向量自回归模型与向量误差修正模型预测功能比较——基于我国国内生产总值和居民消费支出变量实证的研究.pdfVIP

第24卷第2期，2011年4月 宁波大学学报(理工版) 首届中国高校优秀科技期刊奖 I JOURNALOFNINGBO V01．24 UNIVERSITY(NSEE)浙江省优秀科技期刊一等奖 No．2，Apr．201 向量自回归模型与向量误差修正模型预测功能的比较 ——基于我国国内生产总值和居民消费支出变量的实证研究 李洪雄1，汪浩瀚lr (1．宁波大学商学院，浙江宁波315211；2．宁波大学研究生院，浙江宁波315211) 摘要：建立国内生产总值与居民消费支出有关形式变量的向量自回归模型和误差修正模型，依 据国内生产总值和居民消费支出的历史数据分别对模型进行估计，并利用估计好的2个模型对近 2年的相应变量进行预测，将预测结果与实际数据相比较，从而得出2个模型的预测效果．通过比 较显示：误差修正模型预测效果优于向量自回归模型． 关键词：向量自回归模型；误差修正模型；预测功能比较 中图分类号：F064．1 文献标识码：A 居民消费支出与国内生产总值之间的关系密 3种模型预测英国的股票价格，发现VEC在预测功 切，居民消费支出与国内生产总值的滞后期相关， 能上要强于其他2个模型． 而国内生产总值则与居民消费支出当期有关．史 1 数据及相关变量说明 宁中等人…实证分析了中国人均国内生产总值与 人均消费之间的关系，发现人均国内生产总值高 笔者使用的数据为1978～2007年的居民消费 速增长并没有带来人均消费的高速增长，并且两 支出和国内生产总值以及消费物价指数，全部数 者并不存在当期严格的线性关系，而是一个动态 据来源于《中国统计年鉴2008》．考虑到消除变量 变化的关系，特别是消费支出往往与前期的国内 之间的共线性，由于需要用到物价指数，故采用实 生产总值的关系较大． 际变量，而不是名义变量．由于人均消费数据的不 可直接获得性，为减少数据转换过程中信息损耗， 向量自回归模型(VAR)、向量误差修正模型 故使用总值，而不是人均数值．具体变量见表1． (ECM)和卡曼滤波模型(KFM)常常被用来预测股 票价格．研究表明，向量误差修正模型预测效果最 表l变量表 好，而向量自回归模型又好于卡曼滤波模型．一般 认为，误差修正模型之所以在预测效果上好于其 他2种模型，是由于它通过1个误差修正项允许变 量的动态更新调整[2-6]．向量自回归模型能够反映 变量之间的相互关系，能够体现滞后期以及任何 期扰动对各个变量的影响，而误差修正模型还能 够反映变量之间的长期均衡关系以及短期偏离关 系．通过这2个模型对中国的居民消费支出与国内 2 基本模型的建立 生产总值进行预测，并比较两者的预测效果是笔 2．1变量的单整检验 者的目的．国外有研究VAR与VEC的预测效果的 变量CONS表示名义居民消费支出，变量GDP 相关文献．Jung等人【7】通过应用VAR、ECM和KFM 收稿日期：2010．09-24． 宁波大学学报(理工版)网址：http：／／3xb．nbu．edu．ell 万方数据 120 宁波大学学报(理工版) 2011 表示名义国内生产总值，两者都为二阶单整，即 选取带‘项的滞后期为最佳滞后阶数． 1(2)；变量TCONS表示实际消费支出，变量TGD