【正文】 數(shù) ， 那么這里就存在一個問題 ， 比如說 ， 要檢驗戰(zhàn)爭和和平時期的結(jié)構(gòu)變化 ， 但是戰(zhàn)爭時期的樣本數(shù)較少 。 下面要討論的 Chow預(yù)測檢驗可以解決這個問題 。 其中 : 是整個樣本期間估計的殘差平方和； 是第 i 個子區(qū)間的殘差平方和； T 是觀測值數(shù)； k 是方程參數(shù)個數(shù)，這一公式可以擴展為多于一個分割點。 )22)(????()1())????(~~(22112211????????????kTuuuukuuuuuuFuu ~~? iiuu???58 為了進行 Chow 分割點檢驗 ， 選擇 View/Stability Tests/Chow Breakpoint Test… 出現(xiàn)對話框以后 ， 填入間斷點的日期 。 比如 ， 如果方程的數(shù)據(jù)是從 1978到 2022年 ， 填入 1994， 則被定義成兩個子區(qū)間：一個是 1978到 1993， 另一個是 1994到 2022。 例 我們利用 Chow檢驗來判斷例 。20世紀(jì) 90年代前的中國仍然處于賣方市場 ， 雖然居民收入水平增幅較大 ，但商品供給有限 ， 而且當(dāng)時的利息率較高 ， 因而居民收入更加傾向于儲蓄增值而不是立即消費 。 1994年我國開始了全面的體制改革和制度創(chuàng)新 ，隨著國有企業(yè)體制改革的推進和大量非國有企業(yè)的興起并日益壯大 ， 國內(nèi)商品市場日益繁榮 ， 商品品種更加豐富 ， 使得居民收入用于消費的部分增加 。 不妨以 1994年為假想的間斷點 ， 用 Chow檢驗判斷 1994之前和之后的兩段時期消費函數(shù)是否產(chǎn)生了顯著的差異 。 該結(jié)果是拒絕原假設(shè)： 存在結(jié)構(gòu)變化 。 59 Chow預(yù)測檢驗先估計了包括 T1區(qū)間子樣本的所有樣本觀測值的模型 ， 然后用同樣的模型去估計 T1區(qū)間樣本的因變量的值 。如果兩個估計值差異很大 ， 就說明模型可能不穩(wěn)定 。 檢驗適用于最小二乘法和二階段最小二乘法 。 EViews給出 F統(tǒng)計量計算如下： 這里 用所有樣本觀測值估計方程的殘差平方和 ， 是用 T1子樣本進行估計方程的殘差平方和 ， k 是被估計參數(shù)的個數(shù) 。 當(dāng)誤差是獨立同正態(tài)分布時 ， F統(tǒng)計量服從精確的有限樣本的 F分布 。 2. Chow預(yù)測檢驗 ? ?? ?1?????~?~12???????kTuuTuuuuFuu ?~?~? uu???60 選擇 View/Stability Test /Chow Forecast Test進行 Chow預(yù)測檢驗 。 對預(yù)測樣本開始時期或觀測值數(shù)進行定義 。 數(shù)據(jù)應(yīng)在當(dāng)前觀測值區(qū)間內(nèi) 。 仍以例 ，定義 1994作為預(yù)測區(qū)間第一個分割點。檢驗重新估計 1978—1994的方程，并且使用這個結(jié)果來計算剩余時期的預(yù)測誤差。結(jié)果如下： 對數(shù)似然比 （ LR） 統(tǒng)計量拒絕原假設(shè)：中國的消費函數(shù)在1994年前后有結(jié)構(gòu)變化 ， 但 F統(tǒng)計量不能拒絕原假設(shè) 。 注意：本例說明兩種 Chow檢驗產(chǎn)生相同的結(jié)果。但有時也會產(chǎn)生相反的結(jié)果。 61 167。 EViews中的方程預(yù)測 為說明一個被估計方程的預(yù)測過程 ， 我們?nèi)匀豢紤]例 ， 如果要對此模型的預(yù)測功能進行評價 ， 可以用 1978～ 1999年的 22年數(shù)據(jù)進行參數(shù)估計 ， 用 2022～2022年的數(shù)據(jù)作為檢驗性數(shù)據(jù) ， 考察實際值和預(yù)測值的差別 。 62 用 1978～ 1999年的 22年數(shù)據(jù)進行參數(shù)估計的結(jié)果： 63 167。 如何進行預(yù)測 為預(yù)測該方程的消費 CS，在方程的工具欄中按 Forecast按鈕，或選擇 Procss/ Forecast … 。這時會出現(xiàn)對話框： 64 我們應(yīng)提供如下信息： 1. 序列名 預(yù)測后的序列名 將所要預(yù)測的因變量名填入編輯框中 。EViews默認(rèn)了一個名字 ， 但可以將它變?yōu)槿我鈩e的有效序列名 。 這個名字應(yīng)不同于因變量名 ， 因為預(yù)測過程會覆蓋已給定的序列值 。 .（ Optional） 如果需要 ， 可以為該序列的預(yù)測標(biāo)準(zhǔn)差提供一個名字 。 如果省略該項 ， 預(yù)測標(biāo)準(zhǔn)誤差將不被保存 。 GARCH（ Optional） 對用 ARCH估計的模型，還可以保存條件方差的預(yù)測值（ GARCH項）。見 6章對 GARCH估計的討論。 tt xXXxssef o r e c a s t )(1 ????65 2. 預(yù)測方法 動態(tài) (Dynamic)— 從預(yù)測樣本的第一期開始計算多步預(yù)測 。 靜態(tài) (Static)— 利用滯后因變量的實際值計算一步向前 (onestepahead)預(yù)測的結(jié)果 。 結(jié)構(gòu) (Structural)—預(yù)測時 EViews 將忽略方程中的任何ARMA項 。 若不選此項 ， 在方程中有 ARMA項時 ， 動態(tài)與靜態(tài)方法都會對殘差進行預(yù)測 。 但如果選擇了 Structural， 所有預(yù)測都會忽略殘差項而只對模型的結(jié)構(gòu)部分進行預(yù)測 。 樣本區(qū)間 (Sample range)— 必須指定用來做預(yù)測的樣本 。 如果缺選 ， EViews將該樣本置為工作文件樣本 。 如果指定的樣本超出估計方程所使用的樣本區(qū)間 (估計樣本 )， 那么會使 EViews產(chǎn)生樣本外預(yù)測 。 注意：需要提供樣本外預(yù)測期間的解釋變量值 。 對靜態(tài)預(yù)測 ，還必須提供滯后因變量的數(shù)值 。 66 3. 輸出 可以選擇以圖表或數(shù)值，或者二者同時的形式來觀察預(yù)測值。注意：預(yù)測值被保存在 csf序列中。因為 csf序列是一個標(biāo)準(zhǔn)的 EViews序列，所以可以利用序列對象的所有標(biāo)準(zhǔn)工具來檢驗預(yù)測結(jié)果。 67 167。 預(yù)測誤差和 預(yù)測效果評估 假設(shè)真實的模型由下式給定： 這里 ut 是獨立同分布 ， 均值為零的隨機擾動項 ， ? 是未知參數(shù)向量 。 下面我們放松 ut 是獨立的限制 。 生成 y 的真實模型我們尚不知道，但我們得到了未知參數(shù) ?的估計值 b。設(shè)誤差項均值為零，可以得到 y 的預(yù)測方程： bxy tt ???該預(yù)測的誤差為實際值與預(yù)測值之差 bxye ttt ???ttt uxy ??? ?68 167。 含有滯后因變量的預(yù)測 在方程等號的右邊出現(xiàn)滯后變量時 ， 預(yù)測變得更為復(fù)雜 。例如 ， 我們可以在原來的形式后面引入 y的一階滯后： y c x z y(1) 如果選擇動態(tài)預(yù)測 ， EViews將從預(yù)測樣本的起始日期開始 ， 對 y 進行多步預(yù)測 。 對如上只指定一個滯后變量的情況： 69 預(yù)測樣本的初始值將使用滯后變量 y 的實際值。因此，如果 y 的實際樣本值是 T個，我們從 T+1開始預(yù)測，即 T+1是第一個預(yù)測值， EViews將計算 TTTT yczcxccy )4(?)3(?)2(?)1(?? 111 ???? ??? 這里 yT 是預(yù)測樣本開始前一期的滯后內(nèi)生變量值 ， 這就是一步向前預(yù)測 。 隨后的 h個預(yù)測值 ， k = 1 , 2 , … , h， 將使用前期 y 的預(yù)測值： .?)4(?)3(?)2(?)1(?? 111 kTkTkTkT yczcxccy ??????? ???? 這種預(yù)測方法顯著地不同于靜態(tài)的一步向前預(yù)測 。 在估計方程中 ， 如果有 y的其它滯后變量 ， 需要對如上運算進行修改 ， 70 2. 靜態(tài)預(yù)測 靜態(tài)預(yù)測對因變量進行一系列的一步向前預(yù)測： EViews采用滯后內(nèi)生變量的實際值，通過下式對 k =0 , 1 , 2 , … , h 計算每一個預(yù)測值： kTkTkTkT yczcxccy ??????? ???? )4(?)3(?)2(?)1(?? 111 靜態(tài)預(yù)測要求外生變量和任何滯后內(nèi)生變量在預(yù)測樣本中的觀測值可以獲得 。 如上 ， 如果需要 ， EViews將對預(yù)測樣本進行調(diào)整以解釋滯后變量的前期樣本 。 如果沒有某期數(shù)據(jù) ，對應(yīng)該期的預(yù)測值為 NA。 它并不會對以后預(yù)測產(chǎn)生影響 。 71 167。 帶有公式的預(yù)測方程 EViews可以提供對方程左邊的因變量是某個表達式的情況，預(yù)測這個表達式的功能。而且如果公式中的第一個序列，能從表達式求解出來，那么 EViews還可以提供預(yù)測公式中第一個序列的功能。 72 例如 ， 假設(shè)估計如下定義的方程： log(cs) c log(cs(1)) log(inc) 當(dāng)選擇 Forecast按鈕 ， 預(yù)測對話框顯示如下 ， 注意該對話框提供了兩種預(yù)測序列以供選擇：第一個序列 cs與表達式 log(cs) 。 73 但是，如果將方程定義為： x+1/x=c(1)+c(2)*y EViews就不能求解出第一個序列 X，而只能預(yù)測表達式了。預(yù)測對話框如下：