我们应提供如下信息: 1、序列名 预测后的序列名将所要预测的因变量名填入编辑框中。 EViews默认 了一个名字,但可以将它变为任意别的有效序列名。这个名字应不同于因 变量名,因为预测过程会覆盖已给定的序列值 SE.( Optional)如果需要,可以为该序列的预测标准差提供一个名 字。如果省略该项,预测标准误差将不被保存 GARCH( Optional)对用ARCH估计的模型,还可以保存条件方差的 预测值( GARCH项)。见16章对 GARCH估计的讨论
6 我们应提供如下信息： 1、序列名 预测后的序列名 将所要预测的因变量名填入编辑框中。EViews默认 了一个名字，但可以将它变为任意别的有效序列名。这个名字应不同于因 变量名，因为预测过程会覆盖已给定的序列值。 S.E.（Optional） 如果需要，可以为该序列的预测标准差提供一个名 字。如果省略该项，预测标准误差将不被保存。 GARCH（Optional）对用ARCH估计的模型，还可以保存条件方差的 预测值（GARCH项）。见16章对GARCH估计的讨论
2、预测方法 可以在如下方法中进行选择: 动态( Dynamic)一从预测样本的第一期开始计算多步预测。 静态( Static)一利用滞后因变量的实际值而不是预测值计算一步向前 (one-step- -ahead)预测的结果 还可以做如下的选项 结构( Structural)预测时 EViews将忽略方程中的任何ARMA项。若 不选此项,在方程中有ARMA项时,动态与静态方法都会对残差进行预测。但 如果选择了 Structural,所有预测都会忽略残差项而只对模型的结构部分进行预 样本区间( Sample range)-必须指定用来做预测的样本。如果缺选, EViews将该样本置为工作文件样本。如果指定的样本超出估计方程所使用的 样本区间(估计样本),那么会使EⅤews产生样本外预测。 注意:需要提供样本外预测期间的解释变量值。对静态预测,还必须提供 滞后因变量的数值
7 2、预测方法 可以在如下方法中进行选择： 动态（Dynamic）— 从预测样本的第一期开始计算多步预测。 静态（Static）— 利用滞后因变量的实际值而不是预测值计算一步向前 （one-step-ahead）预测的结果。 还可以做如下的选项： 结构（Structural）— 预测时EViews将忽略方程中的任何ARMA项。若 不选此项，在方程中有ARMA项时，动态与静态方法都会对残差进行预测。但 如果选择了Structural，所有预测都会忽略残差项而只对模型的结构部分进行预 测。 样本区间（Sample range）— 必须指定用来做预测的样本。如果缺选， EViews将该样本置为工作文件样本。如果指定的样本超出估计方程所使用的 样本区间（估计样本），那么会使EViews产生样本外预测。 注意：需要提供样本外预测期间的解释变量值。对静态预测，还必须提供 滞后因变量的数值
3、输出 可以选择以图表或数值,或者二者同时的形式来观察预测值。只有当预测样 本中包含因变量的观测值时,才可以得到预测估计值。 假设在样本区间194701-199501间对eqgp进行动态预测。预测值放在序 列GDPD中, EViews将会显示预测曲线和加减两个标准差的带状域以及预测的 估计值 6000 Forecast: GDPFD Actual: GDP 5000 Forecast sample: 1947: 1 1995: 4 Adjusted sample: 1947: 2 1995: 1 4000 Root Mean Squared Bror 62.39704 Mean Absolute eror 5093803 Mean Abs, Percent BmO 1895360 Theil Inequality Coefficient 0.009495 Bias Proportion 0.Dog509 2000 Variance Proportion 0075569 Covariance Proportion 0.914922 100D T 50556065707580859095 GDPFD
8 3、输出 可以选择以图表或数值，或者二者同时的形式来观察预测值。只有当预测样 本中包含因变量的观测值时，才可以得到预测估计值。 假设在样本区间1947:01—1995:01间对eq_gdp进行动态预测。预测值放在序 列GDPFD中，EViews将会显示预测曲线和加减两个标准差的带状域以及预测的 估计值
注意:预测值被保存在 GDPFD序列中。因为 GDPFD序列是一个标准的 EViews序列,所以可以利用序列对象的所有标准工具来检验预测结果。 我们可以通过绘出曲线图来检查实际值与拟合值。这是从194702到 199501整个时期上的动态预测。对每个时期,前一个GDP(1)的预测值在形成 后期的GDP预测值时被使用。注意,实际值与拟合值图形的细微差别 6U0 50 300 1000 TTTTTT 5055606570758899 GDP GDPFD
9 注意：预测值被保存在GDPFD序列中。因为GDPFD序列是一个标准的 EViews序列，所以可以利用序列对象的所有标准工具来检验预测结果。 我们可以通过绘出曲线图来检查实际值与拟合值。这是从1947:02到 1995:01整个时期上的动态预测。对每个时期，前一个GDP(-1)的预测值在形成 后期的GDP预测值时被使用。注意，实际值与拟合值图形的细微差别：
要对一个序列进行一步向前预测(静态预测),单击方程工具栏中的 Forecast键,然后选择 Static进行预测。EVew将显示预测结果为 6000 Forecast: GDPFS Actual GDP 5000 Forecast sample: 1947: 1 1995: 1 Adjusted sample: 1947: 2 1995: 1 Included observ ations: 192 4000 Root Mean Squared ETc 584688 Mean Absolute Eror 11.70397 3000 Mean Abs, Percent Bror 0.445810 Theil Inequality Coefficient D.002412 Bias proportion 0.000000 2000 ariance Proportion 0.003029 Covariance Proportion 0.996971 1000 50556065707580859095 GDPFS
10 要对一个序列进行一步向前预测（静态预测），单击方程工具栏中的 Forecast键，然后选择Static进行预测。EViews将显示预测结果为：