魏宇 楊惠 梅德祥

摘 要：電影產(chǎn)業(yè)在我國經(jīng)濟(jì)發(fā)展中的作用日益顯著，電影市場與我國宏觀經(jīng)濟(jì)發(fā)展的內(nèi)在聯(lián)系有待深入研究。選取2012年1月到2018年3月我國周度電影票房收入增速作為高頻解釋變量，采用自回歸分布滯后混頻數(shù)據(jù)抽樣模型（ADL-MIDAS）分析其與季度GDP增速及月度制造業(yè)PMI增速之間的關(guān)系，結(jié)果表明：電影票房收入增速與GDP增速和制造業(yè)PMI增速之間具有負(fù)向相關(guān)關(guān)系，我國電影市場存在“口紅效應(yīng)”，可以根據(jù)電影票房收入增長情況對宏觀經(jīng)濟(jì)走勢做出預(yù)判。對多種模型的比較結(jié)果顯示，加入電影票房收入可以顯著提高GDP預(yù)測精度，電影票房收入可以作為GDP預(yù)測指標(biāo)體系的有益補(bǔ)充。

關(guān)鍵詞：電影票房收入；宏觀經(jīng)濟(jì)走勢；季度GDP增速；月度制造業(yè)PMI增速；GDP預(yù)測；口紅效應(yīng)；自回歸分布混頻數(shù)據(jù)抽樣模型；高頻變量

中圖分類號：F224.0；F064.1 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-8131（2018）05-0117-08

一、引言

分析、預(yù)測宏觀經(jīng)濟(jì)總量和走勢對政府、企業(yè)和社會公眾而言都是極其重要的，如何準(zhǔn)確、及時(shí)、有效地預(yù)測宏觀經(jīng)濟(jì)發(fā)展是眾多國內(nèi)外學(xué)者持續(xù)關(guān)注的重要課題（Barsoum et al，2015）[1]。但鑒于GDP數(shù)據(jù)公布的頻率較低、時(shí)滯較長，學(xué)者們通常僅采用月度或季度宏觀經(jīng)濟(jì)變量來預(yù)測我國季度GDP增速。同時(shí)，傳統(tǒng)預(yù)測模型（如ARIMA、BP神經(jīng)網(wǎng)絡(luò)）無法將不同頻率的變量直接進(jìn)行計(jì)量回歸，通常需要采用插值法或加總法對原始數(shù)據(jù)進(jìn)行處理，顯然這種粗糙的處理方式會損失大量的樣本信息，降低模型估計(jì)和樣本外預(yù)測的可信度。此外，傳統(tǒng)預(yù)測模型對于數(shù)據(jù)頻率一致性的限定也使得大數(shù)據(jù)背景下產(chǎn)生的高頻經(jīng)濟(jì)數(shù)據(jù)無法及時(shí)、有效地運(yùn)用到季度GDP預(yù)測中。而混頻數(shù)據(jù)抽樣模型（Mixed Data Sampling，MIDAS）的出現(xiàn)，使得將不同頻率的經(jīng)濟(jì)變量置于同一計(jì)量模型中進(jìn)行回歸成為可能（Schumacher，2016）[2]。

近幾年，國內(nèi)外學(xué)者已將MIDAS模型運(yùn)用于宏觀經(jīng)濟(jì)預(yù)測，現(xiàn)有研究結(jié)果一致表明MIDAS模型不僅可以高效地利用高頻變量中的有效信息估計(jì)低頻變量，而且能夠改善預(yù)測效果、提高預(yù)測精度。例如，龔玉婷等（2014）采用MIDAS模型對CPI短期走勢的預(yù)測發(fā)現(xiàn)，相對于傳統(tǒng)的月度時(shí)間序列建模方法，MIDAS模型具有更高的樣本內(nèi)解釋能力和樣本外預(yù)測能力[3]；Bessec和Bouabdallah（2015）建立馬爾科夫區(qū)制轉(zhuǎn)換—因子混頻數(shù)據(jù)抽樣模型（Markov Regime Switching Factor MIDAS，MS-FA MIDAS）對美國GDP的估計(jì)和預(yù)測發(fā)現(xiàn)，該模型能夠通過刻畫GDP增長率與高頻金融變量之間的關(guān)系準(zhǔn)確監(jiān)測經(jīng)濟(jì)衰退，具有較高的樣本內(nèi)估計(jì)效應(yīng)[4]；尚玉皇和鄭挺國（2016）基于MIDAS模型建立混頻短期利率波動模型，認(rèn)為該模型不僅能夠識別通貨膨脹等宏觀因子對短期利率影響的長期成分，而且在短期利率樣本外預(yù)測方面比樣本內(nèi)估計(jì)表現(xiàn)更好[5]；Jiang等（2017）采用月度宏觀因子和日度金融變量對我國季度GDP的預(yù)測發(fā)現(xiàn)，MIDAS模型比傳統(tǒng)預(yù)測模型具有更高的預(yù)測精度，能夠更加完整、有效地利用高頻變量中包含的信息來預(yù)測季度GDP[6]；Pan等（2018）運(yùn)用時(shí)變參數(shù)MIDAS模型（Time-Varying Parameter MIDAS，TVP-MIDAS）探究原油價(jià)格對美國實(shí)際GDP增長率的預(yù)測效果，結(jié)果表明其預(yù)測精度顯著高于傳統(tǒng)同頻預(yù)測模型[7]。

