计量经济学的模型模型中预测最合理的是哪个模型呀？

来源：蜘蛛抓取(WebSpider) 时间：2011-10-11 00:52 标签： 计量经济学的模型
国内旅游收入预测模型的比较_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
国内旅游收入预测模型的比较
阅读已结束，下载本文需要
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩1页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢【图文】第二章 计量经济模型预测方法：简单线性回归模型_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
第二章 计量经济模型预测方法：简单线性回归模型
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢计量模型中预测最合理的是哪个模型呀？_百度知道
计量模型中预测最合理的是哪个模型呀？
想做一个有波动的预测，但采用的VAR模型波动不明显
我有更好的答案
量一般都是描述性的，关键是看你做什么，向量自回归没有通过检验就不要用，或者用E-GARCH之类的。就是为了让模型波动效果明显点，建议重新处理数据，不是模型让数据波动，是数据本来有这个计量特征，预测最好能根据模型，然后仿真模拟出可能性结果。你要是做有波动的计量模型
采纳率：63%
为您推荐：
其他类似问题
您可能关注的内容
模型的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
计量经济学-中-单方程回归模型预测.ppt 32页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
你可能关注的文档：
··········
··········
单方程回归模型预测 §8.0 有关预测的基本知识 §8.1 无条件预测 §8.2 误差项序列相关情形下的预测 §8.3 有条件预测 §8.0 有关预测的基本知识 一、什么是预测 1、预测的概念 预测是关于未知事件可能性的数值估计。它既可以在时间序列模型中讨论，也可以在截面数据模型中应用。 2、预测的类型 预测按数值的估计类型可以分为两种：点预测和区间预测。点预测是对每一个时点(段)给出一个预测值，区间预测是给出实际值所在的一个区间。 下面的讨论，将首先给出点预测，然后再用区间预测表示点预测的误差幅度。 3、事后模拟与事前预测 对未知事件的预测，依赖于过去和当前的信息。对于时间序列模型，事后模拟与事前预测都是在模型估计区间以外对因变量的值进行预测，但有差异(参见图8.1)。 事后模拟是指用已知数据检验和评价预测模型，事前预测是在数据不完全已知的情况下对因变量进行预测。 4、条件预测和无条件预测 条件预测是指有些解释变量的值是未知的，因而如果要对因变量进行预测，就必须先处理这些解释变量的值；无条件预测是指模型中所有解释变量都是已知的。 事后模拟都是无条件预测，条件预测的对象全都是事前预测。但事前预测也有属于无条件预测的(所有解释变量已知)。 如 5、关于最优预测 具有最小方差的预测称为最优预测。在单方程回归模型中，参数的LS估计是线性无偏估计量中的最优预测。在有偏的参数估计中，将考虑最小平均误差平方的预测作为最优预测。 6、预测误差的性质 预测误差主要有以下四种来源： 一是参数已知，因误差项的随机性使预测偏离真值； 二是参数未知，其估计量(也是随机变量)偏离真值； 三是在有条件预测情况下，解释变量的处理偏离真值； 四是存在模型确认失误。 §8.1 无条件预测 如果解释变量在整个预测区间上全部已知，就可以用回归模型进行无条件预测。 一、预测误差 ㈠ 参数已知的情形 下面从最简单的一元线性回归模型入手。设模型为
α，β，σ已知，对于给定的XT+1，求Y在第T+1时点(段)的最优预测。 取YT+1的点预测(记
)为 1、预测误差 下面讨论该点预测的预测误差
其具有以下性质： ⑴点预测是无偏；因为
⑵预测误差的方差最小(最优预测)：
2、预测误差标准化 为了对Y的预测值进行显著性检验，可以对预测误差标准化：
显然λ~N(0,1)，如果预测误差不超过相应显著性水平(如5%)的临界值(1.96)，那么就说明点预测与真值无显著差异。否则就认为该点预测有问题，模型可能需要修正。我们还可以由
得到一个95%的置信区间(参见图8.2)：
注意，预测作为评价模型可靠性的方法，与前面所讲的古典线性模型中的t,F和R2值作用是不一样的：一个单方程回归模型可以有很显著的t，F值和很高的R2值，但仍可能无法进行很好的预测。这是因为两者的时间区域不同，模型在预测区间可能发生了结构性的变化。相反，如果因变量的方差很小，有些R2值较小、回归参数不显著的模型，虽然对因变量的解释不是太好，但对因变量的预测却比较容易。 ㈡ 参数未知的情形 通常回归模型的参数都是未知的，需要进行估计。由于参数估计量都是样本的函数，因而也是随机变量。仍考虑一元回归模型：
α，β都是未知的，对于给定的XT+1，下面考虑Y在第T+1时点(段)的最优预测。 取YT+1的点预测(记
是对应参数的LS估计。由于
分别是α，β的最小方差无偏估计，故
是YT+1最优预测。 1、预测误差 下面讨论该点预测的预测误差
显然预测误差也服从正态分布，具有以下性质： ⑴点预测是无偏的；因为 所以 ⑵预测误差的方差满足：
再把式中参数估计的方差、协方差
代入，可以得到
由此可见预测误差的方差受模型估计区间样本容量、X的样本方差和XT+1与
之间距离的影响。 从(8.1)式发现，由LS估计构造的点预测⑴样本容量、样本方差越大，则预测误差的方差越小；⑵当XT+1恰好等于样本均值时，预测误差的方差最小。这说明Y的最优预测是在最具样本信息的那些X的值附近取得，出了模型的估计区间，由此得到的点预测就不那么可靠了。一般说来，将模型在估计范围以外扩展得过远是十分危险的，因为这时预测误差的方差会很大。 下面再讨论预测区间。如果σ已知，就可以计算σf。于是通过预测误差标准化 就可以构造
的95%置信区间：
如果σ不是已知的，我们用s2作为σ2的无偏和一致估计量：
这样预测误差的方差估计为 就有
的95%置信区间为
二、预测的评价 前面通过事前预测的误差分析，对点预测进行统计检验，并得到相应的预测区间，它们提供了对预测进行评价的一种方式。另一种评价方法是进行事后模拟(可
正在加载中，请稍后...

我要回帖

更多关于 计量经济学的模型 的文章

 

随机推荐