在利用傳統(tǒng)的計量經(jīng)濟模型研究我國宏觀經(jīng)濟增長等問題時,僅僅是對頻率相同、長度相同的變量做回歸。許多情況下,僅僅使用觀測點一致的同頻,同長度數(shù)據(jù)往往導(dǎo)致研究變量的數(shù)量減少,特別是在分析影響某一指標(biāo)變動的因素時,由于樣本數(shù)據(jù)結(jié)構(gòu)的限制,通常并不能把足夠多的影響因子包含在同一模型之中。基于傳統(tǒng)計量經(jīng)濟模型這一基本要求,許多分析多因子模型的研究工作者開始逐漸嘗試改變研究變量的數(shù)據(jù)結(jié)構(gòu)以使模型的實證效果更加具有說服力。通常改變數(shù)據(jù)結(jié)構(gòu)的方法包括:加總、替代以及利用不同插值技術(shù)的填補方法。加總和替代主要應(yīng)用于將某些存量或者流量指標(biāo)將具有較高頻率的數(shù)據(jù)結(jié)構(gòu)處理為具有較低頻率的數(shù)據(jù)結(jié)構(gòu)。利用各種插值方法對數(shù)據(jù)進(jìn)行填補主要應(yīng)用于將指標(biāo)的低頻數(shù)據(jù)處理為高頻數(shù)據(jù)。這種改變數(shù)據(jù)結(jié)構(gòu)的做法雖然方法上可行而且通常計算簡單,但是人為改變數(shù)據(jù)結(jié)構(gòu)的做法有可能破壞原變量之間的相關(guān)關(guān)系,因為對于不同時間間隔的數(shù)據(jù),在一定時期內(nèi)其代表的經(jīng)濟含義是不一樣的,而且各自表現(xiàn)出的趨勢和波動性也有可能大相徑庭。因此這種做法雖簡單易行,但僅僅適用于對數(shù)據(jù)進(jìn)行微小的改動,對于要處理大量時間序列數(shù)據(jù)時就顯得不夠合理。例如,在時間較長的數(shù)據(jù)中,當(dāng)出現(xiàn)大量的非隨機性缺失值時,利用插值法進(jìn)行數(shù)據(jù)填補得到的時間序列并不能真實地反應(yīng)原有指標(biāo)的變動性質(zhì)以及分布特征。隨著各個市場的繁榮發(fā)展,統(tǒng)計技術(shù)的不斷進(jìn)步,我國已經(jīng)積累了大量的統(tǒng)計數(shù)據(jù),研究不同數(shù)據(jù)結(jié)構(gòu)的變量之間的相關(guān)關(guān)系的需求變得更加迫切。近幾年來,隨著計算機處理數(shù)據(jù)能力的顯著提升,借助計算機技術(shù)的計量經(jīng)濟學(xué)模型研究取得了很大的突破,一些新的計量經(jīng)濟學(xué)模型被創(chuàng)立,更有一些傳統(tǒng)的計量經(jīng)濟學(xué)模型得到改進(jìn),這其中就包括本文所要研究的一類混頻數(shù)據(jù)模型:混頻數(shù)據(jù)向量自回歸(MF-VAR)模型�；祛l數(shù)據(jù)模型從建模和估計方法的角度出發(fā),在不改變原數(shù)據(jù)結(jié)構(gòu)的基礎(chǔ)上,將不同頻率的變量構(gòu)建于一個模型中,利用不同變量所包含的樣本信息對某一指標(biāo)或者實際問題進(jìn)行研究�；祛l數(shù)據(jù)模型主要包括兩類:混頻數(shù)據(jù)向量自回歸(MF-VAR)模型和混頻數(shù)據(jù)抽樣(MIDAS)模型。這兩類模型都是對原有的傳統(tǒng)計量經(jīng)濟學(xué)模型的改進(jìn)。其中MF-VAR模型是傳統(tǒng)VAR模型加入混頻數(shù)據(jù)的改進(jìn),而MIDAS模型是分布滯后模型加入混頻數(shù)據(jù)的改進(jìn)。由于MIDAS模型的研究較早,已經(jīng)有大量的學(xué)者對該模型進(jìn)行了研究且產(chǎn)生了許多衍生模型。此外,由于MIDAS模型是基于卡爾曼濾波進(jìn)行估計的,這種估計方法在處理不規(guī)則頻率數(shù)據(jù)時有一些不足之處。因此,本文主要討論另一種混頻數(shù)據(jù)模型—MF-VAR模型。MF-VAR模型是對傳統(tǒng)VAR模型的改進(jìn),利用基于Gibbs抽樣的BMF方法進(jìn)行參數(shù)和缺失值的估計。這種估計方法從數(shù)據(jù)本身的分布特征出發(fā),在一定程度上規(guī)避了人為干預(yù)的弊端。本文第二章詳細(xì)介紹了模型構(gòu)建的原理、先驗分布形式、超參數(shù)的選擇以及參數(shù)的估計過程。在對MF-VAR模型進(jìn)行對比研究以探索高頻數(shù)據(jù)信息對低頻變量的預(yù)測效果的影響時,對于基準(zhǔn)模型的估計,我國學(xué)者仍然采用傳統(tǒng)的最小二乘方法。用兩種估計方法得出評價指標(biāo)對MF-VAR模型進(jìn)行分析是有失偏頗的,并不能真正反映混頻數(shù)據(jù)結(jié)構(gòu)對預(yù)測效果的影響。從這點出發(fā),本文在對MF-VAR模型進(jìn)行對比分析時,對兩個模型均采用貝葉斯方法進(jìn)行估計。此外,超參數(shù)的設(shè)定對模型效果的影響比較大,而多數(shù)學(xué)者對超參數(shù)的設(shè)定并未做過多研究,而是簡單設(shè)定超參數(shù)的取值或者對少數(shù)幾個超參數(shù)進(jìn)行對比�；诖�,本文使用網(wǎng)格搜索法進(jìn)行參數(shù)尋優(yōu)。通過實證結(jié)果分析,本文發(fā)現(xiàn)使用了混頻數(shù)據(jù)結(jié)構(gòu)的MF-VAR模型在GDP的短期預(yù)測中能夠顯著提高傳統(tǒng)同頻VAR模型的預(yù)測精度,但隨著預(yù)測期的延長,MF-VAR模型的比較優(yōu)勢逐漸減弱甚至其預(yù)測結(jié)果要劣于傳統(tǒng)VAR模型。
【學(xué)位授予單位】：東北財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F124.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王維國;于揚;;基于混頻回歸類模型對中國季度GDP的預(yù)報方法研究[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2016年04期