同時(shí)，GDP預(yù)測指標(biāo)也由傳統(tǒng)的宏觀月度變量轉(zhuǎn)變?yōu)楦佣嘣奈⒂^高頻變量。例如，劉漢和劉金全（2011）采用MIDAS模型分時(shí)段探究投資、消費(fèi)、進(jìn)出口等主要月度宏觀變量對我國季度GDP的預(yù)測作用，發(fā)現(xiàn)出口是造成國際金融危機(jī)時(shí)期我國經(jīng)濟(jì)增長減速的主要原因[8]；Mikosch和Zhang（2014）采用MIDAS模型比較了多種金融變量對我國季度GDP的短期預(yù)測效果，發(fā)現(xiàn)深證綜合指數(shù)的預(yù)測效果比上證綜合指數(shù)和香港指數(shù)更好[9]；劉濤雄和徐曉飛（2015）在傳統(tǒng)宏觀經(jīng)濟(jì)變量的基礎(chǔ)上加入與投資、消費(fèi)、凈出口、政府購買和就業(yè)相關(guān)的百度搜索指數(shù)對季度GDP進(jìn)行預(yù)測，發(fā)現(xiàn)加入百度搜索指數(shù)可以有效提高季度GDP預(yù)測效果[10]；王維國和于揚(yáng)（2016）采用MIDAS模型研究投資、進(jìn)出口、消費(fèi)和房地產(chǎn)對我國季度GDP的影響和解釋能力，發(fā)現(xiàn)不同類型的宏觀經(jīng)濟(jì)變量對季度GDP的影響路徑不同，近年來房地產(chǎn)行業(yè)逐漸成為拉動經(jīng)濟(jì)增長的重要動力源泉[11]；李曉軒等（2017）探討我國A股上市公司的會計(jì)盈余、市場估值與經(jīng)濟(jì)增長之間的關(guān)系，發(fā)現(xiàn)上市公司總體會計(jì)盈余季度增長率和總體賬面市值比均可較好地預(yù)測我國季度GDP增長率，但后者的預(yù)測能力相對較弱[12]。魏 宇，楊 惠，梅德祥：我國電影票房收入增長對GDP增速的預(yù)測作用

