并且变量之间存在着反馈关系的联立方程组称为时间序列分析.ppt

2．预测 预测（forecasting）是对估计的样本区间以外的内生变量进行外推。要进行预测，必须拥有整个预测期内所有外生变量的时间序列数据。预测可以分为两类： (1) 事后预测 如果估计区间是 [1, T1]，预测区间是 [T1+1, T]，然后把得到的预测结果与 [T1+1, T] 区间内的内生变量的已知数据进行比较，这种预测称为事后预测（ex post），通常用来检验模型预测的准确性。 (2) 事前预测 另一种预测是预测的起始时刻 t 在样本区间的终止时刻T 之后，即 t=T+1，T+2，…，T+h 时，h 是预测期长度，这被称作事前预测（ex ante）。 §12.2.5 初始值 如果系统中包括非线性方程，可以为部分或所有的参数用以param开头的语句提供初始值，列出参数和值的对应组合。例如： param c(1) .15 b(3) .5 为c(1)和b(3)设定初值。如果不提供初值，EViews使用当前系数向量的值。 §12.2.6 迭代控制 对于WLS、SUR、WTSLS，3SLS，GMM估计法和非线性方程的系统，有附加的估计问题，包括估计GLS加权矩阵和系数向量，这些选项决定了系数或加权矩阵的迭代方法。 §12.2.7 估计结果 系统估计输出的结果包括系统参数估计值、标准差和每个系数的 t-统计值。而且，EViews提供残差的协方差矩阵的行列式的值，对于FIML估计法，还提供它的极大似然值。除此之外，EViews提供每个方程的简要的统计量，如R2统计值，回归标准差，Durbin-Wstson统计值，残差平方和等等。对每个方程都是按定义基于系统估计过程中的残差计算而来。 例12.1(续) 在格林的《经济计量分析》中给出了克莱因模型1920年~1941年的数据和更新版本的1953年~1984年数据，klein_1 模型说明文本： cs=c(10)+c(12)*p+c(13)*p(-1)+c(14)*(wp+wg) i=c(20)+c(21)*p+c(22)*p(-1)+c(23)*k(-1) wp=c(30)+c(31)*Y+c(32)*Y(-1)+c(33)*@trend 在system中只能建立3个行为方程，其余的3个定义方程要放到model中。cs 是消费方程，总消费主要受前期和当期的企业利润 p、当期工资收入(wp+wg)的影响；I 是投资方程，投资由前期和当期利润 p 、前期的资本k来解释；wp 是就业方程，用私人工资额代表就业，将它与前期和当期的产出 Y 联系起来，由生产规模决定就业，时间趋势项考虑了日益增强的非经济因素对就业的压力。 但是这个模型用在美国1953年-1984年的数据上结果就不好，经过改进后的模型见Klein-2模型。 Klein-2模型：美国1953年-1984年期间： cs=c(10)+c(11)*(wp+wg) +c(12)* r(-1) +c(13)*cs(-1) I=c(21)*k + c(22)*r(-1) +c(23)*p+[AR(1)=C(25)] wp=c(32)*y+ c(33)*y(-1)+ c(34)*k+[AR(1)=C(35)] 其中：r 为半年期商业票据利息，其他变量的含义同克莱因联立方程系统Ⅰ相同。该模型的OLS估计结果为： 例12.4 克莱因联立方程系统Ⅱ的GMM估计结果 利用GMM法重新估计克莱因联立方程系统Ⅱ。 在1953～1984年的区间上，工具变量选择Y(-1)、CS(-1)、I(-1)、K(-1)、Wp(-1)、P(-1)、Wg、R，克莱因联立方程系统Ⅱ的GMM估计结果为： 与例12.1相比，这三个方程中的系数都没有太大的变化，但是所有变量的 t 统计量都变得更加显著，这说明利用GMM方法，考虑了方程间的相互影响，能够更好的描述整个经济系统的行为。 §12.2.8 系统的应用 得到估计结果后，系统对象提供了检查结果的工具，依次进行参考和详细讨论。 一、系统的查看（View） 1. 显示系统说明窗口(System Specificat