发帖
雷达卡
做计量分析的目的就是为了探寻经济现象内在的相关关系，而预测效果的好坏则是检验这种关系存在与否以及解释力度大小的标准。模型一般分为两类，一是基于单个序列的模型，二则是我们常见常用的多序列模型。
一、单序列模型的预测
最常用的方法就是指数平滑法，这个已经在之前详细阐述。
ARMA模型
时间序列可以通过将时间序列引入转化为多序列模型
二、多序列模型的预测
1、一般理解
当确定了序列之间的回归方程之后即可根据回归方程进行拟合预测。Eviews路径：回归方程窗口-----forecast。
衡量预测效果的标准是预测误差，即预测值与实际值之间的偏差。预测输出界面参数的理解如下：
第一，误差均方根（Root Mean Squared Error）。对预测误差的等可能加权平方和求平方根
第二，平均绝对误差(Mean Absolute Error)。对预测误差的绝对值求平均。
第三，平均相对误差(Mean Abs.Percent Error)。其计算公式与平均绝对方差一样都是对误差采用绝对值，但这里要除以实际值，所以最终度量的是相对误差。因为公式乘以了100，所以输出结果中其值的度量单位为百分比。
第四，Theil不等系数(Theil Inequality Coefficient)。它的计算公式含义也很清晰，分子就是误差均方根，分母则是预测值等可能加权平方和开平方根+实际值等可能加权平方和开平方根。因此这一系数的取值区间为0-1，越靠近0，表示单位误差均方根越小，即预测值与实际值越靠近，模型拟合效果越好。前面三个参数的值也是如此，越小表示模型拟合效果越好，只是怎样才叫小却是无从判定。
预测均方差又可以分解为三个指标之和，偏差比、方差比和协方差比之和为1：
第一，偏差比率(Bias Proportion)
第二，方差比率(Variance Proportion)
第三，协方差比率(Covariance Proportion)
偏差比率表明预测均值与序列实际均值的偏差程度（预测均值与实际均值之差的平方占误差均方的比率）；方差比表明预测方差与序列实际方差的偏离程度（预测值和实际值的分布偏差标准差之差的平方占误差均方的比率）；协方差比率衡量非系统误差的大小（预测值和实际值的分布偏差协方差占误差均方的比率）。
如果预测结果好，那么偏差比率和方差比率应该较小，协方差比率较大。
2、动态预测与静态预测
动态预测是进行多步预测，除了第一个预测值是用解释变量的实际值预测外，其后各期预测值都是采用递推预测的方法，用滞后被解释变量（即所谓的动态项）的前期预测值代入估计（预测）方程来预测下一期的预测值。
静态预测则是对进行一系列的一步预测，即它必须用解释变量的真实值来进行预测，而不能使用被解释变量的预测值作为解释变量进行预测。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。如果没有某期数据，对应该期的预测值为NA。但是，它并不会对以后预测产生影响。所以，如果进行静态预测还需要给出用于预测的解释变量的值以及滞后被解释变量的值。如果要以解释变量的估计值为基础进行预测，则需要先打开解释变量的序列窗口，在预测之前将这些估计值添加进其相应区间。
3、被解释变量为公式的预测
如果被解释变量的公式是简单形式，Eviews在做预测确定预测序列时会给出两个选择：第一，以整个公式整体作为预测序列；第二，以这个公式中第一个出现的序列为预测序列，如公式为x/2y，则以x为预测序列。
但是当公式比较复杂时，Eviews则只能以整个公式作为预测序列。甚至，当公式过于复杂时，Eviews就会自己认怂，给出一条错误信息，表示它已经hold不住场面，无法对这个公式求解了。
京公网安备 11010802022788号
