804CPMCPM工業(yè)企業(yè)成本費用利潤率工業(yè)企業(yè)成本費用利潤率0.86340.8634INCR_AQ_TCINCR_AQ_TC全部從業(yè)人員人均報酬增速全部從業(yè)人員人均報酬增速0.88560.8856INCR_UQ_TCINCR_UQ_TC城鎮(zhèn)家庭人均可

29、支配收入增速城鎮(zhèn)家庭人均可支配收入增速0.90940.9094RESRRESR外匯儲備同比增速外匯儲備同比增速0.82980.8298b_tcb_tc貨幣乘數(shù)貨幣乘數(shù)0.82130.8213M2R_TC M2R_TC M2增速增速0.72780.7278gdpr_tc gdpr_tc GDP增長率增長率0.93290.9329PPI_G7 PPI_G7 G7工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)0.82440.8244gdpr_g7 gdpr_g7 G7支出法支出法GDP同比增速同比增速0.81040.8104szrszr上證收盤綜合指數(shù)同比增速上證收盤綜合指數(shù)同比增速0.90770.9077共

30、性方差矩陣最大提取最小提取指標名稱指標名稱 F1載荷載荷li1F2載荷載荷li2F3載荷載荷li3F4載荷載荷li4CPI居民消費價格指數(shù)居民消費價格指數(shù)(CPI)-0.150.39-0.15成本成本因素因素原材料、燃料、動力購進價格指數(shù)原材料、燃料、動力購進價格指數(shù)-0.54-0.17-0.14工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)-0.51-0.08-0.14農(nóng)副產(chǎn)品類購進價格指數(shù)農(nóng)副產(chǎn)品類購進價格指數(shù)-0.21-0.21-0.01商品房銷售價格指數(shù)商品房銷售價格指數(shù)0.12-0.06-0.18工業(yè)企業(yè)成本費用利潤率工業(yè)企業(yè)成本費用利潤率0.24-0.180.06需求需求因素因素全部從業(yè)人員

31、人均報酬增速全部從業(yè)人員人均報酬增速0.270.37-0.13城鎮(zhèn)家庭人均可支配收入增速城鎮(zhèn)家庭人均可支配收入增速0.41-0.05貨幣貨幣因素因素外匯儲備同比增速外匯儲備同比增速0.48-0.46-0.23貨幣乘數(shù)貨幣乘數(shù)0.44-0.560.31M2增速增速0.22-0.19-0.19GDP增長率增長率0.300.000.40國際國際因素因素G7工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)-0.560.19-0.13G7支出法支出法GDP同比增速同比增速0.19-0.50-0.18股價指數(shù)股價指數(shù)上證收盤綜合指數(shù)同比增速上證收盤綜合指數(shù)同比增速0.250.200.40 因子旋轉(zhuǎn)的目的使變量在因子上

32、的取值發(fā)生兩極分化，在每個因子上部分元素取盡可能大的值，部分元素部分元素取盡可能大的值，部分元素盡量接近零值。盡量接近零值。使每個因子所代表的意義更加明確。馬克威提供方差極大正交旋轉(zhuǎn)、平均正交旋轉(zhuǎn)和四次方平均正交旋轉(zhuǎn)。最常用的是方差極大正交旋轉(zhuǎn)。指標名稱指標名稱 F1載荷載荷li1F2載荷載荷li2F3載荷載荷li3F4載荷載荷li4CPI居民消費價格指數(shù)居民消費價格指數(shù)(CPI)0.77960.77960.06190.06190.53010.53010.09140.0914成本因素成本因素 原材料、燃料、動力購進價格指原材料、燃料、動力購進價格指數(shù)數(shù)0.9740.9740.06780.067

33、8-0.1081-0.10810.0270.027工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)0.97530.97530.05250.0525-0.0111-0.01110.04660.0466農(nóng)副產(chǎn)品類購進價格指數(shù)農(nóng)副產(chǎn)品類購進價格指數(shù)0.74510.74510.30590.3059-0.0379-0.03790.13030.1303商品房銷售價格指數(shù)商品房銷售價格指數(shù)0.71140.71140.53130.53130.30280.30280.01460.0146工業(yè)企業(yè)成本費用利潤率工業(yè)企業(yè)成本費用利潤率0.57160.57160.66820.66820.2070.2070.21740.2174需