隨著我國經(jīng)濟(jì)的快速發(fā)展和人們生活水平的不斷提高，觀看院線電影作為一種時(shí)尚的娛樂消費(fèi)方式逐漸成為人們?nèi)粘Ｉ缃弧⑸钪胁豢苫蛉钡囊徊糠?。?002年電影院線制改革以來，我國電影票房收入和觀影人次均實(shí)現(xiàn)了高速增長，2017年國內(nèi)電影票房總收入達(dá)79億美元，2011—2017年國內(nèi)電影票房收入年復(fù)合增長率達(dá)28.44%。電影產(chǎn)業(yè)在我國經(jīng)濟(jì)發(fā)展中具有越來越重要的作用，因而研究電影市場與我國宏觀經(jīng)濟(jì)發(fā)展的內(nèi)在聯(lián)系十分重要。關(guān)于電影票房與宏觀經(jīng)濟(jì)的關(guān)系，國外研究發(fā)現(xiàn)，在20世紀(jì)30年代美國大蕭條期間，在企業(yè)倒閉、失業(yè)加劇、經(jīng)濟(jì)停滯的情況下，人們對物質(zhì)消費(fèi)的邊際需求逐漸減少，對文化消費(fèi)的邊際需求日益增加，而電影恰好迎合了此時(shí)人們宣泄壓抑、逃避現(xiàn)實(shí)和消遣娛樂的心理需求，電影票房的表現(xiàn)要好于宏觀經(jīng)濟(jì)（王瑞，2009）[13]。另外，在美國7次經(jīng)濟(jì)不景氣中有5次均出現(xiàn)了電影票房的大幅上升，進(jìn)一步佐證了電影票房具有“口紅效應(yīng)”“口紅效應(yīng)”得名于一種有趣的經(jīng)濟(jì)現(xiàn)象：在美國經(jīng)濟(jì)不景氣時(shí)，口紅的銷量反而會直線上升。在經(jīng)濟(jì)不景氣的情況下，人們的收入降低但仍然會有強(qiáng)烈的消費(fèi)欲望，所以會轉(zhuǎn)而購買比較廉價(jià)的商品；口紅作為一種“廉價(jià)的非必要之物”，可以對消費(fèi)者起到一種“安慰”的作用。 。近年來，隨著我國經(jīng)濟(jì)的快速發(fā)展和第三方購票平臺的迅速崛起，電影逐漸成為一種相對廉價(jià)、普通的文化消費(fèi)方式，受到社會大眾的廣泛青睞。那么，“口紅效應(yīng)”在我國是否存在？電影能否成為在經(jīng)濟(jì)增速放緩時(shí)給予人們信心和力量的一支“口紅”？有待實(shí)證檢驗(yàn)。

然而，由于我國電影產(chǎn)業(yè)的數(shù)據(jù)獲取困難、頻率較低、樣本量較少，使得已有研究大多僅局限于定性分析，鮮見定量刻畫我國電影票房與宏觀經(jīng)濟(jì)內(nèi)在聯(lián)系的文獻(xiàn)。隨著大數(shù)據(jù)時(shí)代的來臨，電影票房高頻數(shù)據(jù)的搜集和獲取相對容易，數(shù)據(jù)頻率也由以往的年度、季度和月度擴(kuò)展到更為詳細(xì)的周度、日度，這為定量分析電影票房與宏觀經(jīng)濟(jì)間的內(nèi)在關(guān)系提供了數(shù)據(jù)便利。因此本文選取電影票房收入作為我國文化產(chǎn)業(yè)發(fā)展的微觀表現(xiàn)，以周度電影票房收入增速作為高頻解釋變量來預(yù)測我國季度GDP增速，采用自回歸分布滯后混頻數(shù)據(jù)抽樣模型（Auto-regressive Distributed Lag MIDAS，ADL-MIDAS）驗(yàn)證我國電影票房的“口紅效應(yīng)”，并為我國GDP預(yù)測指標(biāo)的選取提供新的視角，同時(shí)也為進(jìn)一步研究文化產(chǎn)業(yè)與經(jīng)濟(jì)發(fā)展之間的內(nèi)在關(guān)聯(lián)提供方法借鑒。

二、模型設(shè)定、指標(biāo)選取與數(shù)據(jù)處理

本文采用五種不同類型的權(quán)重函數(shù)構(gòu)建的ADL-MIDAS模型和非限制性MIDAS模型來探究電影票房收入對季度GDP的預(yù)測效果。根據(jù)高頻解釋變量的經(jīng)濟(jì)含義和波動特點(diǎn)，經(jīng)篩選和比較后，選擇26階作為高頻解釋變量的最大滯后階數(shù)。同時(shí)，參照Smith（2016）的研究[15]，在保證系數(shù)的T統(tǒng)計(jì)量和模型的F統(tǒng)計(jì)量顯著的基礎(chǔ)上，參照AIC準(zhǔn)則、BIC準(zhǔn)則、RMSE和MSFE最小、擬合度和對數(shù)極大似然值最大的原則，選取解釋變量的最優(yōu)滯后階數(shù)和最優(yōu)權(quán)重函數(shù)，并通過比較三種不同類型的估計(jì)窗口下ADL-MIDAS模型的預(yù)測效果，選取最佳的估計(jì)窗口類型進(jìn)行模型回歸。另外，本文采用傳統(tǒng)的時(shí)間序列模型（ARIMA模型）作為基準(zhǔn)模型（Benchmark），比較單變量ADL-MIDAS模型和多變量組合模型的季度GDP預(yù)測效果。

