章 導論
節(jié) 研究背景和意義
第二節(jié) 國內外研究文獻述評
一、季度GDP增速預測的傳統(tǒng)方法
二、利用大數(shù)據(jù)預測季度GDP增速的方法
三、已有研究特點和本書研究思路
第三節(jié) 研究框架和技術路線
第四節(jié) 研究方法
第五節(jié) 研究特色和不足之處
本章附錄
第二章 大數(shù)據(jù)和季度GDP相關統(tǒng)計問題研究
節(jié) 大數(shù)據(jù)的基本特征
一、大數(shù)據(jù)的概念和主要特征
二、大數(shù)據(jù)與傳統(tǒng)調查數(shù)據(jù)的異同
三、大數(shù)據(jù)對傳統(tǒng)政府統(tǒng)計數(shù)據(jù)的補充作用
第二節(jié) 大數(shù)據(jù)的統(tǒng)計分類和計算預測特點
一、大數(shù)據(jù)統(tǒng)計分類
二、大數(shù)據(jù)計算
三、大數(shù)據(jù)預測應用
第三節(jié) 季度GDP核算和預測思路探索
一、季度GDP核算制度
二、季度GDP數(shù)據(jù)特點
三、利用大數(shù)據(jù)預測季度GDP增速的思路探索
本章附錄
第三章 基于混頻數(shù)據(jù)動態(tài)因子模型的季度GDP增速預測研究
節(jié) 混頻數(shù)據(jù)動態(tài)因子模型構建及估計方法
一、混頻數(shù)據(jù)動態(tài)因子模型構建
二、混頻數(shù)據(jù)動態(tài)因子模型估計方法
第二節(jié) 指標選取及數(shù)據(jù)說明
一、傳統(tǒng)宏觀經濟統(tǒng)計指標集
二、大數(shù)據(jù)指標集
第三節(jié) 實證分析結果及討論
一、基于2011Q1~2018Q3期間樣本的實證分析
二、基于2016Q1~2018Q3期間樣本的實證分析
第四節(jié) 結論和研究展望
本章附錄
第四章 基于混頻數(shù)據(jù)取樣模型的季度GDP增速預測研究
節(jié) 混頻數(shù)據(jù)取樣模型構建及估計方法
一、混頻數(shù)據(jù)取樣模型構建
二、混頻數(shù)據(jù)取樣模型估計方法
第二節(jié) 指標數(shù)據(jù)來源及描述統(tǒng)計分析
第三節(jié) 樣本內預測結果對比分析
一、基于分段函數(shù)權重形式的預測結果
二、基于阿爾蒙多項式函數(shù)權重形式的預測結果
三、基于非限制函數(shù)權重形式的預測結果
四、三類模型預測結果的對比分析
第四節(jié) 樣本外預測結果對比分析
第五節(jié) 主要結論及啟示
本章附錄
第五章 基于高維數(shù)據(jù)機器學習模型的季度GDP增速預測研究
節(jié) 高維數(shù)據(jù)機器學習模型構建及估計方法
一、B-P反向傳播網絡模型
二、支持向量機模型
三、廣義彈性網模型
四、適應性LASSO模型
第二節(jié) 指標數(shù)據(jù)來源及描述統(tǒng)計分析
一、解釋變量指標設計的理論框架
二、解釋變量指標數(shù)據(jù)來源及特征
第三節(jié) 基于季度GDP環(huán)比增速的考察
一、樣本內預測結果分析
二、樣本外預測結果分析
三、高維數(shù)據(jù)機器學習模型對季度GDP環(huán)比增速預測的特點
第四節(jié) 基于季度GDP同比增速的考察
一、樣本內預測結果對比分析
二、樣本外預測結果對比分析
三、高維數(shù)據(jù)機器學習模型對季度GDP同比增速預測的特點
第五節(jié) 主要結論和進一步完善的方向
本章附錄
第六章 基于大數(shù)據(jù)和貝葉斯DSGE模型的季度GDP增速預測研究
節(jié) 基于幸福經濟學視角的DSGE模型框架構建及求解
一、模型基本框架構建
二、模型穩(wěn)態(tài)條件
三、模型對數(shù)線性化后的結構方程組
第二節(jié) 變量數(shù)據(jù)選取和模型估計方法
一、變量數(shù)據(jù)選取
二、模型估計方法
第三節(jié) 樣本內預測效果對比分析
一、基于三個不同數(shù)據(jù)集的貝葉斯DSGE模型特征
二、參數(shù)貝葉斯估計對比分析
三、數(shù)據(jù)矩條件對比分析
第四節(jié) 樣本外預測效果對比分析
第五節(jié) 主要結論和進一步完善的方向
本章附錄
第七章 結論和展望
節(jié) 利用大數(shù)據(jù)預測季度GDP增速的方法體系及其內在邏輯
第二節(jié) 利用大數(shù)據(jù)有效提升季度GDP增速預測效果的條件約束
第三節(jié) 不同類型大數(shù)據(jù)的統(tǒng)計應用方法和預測效果
第四節(jié) 提升大數(shù)據(jù)預測效果需要政府統(tǒng)計部門的深度參與
參考文獻
后記 雖千萬人吾往矣