前两个预测误差统计量由因变量规模决定。它们应该被作为相对指标来比较同样的序列在不同模型中的预测结果，误差越小，该模型的预测能力越强。后两个统计值是相对量。泰尔(Theil)不等系数总是处于0和1之间，这里0表示与真实值完全拟合。预测均方差可以分解为：??(y式中t?t/h)?y)?(sy?yt)/h?((?y??sy)?2(1?r)sy?sy222??yt/h,y,sy?和y的平均值和标准差，r为y?和y的?,sy分别为y21相关系数。该比值被定义为：Bias Proportion 偏差比??(?y???yt/h)?y?22t?yt?h2Variance Proportion 方差比?s?y?sy?2???yt?yt?hCovariance Proportion 协方差比2?1?r?sy?sy???yt?yt?h2偏差比表明预测均值与序列实际值的偏差程度；方差比表明预测方差与序列实际方差的偏离程度；协方差比衡量非系统误差的大小。注意：偏差比、方差比和协方差比之和为1。如果预测结果好，那么偏差比和方差比应该较小，协方差比较大。对预测估计的其余讨论，见Pindyck与Rubinfeld（1991，第12章）。22§16.3 含有滞后因变量的预测在方程等号的右边出现滞后变量时，预测变得更为复杂。例如，我们可以在原来的形式后面引入y的一阶滞后：ycxzy(-1)并且单击Forecast键，和前面一样在对话框中写入序列名。不过我们还面临着对方程等号右边y的滞后值如何进行估计的问题。这里提供了两种方法：动态预测与静态预测。一、动态预测如果选择动态预测，EViews将从预测样本的起始日期开始，对y进行多步预测。对如上只指定一个滞后变量的情况：23预测样本的初始值将使用滞后变量y的实际值。因此，如果y的实际样本值是T个，我们从T+1开始预测，即T+1是第一个预测值，EViews将计算?T?1?c?(1)?c?(2)xT?1?c?(3)zT?1?c?(4)yTy这里yT是预测样本开始前一期的滞后内生变量值，这就是一步向前预测。?T?k?1?c?(1)?c?(2)xT?k?1?c?(3)zT?k?1?c?(4)y?T?k.y随后的h个预测值，k=1,2,…,h，将使用前期y的预测值：这种预测方法显著地不同于静态的一步向前预测。在估计方程中，如果有y的其它滞后变量，需要对如上运算进行修改，24