英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

区域计量经济收入预测精度

THOMAS M. FULLERTON，JR，

* ROBERTO TINAJERO和LAWRENCE WALDMAN

美国德克萨斯大学埃尔帕索分校

美国新墨西哥大学

摘要

对美国一个地区进行个人收入预测的计量经济预测准确性检查。 以前发布的区域结构方程模型（RSEM）预测事实上存在于新墨西哥州及其三个最大都市统计区域：阿尔伯克基，拉斯克鲁塞斯和圣达菲。从1983年到2000年的季度数据在州一级使用。对于阿尔伯克基，我们使用了从1983年到1999年的年度数据。 对于拉斯克鲁塞斯和圣达菲，从1990年到1999年的年度数据都被采用。使用单变量时间序列，向量自回归和随机游走作为结构方程模拟比较标准。结果表明，事前RSEM预测比新墨西哥州的单变量ARIMA和随机游动基准的模拟结果具有更高的准确性。阿尔伯克基，拉斯克鲁塞斯和圣达菲的结构计量经济模型的记录并不令人印象深刻。 在某些情况下，VAR基准证明比RSEM收入预测更可靠。在其他情况下，RSEM预测不如随机游走替代方案准确。

关键词：区域经济计量模型 预测准确性评估

介绍

区域经济预测经常用于州和地方层面的决策和预算决策。 但是，迄今为止，区域经济预测准确度评估的次数少于宏观经济学预测准确度评估的准确性评估次数（例如参见McNees，1992）。 以前的研究偶尔会举办所谓的计量经济学方法论“赛马比赛”，但很少有人采取额外的步骤来检验事前样本预测的准确性（LeSage，1990; Shoesmith，1992; Weller，1990）。 近年来，这一问题引起了更多关注，并就不同类别编制了一些经验证据。如住宅建设和非农业就业。值得额外关注的区域活动的一个组成部分是个人收入。 个人收入变动影响州和地方各级的消费模式，零售额，储蓄，税收和政府支出。 准确预测个人收入可能会降低与区域规划工作相关的不确定性水平，但迄今为止区域收入预测工作的历史记录大部分都是未知的。 鉴于此，本文的目的是调查使用州和大都市统计区（MSA）数据在地方级开发的个人收入预测的准确性和可靠性。 由于其集体重要性，地区个人收入预测值需要进行这种经验性审查。因此，这项研究成果评估了新墨西哥州及其三个最大都市经济体：阿尔伯克基，圣达菲和拉斯克鲁塞斯的个人收入预测的计量经济学预测准确性。 季度频率收入预测可从1983年到2000年在州一级获得。年度数据用于三个大都市市场。 对于阿尔伯克基，公布的预测数据是从1983年到1999年的数据。对拉斯克鲁塞斯和圣达菲来说，样本预测从1990年到1999年。

文献评论

区域结构方程模型（RSEM）预测准确性研究的缺乏部分是由于它们的历史比国家一级的结构模型短（Klein，1969）。 较小的预测记录会使RSEM的准确性评估更加难以进行。 缺乏正式分析的另一个因素是商业预测者偶尔不愿意公开其产出的定量表现。 同样重要的是要注意，区域数据随着时间的推移会有很大的误差。 后一种情况经常使得难以获得区域性变量组合一致的时间序列样本（Fullerton and West，1998）。

随着越来越多的区域预测数据可供使用，对这些成果的正式准确性评估变得更加可行。 West和Fullerton（1996）对区域就业预测进行了系统评估。 该研究通过利用均方根误差（RMSE）来解决佛罗里达州19个大都市统计区域的结构方程模型的相关准确性。 结果表明，事前RSEM预测通常比四个常用的单变量外推替代方法更准确。 实证分析还表明，随着外推步长的增加，区域结构方程模型的准确性与单变量ARIMA模型相关性降低。

