多方程时间序列分析是时间序列分析的重要组成部分，它在宏观经济研究领域有着广泛的应用，越来越受到世界各国的关注。对于现实生活中与多方程时间序列有关的具体问题，不同的模型可能得到不同的拟合和预测效果，需要采用不同的建模方法和参数估计方法。一个理想的模型既要简单又要有比较好的拟合和预测效果，模型参数的估计具有优良的统计性质。本文基于上述观点对多方程时间序列进行了一些探索和研究，使其在理论研究上向前推进了一步，在实际应用中取得了较好的结果。 本文主要作了以下几方面的工作： 1．对VAR模型、交互影响的多元回归与多元时序混合模型、时间序列联立方程模型进行了改进，提出一个新模型。改进后的模型不但考虑到某个因变量与其它因变量当前值的关系，而且考虑到它与所有因变量滞后值的关系，还考虑到它与一些外生变量当前值与滞后值的关系，使模型更加合理。 2．对模型滞后阶数的确定、各个方程解释变量的选择方法进行了研究。滞后阶数采用AIC或者BIC定阶法。滞后变量确定后，用逐步回归的方法来选择方程的解释变量，这使模型既精简又实用。 3．着重对模型参数的估计方法作了详细探讨和研究。除传统方法外，本文又提出了三种新方法。(1)结构方程系数矩阵线性约束下的完全信息极大似然估计法。在一定条件下，该方法给出了模型参数估计的计算公式；(2)参数的修正间接广义岭估计法。本文不仅推导出了参数的修正间接广义岭估计计算公式，而且证明了用该方法估计出的参数统计性质优良，最后还给出了岭参数的选择方法；(3)复共线回归模型的病态分离算法。文中详细叙述了其方法步骤，并证明了该算法估计出的参数具有良好的渐近统计性质。 4．选择我国部分宏观经济变量来验证新模型的合理性。通过对模型的拟合和预测结果进行对比分析，得出模型的拟合和预测结果精确、有效，模型实用性很强。