本文將周度電影票房收入增速作為高頻解釋變量，季度GDP增速作為低頻被解釋變量，運(yùn)用ADL-MIDAS模型對兩者之間的關(guān)系進(jìn)行樣本內(nèi)估計(jì)和樣本外預(yù)測。同時(shí)，考慮到月度宏觀經(jīng)濟(jì)變量的經(jīng)濟(jì)意義和作用，參照王維國和于揚(yáng)（2016）的研究[11]，選取固定資產(chǎn)投資完成額增速、社會消費(fèi)品零售總額增速、進(jìn)出口總額增速這三個(gè)宏觀經(jīng)濟(jì)指標(biāo)作為控制變量來進(jìn)行實(shí)證研究。另外，為了增強(qiáng)實(shí)證結(jié)論的穩(wěn)健性，選取制造業(yè)PMI增速作為被解釋變量，進(jìn)一步驗(yàn)證我國電影票房收入增速對宏觀經(jīng)濟(jì)增長的預(yù)測效果。本文選取的變量均為名義同比增長率，數(shù)據(jù)的時(shí)間區(qū)間為2012年1月至2018年3月，變量定義與數(shù)據(jù)來源如表1所示。

為了檢驗(yàn)各高頻解釋變量與季度GDP增速之間是否存在先行滯后關(guān)系，本文采用Ghysels等（2007）提出的MIDAS模型下的格蘭杰因果檢驗(yàn)方法[16]，檢驗(yàn)各高頻解釋變量在滯后1階和超前1階時(shí)的回歸系數(shù)β1是否顯著區(qū)別于0。從表2中格蘭杰因果檢驗(yàn)的結(jié)果可以看出，各高頻解釋變量的回歸系數(shù)β1均顯著區(qū)別于0，表明各高頻解釋變量均與季度GDP增速之間存在格蘭杰因果關(guān)系。變量的描述性統(tǒng)計(jì)和平穩(wěn)性檢驗(yàn)結(jié)果如表3所示，從表3中ADF檢驗(yàn)的結(jié)果可以看出，本文選取的各變量均為平穩(wěn)時(shí)間序列。

三、實(shí)證結(jié)果

1.電影票房收入增速對經(jīng)濟(jì)增速的樣本內(nèi)估計(jì)分析

首先，采用ADL-MIDAS模型對電影票房收入增速與季度GDP增速的關(guān)系進(jìn)行樣本內(nèi)估計(jì)。選取樣本的2/3進(jìn)行樣本內(nèi)估計(jì)，窗口長度為17個(gè)樣本數(shù)據(jù)。通過比較不同估計(jì)窗口和滯后階數(shù)下的樣本內(nèi)估計(jì)效果，選取擬合度最高的多項(xiàng)式Almon權(quán)重函數(shù)，設(shè)定ADL-MIDAS模型進(jìn)行實(shí)證回歸，實(shí)證結(jié)果如表4所示。在滾動窗口下電影票房收入增速滯后13階的多項(xiàng)式Almon權(quán)重函數(shù)構(gòu)建的ADL-MIDAS模型的均方根誤差最?。≧MSE= 0.017）、模型最優(yōu)。最優(yōu)模型的樣本內(nèi)參數(shù)估計(jì)結(jié)果如表5所示。

從表5可以看出，模型所有參數(shù)在5%水平上顯著，模型的擬合度較高（R2=0.960），模型對數(shù)據(jù)整體擬合程度較好。變量“電影票房收入增速”的斜率參數(shù)顯著為負(fù)（β1= -0.019），表明滯后期（13周）內(nèi)的電影票房收入增速與下一季度的GDP增速的綜合關(guān)系為負(fù)，即電影票房收入增速越高，下一季度的GDP增速越低。產(chǎn)生這一現(xiàn)象可能的原因在于，電影產(chǎn)業(yè)作為服務(wù)業(yè)中極具“造夢”功能的產(chǎn)業(yè)之一，能夠使生活在壓力下的人們在觀影后獲得溫暖與力量，重燃生活熱情，增強(qiáng)克服困難的勇氣，成為經(jīng)濟(jì)增速放緩時(shí)人們緩解現(xiàn)實(shí)壓力和宣泄情感的心靈避風(fēng)港，從而造成經(jīng)濟(jì)增速回落時(shí)電影票房收入快速增加，即電影票房收入增速與宏觀經(jīng)濟(jì)增速呈反向變化關(guān)系。而在經(jīng)濟(jì)高速發(fā)展、人均可支配收入快速增加時(shí)，人們對生活質(zhì)量的更高追求使得旅游和奢侈品等其他大額消費(fèi)的支出增加，而對類似于觀看電影等的“廉價(jià)的非必要之物”的消費(fèi)需求減少。

