(2)供给函数,用阶条件判断,再结合零系数原则,该方程为过度识别 (3)用两段最小二乘法估计供给函数 (4)在供给函数中多加进两个解释变量F_和M,1,这时,M=3,K=4。由于供给函 数已经是过度识别,再在该方程加进前定变量,而这些变量在需求函数中并没有出现,所以 供给函数还是过度识别。因此,将仍然用两段最小二乘法估计参数 练习题115参考解答 (1)由于该方程组为递归模型,而递归模型并非真正意义下的联立方程组模型。因而 淡化它的识别性判断。事实上,该方程组模型中除第一个方程为恰好识别外,其余两个方程 均是不可识别。 (2)首先用递归模型估计方法估计参数。在估计中,第一个方程可直接用OLS法估计 其参数:在第二个方程中,W作为解释变量,在估计第一个方程得到W后,将其代入第 个方程,具体代入应为W=W+e1,式中e为第一个方程估计式的残差。这样便可得到第 二个方程的参数估计。以此类推,可得到第三个方程的参数估计。具体估计结果如下 W=343.8703+0.5399 C1=926335-00110+0.0282W P=70.2488+0.00291+0.0005W2+0.2780C 其次,直接用OLS法估计模型的参数,得到如下结果 W=343.8703+0.53991 C2=926335-00110+0.0282W P=70.2488+0.00291+0.0005W2+0.2780C (3)按两种方法估计的结果完全一样。事实上,用递归模型估计参数的条件和思路与 OLS估计的条件和思路是一样的,因此,它们的结果也应一样。 练习题17参考解答 (1)模型的识别性。根据本章(1144)和(1145)式,可知该模型为恰好识别 (2)用IS法估计模型的参数。其简化型模型的估计式为 B=-459133+7.2978+0.0977W Q=-123047+1.5729X+0.2657W 因为,方程组是恰好识别,故可直接从简化型模型系数解出结构型模型的参数估计,即 O=112.5588+2.7195P+182735y Q=-24104+0.21552+0.2446W1 (3)用LS法估计模型的参数。在 EVIEWS里,直接选估计方法TSLS,即两段最小二 法。估计结果如下 c=112.5397+27191P-182709y Q=-2.4091+0.2155P+0.2446W（2）供给函数，用阶条件判断，再结合零系数原则，该方程为过度识别。 （3）用两段最小二乘法估计供给函数。 （4）在供给函数中多加进两个解释变量 t 1 Y − 和 t 1 M − ，这时，M=3，K=4。由于供给函 数已经是过度识别，再在该方程加进前定变量，而这些变量在需求函数中并没有出现，所以 供给函数还是过度识别。因此，将仍然用两段最小二乘法估计参数。 练习题 11.5 参考解答 （1）由于该方程组为递归模型，而递归模型并非真正意义下的联立方程组模型。因而 淡化它的识别性判断。事实上，该方程组模型中除第一个方程为恰好识别外，其余两个方程 均是不可识别。 （2）首先用递归模型估计方法估计参数。在估计中，第一个方程可直接用 OLS 法估计 其参数；在第二个方程中，W 作为解释变量，在估计第一个方程得到 W ˆ 后，将其代入第二 个方程，具体代入应为 1 W W e ˆ = + ，式中 1 e 为第一个方程估计式的残差。这样便可得到第 二个方程的参数估计。以此类推，可得到第三个方程的参数估计。具体估计结果如下 ˆ 343.8703 0.5399 ˆ 92.6335 0.0110 0.0282 ˆ 70.2488 0.0029 0.0005 0.2780 t t t t t t t t t W I C I W P I W C = + = − + = + + + 其次，直接用 OLS 法估计模型的参数，得到如下结果 ˆ 343.8703 0.5399 ˆ 92.6335 0.0110 0.0282 ˆ 70.2488 0.0029 0.0005 0.2780 t t t t t t t t t W I C I W P I W C = + = − + = + + + （3）按两种方法估计的结果完全一样。事实上，用递归模型估计参数的条件和思路与 OLS 估计的条件和思路是一样的，因此，它们的结果也应一样。 练习题 11.7 参考解答 （1）模型的识别性。根据本章（11.44）和（11.45）式，可知该模型为恰好识别。 （2）用 ILS 法估计模型的参数。其简化型模型的估计式为 ˆ 45.9133 7.2978 0.0977 ˆ 12.3047 1.5729 0.2657 t t t t t t P Y W Q Y W = − + + = − + + 因为，方程组是恰好识别，故可直接从简化型模型系数解出结构型模型的参数估计，即 ˆ 112.5588 2.7195 18.2735 ˆ 2.4104 0.2155 0.2446 d t t t s t t t Q P Y Q P W = + + = − + + （3）用 OLS 法估计模型的参数。在 EVIEWS 里，直接选估计方法 TSLS，即两段最小二 乘法。估计结果如下 ˆ 112.5397 2.7191 18.2709 ˆ 2.4091 0.2155 0.2446 d t t t s t t t Q P Y Q P W = + − = − + +