附录：关于预测模型的说明

本报告中对 2015 年主要变量(如 GDP、CPI、最终消费、资本形成、出口、进口)的基准预测基于人民银行研究局开发的宏观计量预测模型。在研究中，就GDP、CPI 等主要变量的趋势判断还与三个 VAR 宏观预测模型的结果进行了对照和比较。在房地产行业的情景和影响分析中使用了分布滞后模型和投入产出分析方法。以下简要介绍这些模型和方法。

一、宏观计量模型模型总共包括 89 个行为方程及恒等式，其中描述主要经济行为的核心方程为20 多个。模型的理论基础是新古典宏观经济学的假设：短期内，由于价格和工资具有粘性，产出和就业由总需求决定。随着时间的推移，产出缺口对价格和工资产生影响，长期内商品市场和劳动力市场趋于均衡状态。长期内，产出由供给决定，价格充分调整，长期菲利普斯曲线呈垂直状态。模型分为以下几个模块：(1)总需求模块。该模块又被细分为居民消费、政府消费、企业投资、政府投资、出口和进口等几个部分。(2)总供给模块。该模块通过生产函数来确定潜在产出。(3)价格模块。以菲利普斯曲线为基础，通胀由产出缺口、劳动力成本与非劳动力成本决定。(4)房地产模块。该模块包括了房地产投资和房地产价格两个主要部分。

(5)劳动力与工资模块。该模块主要包括了农村与城市的工资与就业等变量。

(6)货币金融模块。该模块选择一种利率为外生变量，但可以将外生变量切换为M2 增长率。(7)财政模块。该模块包括了财政收入与财政支出两个部分，而收入又细分为税收与其他收入，政府的投资支出为外生变量。

二、VAR 宏观预测模型我们在分析 GDP 增长等主要变量时参考了三个向量自回归(VAR)宏观预测模型的结果。第一个属于传统的 VAR 季度模型，模型包括 17 个宏观经济变量。

第二个 VAR 模型是上海卓越发展研究院与人民银行研究局合作研究的成果，我们称之为 Logit-VAR 月度预测模型。该模型涉及到 14 个核心指标与 14 个关键指标。预测共分三步：第一步，将核心指标转换为状态变量，旨在强化对经济周期的判断能力；第二步，用包含不同滞后期数的因变量(状态)与自变量(状态)组成的 VAR 模型使用最小二乘法来估算参数，然后预测状态变量的未来最可能路径；第三步，将状态变量及水平数值作为自变量与因变量构建另一个 VAR 模型，用来预测水平值的增速。第三个模型是人民银行研究局与上海高级金融学院的合作研究成果。该模型同时考虑了趋势增长和 冲 击 波 动 两 方 面 的 体 系 转 移 (regimeswitching)，捕捉到了中国经济的两个主要趋势区间。

三、房地产模型报告中关于房地产的情景和影响分析基于一个分布滞后模型和一个投入产出模型。分布滞后模型以房地产开发投资增速为被解释变量，将滞后和当期商品住宅销售面积增速、房地产投资增速、国外经济增速，货币供应量增速、利率、财政收支差额占 GDP 比重为解释变量进行建模。关于房地产行业产出下降对其它行业的影响，我们的分析基于投入产出表的完全消耗系数，即某一部门每提供一个单位最终产品，需要直接和间接消耗各部门的产品或服务数量。▲

（原标题：央行首席经济学家：明年经济增长率料降低至7.1%）

责任编辑：梦涵