利用传递函数——噪声模型表达经济变量间的动态影响机制

传递函数———噪声模型是一类多变量时间序列模型,它在表达系统动态影响机制方面有着独到的优势。本文将这种模型的建模方法应用于经济系统,建立了一个表达产值和出口间动态关系的传递函数———噪声模型。近几个月的实际数据表明模型的拟合是理想的。     

GDP统计数据质量实证研究:基于Benford法则和空间面板模型

GDP统计数据的质量问题一直是舆论的焦点。本文运用Benford法则,对1993-2016年中国31个省域GDP数据的前三位数字的真实性进行检验;创新性地设计了税收、货运量、电力消耗量以及贷款发放量的评价指标体系,然后借助空间面板模型,以1995-2016年GDP数据质量为因变量进行逻辑匹配检验。结果表明:(1)从Benford法则的4种检验方法来看,1993-2016年各省区GDP数据的首位数字和第三位数字的4种检验结果呈现不一致性;(2)从空间面板模型的逻辑匹配结果来看,1995-2016年的GDP数据与4大评估指标之间匹配性较好,基本符合经济发展的规律。因此,相关GDP核算部门需要注意各省市区GDP数据的第一位和第三位数字的质量,保证GDP数据的准确真实。     

中国进出口贸易对税收影响的实证分析

本文选取1978-2014年的GDP、进出口和税收的时间序列数据,通过建立误差修正模型,利用脉冲响应和方差分解,分析了进出口贸易对税收的影响.实证结果表明,在短期,进出口贸易对税收的影响比GDP对税收的影响小,但长期影响比GDP强;进出口贸易对税收的影响随着时间的推移越来越显著,与现阶段我国经济发展状况相吻合.     

基于自回归XGBoost时序模型的GDP预测实证

GDP是反映一个国家国民收入、居民消费能力和经济发展的重要宏观经济指标,也是制定相关经济政策的重要依据.选择合适的统计方法研究GDP的发展变化规律,进行短期的高精度预测,对我国的宏观经济决策具有重要意义.研究选用基于自回归的XGBoost时序模型对我国1978-2018年GDP进行拟合预测,Rstudio软件运行结果显示,XGBoost时序模型比经典的时间序列预测模型ARIMA模型、BP神经网络模型、贝叶斯时序模型具有更高的预测精度.在此基础上,运用XGBoost时序模型对我国2019-2023年的GDP进行短期预测,研究结果显示,未来5年我国GDP依然保持持续稳定增长趋势.     

我国人口时间序列的变系数预测模型

根据1952-2005年我国人口总量和GDP总量数据,建立变系数模型.采用逐步回归的方法来选择显著滞后变量子集,推导出系数函数的样条估计表达式,最后运用Bootstrap思想,进行点预测和区间预测。运算结果表明:对于该组数据,变系数模型能较理想地描述数据之间的内在结构,且具有较少的预测误差.     

基于贝叶斯时序模型的甘肃省人均GDP预测

本文应用Eviews软件对甘肃省1953-2010年人均GDP数据建立时序模型,利用模型的先验信息给出两种先验分布下的贝叶斯模型与算法,并依次计算出2011-2015年的甘肃省人均GDP的预测值,结果显示,两种贝叶斯模型的拟合效果都优于传统模型。与经典时序模型相比,贝叶斯时间序列模型能充分利用样本信息和参数的先验信息,因而具有更小的平方误差,估计参数更科学。文章最后运用稳健先验的贝叶斯模型对甘肃省"十三五"时期人均GDP进行了预测。     

我国居民消费与GDP的误差修正模型研究

本文从协整理论出发 ,对我国居民消费与GDP建立了误差修正模型 ,深入探索经济变量数据间的内在关系 ,发现两者间存在动态均衡关系 ,比传统计量经济模型更能充分利用社会信息 ,形成有效预期     

价格贸易条件对经济增长影响的实证研究——基于混频数据马尔科夫区制转移模型

为研究不同经济增速状态下价格贸易条件对经济增速的影响,基于1994年1月至2018年12月的月度价格贸易条件及1994年1季度至2018年4季度的季度实际GDP增长率的混频数据,建立马尔科夫区制转移模型并进行实证分析.研究结果表明:在经济平稳增长状态,价格贸易条件情况改善对我国经济增速有正向影响.在经济快速增长状态,伴随着价格贸易条件情况恶化,经济增速有所提升,但作用不明显.采用马尔科夫区制转移模型研究我国GDP增长率序列更具合理性.     

