1、1,第15章 预测,15.1 什么是预测 对解释变量样本外观察值的期望值的估计。 预测的步骤： 两个实例：P281。,2,15.2 比较复杂的预测,预测时可能遇到的问题： 1、X的取值是未知的； 2、序列相关； 3、置信区间； 4、联立方程模型。,3,15.2.1 条件预测,在预测被解释变量之前要先对解释变量进行预测，即对Y的预测是以X的预测值为条件。除非对解释变量的预测是精确的，否则就会存在预测误差。当解释变量可以表现为先行指标的函数时,可以避免原本应进行的条件预测.例如:P284,用利率对投资进行预测.,4,15.2.2 误差项序列相关时的预测,使用GLS方程进行预测 例:P284-285
2、,5,15.2.3 预测的置信区间,6,15.2.4 用联立方程组进行预测,如果系统中没有滞后内生变量,特定内生变量的诱导型方程可以用来进行预测; 如果存在滞后内生变量,那么预测方法应考虑滞后内生变量所导致的动态的交互影响.,7,15.3 ARIMA模型,8,时间序列数据的AR、MA、和ARIMA建模,自回归模型（auto-regressive,AR） 1、AR模型如果时间序列Y1，Y2，Yt，的生成过程的形式为：,9,移动平均过程（Moving Average, MA） MA（q)模型如果时间序列Yt为它的当期和前期的误差和随机项的线性函数，即,10,自回归移动平均过程（ARMA）如果时间序
3、列Yt为它的当期和前期的误差和随机项，以及其前期值的线性函数，即,11,自回归求积移动平均过程，ARIMA 模型对Yt进行差分，如果差分后的序列是平稳的，则称Yt为自回归求积移动平均过程（autoregressive integrated moving-average process）,用ARMA(p,1,q)表示。如果Yt须经过d次差分后转变为平稳过程，则称ARIMA(p,d,q)。,12,博克斯-詹金斯(BJ)方法论,识别：用相关图和偏相关图找出适当的p, d, q值 估计：用最小二乘法或非线性估计方法 诊断：看所选模型对数据的拟合是否够好 预测：ARIMA普及的原因是其预测方面的成功。,13,小结,14,第16章 实验和面板数据,16.1 经济学中的实验方法,15,16.1.1 随机分配实验,16,16.1.2 自然实验,17,16.1.3 自然实验的例子,18,16.2 面板数据,16.2.1 什么是面板数据,19,16.2.2 固定效应模型,20,16.2.3 固定效应模型估计的例子,21,16.3 固定效应模型和随机效应模型,16.3.1 随机效应模型,22,16.3.2 如何选择固定效应模型和随机效应模型,23,小结,
