国内年度GDP数据的贝叶斯时间序列分析.pdfVIP

第27卷第1期 信阳农林学院学报 V01．27No．1 2017年3月 Journalof of and Mar．2017 XinyangCollegeAgricultureForestry 国内年度GDP数据的贝叶斯时间序列分析 曹 静 (华南农业大学数学与信息学院，广东广州510642) 摘 要：利用改革开放以来的年度GDP数据，采用基于马尔科夫链蒙特卡洛(McMc)算法的贝叶斯随机搜索方法进行 模型选择，建立时间序列模型。结果表明，贝叶斯时间序列模型的预测精度优于文献中经常采用的ARIMA模型，在分析我国 总体经济发展规律和变化趋势方面具有较好效果。 关键词：国内生产总值；时间序列；贝叶斯模型选择；马尔科夫链蒙特卡罗法 中图分类号：F224文献标识码：A 文章编号：2095．8978(2017)01-0035-04 Domestic 国内生产总值(Gross 品或服务的重要总量指标。一般来说，GDP会受到多种因素的影响，因此运用结榭l生因果模型分析和预测GDP 比较困难。而将历年的GDP数据作为时间序列进行分析，则具有较强的可操作性和重要的现实意义。 近年来，许多文献利用时间序列方法对我国GDP发展规律进行研究。例如，王维国等(2010)将基于贝 总值(GNP)环比基数建立自激励门限自回归模型，并对模型进行贝叶斯分析[3]。已有文献采用的方法多数 只能确定时间序列模型的最高阶数，而且所得模型一般包含不显著的延迟变量。同时，当候选子模型的个数 SearchVariable 搜索变量选择方法(Stochastic 表1)建立一个层次贝叶斯混合模型，由示性变量的取值选择模型中的滞后项，具有最高后验概率的子模型 chainMonte 马尔科夫链蒙特卡洛(Markov Carlo，MCMC)模拟算法[5]对模型进行估计和选择。 1国内生产总值 则、内容和方法，因此1952年以来的年度GDP数据时间序列具有可比性。 表1 1978—2013年中国国内生产总值年度数据 单位：亿元 年份 GDP 年份 GDP 年份 GDP 年份 GDP 1978 3645．2 1987 12058．6 1996 71176．6 2005 184937．3 1979 4062．6 1988 15042．8 1997 78973．0 2006 216314．4 1980 4545．6 1989 16992．3 1998 84402．3 2007 265810．3 1981 4891．6 1990 18667．8 1999 89677．1 2008 314045．4 1982 5323．4 1991 21781．5 2000 99214．6 2009 340902．8 1983 5962．7 1992 26923．5 2001 109655．22010 401512．8 1984 7208．1 1993 35333．9 2002 120332．7 2011 473104．1 1985 9016．O 1994 48197．9 2003 135822．82012 519470．1 1986 10275．2 1995 60793．7 2004 159878．3 2013 568845．2 收稿日期：2016—07—12 基金项目：教育部人文社会科学研究青年基金项目(15YJC790004)． 作者简介：曹静(1981一)，女，四川简阳人，讲师，硕士，研究方向：农村产业经济与制度经济、数理金融统计