2 于揚;王維國;;混頻數(shù)據(jù)回歸模型的分析技術(shù)及其應(yīng)用[J];統(tǒng)計與信息論壇;2015年12期

3 劉漢;劉金全;;中國宏觀經(jīng)濟總量的實時預(yù)報與短期預(yù)測——基于混頻數(shù)據(jù)預(yù)測模型的實證研究[J];經(jīng)濟研究;2011年03期

4 劉金全;劉漢;印重;;中國宏觀經(jīng)濟混頻數(shù)據(jù)模型應(yīng)用——基于MIDAS模型的實證研究[J];經(jīng)濟科學(xué);2010年05期

5 郭國峰;鄭召鋒;;中國宏觀經(jīng)濟先行指數(shù)和一致指數(shù)應(yīng)用效果檢驗與改進(jìn)[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2010年10期

6 歐陽志剛;史煥平;;中國經(jīng)濟增長與通脹的隨機沖擊效應(yīng)[J];經(jīng)濟研究;2010年07期

7 王小魯;樊綱;劉鵬;;中國經(jīng)濟增長方式轉(zhuǎn)換和增長可持續(xù)性[J];經(jīng)濟研究;2009年01期

8 中國經(jīng)濟增長與宏觀穩(wěn)定課題組;張平;劉霞輝;張曉晶;汪紅駒;;外部沖擊與中國的通貨膨脹[J];經(jīng)濟研究;2008年05期

9 廈門大學(xué)宏觀經(jīng)濟研究中心課題組;李文溥;;中國季度宏觀經(jīng)濟模型的開發(fā)與應(yīng)用[J];廈門大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2007年04期

10 劉金全;鄭挺國;;我國貨幣政策沖擊對實際產(chǎn)出周期波動的非對稱影響分析[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2006年10期

本文編號：2372701