為了從經(jīng)濟(jì)意義上進(jìn)一步驗(yàn)證上述結(jié)論的可靠性，將反映經(jīng)濟(jì)景氣程度的月度制造業(yè)PMI增速作為低頻被解釋變量、周度電影票房收入增速作為高頻解釋變量，運(yùn)用ADL-MIDAS模型進(jìn)行樣本內(nèi)估計(jì)。通過比較不同估計(jì)窗口和滯后階數(shù)下的估計(jì)效果，最終選擇滾動窗口下電影票房收入增速滯后12階Beta多項(xiàng)式權(quán)重函數(shù)構(gòu)建的ADL-MIDAS模型進(jìn)行樣本內(nèi)估計(jì)。最優(yōu)模型的參數(shù)估計(jì)結(jié)果如表6所示。模型所有參數(shù)在5%水平上顯著，變量“電影票房收入增速”的斜率參數(shù)顯著為負(fù)（β1= -0.025），即周度電影票房收入增速與月度制造業(yè)PMI增速的綜合關(guān)系為負(fù)，電影票房收入的快速增加（或減少）將伴隨制造業(yè)PMI的降低（或升高）。這一結(jié)論與前文結(jié)論保持一致，因此可以推斷，電影票房收入增速的確對宏觀經(jīng)濟(jì)增速具有反向關(guān)系，進(jìn)而對未來的GDP增速變化具有明顯的預(yù)測作用。

2.電影票房收入對季度GDP增速的樣本外預(yù)測檢驗(yàn)

為了從統(tǒng)計(jì)意義上增強(qiáng)本文實(shí)證結(jié)果的穩(wěn)健性，進(jìn)一步對比三種不同樣本外預(yù)測長度下ADL-MIDAS模型的GDP增速預(yù)測效果。參照Pan等（2018）的研究方法[7]，設(shè)定總樣本長度（記為L）的1/4、1/3和1/2作為樣本外預(yù)測長度，即被解釋變量“季度GDP增速”最后的6、8和13個(gè)樣本數(shù)據(jù)。高頻變量的最優(yōu)滯后階數(shù)、估計(jì)窗口、最優(yōu)權(quán)重函數(shù)的確定方法與前文類似，不同樣本外長度下的最優(yōu)模型的樣本外預(yù)測結(jié)果如表7所示。改變樣本外預(yù)測的長度并不會改變模型主要參數(shù)的回歸結(jié)果，在不同的樣本外預(yù)測長度下，模型各參數(shù)的符號和顯著性均保持一致，周度電影票房收入增速與季度GDP增速的關(guān)系也始終保持為負(fù)，說明本文實(shí)證結(jié)果具有良好的穩(wěn)健性。

3.季度GDP增速的多變量組合預(yù)測

由于單變量預(yù)測模型的預(yù)測精度往往會隨著樣本數(shù)量或預(yù)測區(qū)間的不同而改變，進(jìn)一步采用多變量組合預(yù)測（Forecasting combination）的方式來獲得更加穩(wěn)定、高效的季度GDP增速預(yù)測模型。依次采用固定資產(chǎn)投資完成額增速、社會消費(fèi)品零售總額增速、進(jìn)出口總額增速和電影票房收入增速對季度GDP增速進(jìn)行樣本外預(yù)測。采用前文所述方法確定估計(jì)窗口、最優(yōu)滯后階數(shù)、最優(yōu)權(quán)重函數(shù)，分別選擇固定窗口下固定資產(chǎn)投資完成額增速滯后6階的指數(shù)Almon權(quán)重函數(shù)、固定窗口下社會消費(fèi)品零售總額增速滯后12階的Beta權(quán)重函數(shù)、滾動窗口下進(jìn)出口總額增速滯后12階的指數(shù)Almon權(quán)重函數(shù)、滾動窗口下電影票房收入增速滯后13階的Almon權(quán)重函數(shù)，作為ADL-MIDAS預(yù)測模型的設(shè)定基礎(chǔ)進(jìn)行實(shí)證回歸。圖1展示了各高頻解釋變量的最優(yōu)權(quán)重函數(shù)的權(quán)重估計(jì)結(jié)果。

