计量经济分析方法与建模课件第03章节基本回归模型s幻灯片.pptVIP

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6章对GARCH估计的讨论。 2. 预测方法 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计算一步向前(one-step-ahead)预测的结果。 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。注意：预测值被保存在csf序列中。因为csf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。 §3.9.2 预测误差和预测效果评估 假设真实的模型由下式给定： 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 §3.9.3 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y的一阶滞后： y c x z y(-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： 这种预测方法显著地不同于静态的一步向前预测。在估计方程中，如果有y的其它滞后变量，需要对如上运算进行修改， 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。 §3.9.4 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(cs) c log(cs(-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 EViews就不能求解出第一个序列X，而只能预测表达式了。预测对话框如下： 在回归模型中加入年龄AG