刘老师：
      您好！感谢您百忙之中抽出宝贵时间为我们解答问题，我的问题是：李克强总理在博鰲亚洲论坛年会的讲话中，谈到中国宏观经济调控策略，既注重中长期走势，也针对当前形势有所指示，反映了现时中央的有关思路。即当前经济有下行压力，原因包括国外环境及国内的深层次矛盾。但不应为经济一时波动而採用短期强刺激政策。面对短期波动，如何在政策上要保证经济运作平稳。想请教您的看法，谢谢！

刘老师，您好！请问刘老师：混频数据模型建模到底好在哪里？什么原因导致这个模型比其他模型要好？

刘汉老师您好！我是个初学者这里有几个问题想向您请教
1、对于模型中数据的选取，能否介绍一下实时数据在模型中相对于最终统计量有什么优势？
2、对于数据的处理方面，对数据进行季节调整与余弦趋势调整有什么优劣？
3、中国现行的经济增长方式中有什么隐患或者特别值得推崇的方面？

刘老师，您好！在混频数据建模中，低频数据迭代转为高频或是高频赋权重转为低频两种想法要怎么选择，比较哪种更优，预测效果更好呢？
谢谢！

刘老师，您好！我想请教一下鲍莫尔的一般均衡分析与富克斯的宏观计量分析在运用中的适用性的不同之处是什么？共性呢？？
谢谢！

还想请问刘老师，你对目前中国经济情况怎么看？宏观经济趋势怎么变化？谢谢

刘汉老师，您好！
看了您在混频数据分析方面的研究成果，有几个问题想请教一下
1、混频数据的处理方法主要有几种，有什么区别？
2、混频方法的应用有什么前提？对数据长度和类型或者经济变量的选取有什么要求？
3、混频方法的实现主要基于什么软件程序，在哪里可以找到？
4、您对今年经济周期走势有什么预期或建议？

刘老师：
您好！我是研究经济景气波动的冲击作用，VAR模型有些老套而且其局限性也愈发显现出来，请问您有什么更好的建议。另外，对于数量经济软件的选择上您有什么更好的推荐。万分感谢！

老师您好，可否推荐几本宏观经济入门书籍？谢谢！

刘老师您好，我想问您的问题是：如何预先判定参数的估计值，并且请您解释一下价格水平、同比指数、环比指数的区别和联系。

刘老师，您好，我是一个经济学的爱好者，专业是公共管理类，一直喜欢经济学，想请问宏观经济学的比较易懂的书籍有哪些？？谢谢。

刘汉老师，您好!请问混频数据相对于以往的数据处理方式有什么优点？现今主流的处理混频数据的方法主要有哪些？

刘老师：您好！
我想请教关于伪回归问题。对于非平稳时间序列建立回归模型可能会出现伪回归，除非满足以下2个条件：
（1）序列平稳化（2）具有协整关系。我想问：
（1）如果已知变量间在经济理论上存在关系，就可以直接回归，而无需考虑变量的平稳性或协整关系，这样也不会出现伪回归？
（2）在不知变量间是否存在经济上的内在关系的情况下，对时间序列回归，是否应先检验变量的平稳性或协整关系，满足条件才能进行回归？或者是说没有明确的经济理论作为指导，就不能建立回归模型？
谢谢！祝好！

大家好，我是吉林大学商学院的刘汉，欢迎大家参加我的在线访谈。
下面我将就上面提出的问题一一与坛友们进行交流，欢迎大家继续提问。

  感谢“江湖一键客”的提问，谢谢参与我的访谈。

  你提的这个问题问我没有涉猎，但是我想周易里的一些思想可能有助于预测，我们目前做的一些研究应该能在其中找到某些依据。如果能从这些描述性的思想和问题中提出相关的研究问题和构建模型的要素，我想这对经济学建模和预测将有很大贡献，如果成功，这才是真正具有中国特色的经济学建模和预测。