两项地区性研究（Fullerton等，2000,2001）比有限的文献中关于国家和国家以下各级住房开始预测准确性的尝试超出了先前的一步。 早期的研究考察了总住宅开工预测的准确性，但没有分析住宅建设的单户和多户组成部分所表现出的不同经验行为。 在最近的论文中，先前发表的RSEM模拟与佛罗里达州及其六个最大城市经济体的ARIMA和随机游动基准进行了比较。 与佛罗里达州的就业总量相反，住房起步结果表明，区域单体建设的结构模型预测比任一比较方法所产生的预测都要精确。 尽管区域多户开始的预测比以前更准确。但那些ARIMA模型，它们还不能满足简单的随机游走预测规则。

数据修正的问题源于Nelson（1984）的观察，即为了比较不同的预测方法，有必要事先并且同时进行预测。 这种做法对预测期的知识缺乏一致性，也没有使用共同的数据集来生成预测集。 预测期的知识条件可以通过单变量建模方法进行近似。 不幸的是，对区域经济数据系列进行频繁而重大的修改使原始数据集的复制变得不可能（West和Fullerton，1996）。

基于单一准确性决定因素的不同预测方法之间的解释很难进行（Taylor，1982）。 此外，较早的比较往往是跨区域进行的，没有关注数据范围和质量在结构上的巨大差异和区域特定差异。 因此，保持一致的建模方法和一致的时间范围是成功的区域预测准确度评估的重要组成部分。

为了通过比较模拟输出和预测与实际历史数据来评估经济模型的准确性，许多研究（Fisher和Wallis，1990; Pons，2000）利用Theil不等式系数来检验特定模型是否可以解释特定变量的系统变化。 同样，改进后的Theil不等式系数也可以计算为计量经济模型的RMSE与替代程序的RMSE之比（Webb，1984）。 几篇文章和专著的结果表明，经济计量模型的样本外模拟通常不如从单变量时间序列和随机游走基准中获得的准确模型准确。

Lupoletti和Webb（1986）将三家知名商业咨询公司的宏观经济预测与矢量自回归（VAR）外推进行了比较。 这一努力的成果表明，VAR程序产生的模拟结果与使用传统结构方法产生的商业预测一致。 VAR预测也包含了商业预测系统忽略的信息。

为了更好地应对数据修正问题，McNees和Ries（1983）根据发布日期对商业宏观经济预测进行了分组，并且进一步依赖大部分相同的数据集。 外推精度通常与模拟周期的长度成反比。 此外，没有发现个别预测实体对所有时期的所有变量更为准确。 另外，一些商业预测者在近期预测方面较准确，但对较长时期的努力较不准确，反之亦然。 最后，无论评估过程中使用何种比较数据和发布日期，预测精度都会随着时间而显着变化。

个人收入是国家和地区经济表现的重要组成部分，也已经进行了广泛预测。 个人收入预测用于涉及商品库存，零售和政府税收的计划活动。 迄今为止，他们还没有经过广泛的准确性评估。 幸运的是，之前公布的RSEM预测存在于新墨西哥州的一些重要变量和地区（参见Reynis和Waldman，2001）。 后者包括新墨西哥州及其三大都市经济体（阿尔伯克基，拉斯克鲁塞斯和圣达菲）的个人收入。 一些政府和商业实体利用这些预测进行了许多规划活动（例如参见Graeser，1995）。

数据和方法

区域结构方程模型预测事先存在于新墨西哥州及其三个最大的MSA：阿尔伯克基，拉斯克鲁塞斯和圣达菲。 新墨西哥大学自1979年以来发布了这些领域的预测（Reynis和Waldman，2001）。 为了这项研究的成果，这些记录提供了1983年至2000年之间在州一级提前一至八个季度的预测范围。 对于阿尔伯克基来说，这些材料可以提供从1983年到1999年提前一到两步的年度样本外模拟。就拉斯克鲁塞斯和圣达菲而言，它们还提供年度一到二步预测期，但是是从1990年到1999年的预测。

