GDP预测方法的探讨与实证检验―多元线性回归模型和ARMA模型的比较论文.docVIP

GDP预测方法的探讨与实证检验 ―――多元线性回归模型和ARMA模型的比较 摘 要 本文以1994年第一季度到2008年第四季度的GDP数据作为历史数据。首先建立多元线性回归模型，选择狭义货币(M1)，社会消费品零售总额，投资完成额为解释变量，经检验这几组数据和国内生产总值GDP数据都存在非平稳性，但他们之间有协积关系，故建立回归模型有意义。 之后是该模型的修正，主要是改进了多重共线性和异常值。利用改进好的模型对接下来两个季度的GDP进行了预测。 我们发现回归模型存在着比较大的缺陷，对这些缺陷我们有使用了ARMA模型来预测GDP。先对GDP的数据进行差分处理，去掉了非平稳性和季节周期性。再观察处理后的数据的自相关和偏自相关图，先大致确定了可以建立的六个ARMA模型。综合比较后选择了使用建立AR（1）模型，并做了预测。最后对多元线性回归模型和ARMA模型进行了对比分析。得出不管从方法上还是预测结果的精度方面ARMA模型都比多元线性回归模型要好。 关键词：季度GDP预测 多元线性回归模型 ARMA模型 Eviews 引言 在经济形势分析中，常常需要对主要经济指标进行预测，特别是对GDP的总量和增长速度进行预测政府统计部门和发展计划部门的这种要求尤为迫切。在，利用经济指标对GDP进行回归预测。 从图中可以看出GDP有很明显的上升趋势，很可能是非平稳的。进一步对国内生产总值GDP做单位根检验结果如下: ADF Test Statistic 0.616225 1% Critical Value* -3.5457 5% Critical Value -2.9118 10% Critical Value -2.5932 *MacKinnon critical values for rejection of hypothesis of a unit root. 上述回归结果显示，GDP序列ADF检验的统计量数值为0.616225，该模型样本容量的显著性水平为1％，5％，10％时的临界值分别为-3.5457，-2.9118和-2.5932。因为0.616225 〉 3.5457，-2.9118和-2.5932,所以不能拒绝GDP有单位根，因而是非平稳序列的假设。 同理可以知道狭义货币(M1)，社会消费品零售总额，投资完成额也都是非平稳的。 为了判断能否建立回归模型，对国内生产总值GDP，狭义货币(M1)，社会消费品零售总额，投资完成额做协积性分析。首先做回归，结果如下： Dependent Variable: Y Method: Least Squares Date: 01/02/10 Time: 17:20 Sample: 1994:1 2008:4 Included observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C -483586.9 113412.3 -4.263971 0.0001 X1 -0.263811 0.049813 -5.296076 0.0000 X2 13.63115 1.008629 13.51454 0.0000 X3 -0.046379 0.043000 -1.078579 0.2854 R-squared 0.972214 Mean dependent var 3154660. Adjusted R-squared 0.970725 S.D. dependent var 1994158. S.E. of regression 341196.3 Akaike info criterion 28.38264 Sum squared resid 6.52E+12 Schwarz criterion 28.52227 Log likelihood -847.4793 F-statistic 653.1352 Durbin-Watson stat 2.486315 Prob(F-statistic) 0.000000 并得到该模型的残差序列： 日期 Residual 日期 Residual 日期 Residual 1994/3/31 165774.2 1999/3/31 -107893 2004/3/31 -51648.3 1994/6/30 30712.98 1999/6/30 141556.3 2004/6/30 207912.1 1994/9/30 -3551.83 1999/9/30 104847.9 2004/9/30 -109577 1994/12/31 206470