Để dự báo một chuỗi từ một phương trỡnh ước lượng, chúng ta thực hiện: Nhấn nút Forecast trên thanh công cụ phương trỡnh hoặc chọn Procs/Forecast…
Khi hộp thoại Forecast xuất hiện, chỳng ta cung cấp cỏc thụng tin về:
+ Tờn chuỗi
+ Tờn chuỗi sai số ( trong S.E.(optional)) nếu muốn lưu lại chuỗi sai số chuẩn dự báo. Nếu không cung cấp tên, sai số dự báo sẽ không được ghi lại .
+ Khoảng mẫu: Chúng ta phải đặc tả mẫu để dự báo.
Khi đặc tả một mẫu bên ngoài mẫu được sử dụng trong ước lượng phương trỡnh, chỳng ta cú thể chỉ dẫn cho Eviews đưa ra dự báo ngoài mẫu.
Đối với dự báo tĩnh, chúng ta phải cung cấp giá trị cho các biến phụ thuộc độ trễ.
+ Kết quả (Output): Chúng ta có thể chọn cách xem kết quả dự báo như dạng đồ thị hay ước lượng dự báo dưới dạng số hoặc cả hai. Ước lượng dự báo chỉ có sẵn khi mẫu dự báo chứa các theo dừi của chuỗi liờn quan đến biến phụ thuộc được theo dừi .2.8.2. Phương pháp dự báo:
Chỳng ta phải chọn giữa các phương pháp sau:
- Dự báo động: tính toán dự báo nhiều bước bắt đầu từ thời điểm đầu tiên trong mẫu dự báo
- Dự báo tĩnh: tính toán sự tuần tự của dự báo trước một bước (one-step-ahead), sử dụng thực tế hơn là giá trị dự báo biến phụ thuộc độ trễ của dự báo
Khi dự báo ta có thể quyết định lựa chọn sau đây:
Structural: chỉ dẫn cho EViews để bỏ qua bất cứ hạng thức ARMA nào trong phương trỡnh khi dự bỏo. Khi phương trỡnh cú cỏc hạng thức ARMA cả phương pháp động và tĩnh đều thiết lập dự báo cho phần dư. Nếu chọn Structural, tất cả các dự báo sẽ bỏ qua phần dư và sẽ thiết lập các phỏng đoán chỉ sử dụng phần có cấu trúc của mô hỡnh.
Chỳ ý: Đối với các giá trị không chứa trong mẫu dự báo, có 2 lựa chọn. EViews sẽ điền vào các giá trị thực cho biến phụ thuộc. Nếu tắt chế độ Insert actuals for out- of-sample, các giá trị NA sẽ được điền vào giá trị mẫu ngoài dự báo
2.8.3 Tớnh toỏn dự bỏo (Computing forecasts)
Với mỗi theo dừi trong mẫu dự bỏo, EViews tớnh toỏn giỏ trị thớch hợp cho cỏc biến phụ thuộc sử dụng tham số ước lượng, các biến ngoại sinh, và cả các giá trị
thực hay ước lượng cho các biến ngoại sinh làm trễ và phần dư. Phương pháp xây dựng các giá trị dự báo phụ thuộc vào mô hỡnh ước lượng và người sử dụng đặc tả môi trường.
Đối với mọi theo dừi trong thời điểm dự báo, EViews sẽ tính giá trị Y thích hợp sử dụng các tham số và các giá trị tương ứng của biến hồi quy X và Z
chỳng ta cú cỏc giỏ trị ý nghĩa cho cỏc biến ngoại sinh phớa bờn phải của tất cả cỏc theo dừi trong thời điểm dự bỏo. Nếu cú bất kỳ dữ liệu nào bị thất lạc trong mẫu dự bỏo, theo dừi dự bỏo tương ứng sẽ là NA
2.8.4 Sai số và phương sai dự báo (Forecast Errors and Variances) Giả sử một mụ hỡnh "đúng" được đưa ra bởi:
y t =x' t + t (2.8.2) trong đó t là nhiễu ngẫu nhiờn trung bỡnh zero độc lập cùng phân phối và là véc tơ của các tham số không biết. Chúng ta giảm bớt ràng buộc, coi là độc lập trong việc dự báo với sai số ARMA
Mụ hỡnh đúng sinh ra y là không được biết nhưng chúng ta nhận được ước lượng b từ các tham số không biết. Vỡ vậy đặt hạng thức sai số bằng với giá trị trung bỡnh zero của nú, dự bỏo điểm của y đạt được bằng phương trỡnh
Dự báo được tạo ra cùng với sai số. Giả sử mụ hỡnh được đặc tả là đúng, có 2 lý do gõy ra sai số dự bỏo: phần dư không xác thực và hệ số không xác thực.
2.8.5 Đánh giá dự báo:
Khi chúng ta xây dựng một dự báo động với mẫu cụ thể sử dụng phương trỡnh ước lượng, EViews thông báo một bảng kết quả thống kê để đánh giá dự báo.
t t
t c c x c z
y ˆ ˆ ( 1 ) ˆ ( 2 ) ˆ ( 3 )
b x y ˆ t t '
(2.8.1)
(2.8.3)
Giả sử mẫu dự báo là t = S,S+1,...,S+h và biểu thị giá trị thực và giá trị dự báo ở thời điểm t là y t và ŷ t . Các thống kê sai số dự báo được thể hiện :
Sai số bỡnh phương trung bỡnh nghiệm (Root Mean Squared Error)
Sai số tuyệt đối trung bỡnh (Mean Absolute Error)
Sai số tỉ lệ tuyệt đối trung bỡnh (Mean Absolute Percentage Error)
Hệ số khụng cõn bằng Theil (Theil Inequality Coefficient)
(2.8.4)
(2.8.5)
(2.8.6)
(2.8.7)
h S
S t
t
t y
h ( y ˆ )
1 1
h S
S t
t
t y
h y ˆ
1 1
h S
S
t t
t t
y y y h
ˆ 1 1
h S
S t
h S
S t
t t
h S
S t
t t
h y h y
y h y
2 2
2
1 ˆ 1
1 1
ˆ ) 1 ( 1
Hai thống kê sai số dự báo đầu tiên phụ thuộc vào phạm vi(scale) của biến phụ thuộc, được dùng để so sánh kết quả dự báo của một chuỗi ứng với các mô hỡnh khỏc nhau. Sai số càng nhỏ, khả năng dự báo của mô hỡnh càng tốt.
Hai thống kờ cũn lại cú phạm vi khụng đổi. Hệ số không cân bằng Theil (Theil inequality coefficient ) luôn nằm trong khoảng 0 và 1, bằng 0 thể hiện sự thích hợp tuyệt đối.
Sai số dự bỏo bỡnh phương trung bỡnh cú thể được phân tích như sau: