高铁梅老师EVIEWS教学课件.pptVIP

* * 第十四章 方程预测 本章描述了对一个单方程进行预测或计算拟合值的过程。这里描述的技术是利用通过回归方法估计得到的方程来进行预测。其他专门技术，如ARCH方法估计方程的预测在十六章中给以讨论。用指数平滑法进行时间序列预测在第七章做了介绍，用联立方程估计的模型进行预测在二十三章介绍。 §14.1 EViews中的方程预测 为说明一个被估计方程的预测过程，我们从一个简单的例子开始。假设我们有1947:01—1995:01年美国国内生产总值（GDP）、消费（CS）和投资（INV），这些数据包含在工作区间为1946:01—1995:4的工作文件（14-1）中。 我们运用1947:01—1995:01这段时期的数据，估计GDP对常数、CS和INV的回归，并用AR(1)修正残差序列相关，用该模型预测GDP。估计得到的方程结果由方程对象eq-gdp给出： 注意该估计样本的观测值做了调整，以解释该模型在推导AR(1)估计时使用的滞后内生变量的一阶差分。 为了对该模型的结果有清楚的认识，选择View/Actual, Fitted, Residual…，然后选择Actual, Fitted, Residual Graph： 该图的上半部分绘出的实际值和拟合值事实上难以区分。但这里的拟合值不能保存。只有在使用EViews的预测程序计算因变量的拟合值时才可以保存。 一、如何进行预测 为预测该方程的GDP，在方程的工具栏中按Forecast按钮，或选择Procss/ Forecast …。这时会出现下表： 我们应提供如下信息： 1、序列名 预测后的序列名 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。这个名字应不同于因变量名，因为预测过程会覆盖已给定的序列值。 S.E.（Optional） 如果需要，可以为该序列的预测标准差提供一个名字。如果省略该项，预测标准误差将不被保存。 GARCH（Optional） 对用ARCH估计的模型，还可以保存条件方差的预测值（GARCH项）。见16章对GARCH估计的讨论。 2、预测方法 可以在如下方法中进行选择： 动态（Dynamic）— 从预测样本的第一期开始计算多步预测。 静态（Static）— 利用滞后因变量的实际值而不是预测值计算一步向前（one-step-ahead）预测的结果。 还可以做如下的选项： 结构（Structural）— 预测时EViews将忽略方程中的任何ARMA项。若不选此项，在方程中有ARMA项时，动态与静态方法都会对残差进行预测。但如果选择了Structural，所有预测都会忽略残差项而只对模型的结构部分进行预测。 样本区间（Sample range）— 必须指定用来做预测的样本。如果缺选，EViews将该样本置为工作文件样本。如果指定的样本超出估计方程所使用的样本区间（估计样本），那么会使EViews产生样本外预测。 注意：需要提供样本外预测期间的解释变量值。对静态预测，还必须提供滞后因变量的数值。 3、输出 可以选择以图表或数值，或者二者同时的形式来观察预测值。只有当预测样本中包含因变量的观测值时，才可以得到预测估计值。 假设在样本区间1947:01—1995:01间对eq-gdp进行动态预测。预测值放在序列GDPF中，EViews将会显示预测曲线和加减两个标准差的带状域以及预测的估计值。 注意：预测值被保存在GDPF序列中。因为GDPF序列是一个标准的EViews序列，所以可以利用序列对象的所有标准工具来检验预测结果。 我们可以通过绘出曲线图来检查实际值与拟合值。这是从1947:02到1995:01整个时期上的动态预测。对每个时期，前一个GDP(-1)的预测值在形成后期的GDP预测值时被使用。注意，实际值与拟合值图形的细微差别： 要对一个序列进行一步向前预测（静态预测），单击方程工具栏中的Forecast键，然后选择Static进行预测。EViews将显示预测结果为： 我们可以比较GDP的实际值和动态预测拟合值GDPFD、静态预测拟合值GDPFS，可以看出一步向前静态预测比动态预测要更为准确，因为对每个时期，在形成GDP的预测值时使用的是GDP(-1)的实际值。 §14.3 预测基础 EViews将预测结果在Forecast name项命名并存储。我们把该序列称为预测序列。 预测样本中指定了EViews将计算出的拟