宏观经济时间序列能够反映当前经济状况和未来经济发展走势,长期以来,时间序列的预测成为众多学者探讨的对象。GDP指标反映一个国家或地区经济在某个时期运行状况,其体现的是宏观经济未来发展变化趋势,也是国家和区域经济发展经济政策调控的主要目标。为此,关于GDP指标的预测研究一直成为计量经济学领域的热点课题。科学地预测GDP增长率,有助于相关部门对当前经济形式做出判断,及时采取应对措施。研究人员根据不同的数据处理方法构建不同的数据模型,从数据中攫取信息用于经济预测。随着科技的发展,数据存储技术的完善,时间序列数据得以更加完整、精准的保存下来,当然也衍生出一系列复杂问题:数据来源、数据长度、抽样频率等不尽相同,对数据的处理方式亦各不相同;并且传统数据处理方式往往只能对样本外进行预测,缺乏预测的及时性。因此,传统的同频数据计量模型已不能满足对未来预测的精度要求,越来越多的研究者对混频数据展开探讨。近年来围绕探讨混频数据模型的构建和改进受到广泛关注,比如构建混频数据模型来提高模型的预测精度,并结合其他高级计量模型,分析比较相对于传统计量模型的优势以及如何进一步提高模型估计的精度。本文围绕不同混频数据处理模型,利用月度指标对我国季度GDP预测展开研究,并将桥梁方程作为基准模型,用以比较不同模型的预测能力。一方面检验混频数据模型在我国宏观经济变量预测的有效性,另一方面,通过对模型的改进和应用,分析各种模型的预测效果。结果表明,混频数据模型利用月度指标对季度GDP展开预测,相对于基准模型预测更为有效;进一步从众多指标中提取出的因子变量携带原始变量更多信息,对模型的预测精度和拟合效果有促进作用;未受参数限制的MIDAS模型在拟合优度上以及短期预测方面,都有更优的效果;另外,加入自回归项后,模型拟合效果有显著提高;MIDAS模型对于MF-VAR模型,更适合做短期预测,而MF-VAR模型则通过迭代适用于步长更高的预测。