  祝学安！

感谢“渴望尽头”的提问，谢谢参与我的访谈。

你的提问非常好，也非常重要。这些问题虽然不会出现在发表的文章中，但是这确实我们在做研究中非常非常重要的问题，是开始研究的第一步，很多我们感兴趣的话题就是因为数据的问题，无法形成研究成果。针对你问的问题，我根据自己遇到的情况介绍点经验，仅供参考。
对于第一个问题：“如何判断统计数据是否为计量分析可用数据？”等其他的一些数据准备工作，我一般是这么做的，首先，找到相关的文献 (CNKI，Google学术关联搜索)，分析他人使用的是那些数据，又是如何处理的；其次，根据数学模型和研究目的来判断是否需要将数据引入到模型；再次，根据一些经验来判断 (可请教老师和学长)，如剔除季节趋势常常用于环比数据，这是为了保证模型在应用过程中不受季节因素的影响，而同比数据基本已经剔除了季节趋势；最后，画出图形，从图形中的变化发现数据中是否存在趋势、季节、异常值等问题。
对于第二个问题，我不知道你说的多种处理问题的办法指的是什么，但是我觉得在数据处理过程中需要注意两个问题：第一，尽可能不损失数据信息，如季度数据处理成年度数据等；第二，尽可能不人为构造数据，如插值等。当然对于模型需求，数据异常值等问题，还需要酌情进行取舍。
希望我的回答能对你有所帮助，祝学安！
由于你的问题没有涉及到具体的问题，因此我的回答较为笼统，如果有具体的问题，欢迎发送邮件至我的邮箱：hanliu@jlu.edu.cn。

感谢“atree”的提问，谢谢参与我的访谈。

你的提问很好，也很多，下面我一一进行解答。
1. 目前我国常见而重要的月度指标和季度指标很多，而且对于不同人的说每个指标重要性是不同，譬如：月度CPI、季度GDP对我来说就非常非常重要，而做货币政策的人，利率、货币供应量又非常重要。所以，变量的重要性依据研究的重点有所不同，我建议根据自己的研究偏好，搜索相关文献并阅读，就可以得到你自己觉得重要的文献。
这些数据主要来源于国家统计局《中国经济景气月报》、中国人民银行的《中国人民银行统计季报》、统计局和专业组织和机构发布的各种统计年鉴等，月度数据多数从1990年开始，而季度数据多数从1992年开始，因此样本大小相对于美国、英国等国家来说还是非常短的，做计量的效果也不如他们那么显著，但是已经适合做计量分析了，我国大量的计量经济学实证研究就是例证。
2. “去趋势和季节调整”在构建模型中根据需要进行调整，研究波动的模型中为了避免趋势和季节成分的影响经常作调整。“去趋势和季节调整”的方法有很多，我所知道的有状不可观测模型、HP滤波，BP滤波，X-11和X-12等，其中X-11和X-12专门用于剔除季节趋势，HP滤波、BP滤波，不可观测模型可以进行季节周期分解，其中前两个可以直接在EViews8中实现，不可观测模型可以直接在OxMetrics 6.0中实现。
3. 做经济波动时，一般都剔除了数据中的周期成分；而在经济周期分析中需要根据具体问题进行具体研究，如果研究与趋势和周期相关的主题，这两成分需要分解出来进行重点研究，最后在分析和预测时，还需要将这两种成分还原到原来的研究中。具体方法可以参见2。
4. 大部分时间序列模型都是需要进行单位根检验，如果存在单位根，则构建模型所需的变量就不平稳，构建的模型就不满足相关假设。当解释变量和被解释变量都存在单整时，这时候就说明变量之间存在共同变化趋势的可能，可以使用协整模型试试。误差修正模型是将模型的误差项引入到模型的构建，提高了模型的拟合和预测精度，它不仅仅是提高预测精度，还可以弥补长期均衡模型中没有办法体现短期动态特征的缺点。
5. VAR模型用于预测只是该模型的一个方面的引用，还有很多其他方面的应用，用的非常多的是VAR系统模型衍生的一个脉冲响应分析和方差分解，可以研究政策和冲击的作用效果。
我回答的东西可能还不是很全面，建议找到相关的书籍进行系统学习，我研究生时候学习的高铁梅老师的《计量经济分析方法与建模》，既有理论，又有应用，非常适合初学者和相关了解计量方面的同学。

希望我的回答能对你有所帮助，祝学安！

感谢“gyqznufe”的提问，谢谢参与我的访谈。

宏观计量建模过程中变量选取是一个重点和难点问题，在模型研究中不可能包含所有的被解释变量，也不应该包含太多的解释变量。我一般的做法如下，仅供参考。第一，参考前人的相关研究，这个非常重要；第二，根据自己选择问题的方向，研究的重点，选择具有重要参考价值的指标；第三，通过一些诊断和预处理方法对所要选取变量是否合适进行检验，如是否有自相关，是否存在异方差，是否平稳等等一系列计量检验。

希望我的回答能对你有所帮助，祝学安！

刘老师您好～很高兴能有这个机会向您请教问题。我有两个问题：第一、混频数据预测模型能否应用到微观经济学中；第二、理论模型的预测值会与现实中的真实值有一定的偏差，有什么意义？

感谢“liuyuchris”的提问，谢谢参与我的访谈。

“潜在GDP”的测算方法有很多种，我所知道的有：生产函数法、状态空间模型法、各种时域和频域的趋势周期分解法 (常常将剔除趋势成分的GDP看作潜在GDP)，我在做研究的时候倾向使用状态空间模型的方法，主要是因为该方法计算出的结果相对来说更为符合现实情况，而且在大量实证研究中被证明是较为可靠的。建议搜索“潜在GDP”和“产出缺口”等管检测对“潜在GDP”这一主题进行梳理，找出自己认为最合适的方法和模型。

希望我的回答能对你有所帮助，祝学安！

感谢“yeting2000”的提问，谢谢参与我的访谈。

这个问题非常好。关于“面对短期波动，如何在政策上要保证经济运作平稳”这个问题是我一直非常关注的问题，因为他和短期预测和预报联系在一起。
首先，来说下总理讲话中“不应为经济一时波动而采用短期强刺激政策。”的解读，我觉得这个是非常有道理的，应为政策的制定和实施都需要一定的过程，也就是经济学上所说的“时滞”，“强刺激”政策很难把握政策发生作用“时滞”，同时还要考虑“强刺激”的退出机制，因此短期的经济波动，采用“强刺激”的政策不可取。
其次，“强刺激”政策在短期波动中不可取，那短期“如何在政策上要保证经济运作平稳”？这就需要在较短时间内进行预报和预测，以便政策能够“预调和微调”，这样就能够增强“政策的针对性、灵活性和前瞻性”。而我目前主要的研究方向——混频数据模型，在短期预测和实时预报方面，具有显著的比较优势。
最后，当然我也知道短期预测和预报经常会出现较大误差，而且不一定能够运用到实际经济政策中，但是我想最后得出的结论和研究报告应该对短期经济政策能够起到一起作用。

希望我的回答能对你有所帮助，祝学安！

刘老师：您好!
再请教您个问题。做ARMA模型时，平稳可逆的意义到底何在？
谢谢！

谢谢“newsta”的提问，感谢关注混频数据模型。

混频数据模型作为一种挖掘高频数据信息的实际应用模型，其优点主要体现在以下两个方面的比较优势上：其一，相比传统的同低频数据模型，混频数据模型因为包含更多的高频数据的信息，无论是在估计结果准确性上，还是在预测的精准性上都具有比较优势；其二，相比人为构造的同高频数据模型，混频数据模型因为在最大限度上使用了原始数据，所以在模型的估计和预测上表现更为真实和稳定，避免了人为不可控因素的影响。
至于模型的具体技术原因，可以参见我的博士论文《中国宏观经济混频数据模型的研究与应用》和相关的论文。

祝学安！

感谢“一瞬千击”的提问，谢谢参与我的访谈。

首先，对于第一个问题，因为实时数据具有反映数据调整的一个动态过程，具有的信息要比最终统计量要丰富得多，尤其是在预测和拐点的判别上实时数据具有较大的优势。
其次，数据处理方面，我还真的不了解“余弦趋势调整”这个问题，如果可以的话，请你给出相关的文献，或者发到我的邮箱“hanliu@jlu.edu.cn”，我们一起讨论，一起学习。
最后，我国现行经济增长方式开始由“量”到“质”的变化是最值得我推崇的，但是经济目前的调整和徘徊，会不会陷入经济的疲软和萧条，这是我比较担心。

希望我的回答能对你有所帮助，祝学安！