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。在本论文中，我们利用狭义货币(M1)，社会消费品零售总额，投资完成额这三个经济指标对GDP进行回归预测。 二.符号说明 1．X1 狭义货币(M1) 2. X2 社会消费品零售总额 3. X3 投资完成额 多元线性回归模型模型的建立 首先找到国内生产总值GDP，狭义货币(M1)，社会消费品零售总额，投资完成额从1994到2009年各个季的数据，具体如附录表1 我们选取1994年一季度到2008年四季度的数据作为样本，剩下的2009年一季度和二季度的值用于计算预测精度。 利用Eview软件做季度GDP的时间序列图如下： 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