三、包含MA误差项的预测一般说来，不需要了解MA预测的细节，因为EViews自动进行预测。下面介绍MA预测的基本思想。利用MA计算预测值的第一步是求得前期预测样本中随机误差项的拟合值。例如，如果要预测包含一个简单的MA(q)的从T+1期开始的y值：??????????yT?1??T?1??1TqT?q?1则需要知道滞后随机误差项?,?,...,?的值。为计算预测前期的随机误差TT?1T?q?1项，EViews将自动指定估计样本的前q个随机误差项的初值?0,??1,??2,...,??q。给定初始值后，EViews将利用向前递归来拟合MA(q)模型随后的各随机误差项的值?,?,?,?,?,?。12qT要注意本过程与前面包含AR项的过程之间的区别。在前面，预测样本是向前调整且预测值置为实际值。29动态与静态选择有两个基本含义：1．如果已计算出随机变量的前q个样本值，动态预测将其后的所有随机误差项都置为零。静态预测将通过样本值的末尾扩展向前递归，允许结构模型和随机误差项的一步向前预测。2．在计算静态预测时，EViews使用全部估计样本来回推随机误差项。对动态的MA预测，回推过程利用的估计样本初值是预测期间的起始值或估计样本末端值。30前面举的例子都是对因变量进行拟合的例子。一般检验一个模型的预测效果，采用把样本期间分为两个期间：估计样本期间和检验样本期间的方法。利用估计样本期间估计模型，然后利用检验样本期间检验预测效果。例如在上例中估计期间取为1947年1季度-1993年1季度；检验（预测）期间取为1993年2季度-1995年1季度。可以观察预测效果如何，反复修正模型，改善预测效果。实际预测时对未来的信息是未知的，需将外生变量外推出来后，利用模型进行因（内生）变量预测。31§16.5带有公式的预测方程EViews可以估计并预测等式左边是由某个公式定义的变量的方程。在对左边是公式的方程进行预测时，由三件事情决定预测过程和可以利用的选项：1．公式是否为线性或非线性；2．公式中是否包括滞后变量；3．公式中是否包括估计系数。一、点预测EViews可以提供对方程左边的因变量是某个表达式的情况，预测这个表达式的功能。而且如果公式中的第一个序列，能从表达式求解出来，那么EViews还可以提供预测公式中第一个序列的功能。32