34、求因素需求因素 全部從業(yè)人員人均報酬增速全部從業(yè)人員人均報酬增速-0.0038-0.0038-0.0369-0.03690.93980.93980.02940.0294城鎮(zhèn)家庭人均可支配收入增速城鎮(zhèn)家庭人均可支配收入增速0.24920.24920.25330.25330.87030.87030.16040.1604貨幣因素貨幣因素 外匯儲備同比增速外匯儲備同比增速0.13880.13880.87870.87870.04780.0478-0.19-0.19貨幣乘數(shù)貨幣乘數(shù)0.07180.07180.82580.8258-0.1956-0.19560.30980.3098M2增速增速-0.204-

35、0.2040.75980.75980.26850.2685-0.1918-0.1918GDP增長率增長率0.43070.43070.58390.58390.31350.31350.55510.5551國際因素國際因素 G7工業(yè)品出廠價格指數(shù)工業(yè)品出廠價格指數(shù)0.87360.8736-0.1933-0.19330.14240.14240.05990.0599G7支出法支出法GDP同比增速同比增速0.31890.3189-0.1851-0.1851-0.4435-0.44350.69120.6912股價指數(shù)股價指數(shù)上證收盤綜合指數(shù)同比增速上證收盤綜合指數(shù)同比增速-0.0856-0.08560.03

36、530.03530.36750.36750.87410.8741旋轉(zhuǎn)后的因子載荷矩陣（方差極大正交旋轉(zhuǎn)）旋轉(zhuǎn)后的因子載荷矩陣解釋F1為成本因子：為成本因子：代表成本因素的各上游價格指數(shù)和代表成本因素的各上游價格指數(shù)和G7_ PPIG7_ PPI的的變化在公因子變化在公因子F F1 1上有較高的載荷，同時也表明我國價格的變上有較高的載荷，同時也表明我國價格的變化，尤其是原材料類價格的變化和國際化，尤其是原材料類價格的變化和國際PPIPPI的變化有較高的相的變化有較高的相關性；關性；F3為需求因子：為需求因子：代表居民需求增長的兩個收入變量在公因子代表居民需求增長的兩個收入變量在公因子F F3 3

37、上有最高的載荷；上有最高的載荷；F2為貨幣因子：為貨幣因子：表示包括表示包括GDPGDP增長率在內(nèi)的貨幣因素在公因子增長率在內(nèi)的貨幣因素在公因子F F2 2上的載荷都是最大的；上的載荷都是最大的；F4為財富因子：為財富因子：代表財富變化的股票指數(shù)和表示國際經(jīng)濟形代表財富變化的股票指數(shù)和表示國際經(jīng)濟形勢的勢的G7_GDPG7_GDP指數(shù)同比增速在公因子指數(shù)同比增速在公因子F F4 4上載荷最大；上載荷最大；通過觀察旋轉(zhuǎn)后的因子載荷，可以發(fā)現(xiàn)各因子所代表實際意通過觀察旋轉(zhuǎn)后的因子載荷，可以發(fā)現(xiàn)各因子所代表實際意義更明確。義更明確。 本例主要考察物價波動，通過觀察可以發(fā)現(xiàn)本例主要考察物價波動，通過觀

38、察可以發(fā)現(xiàn)CPICPI在各在各公因子的載荷分別為公因子的載荷分別為0.770.77、0.080.08、0.540.54和和0.120.12，可見代表成，可見代表成本和需求變動的因子和對本和需求變動的因子和對CPICPI變化的解釋能力是最強。變化的解釋能力是最強。 有時候需要把公共因子表示成原始變量的線性組合，有時候需要把公共因子表示成原始變量的線性組合，對每個樣本計算公共因子的估計值，也就是求因子得分。對每個樣本計算公共因子的估計值，也就是求因子得分。馬克威提供；馬克威提供；Bartlett因子得分、因子得分、Thomson因子得分和回因子得分和回歸因子得分的計算方法。歸因子得分的計算方法。年

39、份年份因子因子1 1因子因子2 2因子因子3 3因子因子4 42000Q1-0.6714-0.6714-2.4525-2.4525-0.0509-0.05091.00241.00242000Q2-0.0852-0.0852-2.1402-2.1402-0.7697-0.76970.91980.91982000Q30.1860.186-1.898-1.898-1.3134-1.31340.67350.67352000Q40.12460.1246-1.6295-1.6295-1.6314-1.63140.59970.59972001Q1-0.3541-0.3541-1.3109-1.3109-1.

