基于经典计量模型的统计数据质量评估方法

 本文以经济理论为基础，从整个经济系统出发，利用研究对象的相关影响因素构造计量模型，在既定模型下，运用异常值的检验方法及统计诊断原理进行数据质量的定量评估。通过选择合适的模型对考察对象的变化规律进行模拟，找出异常数据（离群值），判断异常数据是否显著异常，对异常数据进行多方查证和原因分析来进一步判断数据的质量，并对我国的统计数据质量进行了实证分析。     

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

组合模型对统计数据准确性检验的适用性研究

文章以GDP数据的准确性为例,根据Cramer分解定理的基本理论对我国GDP数据时间序列建立了确定性趋势模型,对模型得到的平稳残差序列拟合ARMA模型;将两种模型组合起来对我国GDP数据进行预测,用预测值代表"真值",考察了预测值与观察值之间的差异;用异常值检验法对2001～2007年我国GDP数据的准确性进行了检验和分析,证明了组合预测模型在统计数据准确性检验中的适用性总体上不强,并提出了模型改进应用的思路.     

基于半参数模型的中国GDP数据准确性评估

本文以经济增长理论为基础,对1953-2010年中国GDP数据和劳动投入、资本投入、人力资本等因素建立了半参数回归模型。然后,文章对模型了进行了统计诊断分析,计算了相关统计诊断量,利用统计诊断量得到了模型的异常点,基于此对中国GDP数据的准确性进行了讨论：中国GDP数据的异常点主要集中两个时间段1958-1961年和1991-1994年。文章最后对基于半参数回归模型统计诊断的统计数据准确性评估方法进行了评述。     

基于稳健MM估计的统计数据质量评估方法

 政府统计数据质量是当前各界关注的热点问题,如何采用严谨的诊断方法,对我国统计数据进行科学的评估具有重要的现实意义。稳健回归方法可使求出的回归估计不受异常值的强烈影响,并且能更好的识别异常点。本文首次运用基于稳健MM估计的异常值诊断方法,在生产函数模型的框架下,分别使用两种不同的劳动投入数据,对改革以来我国GDP数据质量进行了评估。结果表明,基于稳健MM估计的异常值诊断方法可有效的解决传统方法容易出现的多个异常点的掩盖现象,改革以来我国的GDP数据是相对可靠的。     

吉林省城乡居民储蓄、固定资产投资与GDP增长的实证分析

一、变量与数据本文采用1978-2004年的吉林省样本时间序列数据进行实证检验分析,数据来源于《吉林统计年鉴2005》。变量选取年度指标：城乡居民储蓄(SAV)、固定资产投资(INV)及国内生产总值(GDP)。为了得到比较平稳的数据,使其趋势线性化,消除时间序列中存在的异方差,对上述时间序列分别取自然对数,记为LSAV、LINV及LGDP。     

稳健MTS研究

对于现实世界的研究问题,一般不可能找到描述它的严格模型,经典统计一般使用经典统计模型来近似.Box和Turkey分别从检验和估计角度以实例说明,一些常用的经典估计和检验方法在某些近似模型下变得很坏.Hampel指出,实际数据通常含有10%左右的过分误差(离群值).少量离群值可使一些经典统计方法分析结果变得毫无意义,有时甚至得出错误结论.在高维情形,由于无法图示和Mask效应等原因,用简单的统计方法甚至很难区分离群值.稳健统计的发展为解决经典统计模型的不足带来了希望.     

数据删除模型在GDP诊断中的应用

文章利用数据删除模型,对1996~2007年的国内生产总值(GDP)数据进行统计诊断,判定2007年和2004年的数据为异常值点或强影响点。在此基础上,利用SPSS软件,建立了支出法与生产法的GDP之差与最终消费支出、资本形成总额和货物与服务净出口的有效线性回归关系,指出两种计算方法的GDP差值主要来源于货物与服务净出口,在一定程度上解释了GDP统计的差异。     

稳健AR模型的构建及其在金融时序中的应用

时间序列自回归AR模型在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,运用FQn统计量对传统自相关函数进行改进,构建出自回归AR模型的稳健估计算法,以克服离群值的影响,并对此方法进行了模拟和实证分析。模拟和实证分析均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变.这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

含有变结构点的面板循序检验方法研究

针对含有变结构点的面板数据易产生"伪单位根"现象,提出面板循序检验方法:首先给出检验模型和检验步骤,其次通过Monte Carlo模拟得到检验统计量的临界值,最后结合我国各地区的GDP数据进行实证分析.研究发现:中国GDP数据为带有结构突变的趋势平稳序列.     

