第十六章方程预测 本章描述了对一个单方程进行预测或计算拟合值的过程。 这里描述的技术是利用通过回归方法估计得到的方程来进行 预测
1 第十六章 方程预测 本章描述了对一个单方程进行预测或计算拟合值的过程。 这里描述的技术是利用通过回归方法估计得到的方程来进行 预测
5161 EViews中的方程预测 为说明一个被估计方程的预测过程,我们从一个简单的 例子开始。假设我们有1947:01-199501年美国国内生产总值 (GDP)、消费(CS)和投资(ⅠNV),这些数据包含在工 作区间为1946:01-1995:4的工作文件(161)中 我们运用1947:01—199501这段时期的数据,估计GDP对 常数、CS和INV的回归,并用AR(1)修正残差序列相关,用该 模型预测GDP。估计得到的方程结果由方程对象eq_gdp给出:
2 §16.1 EViews中的方程预测 为说明一个被估计方程的预测过程，我们从一个简单的 例子开始。假设我们有1947:01—1995:01年美国国内生产总值 （GDP）、消费（CS）和投资（INV），这些数据包含在工 作区间为1946:01—1995:4的工作文件（16_1）中。 我们运用1947:01—1995:01这段时期的数据，估计GDP对 常数、CS和INV的回归，并用AR(1)修正残差序列相关，用该 模型预测GDP。估计得到的方程结果由方程对象eq_gdp给出：
Dependent Variable: GDP Method: Least Squares Date:0/142Tme:14:04 Sample(adjusted): 1947: 2 1995: 1 Included observations: 192 after adjusting endpoints Convergence achieved after 11 iterations Variable Coefficient Std Error t-Statistic Prob C 616883910264746.0097340000 CS 1.1479860040245285243100000 0.7450950.06035512.3595400000 AR(1) 0.9684290012354783897400000 R-squared 0.999827 Mean dependent var 3056 122 Adjusted R-squared 0.999825 S.D. dependent var 1209. 261 S.E. of regression 16. 01458 Akaike info criterion 8.405489 Sum squared resid 48215.75 Schwarz criterion 8.473354 Log likelihood -802 9270 F-statistic 3529494 Durbin-Watson stat 2.041977 Prob(F-statistic) Inverted ar roots 注意该估计样本的观测值做了调整,以解释该模型在推导AR()估计时 使用的滞后内生变量的一阶差分
3 注意该估计样本的观测值做了调整，以解释该模型在推导AR(1)估计时 使用的滞后内生变量的一阶差分
为了对该模型的结果有清楚的认识,选择 View/actual,Fitd, Residual., 然后选择 Actual, Fitted, Residual Graph: 6000 5000 4000 3000 2000 40 1000 0 -40 50556065707580859095 Residual Actual Fitted 该图的上半部分绘出的实际值和拟合值事实上难以区分。但这里的拟合值不 能保存。只有在使用 EViews的预测程序计算因变量的拟合值时才可以保存4
4 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： -80 -40 0 40 80 1000 2000 3000 4000 5000 6000 50 55 60 65 70 75 80 85 90 95 Residual Actual Fitted 该图的上半部分绘出的实际值和拟合值事实上难以区分。但这里的拟合值不 能保存。只有在使用EViews的预测程序计算因变量的拟合值时才可以保存
如何进行预测 为预测该方程的GDP,在方程的工具栏中按 Forecast钮,或选择 Procss/ forecast.这时会出现下表 Forecast Forecast of GDP Method C Dynamic Series names C Static Forecast name dof Structural S.E. [optional) ignore ARMA GARCHoptional) Output Forecast sample v Do graph 19471954 Forecast evaluation v Insert actuals for out-of-sample Cancel
5 一、如何进行预测 为预测该方程的GDP，在方程的工具栏中按Forecast按钮，或选择 Procss/ Forecast …。这时会出现下表：
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。 SE.( 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( Optiona)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
6 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)一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 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EⅤews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
7 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194701-199501间对 eq gdp进行动态预测。预测值放在序 列 GDPFD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 Forecast: GDPFD Actual: GDP 5000 Forecast sample: 1947: 1 1995: 4 Adjusted sample: 1947: 2 1995: 1 Included observ ations: 192 Root Mean Squared Eror 82.39704 Mean Absolute eror 5093803 3000 Mean Abs. Percent Erol 1.895360 Theil Inequality Coefficient 0. 009495 Bias Proportion 0.D0g50g Variance Proportion 0.D75569 Covariance Proportion 0.914922 1000 50556065707580859095 GDPFD
8 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GDPFD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 GDPFD序列中。因为 GDPFD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194702到 19501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 5000 4000 3000 2000 10004 5055665707580899 GDP GDPFD
9 注意：预测值被保存在GDPFD序列中。因为GDPFD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: 6D00 Forecast: GDPFS al GDP 5000 Forecast sample: 1947: 1 1995: 1 Adjusted sample: 1947: 2 1995: 1 Included observ ations: 192 4000 Root Mean squared Bror 1584688 Mean Absolute Bror 11.70397 3000 Mean Abs. Percent Eror 0.445810 Theil Inequality Coefficient D.D02412 Bias Proportion 0.D000 2000 Variance Proportion 0.003029 Covanance Proportion D.996971 1000 T 50556065707580859095 GDPFS
10 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：