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)， 或是簡單的自我迴歸模型 (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，以單變量時間數列模型表現最佳，然其缺點為無法作政策 模擬之用； MEM-ARMA 及 MEM-AR 次之， MEM-ARMA 雖然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。