Yule-Walker估计法的敏感性分析及其稳健改进

时间序列自回归AR模型的Yule-Walker估计法在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,基于均值和方差的稳健组合估计量构建了稳健自相关函数,得到了时序AR模型的稳健Yule-Walker估计算法,以克服离群值的影响。并对此方法进行了模拟与金融数据实证检验,模拟和实证检验均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变。这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

考虑离群值的非寿险准备金进展法

在准备金进展法中考虑离群值的影响,采用残差箱线图对相关索赔数据进行离群值检验,然后选择合适插补值的一种改进的准备金进展法,并对支付率和结转率的尾部数据加以修正,改善了最后两个进展年的异常值不能被有效识别的情况。研究表明:改进的准备金进展法能够有效识别和调整增量已决赔款和增量已报案赔款中的离群值,降低了离群值对最终准备金评估结果的影响。     

各省区季度GDP数据质量评估

  国内外学者对我国GDP数据质量的质疑重点已从年度数据转到季度数据,从全国数据转向地方数据。本文通过设计一套较为系统且可操作性强的季度GDP评估指标体系,运用空间面板数据模型对各省区的季度GDP数据质量进行了实证检验。结果表明,整体来看,中国各省区季度GDP同各经济指标的匹配性较好,数据质量较高,并不存在明显的失真现象;从时间上来看,每年一、二季度的GDP存在一定程度的高估,而每年三、四季度的GDP则存在一定程度的低估,但是这种偏差在统计上不显著;分地区来看,尽管一半省区的季度GDP存在一定程度的高估,另一半省区存在一定程度的低估,但大部分省区高估或低估的程度在统计上不显著。文章进一步分析了其中的原因。     

我国GDP时间序列的模型建立与预测

本文利用统计软件对我国1952年到2005年的实际GDP时间序列数据进行了分析,分别建立了ARMA模型和Holter-Winter非季节短期预测模型,并对2006年到2010年的全国GDP进行了预测。结果表明两个模型都有很好的预测效果。     

中国人均GDP(1952-2002)时间序列分析

时间序列是按照时间顺序取得的一系列数据.大多数的经济时间序列存在惯性,或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.分析时间序列的方法有很多,本文主要讨论用伯克斯-詹金斯(Box-Jenkins)模型对中国人均国内生产总值时间序列进行建模和短期预测.     

陕西省积极开展GDP指令性评估

近年来,陕西各级统计部门根据国家统计局开展统计数据质量评估的总体部署,树立以国民经济核算为中心开展统计工作,以GDP评估为龙头全面提高统计数据质量的指导思想,建立了专业数据评估先行与GDP评估联动的指令性评估制度,扎扎实实坚持“下算一级”,取得了显著成效。制度建设先行指导性评估起步1999年7月,为了认真贯彻执行《国家统计局关于对各省、自治区、直辖市国内生产总值数据质量实行评估的试行办法》,陕西省统计局向省政府汇报,并经批准在全省建立了专业指标评估先行与GDP评估联动的指令性评估制度,从1999年第四季度开始,对全省各…     

基于匹配性的宏观经济统计数据质量的评估

在宏观经济统计数据中,GDP(国内生产总值)是一项重要的总量指标,故其数据质量也一直备受关注.文章以数据匹配性为立足点,选择了GDP这一宏观经济统计数据作为研究对象,分别从结构匹配性、空间匹配性、时间匹配性几个维度建立了统计数据质量评估模型,分别评估了各维度下的GDP数据质量,以求更加客观、真实地考察GDP统计数据质量,从而为宏观经济数据质量评估方法的进一步完善与改进提供一定的借鉴.     

本期导读

统计数据的准确性是统计数据质量钓最重要特征.怎样去判断其准确性呢?作者在<组合模型对统计数据准确性检验的适用性研究>一文中,以我国GDP数据的准确性为例,根据Cramer分解定理的基本理论,运用异常值检验法对2001～2007年我国GDP数据的准确性进行了检验和分析,证明了组合预测模型在统计数据准确性检验中的适用性总体上不强,并提出了模型改进应用的思路,可供参考.     

中国城镇化进程与经济增长关系的实证研究

 以我国1978-2009年城镇化率和人均GDP年度时间序列数据为基础,建立反映城镇化水平和经济增长动态关系的向量自回归(VAR)模型;在VAR模型的基础上,运用脉冲响应函数和方差分解分析了城镇化进程与经济增长相互之间的动态影响。为了弥补时间序列数据只包含时间和指标两维信息的缺陷,进一步采用2000-2009年我国31个省市的城镇化率和人均GDP的面板数据,利用横截面、时间和指标三维信息对两者之间的关系进行分析。通过运用面板数据的单位根检验和面板数据协整检验,得出我国城镇化进程与经济发展水平之间存在长期稳定的均衡关系。在此基础上,建立面板数据固定效应变系数模型,从弹性角度分析,认为我国城镇化率每提高一个百分点,可以维持7.1%的经济增长。     

季度实际GDP增长率混频预报单调性的统计检验

本文从统计意义上检验了因子混频数据模型对我国季度实际GDP增长率的实时预报误差是否会随着新数据信息的采用而逐渐降低,并呈现出单调递减的统计特征。实证结果表明：无论伪样本内外长度比和数据更新时间间隔如何,基于因子混频数据模型生成的预报单调性检验结果都从总体上证实,实时更新的月度数据信息可逐步改善季度实际GDP增长率的预报精度,且在样本的时变特征和阶段属性发生变化时,预报单调性检验方法仍具有稳健性。预报单调性检验是对现有预测和预报评估方法的有效补充和扩展,可为政府部门、相关机构和投资者实时评估宏观经济状况提供有价值的信息和参考。