基于mf-var模型的我国经济增长预测

《基于mf-var模型的我国经济增长预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－一．＇．．■■：中；？，Ｉ＇Ｉ学校编码：１０１７３分类号密级＿＿学号；２０１４１００３３６ＵＤＣ＿＿＊．４矣化材资Ａ令硕：ｔ学位论文基于ＭＦ－ＶＡＲ模型的我国经济增长预测’ＦｏｒｅｃａｓｔｏｆＣｈｉｎａｓｍａｃｒｏｅｃｏｎｏｍｉｃｒｏｗｔｈｇＭＦ－ＶＡＲｍｏｄｅＢａｓｅｄｏｎｌ刘永强，扭１：．记■一半广／．：－１．．＊．？；＾＾Ｉ．．－＾：；可心＾’ｉ．－－，’兩ｒ左Ｊ？一－？‘１和＞－．可？－、約，中＊－芦：勺＇．三

2、；八指导教师拽名：王雪标教授吊＇心４‘：：’北；ｉ—■；级学科名疏：应用经济学；．．古；二级掌科名疏：数量经养学＊．—■１．？．■■■＾■论女答銳时间—；２０１６年１０月、冷１‘＼－？．．一＾－？．？，？－－’．；？■：＇．．．‘一：－－Ｖ５．．沾请争Ｖ恥心：＊＇’：二ｔ’■＇：：记一心－、‘■＇ｒ’＇－二＇一巧．ＶＭ．－。－■：－Ｖ１＇等气、社，‘Ｖ巧：．，：一■－—．；摘要在利用传统的计量经济模型研究我国宏观经济

3、增长等问题时，仅仅是对频一，致的同频率相同、长度相同的变量做回归。许多情况下仅仅使用观测点，同长度数据往往导致研究变量的数量减少一，特别是在分析影响某指标变动的因素时，由于样本数据结构的限制，通常并不能把足够多的影响因子包含在同一模型之中。一基于传统计量经济模型送基本要求，许多分析多因子模型的研究工作者开始逐渐尝试改变研究变量的数据结构Ｗ使模型的实证效果更加具有说服力。；加总通常改变数据结构的方法包括、替代Ｗ及利用不同插值技术的填补方法。加总和替代主要应用于将某些存量或者流量指标将具有较高频率的数据结构处理为具有较低频率的数据结构。利用各种插

4、值方法对数据进行填补主要应用于将指标的低频数据处理为高频数据。这种改变数据结构的做法虽然方法上可行而且通常计算简单，但是人为改变数据结构的做法有可能破坏原变量之间的一相关关系，因为对于不同时间间隔的数据，在定时期内其代表的经济含义是不一样的，而且各自表现出的趋势和波动性也有可能大相径庭。因此这种做法虽简单易行，但仅仅适用于对数据进行微小的改动，对于要处理大量时间序列数据时就显得不够合理，，。例如在时间较长的数据中当出现大量的非随机性缺失值时，利用插值法进行数据填补得到的时间序列并不能真实地反应原有指标的变动性质及分布特征。随着各个市场的繁荣发

5、展，统计技术的不断进步，我国已经积累了大量的统计数据，研究不同数据结构的变量之间的相关关系的需求变得更加迫切。近几年来，随着计算机处理数据能力的显著提升，借助计算机技术的计量经济学一些新的计量经济学模型被创立一模型研究取得了很大的突破，些传统，更有一的计量经济学模型得到改进，类混频数据模型这其中就包括本文所要研究的：混频数据向量自回归ＭＦ－ＶＡＲ模型。混频数据模型从建模和估计方法的角度（）一出发，将不同频率的变量构建于，，在不改变原数据结构的基础上个模型中一指标或者实际问题进行研究利用不同变量所包含的样本信息对某。混频数据ＭＦ－ＶＡＲ模型主要包括

6、两类：混频数据向量自回归模型和混频数据抽样（）（ＭＩＤＡＳ）模型。这两类模型都是对原有的传统计量经济学模型的改进。其中ＩＭＦ－ＶＡＲ模型是传统ＶＡＲ模型加入混频数据的改进，而ＭＩＤＡＳ模型是分布滞后模型加入混频数据的改进。由于ＭＩＤＡＳ模型的研巧较早，己经有大量的学者对该模型进行了研究且产生了许多衍生模型。此外，由于ＭＩＤＡＳ模型是基一些不足于卡尔曼滤波进行估计的，这种估计方法在处理不规则频率数据时有一一之处ＭＦ－。因此，本文主要讨论另种混频数据模型ＶＡＲ模型。ＭＦ－ＶＡＲ模型是对传统ＶＡＲ模型的改进，利用基于访ｂｂｓ抽祥的ＢＭＦ方法进行参数

7、和缺失值的估计一。这种估计方法从数据本身的分布特征出发，在定程度上规避了人为干预的繫端。本文第二章详细介绍了模型构建的原理、先验分布形式、超参数的选择及参数的估计过程。在对ＭＦ－ＶＡＲ模型进行对比研究Ｗ探索高频数据信息对低频变量的预测效果的影响时，对于基准模型的估计，我国学者仍然采用传统的最小二乘方法。用两种估计方法得出评价指标对ＭＦ－ＶＡＲ模型进行分析是有失偏颇的，并不能－真正反映混频数据结构对预测效果的影响。从这点出发，本文在对ＭＦＶＡＲ模型进斤对比分析时，对