计量经济学经典eviews 方程预测.docVIP

计量经济学经典eviews 方程预测 本章描述的是用回归方法估计的方程对象对一个单方程进行预测或计算拟合值的过程。 §14.1 EViews中的方程预测 为预测方程的因变量，在方程对象的工具栏中按Forecast按钮，或选择Procs/Forecast…。 然后应提供以下信息： 1、序列名：将所要预测的因变量名填入编辑框中。EViews默认了一个名字，但可以将它变为任意别的有效序列名。注意序列名应不同于因变量名。 2、S.E.（Optional）用于是否将预测标准差项保存。 3、预测方法：动态法、静态法 。 4、结构（Structural）用于是否忽略方程中的任何ARMA项。 5、样本区间：缺省时，为工作文件样本，可自行输入。 6、输出 ：可以选择以表输出或数值输出，或两者同时都输出预测或拟合值。 §14.2 图 解 本节主要是针对方程预测进行图形的说明，我们将通过实例给予说明。 §14.3 预测基础 计算预测值 在作出方程估计后，单击Forecast，给定预测期，然后单击OK。对预测期内的所有观测值，你应该确保等号右边外生变量值有效。如果预测样本中有数据丢失，对应的预测值将为NA。 缺失项调整 对于存在缺失项的预测，如果是静态预测，则对预测没有很大影响；但对于动态预测而言，缺失项的存在将导致其后的所有值都为NA。 预测的误差和方差 预测的误差就是实际值和预测值之差：。 残差不确定性 测量误差的标准形式是回归标准差（在输出方程中用“S.E.of regression”表示），残差的不确定性是预测误差的主要来源。 系数不确定 这是误差的又一来源，系数的不确定的影响程度由外生变量决定，外生变量超出它们的均值越多，预测的不确定性越大。 预测可变性 预测的可变性由预测标准差来衡量forecast se （不含滞后因变量或ARMA项） s为回归标准差。如果赋给预测标准差一个名字，EViews将在你的工作文件中计算并保存一个预测标准差序列。 7、预测效果评估 这里介绍几个主要的统计指标： 均方根误差 平均绝对误差 平均相对误差 泰勒不等系数 前两个预测误差值由因变量规模决定。它们应该被作为相对指标来比较同样的序列在不同模型中的预测结果；误差越小，该模型的预测能力越强。 预测均方差可以为： 式中分别为和y的平均值和标准差，r为和y的相关系数。该比值被定义为： 偏差比 方差比 协方差比 1、偏差比表明预测均值与序列实际值的偏差程度。 2、方差比表明预测方差与序列实际方差的偏离程度。 3、协方差比衡量非系统误差的大小。 §14.4 含有滞后因变量的预测 对于含有滞后因变量的预测，EViews提供了两种方法：动态预测和静态预测。 动态预测：预测样本的初始值将使用滞后变量Y的实际值，而在随后的预测中将使用Y的预测值。在动态预测中，预测样本初值的选择非常重要。动态预测是真正的多步预测（从第一个预测样本开始），因为它们重复使用滞后因变量的预测值。这些预测可能被解释为利用预测样本开始时的已知信息计算的随后各期的预测值。动态预测要求预测样本中外生变量的各个观测值已知，并且任何滞后因变量预测样本的初值已知。解释变量如有缺失项，通过滞后因变量的动态预测，将使对应期观测值及以后观测值为NA。 静态预测： EViews采用滞后因变量的实际值来计算预测值。静态预测要求外生变量和任何滞后内生变量在预测样本中的观测值可以获得。 二者对比 这两种方法在多期预测中生成的第一期结果相同。只有在存在滞后因变量或ARMA项时，两种方法以后各期的值才不同。 §14.5 含有ARMA误差项的预测 结构预测 EViews以默认的方式利用估计出的ARMA结构预测残差值，如果希望ARMA误差项总为零，那么点中Structural ignore ARMA ，选择结构预测，EViews在计算预测值时将假设误差总为零。如果被估计方程没有ARMA项，该选项对预测没有影响。 含有AR误差项的预测 对包含AR误差项的方程，Eviews将把该方程的残差预测加至基于右边变量的结构模型预测中。为计算残差预测，EViews需要滞后残差值的估计或实际值。对预测样本的第一个观测值，EViews将利用前样本数据计算滞后残差。如果没有用来计算滞后残差的前样本数据，EViews将调整预测样本，把实际值赋给预测序列。 含有MA误差项的预测 利用MA计算预测值的第一步是求得前期预测样本中随机误差项的拟合值。为了计算预测前期的随机误差项， EViews将自动指定估计样本的前q个随机误差项的初值。给定初始值后，EViews将利用向前递归拟合随后各随机误差项的值。 §14.6 含有公式的预测方程 EViews 可以估计并预测等式左边是由某个公式定义的变量的方程。在对左