Eviews在时间序列建模中的应用(8)

。

图4.4

③ 扩大样本范围

在工作文件窗口输入如下命令：

expand或者 range

得图4.5，将1992修改为1993即可。

图4.5

④预测

在模型窗口点击FORECAST按钮，按OK即可得图4.6。

36

图4.6

将原序列与预测序列进行图形比较：

在工作文件窗口的Quick按钮中选择Graph选项，可得图4.7。

图4.7

在空白区域填写欲比较的序列名称，此例中填写y yf（变量名之间用空格分隔），点击OK即可得图4.8。

37

图4.8

⑤ 预测的评价

趋势模型一般是将现象的趋势模式化，其不足是不能随现象的变化而变化。由此产生一个问题：被模型所描述的趋势是否与现象的发展趋势吻合？评价的一个简单的做法是考察模型生成的序列（在整个样本期）与近期数据（离预测期较近的样本数据）的吻合情况，若吻合的较好，则说明模型的预测与序列实际变化一致的可能性较大，否则可能偏离较大，模型应慎重使用，或考虑采用其它模型。

下面就预测范围分别为整个样本（1971——1992）和近期（1980——1992）进行比较评价：

给出1980——1992期间的静态预测结果，方法同前，见图4.9。将图4.6与2.9中的评价结果做如下比较：

表4.2 预测评价表 预测范围 近期 时间 MAPE TIC 0.041658 0.041829 偏差率 0.040574 0.048870 方差率 0.268434 0.348041 协变率 0.690992 0.603089 整个样本 1971-1992 8.275986 1980-1992 10.73583 由表4.2可见，近期预测效果变差，不仅预测误差加大，而且偏差率与方差率不同程度的提高，这说明近期预测与序列实际值出现较大偏离。

38

图4.9

以下引入三次曲线模型：y??b?b230?bt12t?b3t

输入命令：

ls y c t t^2 t^3

得图4.10的估计结果：

图4.10

模型为： y??51074.32?19814.75t?3024.442t2?292.1514t3 整个样本与近期的预测结果分别为图4.11与2.12所示：

39

图4.11

2,000,0001,600,0001,200,000800,000400,000Forecast: YF1234Actual: YForecast sample: 1980 1993Adjusted sample: 1980 1992Included observations: 13Root Mean Squared Error 53979.07Mean Absolute Error 40498.26Mean Abs. Percent Error 6.488165Theil Inequality Coefficient 0.028460 Bias Proportion 0.006331 Variance Proportion 0.021878 Covariance Proportion 0.9717910808182838485868788± 2 S.E.89909192YF1234 图4.12

表4.3两种模型的预测评价表 指标 MAPE TIC 偏差率 方差率 协变率 整个样本（1971——1992） 指数曲线 8.275986 0.041658 0.040574 0.268434 0.690992 三次曲线 7.958215 0.029898 0.000000 0.001709 0.998291 近期（1980——1992） 指数曲线 10.73583 0.041829 0.048870 0.348041 0.603089 三次曲线 6.488165 0.028460 0.06331 0.021878 0.971791 40

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库Eviews在时间序列建模中的应用(8)在线全文阅读。