GDP预测方法的探讨与实证检验―――多元线性回归模型和ARMA模型的比较顾雯静(07133132)齐智(07133140)（上海金融学院陆利杰(07133134)上海201209）张君(07133122)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。关键词关键词：季度GDP预测多元线性回归模型ARMA模型Eviews一．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1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．X12.X23.X3狭义货币(M1)社会消费品零售总额投资完成额三．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：10000000800000060000004000000200000009496980002Y0406082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:ADFTestStatistic0.6162251%5%CriticalValue*-3.5457CriticalValue-2.9118-2.593210%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.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：DependentVariable:YMethod:LeastSquaresDate:01/02/10Time:17:20Sample:1994:12008:4Includedobservations:60VariableCoefficienStd.Errort-StatisticProb.tCX1X2X3R-squaredAdjustedR-squaredS.E.ofregression-483586.9113412.3-0.2638110.04981313.631151.008629-4.263971-5.29607613.51454-1.0785790.00010.00000.00000.28543154660.1994158.28.38264-0.0463790.0430000.9722140.970725341196.3MeandependentvarS.D.dependentvarAkaikeinfo3criterionSumsquaredresidLoglikelihoodDurbin-Watsonstat6.52E+12-847.47932.486315SchwarzcriterionF-statisticProb(F-statistic)28.52227653.13520.000000并得到该模型的