40、3808-1.3808-0.0422-0.04222001Q2-0.7048-0.7048-0.8547-0.8547-0.248-0.248-0.5935-0.59352001Q3-1.2322-1.2322-0.4211-0.42110.57250.5725-1.034-1.0342001Q4-1.7914-1.7914-0.132-0.1321.19991.1999-1.3221-1.32212002Q1-2.0427-2.0427-0.4239-0.42391.17431.1743-1.2933-1.29332002Q2-1.6789-1.6789-0.0829-0.08290.445

41、50.4455-0.9818-0.98182002Q3-1.3356-1.33560.04850.0485-0.3315-0.3315-0.3916-0.39162002Q4-0.8879-0.88790.39620.3962-0.57-0.57-0.5076-0.50762003Q1-0.2429-0.24290.76890.7689-0.5131-0.5131-0.7765-0.77652003Q2-0.4149-0.41491.3291.329-0.6316-0.6316-0.8731-0.87312003Q3-0.4735-0.47351.46271.4627-0.6114-0.611

42、4-0.6443-0.64432003Q4-0.0509-0.05091.14641.1464-0.5092-0.5092-0.1033-0.10332004Q10.39240.39241.06031.0603-0.6741-0.67410.27280.27282004Q21.25851.25850.45770.4577-0.5423-0.54230.12940.12942004Q31.56031.56030.0890.089-0.3229-0.3229-0.0135-0.01352004Q41.41451.41450.49660.4966-0.7241-0.7241-0.5493-0.549

43、3 因子得分序列CPI94.00096.00098.000100.000102.000104.000106.000108.000110.0001357911131517192123252729313335因子1-3-2-101231357911131517192123252729313335因子3-2-101231357911131517192123252729313335因子得分序列與CPI序列比較成本因子（77%）需求因子（54%）主要內(nèi)容：聯(lián)立方程模型的概念馬克威聯(lián)立方程模型的估計方法 聯(lián)立方程模型的求解情景分析Klein戰(zhàn)爭之間模型 一個中國宏觀經(jīng)濟模型用一組方程來描述某一經(jīng)濟系統(tǒng)變量

44、之間相互依賴、互用一組方程來描述某一經(jīng)濟系統(tǒng)變量之間相互依賴、互為因果的數(shù)量關系。這組由單方程計量經(jīng)濟學模型組成為因果的數(shù)量關系。這組由單方程計量經(jīng)濟學模型組成的方程組稱為聯(lián)立方程模型。的方程組稱為聯(lián)立方程模型。內(nèi)生變量、外生變量變量、先決變量。內(nèi)生變量、外生變量變量、先決變量。 克萊因（克萊因（Lawrence Robert Klein Lawrence Robert Klein ）于）于19501950年建立的、年建立的、旨在分析美國在兩次世界大戰(zhàn)之間的經(jīng)濟發(fā)展的小型宏觀旨在分析美國在兩次世界大戰(zhàn)之間的經(jīng)濟發(fā)展的小型宏觀計量經(jīng)濟模型。模型規(guī)模雖小，但在宏觀計量經(jīng)濟模型的計量經(jīng)濟模型。模型規(guī)

45、模雖小，但在宏觀計量經(jīng)濟模型的發(fā)展史上占有重要的地位。以后的美國宏觀計量經(jīng)濟模型發(fā)展史上占有重要的地位。以后的美國宏觀計量經(jīng)濟模型大都是在此模型的基礎上擴充、改進和發(fā)展起來的。以至大都是在此模型的基礎上擴充、改進和發(fā)展起來的。以至于薩繆爾森認為，于薩繆爾森認為，“美國的許多模型，剝到當中，發(fā)現(xiàn)都美國的許多模型，剝到當中，發(fā)現(xiàn)都有一個小的有一個小的KleinKlein模型模型”。所以，對該模型。所以，對該模型 的了解與分析的了解與分析對于了解西方宏觀計量經(jīng)濟模型是重要的。對于了解西方宏觀計量經(jīng)濟模型是重要的。 KleinKlein模型是以美國兩次世界大戰(zhàn)之間的模型是以美國兩次世界大戰(zhàn)之間的192

46、0192019411941年的年度數(shù)據(jù)為樣本建立的。年的年度數(shù)據(jù)為樣本建立的。tgtpttttuWWPPCS131210)(tttttuKPPI2131210ttttptuTrendYYW331210ttttGICYtptttTWYPtttIKK1（消費）（消費）（投資）（投資）（私人工資）（私人工資）（均衡需求）（均衡需求）（企業(yè)利潤）（企業(yè)利潤）（資本存量）（資本存量）此模型包含此模型包含3 3個行為方程，個行為方程，1 1個定義方程，個定義方程，2 2個會計方程。式中個會計方程。式中變量：變量：Y Y： 收入（收入（GDPGDP中除去凈出口）；中除去凈出口）； G G： 政府非工資支出；

47、政府非工資支出；CSCS：消費；：消費； WgWg ：政府工資；：政府工資； I I：私人國內(nèi)總投資；：私人國內(nèi)總投資； T T： 間接稅收；間接稅收；WpWp：私人工資；私人工資； TrendTrend： 時間趨勢；時間趨勢； P P：企業(yè)利潤；：企業(yè)利潤； K K：資本存量：資本存量 消消 費費CS 收收 入入 Y私人工資私人工資 WP企業(yè)利潤企業(yè)利潤 P 投資投資I資本存量資本存量 K政府支出政府支出 G政府工資政府工資 WG間接稅收間接稅收 T注：方框內(nèi)是行為方程內(nèi)生變量，方框內(nèi)是恒等方程內(nèi)生變量，注：方框內(nèi)是行為方程內(nèi)生變量，方框內(nèi)是恒等方程內(nèi)生變量， 粗體是外生變量。粗體是外生變量

48、。 上述模型中的前上述模型中的前3 3個方程稱為個方程稱為，后面的，后面的3 3個個方程稱為方程稱為。這是一個簡單描述宏觀經(jīng)濟的聯(lián)立方。這是一個簡單描述宏觀經(jīng)濟的聯(lián)立方程模型。前程模型。前3 3個行為方程構成聯(lián)立方程系統(tǒng)：個行為方程構成聯(lián)立方程系統(tǒng)： t t =1, 2, =1, 2, , , T T （12.1.312.1.3） 待估計出未知參數(shù)后，與待估計出未知參數(shù)后，與上述模型中的上述模型中的中的后中的后3 3個恒個恒等方程一起組成聯(lián)立方程模型。等方程一起組成聯(lián)立方程模型。)(3312102131210131210)()()(私人工資投資消費ttttptttttttgtpttttuTre

49、ndYYWuKPPIuWWPPSC 在聯(lián)立方程模型中，對于其中每個方程，其變量在聯(lián)立方程模型中，對于其中每個方程，其變量仍然有被解釋變量與解釋變量之分。但是對于模型系統(tǒng)仍然有被解釋變量與解釋變量之分。但是對于模型系統(tǒng)而言，已經(jīng)不能用被解釋變量與解釋變量來劃分變量。而言，已經(jīng)不能用被解釋變量與解釋變量來劃分變量。對于同一個變量，在這個方程中作為被解釋變量，在另對于同一個變量，在這個方程中作為被解釋變量，在另一個方程中則可能作為解釋變量。對于聯(lián)立方程系統(tǒng)而一個方程中則可能作為解釋變量。對于聯(lián)立方程系統(tǒng)而言，將變量分為言，將變量分為和和兩大類，外生變量兩大類，外生變量與滯后內(nèi)生變量又被統(tǒng)稱為與滯后內(nèi)

50、生變量又被統(tǒng)稱為。 內(nèi)生變量是具有某種概率分布的隨機變量，它的參內(nèi)生變量是具有某種概率分布的隨機變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估計的元素，內(nèi)生變量是由模型系統(tǒng)數(shù)是聯(lián)立方程系統(tǒng)估計的元素，內(nèi)生變量是由模型系統(tǒng)決定的，同時也對模型系統(tǒng)產(chǎn)生影響。內(nèi)生變量一般都決定的，同時也對模型系統(tǒng)產(chǎn)生影響。內(nèi)生變量一般都是經(jīng)濟變量。是經(jīng)濟變量。 外生變量一般是確定性變量。外生變量影響系統(tǒng)，外生變量一般是確定性變量。外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生變量一般是經(jīng)濟變量、條但本身不受系統(tǒng)的影響。外生變量一般是經(jīng)濟變量、條件變量、政策變量、虛擬變量。件變量、政策變量、虛擬變量。 滯后內(nèi)生變量是聯(lián)立方程模型中重要

