1.1 经济指标预测研究现状

2 预测的方法

2.1 模型的选择

用于预测的模型可以分为两大类:以时间序列为模型的一类，以多变量回归为模型的一类.时间序列模型的特点是对数据的要求比较低，主要被人们采用作经济预测.自回归单整移动平均（ARIMA)模型又是在经济预测中经常被使用的时间序列模型.ARIMA模型本质上是变量的自回归模型，搜集到相关的历史数据时，即使搜集到的历史数据是单个变量， 该变量在未来的取值ARIMA模型也可以预测出.[2]

对数据的要求相当高的就是多变量回归模型，在做一系列经济预测时，搜集的相关历史数据特征要有多个变量.因为需要预测解释变量的值才可以进行多变量回归模型的预测，造成所以在做预测分析时人们很少使用.而向量自回归模型比较特殊，它也属于这一类，但是它克服了这一困难.方程的解释变量是通过所有变量的滞后变量当选作参考，建立一个方程为每个变量，联立组成一个方程组.因为能够已知滞后变量，在下一期的变量取值的预测期间，所以预测能够成功的进行.链式法则是在进行多步预测时遵循的具体方法，预测到下期变量的值，往往在预测下下期变量的值时就可以得到.[3]

克里斯托弗·西姆斯（Christopher Sims）在1980年提出了一种常用的计量经济模型，向量自回归模型（VAR模型）.联立方程模型等结构性方法，相类似的传统的计量经济方法，模型结构常被用于描述变量之间的关系；VAR模型是基于数据的统计性质来构造模型，模型是通过把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，这样就可以将单变量自回归模型推广，发展为由多元时间序列变量组成的VAR模型.在一定条件下，由多元MA和ARMA模型转变而成的VAR模型，是经济工作者最重视的模型，它经常被用来预测和分析经济指标，是数据处理模型.[4]

2.2 VAR模型的一般表示

 模型的数学表达式

                       (2-1)

式(2-1)中: 是 维内生变量， 是 维外生变量，p是模型最大滞后阶数，

 是样本个数. 维矩阵 和 维矩阵 是待估参数矩阵， 是随机误差项.