經(jīng)濟(jì)預(yù)測(cè)與決策（第2版）課件

1第七章其它預(yù)測(cè)方法

一、PanelData模型預(yù)測(cè)（一）模型的基本問題

為了能夠充分揭示不同截面單位隨時(shí)間的變化，可以將截面數(shù)據(jù)和時(shí)序數(shù)據(jù)結(jié)合，運(yùn)用PanelData模型進(jìn)行分析。Panel數(shù)據(jù)是截面數(shù)據(jù)與時(shí)序數(shù)據(jù)的結(jié)合，即不同個(gè)體在不同時(shí)間上觀測(cè)的數(shù)據(jù)，或者說，隨時(shí)間變化觀測(cè)同一總體中不同個(gè)體的數(shù)據(jù)。

2數(shù)據(jù)的特點(diǎn)回歸模型截面數(shù)據(jù)：研究不同個(gè)體之間的關(guān)系和規(guī)律時(shí)序模型時(shí)間數(shù)據(jù)：研究同一個(gè)體不同時(shí)間變化規(guī)律

實(shí)際數(shù)據(jù)不滿足回歸的要求實(shí)際數(shù)據(jù)時(shí)間過短

(二)模型的基本類型

1.基本形式

其中，…

），為外生變量向量，

…

），為參數(shù)向量，K是外生變量個(gè)數(shù)，T是時(shí)期總數(shù)．隨機(jī)擾動(dòng)項(xiàng)uit相互獨(dú)立，且滿足零均值、等方差．

模型類型

固定效應(yīng)模型

隨機(jī)效應(yīng)模型模型中Ci是隨機(jī)的，稱為隨機(jī)效應(yīng)。它反映除了能夠用共同的變量X能夠解釋的Y的變化外，不同個(gè)體之間還有的差異。如果這些差異不提取出來，隨機(jī)干擾項(xiàng)將不是獨(dú)立同分布的。這些差異雖然無(wú)法直接觀測(cè)但客觀存在，只能用隨機(jī)效應(yīng)表示，相當(dāng)于在模型中引入一個(gè)不可直接觀測(cè)的潛變量。

5（三）固定效應(yīng)模型截面單位是總體的所有單位，則固定效應(yīng)模型是一個(gè)合理的模型。通常，僅就樣本進(jìn)行分析，不涉及以樣本推斷總體時(shí)，可以使用固定效應(yīng)模型。

61.基本形式

i=1,…,Nt=1,…,T

表示所有截面單位在所有時(shí)間上的均值，即總平均值;

表示不同截面單位截距與總平均的差異，稱為截面效應(yīng)；

是不同時(shí)間截距與總平均的差異，稱為時(shí)間效應(yīng)；2.類型截距和斜率是否變化

7A.斜率相同且截距相同

B.斜率相同但截距不同

8C.截距相同但斜率不同

D.斜率和截距都不同

9

3.模型形式的檢驗(yàn)

上述模型哪個(gè)適用，可以通過建立在最小二乘估計(jì)基礎(chǔ)上的殘差，構(gòu)造F檢驗(yàn)統(tǒng)計(jì)量加以判斷。模型形式檢驗(yàn)的基礎(chǔ)是各模型的殘差平方和，先從最簡(jiǎn)單的模型A開始，依次檢驗(yàn)，一直檢驗(yàn)到不能拒絕該類模型為止。10

4.參數(shù)估計(jì)最小二乘法

-最小二乘虛擬變量估計(jì)(LSDV)

廣義最小二乘法(GLS)

兩階段最小二乘法（TSLS）

廣義矩估計(jì)（GMM）11

5.模型檢驗(yàn)參數(shù)檢驗(yàn)合理性顯著性殘差檢驗(yàn)獨(dú)立性同方差性

固定效應(yīng)的LR檢驗(yàn)

固定效應(yīng)的LR檢驗(yàn)是對(duì)選用的固定效應(yīng)模型是否適合進(jìn)行的檢驗(yàn)。12固定效應(yīng)是否多余的檢驗(yàn)：國(guó)定效應(yīng)是多余的：固定效應(yīng)不是多余的統(tǒng)計(jì)量是通過兩個(gè)模型系數(shù)估計(jì)結(jié)果的差異構(gòu)建其中，R是帶限制條件，

UR是不帶限制條件

m是自由度即限制的參數(shù)的個(gè)數(shù)

例7.113二、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基本原理

神經(jīng)網(wǎng)絡(luò)（neuralnetwork）是以計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)模擬生物神經(jīng)網(wǎng)絡(luò)的智能計(jì)算系統(tǒng)。網(wǎng)絡(luò)上的每個(gè)結(jié)點(diǎn)相當(dāng)于一個(gè)神經(jīng)元，可以記憶（存儲(chǔ)）、處理一定的信息，并與其他結(jié)點(diǎn)并行工作。

求解一個(gè)問題是向人工神網(wǎng)絡(luò)的某些結(jié)點(diǎn)輸入信息，各結(jié)點(diǎn)處理后向其他結(jié)點(diǎn)輸出，其他結(jié)點(diǎn)接受并處理后再輸出，直到整個(gè)神經(jīng)網(wǎng)工作完畢，輸出最后結(jié)果。1415

2.神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方式

神經(jīng)網(wǎng)絡(luò)模擬人類的大腦結(jié)構(gòu)和思維方式，對(duì)數(shù)據(jù)變量之間的關(guān)系進(jìn)行可靠的近似。每一層包含若干個(gè)神經(jīng)元，通過層與層之間的神經(jīng)元連接，構(gòu)成一個(gè)完整的多層前饋網(wǎng)絡(luò)結(jié)構(gòu)。

常用的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為三層：輸入層、中間層（或隱藏層）、輸出層，每一層包含若干個(gè)神經(jīng)元，通過層與層之間的神經(jīng)元連接，構(gòu)成一個(gè)完整的多層前饋網(wǎng)絡(luò)結(jié)構(gòu)。16

假設(shè)一個(gè)神經(jīng)元接收??

個(gè)輸入

，一個(gè)典型的神經(jīng)元結(jié)構(gòu)如圖其中，D是輸入變量的個(gè)數(shù)，從外界接受到的輸入被量化為

，相應(yīng)的權(quán)重系數(shù)為1表示有截距項(xiàng)，b為權(quán)重；一個(gè)神經(jīng)元的凈輸入為所獲得的輸入信息的加權(quán)和。

17若記z為一個(gè)神經(jīng)元的凈輸入，則上圖中有

凈輸入z經(jīng)過激活函數(shù)f的作用得到神經(jīng)元的活性值（Activation）a，形成最終的輸出。18一個(gè)有一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)如圖其中，一個(gè)神經(jīng)元的輸出是另一個(gè)神經(jīng)元的輸入，+1項(xiàng)表示的是偏置項(xiàng)，即常數(shù)項(xiàng)。L1層稱為輸入層，L2層稱為隱藏層，L3層稱為輸出層。19

輸入層神經(jīng)元的數(shù)目與解釋變量數(shù)目相同；輸出層神經(jīng)元數(shù)目與被解釋變量數(shù)目相同；中間層可以包含任意多層數(shù)以及每一層可以包含任意數(shù)目的神經(jīng)元，實(shí)際應(yīng)用中