一 深圳GDP增速预测模型选取

GDP是衡量一个国家或地区经济状况的重要指标。准确预测GDP对于政策的制定具有重要的指导意义。长期以来，各国学者、政府及金融机构都致力于研究和改进GDP的预测方法。

对于GDP的模型预测，通常分为以下几种。

第一种是传统的结构宏观模型。这类模型建立在经典宏观经济学理论之上，其理论框架明确，因而有助于解释预测结果的经济学含义。二十世纪六七十年代，各国中央银行盛行使用结构性计量模型进行预测。遗憾的是，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端，使得估计和推断变得更加复杂。为了解决这些问题，出现了一种用非结构性方法来建立各变量之间关系的模型。

第二种是时间序列模型。目前，较为通用的GDP预测方式是采用时间序列模型的计量经济学分析。该方法特别适用于经济运行的短期分析。其中，最为常见的是自回归移动平均模型（ARMA模型）和向量自回归模型（VAR模型）。用ARMA模型预测，只需要变量自身的历史数据，操作简便；而VAR模型实际上是一种多元线性回归模型，每个变量由它自己和其他变量的过去值表示。在处理多个相关经济指标的分析与预测中，VAR模型是最容易操作的模型之一。VAR模型不过多考虑经济结构问题，而是采用数据驱动的建模方法，在宏观经济预测等方面取得了巨大成功。20世纪80年代之后，VAR模型逐渐取代结构性模型成为主流。

第三种是主观判断性预测。

由于VAR模型相对简单且实用，本文拟用VAR模型对深圳GDP增速进行预测。

二 模型设定与数据预处理

能够对深圳GDP增速产生影响的变量，主要有消费、投资、出口等指标。一些同类研究文献，以GDP反映经济增长（单位为亿元），全社会固定投资作为投资指标（单位为亿元），社会消费品零售总额作为消费指标（单位为亿元），出口额则是按照美元兑人民币汇率将数据换算为人民币计价。各个变量数据都是按照名义价格计算，统一按照不变价格的物价指数折算以去除价格因素的影响。然后对相关数据都取自然对数以消除异方差的影响。

由于本文的研究任务是预测2013年的深圳GDP增速，将上述各指标名义值转换为实际值然后再测算增速，显得过于迂回曲折，而且上述各指标的名义值都是不平稳的，除非存在协整关系，不能直接进行回归。而这些变量的增长率则是平稳的，符合回归分析的基本条件。因此，将上述各指标的增速与GDP增速直接进行回归分析，会更为简便。

因此，本文选取深圳GDP增速（SZGDPGR）、深圳社会消费品零售总额增速（SZCONGR）、深圳全社会固定资产投资增速（SZINVGR）、深圳出口增速（SZEXGR）等主要指标进行分析（见表1）。考虑到深圳工业销售产值中出口与内销几乎各占一半，国内市场对深圳的GDP也会有一定的影响，因此，在影响深圳GDP增速的因素中，也将中国GDP增速（CNGDPGR）考虑在内。当然，进口与政府支出也是影响GDP增长的因素，但由于其进入模型后未能改善拟合效果，因而不再考虑。另外，尽管VAR模型需要估计大量的参数，在实际应用中很少有超过四个变量的VAR模型，但试算结果表明，变量太少拟合误差较大。因此，拟采用如下模型。

其中，At为参数矩阵，p为滞后阶数，C为常数向量，ε为随机扰动项。

另外，本文完成于2012年12月12日，当时还没有2012年全年的统计数据可用，所以下面的模型估计只能依据1980～2011年的统计数据进行。为了提供完整的数据，这里特别将2012年的统计数据补充进去，并用斜体来区别表示。

表1 1980～2012年深圳GDP及其主要影响因素指标的增速

三 实证分析

（一）变量平稳性检验

对时间序列进行平稳性检验有3 种方法，分别是DF 检验、ADF 检验及PP 检验。本文将采用最常用的ADF 检验，对时间序列数据SZGDPGR、SZCONGR、SZINVGR、SZEXGR、CNGDPGR进行ADF 检验，结果显示：时间序列数据SZGDPGR、SZCONGR、SZINVGR、SZEXGR、CNGDPGR都是平稳的，即I（0）。

（二）VAR 模型中滞后阶数的确定

VAR 模型不以严格的经济理论为依据，它采用多方程联立的形式，每个方程中，内生变量对模型的全部内生变量的滞后值进行回归，从而估计全部内生变量间的动态关系。VAR 模型除了要满足平稳性条件外，还应该正确确定滞后期（滞后阶数）。如果滞后期太少