原文链接:
拓端数据科技 / Welcome to tecdattecdat.cn![cb4da50da2037f669921e9a61d3472ce.png](https://i-blog.csdnimg.cn/blog_migrate/8ee4bddad1601fec33f545996db0f0fb.jpeg)
预测GDP增长
我们复制了Ghysels(2013)中提供的示例。我们进行了MIDAS回归分析,以预测季度GDP增长以及每月非农就业人数的增长。预测公式如下
![5fd77f5d3e89de2158eeb16cbe16ed65.png](https://i-blog.csdnimg.cn/blog_migrate/f7c0d2d008ad9ca113f7a3f5ed8cfc17.png)
其中yt是按季度季节性调整后的实际美国GDP的对数增长,x3t是月度总就业非农业工资的对数增长。
首先,我们加载数据并执行必要的转换。
R> y <- window(USqgdp, end = c(2011, 2))
R> x <- window(USpayems, end = c(2011, 7))
R> yg <- diff(log(y)) * 100
R> xg <- diff(log(x)) * 100
最后两行用于均衡样本大小,样本大小在原始数据中有所不同。我们只需在数据的开头和结尾添加其他NA值即可。数据的图形表示如图3所示。要指定midas_r函数的模型,我们以下等效形式重写它:
![7efec1a67fbc349f98a8a698274d4e9f.png](https://i-blog.csdnimg.cn/blog_migrate/4c283dd2fb84c78998a820afe4e904fa.png)
![cb15a9dec57b2fa86032b079e203c018.png](https://i-blog.csdnimg.cn/blog_migrate/13c4dbc26954a30f7b2d5d1f02a2818b.jpeg)
就像在Ghysels(2013)中一样,我们将估算样本限制在1985年第一季度到2009年第一季度之间。我们使用Beta多项式,非零Beta和U-MIDAS权重规格来评估模型。