傳統總體經濟模型(Macro-Economic Model,簡稱MEM)在作參數估計與預測分析時,模型行為方程式殘差項多呈序列相關,而未能符合白干擾項(white noise)之理論假設,往往影響參數估計及模型預測之確度。Tiao et al. (1998)曾對傳統總體模型之迴歸式殘差項建立自我迴歸-移動平均模型(Autoregressive Moving Average Model,簡稱ARMA),藉以改善模型殘差項呈序列相關的現象,以增進模型預測的準確度。本文即將此方法應用於主計處新建立之總體經濟季模型,並進一步探討是否應對殘差配適複雜的ARMA模型(簡稱MEM-ARMA),或是簡單的自我迥歸模型(簡稱MEM-AR)即已足夠?另外,本文比較不同外生變數的設定方式及特異值調整與否對預測準確度之影響。 本文實證分析發現:對商品市場各行為變數的預測效果,以單變量時問數列模型表現最佳,然其缺點為無法作政策模擬之用;MEM-ARMA及MEM-AR次之,MEM-ARMA雖對殘差模型作更為精緻處理,惟在此總體模型架構下,MEM-ARMA表現較佳者多屬價格方程式,而在商品與貨幣市場之表現,或因國內經濟結構變遷而可能存在結構性改變,卻未能完全由解釋變數適切地表現而將問題歸入殘差項,如此一來便容易造成殘差模型認定時的誤判,導致預測確度反而未若MEM-AR;若完全不對殘差項加以處理(MEM),則其預測能力明顯較差。 至於動態外生變數預測的作法在短期預測時可行性仍高,惟預測期間較長時,外生變數的設定問題仍值得探討。