基于PMI和PPI的GDP预测模型

文章基于PMI和PPI指数建立一个新的GDP预测模型,它由新订单指数、供应商交付指数和PPI指数组成。将这个模型与单纯用PMI做自变量的预测模型和Rolando F.Peláez的改进模型进行多元线性回归分析和预测分析,实证分析表明:在预测GDP季度增长率方面,与单纯用PMI做自变量的GDP预测模型相比,新的GDP预测模型具有更好的拟合效果和预测效果。

基于神经网络集成的GDP预测模型

GDP预测是一项重要而复杂的工作,目前尚未有完美的解决办法。鉴于GDP预测的非线性、时变性和不确定性,提出了一种基于神经网络集成的GDP预测模型。该模型利用神经网络解决了非线性和时变性问题,利用神经网络集成解决了样本数据量少、偏差大的问题,使得GDP预测结果更为有效。

经济预测方法评价研究——基于新疆GDP数据

通过选择7种较为典型的预测方法,以1978年-2015年新疆生产总值为样本进行预测分析,通过比较各个方法的预测精度及相对误差,选择出精度最优的预测方法。结果显示,所有的预测方法在预测2015年时均出现较大误差且2014年预测效果最好的是ARIMA模型,预测相对误差为1.31%。而2015年误差较大的原因是因为政府的主观干预,与实际情况吻合。

利用夜光数据的东北三省国内生产总值预测

针对GDP的传统统计方法较繁琐、工作量大且存在滞后性的问题,提出了一种基于夜光遥感影像的GDP获取方法。首先通过掩膜提取DMSP-OLS数据得到稳定灯光影像集,其次对数据集进行平稳化处理、去饱和处理等,建立时间序列数据集,最后分析时间序列数据集与GDP之间的对应关系,建立多项式GDP预测模型。研究表明,该方法操作简单、预测时间短、效率高,具有较高的精度和预测吻合度,能够较准确反映研究区的GDP实际增长情况。