<P><BR>EVIEWS文件见附件!其中GDP为原数据,EQ01是通过ARMA建立的模型,GDPF1是对应的预测值;EQ02是指数模型,GDPF2是对应的预测值;</P>
<P>1.经过数据预处理,平稳性检验,0均值检验之后,通过自相关,偏自相关图及相关AIC,SC准则等,对GDP建立ARMA(2,1)模型较好.之后对残差进行检验,不能拒绝其为白噪声序列,说明所建模型可行.可是R^2很小,只0.3这个样.并且预测值与原序列值相比有很大的差异,尤其是后期的数据相差太大,作为预测值是不可信的;</P>
<P>2.用指数函数来拟合,最后所得R^2很高,达0.9多,且预测值相对ARMA模型而言,要好很多,不至于象ARMA那么吓人.其前期拟合有一定差异,但后期拟合却相对较好.这点可从GDP,GDPF1,GDPF2的线形图可直观的看到.</P>
<P>那么,我有以下几个问题:</P>
<P>(1) .有人说R^2不足轻重,但在对宏观经济时间序列数据的处理中,最主要的就是进行预测,从这个角度看,我觉得R^2还是蛮重要的.该怎么看待,评价R^2呢?</P>
<P>(2) .大多教科书上都认为处理诸如GDP的时间序列数据,用ARMA模型处理比较好,也有相当多的这方面的论文,有部分文章本人也曾验算过,跟本附件类似,存在较严重的实际预测误差问题,但建模前后的各检验都很好的通过了.对于以预测为主要目的而言,ARMA模型是适合的选择吗?</P>
<P>另易丹辉老师的&lt;&lt;数据分析与EVIEWS应用&gt;&gt;中,例5.5,5.6这两个例子都存在这样的问题.似乎注重的是过程,而不是结果?</P>
<P>最后感谢大家的看贴和回贴!并希望有好的建议!谢谢!</P>