從圖1可知，固定資產(chǎn)投資完成額增速對季度GDP增速存在6階（即6個(gè)月）滯后效應(yīng)，且各滯后項(xiàng)前面的系數(shù)為正并在第3階后趨近于0，表明當(dāng)季三個(gè)月的固定資產(chǎn)投資完成額增速對下一季度GDP增速的影響效應(yīng)為正，而后，各階的權(quán)重系數(shù)逐漸趨向于0；社會消費(fèi)品零售總額增速和進(jìn)出口總額增速對季度GDP增速均存在12階（即12個(gè)月）滯后效應(yīng)，并且隨著滯后階數(shù)的增加各階權(quán)重系數(shù)值逐漸減少，并在第6階（即半年）后趨近于0；電影票房收入增速對季度GDP增速存在13階（即13周）滯后效應(yīng)，當(dāng)季前3周和后5周的電影票房收入增速對下一季度GDP增速的影響效應(yīng)為負(fù)，當(dāng)季第4周到第8周的電影票房收入增速對下一季度GDP增速的影響效應(yīng)為正。

在此基礎(chǔ)上，參照Andreou（2016）的研究[17]，分別采用AIC、BIC、MSFE、DMSFE、等權(quán)重這五種形式的組合預(yù)測方法進(jìn)行樣本外預(yù)測，并最終選取ARIMA（2，1，1）模型作為基準(zhǔn)模型進(jìn)行預(yù)測效果比較。同時(shí)，為了檢驗(yàn)加入電影票房收入增速是否有助于提高模型的預(yù)測精度，設(shè)定兩種組合預(yù)測模式進(jìn)行比較分析：組合1為三個(gè)月度宏觀因子對季度GDP增速的組合預(yù)測；組合2為三個(gè)月度宏觀因子加電影票房收入增速對季度GDP增速的組合預(yù)測。參照Yu等（2018）的研究[18]，本文采用MSFE、RMSE、MAPE這三種損失函數(shù)指標(biāo)衡量各個(gè)組合預(yù)測模型的預(yù)測精度，結(jié)果如表8所示。

從表8可以看出：首先，各種組合預(yù)測得到的預(yù)測誤差均顯著小于基準(zhǔn)模型（ARIMA）的預(yù)測誤差，表明基于混頻數(shù)據(jù)的組合預(yù)測方法可以顯著提升對我國季度GDP增速的預(yù)測精度。其次，加入電影票房收入增速后的組合預(yù)測模型（即組合2）的預(yù)測誤差，在三種損失函數(shù)指標(biāo)下均明顯低于沒有加入電影票房收入增速的組合預(yù)測模型（即組合1），這一結(jié)果再次證明電影票房收入增速可以作為新的預(yù)測因子加入GDP增速預(yù)測實(shí)踐中。這是因?yàn)橹芏入娪捌狈渴杖朐鏊僮鳛槲⒂^高頻變量能夠?yàn)榧径菺DP增速預(yù)測提供除宏觀經(jīng)濟(jì)因素外的更多更有效的增量信息，進(jìn)而改善模型預(yù)測效果。最后，在各種組合預(yù)測權(quán)重的選擇方式中，基于MSFE的加權(quán)方法不但在其本身的損失函數(shù)中取得了最高的預(yù)測精度，而且在RMSE和MAPE損失函數(shù)下也獲得了最小的預(yù)測誤差，說明該權(quán)重選擇方法在我國GDP增速的組合預(yù)測中具有較好的穩(wěn)健性。