51、的不可缺少的滯后內(nèi)生變量是聯(lián)立方程模型中重要的不可缺少的一部分變量，用以反映經(jīng)濟系統(tǒng)的動態(tài)性與連續(xù)性。一部分變量，用以反映經(jīng)濟系統(tǒng)的動態(tài)性與連續(xù)性。在在KleinKlein模型中，模型中，CSCS, , I I, , Wp Wp , , Y Y, , P P, , K K 為內(nèi)生變量，外為內(nèi)生變量，外生變量生變量 G G, , Wg Wg , , T T , , Trend Trend 和滯后內(nèi)生變量一起構成前和滯后內(nèi)生變量一起構成前定變量。定變量。 馬克威5.0提供了單方程估計方法（二階段最小二乘法）和系統(tǒng)估計方法（三階段最小二乘法）。 方法單方程估計方法：對聯(lián)立方程組中每 一個可識別的結構

52、方程逐一單獨估計參數(shù)，最后獲得整個模型的參數(shù)估計值。 系統(tǒng)估計方法：同時估計系統(tǒng)方程中的所有參同時估計系統(tǒng)方程中的所有參數(shù)，數(shù)，估計時要考慮所有結構參數(shù)和變量之間的聯(lián)系和影響。 二階段最小二乘法1. 適用范圍:過度識別和恰好識別的方程2. 參數(shù)估計值統(tǒng)計性質(zhì):對小樣本是有偏的,對大樣本是漸進無偏的. 3.具體步驟：第一個階段：找到一組變量(稱為工具變量)，模型中 每個解釋變量分別關于這組變量作最小二乘回歸；第二個階段：所有變量用第一個階段回歸得到的擬合值來代替，對原方程進行回歸，這樣求得的回歸系數(shù)就是2SLS估計值。 三階段最小二乘法1.適用范圍：方程右邊變量與誤差項相關，并且殘差存在異方差和

53、同期相關2.基本思想：先用2SLS估計每個方程，然后再對整個聯(lián)立方程系統(tǒng)利用廣義最小二乘法估計，即： 3SLS=2SLS+GLS.3.估計步驟：系數(shù)估計在馬克威系統(tǒng)中的操作為了估計聯(lián)立方程的參數(shù)，首先應設定方程形式。單擊節(jié)點選擇器，將數(shù)據(jù)源節(jié)點、算法節(jié)點和“運行”節(jié)點拖拽到工作區(qū)內(nèi)并連線，設置如下圖所示：點擊“數(shù)據(jù)源”節(jié)點，打開已建立好的數(shù)據(jù)文件“klein.mkw”。點擊“聯(lián)立方程”算法節(jié)點，進入系數(shù)估計，方程設定以及屬性設置如下：系統(tǒng)估計輸出部分結果cs=16 .1+0.79*(wp+wg)+0.25*P+0.057*P(-1) 在消費方程中，消費依賴的不是總收入，而是總收入的分量：工資收

54、入和利潤收入。工資對消費影響的邊際傾向為0.79，即：工資每增加1美元，消費就相應的增加0.79美元。I=13.08+0.436*P+0.371*P(-1)-0.126*K(-1) 投資方程中，突出了利潤對投資的影響，說明利潤越高，企業(yè)擁有的可支配在資金越多，投資就會增加；資本存量滯后一階說明每年有12.6%的資本折舊需要替換。wp=1.67 +0.4*y+0.186*y(-1)+0.157*t 工資方程說明，私人工資依賴當期收入和滯后收入和時間趨勢，時間趨勢代表當時不斷增長的工會力量。模型求解利用兩階段或三階段最小二乘法估計所建立的聯(lián)立方程系統(tǒng)，得到未知參數(shù)的估計量，就可以建立一個完善的、能

55、夠反映客觀實際的聯(lián)立方程模型，從而可以進行模型求解和模型預測。擬合:樣本期內(nèi)的預測，把內(nèi)生變量的原始時間序列數(shù)據(jù)與模擬結果進行比較，可以用來檢驗模型的模擬效果。預測：對估計的樣本區(qū)間以外的內(nèi)生變量進行外推，此時，必須擁有整個預測期內(nèi)所有外生變量的時間序列數(shù)據(jù)。事后預測：可以考察不同政策產(chǎn)生的不同效果.事前預測：必須在預測內(nèi)生變量之前，先預測出外生變量的值。模型求解在馬克威分析系統(tǒng)中的操作選擇“模型求解”，顯示如下：l點擊“打開模型”，到系數(shù)估計時模型保存的路徑下打開模型。l點擊“方程編輯”，將彈出一個模型編輯框，可以在模型編輯框中添加一些平衡方程。點擊“打開模型”，將事先保存的模型打開：點擊“