采用三种常用的比较标准：单变量时间序列，向量自回归和随机游走（Nelson，1984; Webb，1984）。 单变量ARIMA时间序列和随机游走模型是根据季度历史个人收入数据为新墨西哥州估计的。 将这些单变量时间序列方程的模拟结果用作一组基准来分析RSEM百分比变化预测的准确性。 第二组基准使用标准随机游走假设进行组装。 最初的RSEM预测是使用数据的初步估计值创建的，而单变量ARIMA时间序列模型是利用修正后的个人收入数据生成的。 虽然这有利于两个基准，但由于影响许多地区的一般数据可用性限制（West和Fullerton，1996），所以无法避免。

新墨西哥州的季度历史收入数据来自1969年第一季度。就三个大都市经济体而言，年度数据也来自1969年（经济分析局，2000年）。 表1列出了样本数据描述统计。变异系数（以标准偏差与各自平均值的比率衡量）为66.0％至73.7％。 与其他地区一样，变异系数与人口呈负相关（Fullerton and West，1998）。 根据估算频率，不同市场总量之间的样本观察数量不同。 每个市场的收入都以数十亿美元计算。

区域经济计量模型的个人收入预测准确性是相对于新墨西哥州的单变量ARIMA和随机游走外推估计的。 将阿尔伯克基，拉斯克鲁塞斯和圣达菲的RSEM模拟与矢量自回归和随机游走预测进行比较。 开头研究的随机游走预测规则采用了分析的每个预测样本的最新可用年化百分比变化率。 这些不同技术的外推结果被分为步长或预测时间。 因此，新墨西哥州获得72个单步预测，71个两步预测，70个三步预测等等。 对于阿尔伯克基，生成了17个一步预测和16个两步预测。 对于拉斯克鲁塞斯和圣达菲，创建了10个一步预测和9个两步预测。 先前公布的RSEM模拟也是类似的分离。

表一：个人收入描述统计

然后将四种不同方法的分离数据与经济分析局（2000）公布的历史个人收入数值进行比较。 预测误差被用来计算每个外推方法的Theil不等系数（也称为U统计量）（Pindyck and Rubinfeld，1998）。 预测误差用于估计每种不同技术的每个预测期间的RMSE值。 每种方法的均方根误差用于生成修正的泰尔不等系数（Webb，1984）。 修改后的Theil不等式系数计算结构模型的RMSE与单变量ARIMA，VAR和随机游走个人收入估计值之间的比值。 在这项研究中，改进的Theil不等式系数大于1意味着单变量ARIMA，VAR和/或随机游动基准比结构模型产生更小的绝对预测误差。 另一方面，如果修改后的Theil不等式系数小于1，则意味着结构模型的预测误差小于替代程序的预测误差。

虽然大量的研究已经将Theil U统计量和修正的Theil不等系数作为预测准确性的比较标准，但应该指出的是，这些模拟评估工具存在一些问题。 一种是基于少数相关决定因素的各种方法的预测准确性评估可能是有风险的（Taylor，1982）。 此外，由于预测误差通常是连续相关的，Theil不等系数可以用作相对预测精度的描述性度量，但不能用于形式显著性检验（Mizrach，1992）。 尽管与这些方法相关的推理和统计测试困难，West（1996）仍然找到均方根误差测量，例如Theil系数可靠地执行。 因此，他们在本文中被用作衡量新墨西哥州及其三大都市经济体之前公布的收入预测的标准。

实验结果

对先前公布的新墨西哥州结构性个人收入预测与单变量ARIMA模拟进行比较，以获得预测准确性的相对度量。 对于这个过程，Theil U统计量和改进的Theil不等式系数是针对每个预测计算的。 结果列于表II。 类似于Fullerton和West（1998）以及Fullerton等人。 （2001），RSEM外推法与所有的单变量ARIMA预测相比较有利。

表二： 新墨西哥州收入预测的准确性：RSEM与ARIMA

表三： 新墨西哥州收入预测的准确性：RSEM与随机游走

表四： 大都市收入预测准确度：RSEM vs. VAR

在跨步长的这些竞争方法的相对预测准确度方面没有发现不同的模型。 提前提前准确度并不意味着提前提前准确度，反之亦然。

早期的许多研究（Ashley，1988; Fullerton等，2000）表明随机游走基准可能产生比R

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23523]，资料为PDF文档或Word文档，PDF文档可免费转换为Word