四、結(jié)論與啟示

近年來的相關(guān)實(shí)證研究發(fā)現(xiàn)，MIDAS方法在估計(jì)混頻經(jīng)濟(jì)變量間的關(guān)系和預(yù)測宏觀經(jīng)濟(jì)走勢方面表現(xiàn)優(yōu)異，這使得MIDAS模型逐漸為成為計(jì)量經(jīng)濟(jì)學(xué)界研究不同頻率經(jīng)濟(jì)變量間關(guān)系的熱點(diǎn)模型之一。本文運(yùn)用ADL-MIDAS模型對我國電影票房收入增速與季度GDP增速以及制造業(yè)PMI增速的關(guān)系進(jìn)行實(shí)證分析，結(jié)果表明無論是對于宏觀經(jīng)濟(jì)總量（GDP）還是宏觀經(jīng)濟(jì)先行指標(biāo)（PMI），前期電影票房收入都與其呈負(fù)向相關(guān)關(guān)系，因此，電影票房收入對宏觀經(jīng)濟(jì)走勢具有較好的預(yù)測效果。同時(shí)，也在一定程度上驗(yàn)證了我國電影市場“口紅效應(yīng)”的存在。電影作為一種相對廉價(jià)的文化消費(fèi)產(chǎn)品，在經(jīng)濟(jì)放緩時(shí)能夠滿足消費(fèi)者渴求心理慰籍和緩解現(xiàn)實(shí)壓力的精神需求，因而，相對于放緩的宏觀經(jīng)濟(jì)增長而言，電影票房表現(xiàn)強(qiáng)勁，具有逆勢而上的特點(diǎn)（李法寶，2009）[19]。電影票房收入高速增長可能是宏觀經(jīng)濟(jì)增速放緩的前兆，監(jiān)管部門、金融機(jī)構(gòu)和廣大投資者可以將其作為反映宏觀經(jīng)濟(jì)景氣程度的一種簡單和直觀的先行參考指標(biāo)，根據(jù)電影票房收入增長情況對經(jīng)濟(jì)發(fā)展?fàn)顩r做出預(yù)判，進(jìn)而及時(shí)發(fā)現(xiàn)經(jīng)濟(jì)增長放緩的主觀和客觀原因，提前做好相關(guān)部署。

另外，在傳統(tǒng)的月度宏觀經(jīng)濟(jì)變量中加入電影票房收入數(shù)據(jù)能夠顯著提高GDP預(yù)測精度，改善模型預(yù)測效果。電影票房收入增速作為一種微觀高頻變量，能夠更為精確和靈敏地刻畫出人們對于宏觀經(jīng)濟(jì)基本面的心理預(yù)期，從而為季度GDP預(yù)測提供更為豐富和準(zhǔn)確的預(yù)測信息，提高模型的預(yù)測精度?；诒疚牡难芯拷Y(jié)果，在未來的GDP預(yù)測研究中，除了加入傳統(tǒng)的月度宏觀預(yù)測因子外，還可以考慮加入其他類型的經(jīng)濟(jì)指標(biāo)（例如消費(fèi)信貸、物流總量、出境旅游人數(shù)）或非經(jīng)濟(jì)指標(biāo)（例如來自于社會學(xué)和人口學(xué)的相關(guān)測度指標(biāo)），從而構(gòu)建更加精確、靈敏的GDP預(yù)測指標(biāo)體系和模型。

最后，本文實(shí)證結(jié)果表明，相比單變量ADL-MIDAS預(yù)測模型而言，多變量的組合預(yù)測方法具有更高的預(yù)測精度，其中以MSFE為權(quán)重選取標(biāo)準(zhǔn)的組合預(yù)測效果最好。相比于傳統(tǒng)預(yù)測模型，混頻抽樣模型可以提取和利用高頻經(jīng)濟(jì)數(shù)據(jù)中更多有價(jià)值的信息，有助于更好地預(yù)測宏觀經(jīng)濟(jì)走勢。但由于我國電影票房收入高頻數(shù)據(jù)樣本量較少，季度GDP增速的樣本外預(yù)測長度較短，本研究中ADL-MIDAS模型預(yù)測精度的穩(wěn)健性有待進(jìn)一步驗(yàn)證，這一不足將在未來的研究中加以改善。

參考文獻(xiàn)：

[1] BARSOUM F， STANKIEWICZ S. Forecasting GDP growth using mixed-frequency models with switching regimes[J]. International Journal of Forecasting，2013，31（1）：33-50.

[2] SCHUMACHER C. A comparison of MIDAS and bridge equations[J]. International Journal of Forecasting， 2016， 32（2）：257-270.

[3] 龔玉婷，陳強(qiáng)，鄭旭.基于混頻模型的CPI短期預(yù)測研究[J].統(tǒng)計(jì)研究，2014，31（12）：25-31.

[4] BESSEC M，BOUABDALLAH O. Forecasting GDP over the business cycle in a multi-frequency and data-rich environment[J]. Oxford Bulletin of Economics & Statistics，2015，77（3）：360-384.

