文档介绍：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。

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

1% Critical Value*
-
5% Critical Value
-
10% Critical Value
-
*MacKinnon critical values for rejection of hypothesis of a unit root.
上述回归结果显示,,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-,--。〉 ,--,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
-

-

X1
-

-

X2

X3
-

-

R-squared

Mean dependent var
3154660.
Adjusted R-squared

. dependent var
1994158.
. of regression

Akaike info criterion

Sum squared resid
+12
Schwarz criterion

Log likelihood
-
F-statistic

Durbin-Watson stat

Prob(F-sta