我国电影票房收入增长对GDP增速的预测作用

果，选取最佳的估计窗口类型进行模型回归。另外，本文采用传统的时间序列模型（ARIMA模型）作为基准模型（Benchmark），比较单变量ADL-MIDAS模型和多变量组合模型的季度GDP预测效果。

本文将周度电影票房收入增速作为高频解释变量，季度GDP增速作为低频被解释变量，运用ADL-MIDAS模型对两者之间的关系进行样本内估计和样本外预测。同时，考虑到月度宏观经济变量的经济意义和作用，参照王维国和于扬（2016）的研究[11]，选取固定资产投资完成额增速、社会消费品零售总额增速、进出口总额增速这三个宏观经济指标作为控制变量来进行实证研究。另外，为了增强实证结论的稳健性，选取制造业PMI增速作为被解释变量，进一步验证我国电影票房收入增速对宏观经济增长的预测效果。本文选取的变量均为名义同比增长率，数据的时间区间为2012年1月至2018年3月，变量定义与数据来源如表1所示。

為了检验各高频解释变量与季度GDP增速之间是否存在先行滞后关系，本文采用Ghysels等（2007）提出的MIDAS模型下的格兰杰因果检验方法[16]，检验各高频解释变量在滞后1阶和超前1阶时的回归系数β1是否显著区别于0。从表2中格兰杰因果检验的结果可以看出，各高频解释变量的回归系数β1均显著区别于0，表明各高频解释变量均与季度GDP增速之间存在格兰杰因果关系。变量的描述性统计和平稳性检验结果如表3所示，从表3中ADF检验的结果可以看出，本文选取的各变量均为平稳时间序列。

三、实证结果

1.电影票房收入增速对经济增速的样本内估计分析

首先，采用ADL-MIDAS模型对电影票房收入增速与季度GDP增速的关系进行样本内估计。选取样本的2/3进行样本内估计，窗口长度为17个样本数据。通过比较不同估计窗口和滞后阶数下的样本内估计效果，选取拟合度最高的多项式Almon权重函数，设定ADL-MIDAS模型进行实证回归，实证结果如表4所示。在滚动窗口下电影票房收入增速滞后13阶的多项式Almon权重函数构建的ADL-MIDAS模型的均方根误差最小（RMSE= 0.017）、模型最优。最优模型的样本内参数估计结果如表5所示。

从表5可以看出，模型所有参数在5%水平上显著，模型的拟合度较高（R2=0.960），模型对数据整体拟合程度较好。变量“电影票房收入增速”的斜率参数显著为负（β1= -0.019），表明滞后期（13周）内的电影票房收入增速与下一季度的GDP增速的综合关系为负，即电影票房收入增速越高，下一季度的GDP增速越低。产生这一现象可能的原因在于，电影产业作为服务