第03章 基本回归模型(第三版).ppt

* 这里 ut 是独立同分布，均值为零的随机扰动项，? 是未知参数向量。下面我们放松 ut 是独立的限制。 生成 y 的真实模型我们尚不知道，但我们得到了未知参数 ?的估计值b。设误差项均值为零，可以得到 y 的预测方程： 该预测的误差为实际值与预测值之差 3.5.2 预测评价 * 假设我们利用1979～2003的样本数据估计出的cs方程，然后分别进行2004～2006关于csp的预测。如果选中Forecast evaluation (预测效果评估)，EViews将显示预测效果评估的统计结果表： 注意：如果预测样本中没有因变量的实际值数据，EViews不能进行预测效果评估。 假设预测样本为 j =T+1, T+2, …,T+h，T 为实际估计用样本长度，用 和 yt 分别表示 t 期的实际值与预测值。计算出的预测误差统计结果如下所示： * Root Mean Squared Error 均方根误差 Mean Absolute Error 平均绝对误差 Mean Absolute Percentage Error 平均相对误差 Theil Inequality Coefficient 泰尔不等系数 * 前两个预测误差统计量由因变量规模决定。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。 后两个统计值是相对量。泰尔(Theil)不等系数总是处于0和1之间，这里0表示与真实值完全拟合。 预测均方差可以分解为： 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： * Bias Proportion 偏差比 Variance Proportion 方差比 Covariance Proportion 协方差比 偏差比表明预测均值与序列实际值的偏差程度；方差比表明预测方差与序列实际方差的偏离程度；协方差比衡量非系统误差的大小。 注意：偏差比、方差比和协方差比之和为1。 如果预测结果好，那么偏差比和方差比应该较小，协方差比较大。 * 含有滞后因变量的预测 在方程等号的右边出现滞后变量时，预测变得更为复杂。例如，我们可以在原来的形式后面引入csp的一阶滞后： csp c inc csp(-1) * 1. 动态预测 如果选择动态预测，EViews将从预测样本的起始日期开始，对 y 进行多步预测。对如上只指定一个滞后变量的情况： 预测样本的初始值将使用滞后变量 y 的实际值。因此，如果 y 的实际样本值是T个，我们从T +1开始预测，即T +1是第一个预测值，EViews将计算 这里 yT 是预测样本开始前一期的滞后内生变量值，这就是一步向前预测。随后的h个预测值，k = 1 , 2 , … , h，将使用前期 y 的预测值： * 2. 静态预测 静态预测对因变量进行一系列的一步向前预测： EViews采用滞后内生变量的实际值，通过下式对 k =0 , 1 , 2 , … , h 计算每一个预测值： 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。如上，如果需要，EViews将对预测样本进行调整以解释滞后变量的前期样本。如果没有某期数据，对应该期的预测值为NA。它并不会对以后预测产生影响。 * 动态预测和静态预测的比较 * 带有公式的预测方程 EViews可以提供对方程左边的因变量是某个表达式的情况，预测这个表达式的功能。而且如果公式中的第一个序列，能从表达式求解出来，那么EViews还可以提供预测公式中第一个序列的功能。 * 例如，假设估计如下定义的方程： log(csp) c log(csp(-1)) log(inc) 当选择Forecast按钮，预测对话框显示如下，注意该对话框提供了两种预测序列以供选择：第一个序列cs与表达式 log(cs) 。 * 但是，如果将方程定义为： x+1/x=c(1)+c(2)*y