如果在方程中有y的三阶滞后：第一个预测值(T+1期的观察值)采用三个滞后变量yT?2,yT?1,yT的实际值。第二个观察值(T+2期的观察值)采用yT?1,yT的实际值和一阶滞后y?T?1的预测值。?T?1、二阶滞第三个观测值（T+3期的观察值）采用的实际值yT和一阶滞后y?T?2的预测值。后y此后所有观测值都采用三个滞后变量的预测值。在动态预测中，预测样本初始值的选择非常重要。动态预测是真正的多步预测（从第一个预测样本开始），因为它们重复使用滞后因变量的预测值。这些预测可能被解释为利用预测样本开始时的已知信息计算的随后各期的预测值。动态预测要求预测样本中外生变量的各个观测值已知，并且滞后因变量预测样本的初始值已知（在我们的例子中是yT,但更一般的是y的任意阶滞后）。如果需要，可以对预测样本进行调整。解释变量如有缺失值，通过滞后因变量的动态预测，将使对应期观测值及以后观测值为NA。25二、静态预测静态预测对因变量进行一系列的一步向前预测：EViews采用滞后内生变量的实际值，通过下式对k=0 , 1 , 2 , … ,h 计算每一个预测值：?T?k?1?c?(1)?c?(2)xT?k?1?c?(3)zT?k?1?c?(4)yT?ky如上，如果需要，EViews将对预测样本进行调整以解释滞后变量的前期样本。如果没有某期数据，对应该期的预测值为NA。它并不会对以后预测产生影响。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。三、静态预测与动态预测的对比这两种方法在多期预测中生成的第一期结果相同。因此，两个预测序列（一个静态的和一个动态的）在预测样本中的第一个值相同。只有在存在滞后因变量或ARMA项时，两种方法以后各期的值才不同。26§16.4含有ARMA误差项的预测用含有ARMA项的方程进行预测会更为复杂。如果方程中包含AR或MA项，需要了解EViews是如何利用滞后残差进行预测的。一、结构预测EViews以默认的方式利用估计出的ARMA结构预测残差值，如下所述：对有些类型的工作，可能希望ARMA误差项总为零。如果选择Structural(ignoreARMA)，选择结构预测，EViews在计算预测值时将假设误差总为零。如果被估计方程没有ARMA项，该选项对预测没有影响。二、含有AR误差项的预测对包含AR误差项的方程，EViews将把该方程的残差预测加到基于解释变量的结构模型预测中。为计算残差的估计，EViews需要滞后残差值的估计或实际值。对预测样本的第一个观测值，EViews将利用前面的样本数据计算滞后残差。如果前面没有用来计算滞后残差的样本数据，EViews将调整预测样本，把实际值赋给预测序列。27如果选中Dynamic，系统对滞后因变量和滞后残差都进行动态预测。如果选择Static，这两者都会被置为实际值。例如，考虑如下的AR(2)模型：yt?xt???utut??1ut?1??2ut?2??t?yt?xt?b来表示拟合残差，并假设用截止到t = T期的数据估计模型。则在x值已知时，t=T+1 , T+2 , T+3 , … 的动态与静态预测值由下式给出：t用etSTATIC DYNAMIC ?T?1y?T?2y?1eT????eT?1??1b??xT?1eT?1???2eT??2b??xT?1eT?2???2eT?1??3b??xT?1eT????eT?1??1b??xT?T?3y式中u?t?1u?2eT??2b???T?1??xT?1u?2u??3b???T?2???T?1xT28残差值，而静态预测使用的是一步向前预测的残差值。/。对其后观测值，动态预测使用的是多步预测得来的??yt?xtb
相关推荐：
loading