中国货运量与GDP及运输结构动态关系研究

中国货运量与GDP及运输结构的关系对于中国物流的可持续发展极为重要.选取1955-2011年中国货运量、GDP及公路货运量所占货运量比重的时间序列数据,运用VAR,模型研究中国货运量与GDP及运输结构的动态关系.结果表明:从长期来看,货运量、GDP及运输结构三者存在长期均衡关系;Granger因果关系表明:货运量和运输结构是影响GDP的原因;脉冲函数表明:运输结构对货运量的影响是负向的,而GDP对货运量的影响是正向的.     

基于GM(1,1)与主成分回归的海南GDP预测及其影响因素分析

以海南省年度GDP为衡量经济增长指标变量,以旅游业总收入、农林牧渔业增加值、建筑业增加值、固定资产投资总额、社会消费品零售总额及对外贸易进出口总额六个指标作为影响因素,采用多个标准对1987-2014年数据进行筛选,建立GM(1,1)模型对海南GDP及其影响因素进行5年预测,来分析海南经济结构变动趋势.利用灰色关联分析定性分析了六个行业对GDP的影响程度;从定量分析角度,利用线性主成分回归模型和对数主成分回归模型分别对海南GDP进行边际、弹性分析.发挥了灰色系统科学理论和计量经济模型各自长处,为建设海南国际旅游岛相关政策的制定提供参考.     

西藏GDP发展趋势的数学模型及其因素分析

以近几年西藏GDP为研究对象,应用灰色系统理论建立了一个GDP发展趋势的预测模型.应用该模型进行预测,得到了预测结果.对影响GDP发展的主要投资因素进行系统分析,确定了各因素相对于GDP发展的关联程度.     

基于GM(1,1)的贵州省GDP预测及产业结构的灰色关联分析

以贵州省2012-2018年GDP数据建立GM(1,1)灰色预测模型,用2019年GDP数据对模型预测精度进行误差检验,并对未来三年GDP的增长状况作了科学预测.运用灰色关联分析方法,通过关联度比较分析贵州省GDP与产业结构之间的关系,研究得到未来三年贵州省的GDP仍会以较快的速度增长,第二产业对贵州省GDP的影响最大,第一产业对GDP的影响最小的结论.     

基于贝叶斯向量自回归的区域经济预测模型:以青海为例

由于缺乏足够的观测数据等原因,常规的区域经济预测模型在我国难以获得预期的预测效果,而贝叶斯向量自回归(BVAR)模型将变量的统计性质作为参数的先验分布引入到传统的VAR模型中,能够克服自由度过少的问题,以青海为例,本文建立了一个BVAR模型,并引入了全国GDP和中央政府转移支付作为外生变量以描述国民经济与区域经济的联系...     

上海市电力需求的协整与误差修正分析

本文采用协整与误差修正模型技术研究了上海市电力需求的决定因素,建立了上海电力需求函数,检验了电力需求与国内生产总值、电力价格、经济结构、电力使用效率之间的长期均衡关系及短期波动关系。     

基于ARIMA与神经网络集成的GDP时间序列预测研究

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。     

我国省际经济发展水平的拐点及转换速度分析——基于平滑转换回归模型

本文利用LSTR模型对我国31个省1978-2008年的人均GDP分别进行了模型拟合,根据模型参数确定了各省人均GDP的拐点及转换速度,并将31个省分成发展历程接近的5个组。结果显示,经济发达的东部省份的人均GDP转换速度最快,中、西部省份的人均GDP的转换速度没有显著差别、它们的分组是混合在一起的;1994-1995年是东部发达地区人均GDP拐点出现的时间,2003-2005年是中、西部欠发达地区人均GDP拐点出现的时间。     

面板数据空间误差分量模型的GMM估计及其应用

本文研究面板数据空间误差分量模型(Spatial Error Components Model,SEC)的估计方法。为克服极大似然法在SEC模型估计中运算的困难,本文提出基于广义矩估计的可行广义最小二乘法(GMM-GLS),证明了估计量的一致性及有限样本下的有效性;并应用此模型,研究2000-2007年中国30个省(西藏除外)的物质资本存量、人力资本存量及能源消耗对实际GDP的影响,结果表明,采用SEC模型所得估计结果更为符合经济现实。     

扩大居民消费对中国GDP的影响分析

就扩大居民消费对GDP的影响机理进行了分析,并从扩大居民外生消费和居民内生消费两个方面测算了扩大居民消费对中国GDP的影响.推导出了部分消费内生化的投入产出局部闭模型下的GDP乘数,并对其进行了分解分析,找出了影响GDP乘数的关键因素.测算结果显示:扩大农林牧渔、教育、住宿和餐饮业等部门的外生消费能够对GDP起到相对较大的拉动作用.但从长远看,应建立起扩大居民消费的长效机制.需采取措施改善当前的收入分配格局,完善社会保障体系以扩大居民的内生消费.