56、方程編輯”，進入方程編輯窗口，添加平衡方程添加完平衡方程后，即可以設置各項選項，對模型進行求解?；具x項動態(tài)預測：進行預測時只使用求解樣本期之前的內(nèi)生變量。滯后內(nèi)生變量和ARMA項是利用前幾期的解計算的，而不是來自實際的歷史數(shù)據(jù)。靜態(tài)預測：每次求解模型時直到前一期的內(nèi)生變量都被使用。滯后內(nèi)生變量和ARMA項取自內(nèi)生變量的實際值。擬合：求解模型時內(nèi)生變量的當期值也被使用。除了正被計算的方程的內(nèi)生變量以外，所有內(nèi)生變量的值都被實際值所替代。迭代方法高斯-塞德爾迭代法：默認的迭代法。每次迭代時，將其他所有的內(nèi)生變量視為不變時，求解與每個模型方程相關的內(nèi)生變量值。牛頓迭代法：每次迭代時采用模型的線性逼

57、近，然后求解線性系統(tǒng)以找到模型的解布羅伊登迭代法：布羅伊登迭代法是牛頓迭代法的一種修正方法。診斷診斷目的是跟蹤內(nèi)生變量在迭代過程中是否正常，將要被跟蹤的變量選入右側(cè)跟蹤變量列表框，其中間結果在迭代求解過程中被保存起來。追蹤變量默認的追蹤變量為所有的內(nèi)生變量。當一個變量被追蹤時，該變量的求解結果就會在結果列表中輸出，沒被追蹤的變量的結果將不輸出。馬克威分析系統(tǒng)給出的模型評估指標： 均方根誤差平均絕對誤差平均相對誤差 Theil 不等系數(shù)偏差比列方差比列協(xié)方差比列雙擊執(zhí)行即可求得模型基本解情景分析情景分析主要依靠未來各種不同的影響因素，并根據(jù)不同的假設推斷出不同的結果。利用情景分析，對不同的政策方

58、案進行模擬，在模擬的過程中，一方面，可以檢驗模型能否準確地模擬實際情況，模擬機制是否符合宏觀經(jīng)濟理論；另一方面可以分析宏觀經(jīng)濟政策的效應，為評價宏觀經(jīng)濟政策提供有用的分析工具，為及時制定宏觀經(jīng)濟政策提供依據(jù)。情景分析模擬情景一：假設從1940年起，外生變量間接稅收（t）每年比當年實際值分別增加10%，其他內(nèi)生變量受到的影響。 點擊“情景分析-情景1”，進入模型變量列表：鼠標右鍵單擊“變量 t-屬性”勾選“在情景中使用優(yōu)先值”，點擊“確定”，進入變量修改列表，可以對設置情景分析的變量的值進行修改，修改完成后，修改的數(shù)據(jù)在模型變量列表中以“紅色”顯示：設置完成后，雙擊“運行”節(jié)點，結果列表中會給出

59、情景1下的求解結果，并且結果儲存在“變量名_1”的序列中?？梢酝ㄟ^“變量-查看序列”查看各情景的求解結果的差異以及擬合圖.時間時間X(GDP)X(GDP)Cu(Cu(消費消費 ) )I(I(投資投資) )Wp(Wp(私人工資私人工資) )19401940-0.03-0.03-0.02-0.02-0.227-0.227-0.019-0.01919411941-0.065-0.065-0.047-0.047-0.381-0.381-0.052-0.052情景一部分內(nèi)生變量分析結果 由上表可以看出，稅收的增加導致模型中的內(nèi)生變量全部呈負向變化。由于稅收是總產(chǎn)出的一項漏出，稅收增加就意味著總產(chǎn)出的降低

60、，從而使得產(chǎn)出的各個部分，消費、投資相應降低。投資的減少導致資本存量和企業(yè)利潤的降低，私人工資也會相應的減少。注：模擬情景一：從1940年開始公司稅每年增加10%，其他內(nèi)生變量會發(fā)生什么變化?？梢阅M各種情景，如政策的變化、市場的變化。內(nèi)生變量轉(zhuǎn)化為外生變量情景分析模擬情景二：模擬從1940年起，內(nèi)生變量消費（Cu）每年比當年實際值分別增加5%，其他內(nèi)生變量受到的影響。分析：模型中Cu為內(nèi)生變量，做內(nèi)生變量的情景分析時，需要將內(nèi)生變量變?yōu)橥馍兞?，再做情景分析。具體操作：“情景2-內(nèi)生變量CU-屬性”，顯示如下選擇“在樣本區(qū)間內(nèi)排除”并且給出被排除的樣本區(qū)間，若樣本區(qū)間不填寫，則默認為整個樣本