第十四篇 方程预测.pptx

第十四章 方程预测 ;§14.1 EViews中的方程预测 ;; 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： ; 一、如何进行预测 ; 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 ; 一、计算预测值 ; 二、缺失值调整 预测值被赋值为NA有两种情况： 1、只要有一个解释变量有缺失值； 2、只要有一个解释变量的样本超出了工作文件的范围，这还包括在AR 模型中的隐含误差项。 在公式中没有动态成分（如没有滞后内生变量或ARMA误差项）时，被预测序列中的缺失值并不影响随后的预测值。如果有了动态成分，即使是被预测序列中的一个缺失值也将会影响到以后所有的预测值。 EViews将对方程中滞后变量的预测样本起始点进行调整，直到获得有效的预测值。例如，假设利用下面的方程进行动态预测：y c y(-1) ar(-1)，如果指定工作文件的起点为预测样本的起点，EViews将向后调整两个预测样本观测值，并且使用滞后变量前面的预测值。 ; 三、预测误差与方差 假设真实的模型由下式给定： ; 1．残差不确定 误差的第一种来源是由残差或新息(innovation) 的不确定引起的，因为方程中的新息 在整个预测区间未知，被设为它们的期望值。在残差期望值为零时，单个残差值非零；单个误差的方差越大，预测中的总体误差越大。 测量方差的标准方式是回归标准差（在输出方程中用“S.E.of regression”表示）。残差不确定通常是预测误差的主要来源。 在动态预测中，因为滞后因变量和由滞后随机变量构成的ARMA项的存在，使得新息不确定性更为复杂。EVie