李宜轩 山东工商学院统计学院

一、绪论

随着我国网民数量不断增加，网络包含的信息也得到倍数的增长，而当前的研究热点就是如何挖掘出互联网所蕴含的信息。2019年全球贸易扩张趋弱、中美贸易摩擦不断升级，以及突如其来的新冠肺炎病毒（Covid-2019）全球大爆发都对2020年中国经济增长带来了较大负面冲击。目前国内外复杂的经济形势加大了预测GDP的难度，因此，如何有效地预测GDP是值得研究的重要理论与现实问题。

在利用网络搜索数据进行经济研究方面，Ettredge（2005）很早利用网络搜索数据对美国的失业率进行预测[1]。Thomas B.Götz，Thomas A.Knetsch（2019）等利用谷歌网络搜索数据结合偏最小二乘法、LASSO方法等选择指标加入传统的桥梁方程模型（Bridge Equation Models）预测德国的GDP[2]。Robin F.Niesert，Jochem A.Oorschot，Christian P.Veldhuisen（2020）利用Google搜索数据来预测美国，英国，加拿大，德国和日本的失业率，CPI和消费者信心指数[3]。刘涛雄，徐晓飞（2015）应用网络搜索数据使用“两步法”以及单方程线性模型对GDP进行了预测[4]。在宏观经济研究方面，仝冰（2010）利用中国数据，建立了一个中等规模的动态随机一般均衡（DSGE）模型，主要宏观经济变量进行预测[5]。刘汉，刘金全（2011）利用混合数据抽样模型（MIDAS）对我国季度GDP进行了预报和预测[6]。袁靖（2014）基于VAR模型，在贝叶斯推断下，深入分析推导了FAVAR、TVP-VAR和TVP-FAVAR模型的状态空间形式，引入了因子分析思想和时变参数特征，解决了待估参数过多降低模型维度问题，并且预测能力逐步显著改善[7]。这为本文的研究提供了思路，将在前人研究的基础上继续改进和探究。

二、主成分回归……

登录APP查看全文