中级计量经济学课件计量经济学中4单方程回归模型预测幻灯片.pptVIP

最后几点说明： 1、拟合与预测是两个不同的概念。通常拟合一个模型是为了进行预测，但是即使模型的拟合程度很好，参数在统计上都非常显著，预测却可能并不十分准确。 2、在条件预测中，对解释变量的预测会带来因变量额外的预测误差。 3、无条件预测很好的回归模型，不一定能够给出很好的条件预测。因此如果模型的预测误差主要是由于来自解释变量的预测误差，那么就不应该拒绝这个模型。 海能装那么多水， 不是因为它很大， 关键是因为 它的位置 很低。 一个人能学很多知识， 不是因为他（她） 很聪明 而是因为… 用青春赚的钱， 难赚回青春； 用生命赚的钱， 难买回生命； 用幸福换来的钱， 难挽回幸福； 用爱情索取的钱， 难索回爱情； 用时间挣来的钱， 难挽回时间； 你即使用一生 得到全世界的钱， 全世界的钱 也买不回你的一生。 珍爱你的生命， 珍惜你的人生。 下 课 谢 谢 ！ 单方程回归模型预测 §8.0 有关预测的基本知识 §8.1 无条件预测 §8.2 误差项序列相关情形下的预测 §8.3 有条件预测 §8.0 有关预测的基本知识 一、什么是预测 1、预测的概念 预测是关于未知事件可能性的数值估计。它既可以在时间序列模型中讨论，也可以在截面数据模型中应用。 2、预测的类型 预测按数值的估计类型可以分为两种：点预测和区间预测。点预测是对每一个时点(段)给出一个预测值，区间预测是给出实际值所在的一个区间。 下面的讨论，将首先给出点预测，然后再用区间预测表示点预测的误差幅度。 3、事后模拟与事前预测 对未知事件的预测，依赖于过去和当前的信息。对于时间序列模型，事后模拟与事前预测都是在模型估计区间以外对因变量的值进行预测，但有差异(参见图8.1)。 图8.1 事后模拟与事前预测的时间差异 T1 T2 T3 目前 模型估计区间 事后模拟区间 事前预测区间 事后模拟是指用已知数据检验和评价预测模型，事前预测是在数据不完全已知的情况下对因变量进行预测。 4、条件预测和无条件预测 条件预测是指有些解释变量的值是未知的，因而如果要对因变量进行预测，就必须先处理这些解释变量的值；无条件预测是指模型中所有解释变量都是已知的。 事后模拟都是无条件预测，条件预测的对象全都是事前预测。但事前预测也有属于无条件预测的(所有解释变量已知)。 无条件预测 条件预测 事后模拟 事前预测 如 5、关于最优预测 具有最小方差的预测称为最优预测。在单方程回归模型中，参数的LS估计是线性无偏估计量中的最优预测。在有偏的参数估计中，将考虑最小平均误差平方的预测作为最优预测。 6、预测误差的性质 预测误差主要有以下四种来源： 一是参数已知，因误差项的随机性使预测偏离真值； 二是参数未知，其估计量(也是随机变量)偏离真值； 三是在有条件预测情况下，解释变量的处理偏离真值； 四是存在模型确认失误。 §8.1 无条件预测 如果解释变量在整个预测区间上全部已知，就可以用回归模型进行无条件预测。 一、预测误差 ㈠ 参数已知的情形 下面从最简单的一元线性回归模型入手。设模型为 α，β，σ已知，对于给定的XT+1，求Y在第T+1时点(段)的最优预测。 取YT+1的点预测(记 )为 1、预测误差 下面讨论该点预测的预测误差 其具有以下性质： ⑴点预测是无偏；因为 ⑵预测误差的方差最小(最优预测)： 2、预测误差标准化 为了对Y的预测值进行显著性检验，可以对预测误差标准化： 显然λ~N(0,1)，如果预测误差不超过相应显著性水平(如5%)的临界值(1.96)，那么就说明点预测与真值无显著差异。否则就认为该点预测有问题，模型可能需要修正。我们还可以由 得到一个95%的置信区间(参见图8.2)： 注意，预测作为评价模型可靠性的方法，与前面所讲的古典线性模型中的t,F和R2值作用是不一样的：一个单方程回归模型可以有很显著的t，F值和很高的R2值，但仍可能无法进行很好的预测。这是因为两者的时间区域不同，模型在预测区间可能发生了结构性的变化。相反，如果因变量的方差很小，有些R2值较小、回归参数不显著的模型，虽然对因变量的解释不是太好，但对因变量的预测却比较容易。 Xt XT+1 Yt 点预测 预测区间 图8.2 参数已知时的点预测与预测区间 ㈡ 参数未知的情形 通常回归模型的参数都是未知的，需要进行估计。由于参数估计量都是样本的函数，因而也是随机变量。仍考虑一元回归模型： α，β都是未知的，对于给定的XT+1，下面考虑Y在第T+1时点(段)的最优预测。 取YT+1的点预测(记 )为 其中 和