如何利用eviews6作区间预测

做计量分析的目的就是为了探寻经济现象内在的相关关系，而预测效果的好坏则是检验这种关系存在与否以及解释力度大小的标准。模型一般分为两类，一是基于单个序列的模型，二则是我们常见常用的多序列模型。
一、单序列模型的预测
最常用的方法就是指数平滑法，这个已经在之前详细阐述。
ARMA模型
时间序列可以通过将时间序列引入转化为多序列模型

二、多序列模型的预测
1、一般理解
当确定了序列之间的回归方程之后即可根据回归方程进行拟合预测。Eviews路径：回归方程窗口-----forecast。
衡量预测效果的标准是预测误差，即预测值与实际值之间的偏差。预测输出界面参数的理解如下：
第一，误差均方根（Root Mean Squared Error）。对预测误差的等可能加权平方和求平方根
第二，平均绝对误差(Mean Absolute Error)。对预测误差的绝对值求平均。
第三，平均相对误差(Mean Abs.Percent Error)。其计算公式与平均绝对方差一样都是对误差采用绝对值，但这里要除以实际值，所以最终度量的是相对误差。因为公式乘以了100，所以输出结果中其值的度量单位为百分比。
第四，Theil不等系数(Theil Inequality Coefficient)。它的计算公式含义也很清晰，分子就是误差均方根，分母则是预测值等可能加权平方和开平方根+实际值等可能加权平方和开平方根。因此这一系数的取值区间为0-1，越靠近0，表示单位误差均方根越小，即预测值与实际值越靠近，模型拟合效果越好。前面三个参数的值也是如此，越小表示模型拟合效果越好，只是怎样才叫小却是无从判定。
预测均方差又可以分解为三个指标之和，偏差比、方差比和协方差比之和为1：
第一，偏差比率(Bias Proportion)
第二，方差比率(Variance Proportion)
第三，协方差比率(Covariance Proportion)
偏差比率表明预测均值与序列实际均值的偏差程度（预测均值与实际均值之差的平方占误差均方的比率）；方差比表明预测方差与序列实际方差的偏离程度（预测值和实际值的分布偏差标准差之差的平方占误差均方的比率）；协方差比率衡量非系统误差的大小（预测值和实际值的分布偏差协方差占误差均方的比率）。
如果预测结果好，那么偏差比率和方差比率应该较小，协方差比率较大。

得到的forecast 应该有三条线 中间蓝色 两边红色 你把鼠标移到 线上 能够看到数值
把两边红色线上的数值 写出来 就是 估计的区间了