EViews软件操作方法.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 对预测的评价指标 3、Theil不相等系数(记为IC Inequality Coefficient)： 其的分子就是RMSE，分母是因变量模拟值与实际值的样本二阶原点矩的算术平方根。 如果Theil不相等系数 IC=0，说明完全拟合。 如果 IC=1，则模型的预测能力最差。 第九十五页，编辑于星期二：十三点 三十分。 其中样本的均值、方差和相关系数采用常规符号。 定义以下不相等比例指标： 4、偏差率（Bias Proportion） 均值偏差率BP表明模拟数列与实际数列的系统误差。如果BP的值过大（超过0.1或0.2）意味着存在系统误差，需要对模型进行修正。 对预测的评价指标 可以把模拟值与实际值的平均离差平方分解为： 第九十六页，编辑于星期二：十三点 三十分。 对预测的评价指标 5、方差率（Variance Proportion） 方差率VP表明模拟值拟合实际变化程度的能力。如果VP的值过大意味着两者的波动程度存在较大差异（一大一小），需要对模型进行修正。 6、协变率（Covariance Proportion） CP=1-BP-VP CP度量非系统误差， 反映了两者的相关性，越接近1越理想。 第九十七页，编辑于星期二：十三点 三十分。 对预测的评价指标 财政收入模型比较： 最好的eq8 最差的 eq2 远超过0.2， 应修正模型 第九十八页，编辑于星期二：十三点 三十分。 利用拟合方程预测 预测时可以选中保存标准差到序列 SE 事前预测：对样本以外或尚未发生的数据或事件所作的估计。是对被解释变量的预测值的估计值。 事后预测：如果X0包含在样本内，则预测值实际上就是拟合值。 均值预测（mean prediction）：给定自变量的值，预测因变量的均值， 个值预测（individual prediction）：给定自变量的值，预测与之对应的因变量的个别值， 第九十九页，编辑于星期二：十三点 三十分。 预测的置信区间 平均值和个别值的点预测相同，但区间预测不同。 均值预测的方差： 个值预测的方差： 因此，均值预测的区间估计： 个值预测的区间估计： 第一百页，编辑于星期二：十三点 三十分。 预测的置信区间 的计算： Scalar sx2 = n*@var(x) 或 Scalar sx2 = (n-1)*(@stdev(x))^2 的计算：多变量时 从方程输出中读取Sum squared resid的值除（n-2） @sumsq(resid)/(n-2) 或 @se 的计算： Scalar xx2= (x(32) -@mean(x))^2 第一百零一页，编辑于星期二：十三点 三十分。 预测的置信区间 综合计算：Genr u2= resid* resid Scalar n=@obs(u2) Scalar se1=@sqrt(@sum(u2)/(n-2)* (1/n +(X(32) -@mean(x))^2/(n*@var(x)))) 或 Scalar se1=@sqrt(@se* (1/n +(X(32) -@mean(x))^2/(n*@var(x)))) Scalar se0=@sqrt(@sum(u2)/(n-2)* (1+1/n +(X(32) -@mean(x))^2/(n*@var(x)))) Scalar f0=@elem(yf, 32) 或 Scalar f0 = Yf(32) 第一百零二页，编辑于星期二：十三点 三十分。 预测的置信区间 在eq2为默认公式时计算Scalar ： YF_H=Yf(32)+se1*@qtdist(.975,(@regobs-@ncoef)) YF_L =Yf(32)-se1*@qtdist(.975,(@regobs-@ncoef)) 当收入达22000时，平均消费的平均值16011.42 ， 均值预测的95%置信区间(15528.20,16495.91) YF_H0