使用贝叶斯结构时间序列模型预测增长

本文探讨了贝叶斯结构时间序列（BSTS）模型在坦桑尼亚季度经济增长预测中的应用。文章首先指出，在全球冲击加剧和外部波动性上升的背景下，有效监测短期经济波动对于数据获取有限的国家至关重要。BSTS模型能够利用高频经济指标进行经济增长预测，其优势在于能够灵活地整合趋势、季节性和回归效应，并通过尖峰-滑板变量选择方法识别相关指标。

文章详细介绍了BSTS模型的应用框架，包括模型输入、方法、结果和扩展。模型输入包括趋势和季节性假设、经济指标和预期模型规模。方法部分阐述了模型选择和评估过程，包括使用样本外均方根误差（RMSE）评估预测性能。应用部分将模型应用于坦桑尼亚经济增长预测，结果表明BSTS模型的预测性能优于基准模型。

文章进一步探讨了模型的扩展应用，包括多期预测和动态回归。多期预测结果表明，随着预测期延长，模型对趋势规格的敏感性增加。动态回归部分以降雨量为例，分析了其在不同时期与经济增长的动态关系，发现降雨量对经济增长的影响随时间变化。

研究结论认为，BSTS模型是进行经济增长预测的有用工具，尤其适用于数据获取有限的国家。模型能够提供可靠的预测结果，并有助于深入理解经济增长动态。同时，文章也强调了模型校准的重要性，并建议进行稳健性检验、敏感性分析和基于经济判断的先验校准。