[5] 尚玉皇，鄭挺國.短期利率波動測度與預(yù)測：基于混頻宏觀—短期利率模型[J].金融研究，2016（11）：47- 62.

[6] JIANG Y， GUO Y， ZHANG Y. Forecasting China′s GDP growth using dynamic factors and mixed-frequency data[J]. Economic Modelling，2017，66：132-138.

[7] PAN Z Y，WANG Q，WANG Y D，LI Y. Forecasting U.S. real GDP using oil prices：A time-varying parameter MIDAS model[J]. Energy Economics，2018，72（5）：177-187.

[8] 劉漢，劉金全.我國宏觀經(jīng)濟(jì)總量的實(shí)時(shí)預(yù)報(bào)與短期預(yù)測——基于混頻數(shù)據(jù)預(yù)測模型的實(shí)證研究[J].經(jīng)濟(jì)研究，2011（3）：4-17.

[9] MIKOSCH H，ZHANG Y. Forecasting Chinese GDP growth with mixed frequency data：Which indicators to look at？ [J]. Social Science Electronic Publishing，2014，（11）：359- 404.

[10]劉濤雄，徐曉飛.互聯(lián)網(wǎng)搜索行為能幫助我們預(yù)測宏觀經(jīng)濟(jì)嗎？[J].經(jīng)濟(jì)研究，2015，50（12）：68-83.

[11]王維國，于揚(yáng).基于混頻回歸類模型對我國季度GDP的預(yù)報(bào)方法研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016（4）：108-125.

[12]李曉軒，張俊民，肖志超.會計(jì)盈余、市場估值與經(jīng)濟(jì)增長[J].會計(jì)與經(jīng)濟(jì)研究，2017，31（5）：52-62.

[13]王瑞.“口紅效應(yīng)”給電影業(yè)帶來的契機(jī)[J].電影文學(xué)，2009（21）：58-59.

[14]GHYSELS E，SANTACLARA P，VALKANOV R. Predicting volatility： getting the most out of return data sampled at different frequencies[J]. Journal of Econometrics，2006，131（1-2）：59-95.

[15]SMITH P. Googles MIDAS touch：Predicting UK unemployment with internet search data[J]. Journal of Forecasting，2016，35（3）：263-284.

[16]GHYSELS E，SINKO A，VALKANOV R. MIDAS regressions：Further results and new directions[J]. Econometric Reviews，2007，26（1）：53-90.

[17]ANDREOU E. On the use of high frequency measures of volatility in MIDAS regressions[J]. Journal of Econometrics，2016，193（2）：367-389.

[18]YU H，F(xiàn)ANG L，SUN W. Forecasting performance of global economic policy uncertainty for volatility of Chinese stock market[J]. Physica A Statistical Mechanics & Its Applications，2018，505：931-940.

[19]李法寶.影視消費(fèi)的“口紅效應(yīng)”與調(diào)整策略[J].電影藝術(shù)，2009（5）：105-107.

Abstract： Film industry as an important factor to measure a country's socio-economic development level and cultural soft power needs to be deeply studied whether it has certain predicable functions to a country's macroeconomic development level. This paper uses the autoregressive distributed lag mixture sampling （ADL-MIDAS） model to study and predict the relationship between the weekly Chinese box-office revenue growth as the high frequency explanatory variable and the quarterly GDP growth as the low frequency explained variable from January， 2012 to March， 2018. On the basis of this， this paper also quantitatively analyzes the relationship between the monthly manufacturing PMI growth and weekly box-office revenue growth. The empirical results show that there is a negative correlation between the weekly box-office growth and the quarterly GDP growth as well as the monthly manufacturing PMI growth. Chinas films market has “l(fā)ipstick effect” and the forecast for macro-economy trend can be made by the box-office revenue condition. Adding the weekly box-office data to the monthly macro-variables can significantly improve the quarterly GDP prediction accuracy. The box-office revenue can be used as a beneficial supplement to the GDP forecasting index system in China.

Key words： box-office revenue； macro-economy trend； quarterly GDP growth； monthly PMI growth rate； GDP forecast； lipstick effect； ADL-MIDAS； high frequency variable

CLC number：F224.0；F064.1 Document code： A Article ID： 1674-8131（2018）05-0117-08

（編輯：夏 冬）