《表2 多变量MIDAS模型的预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《百度指数、混频模型与三亚旅游需求》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过相关性分析发现，高频变量即百度指数数据间存在很强的相关性，因此本文选取C-MIDAS模型作为多变量MIDAS模型来克服多重共线性问题，C-MIDAS模型的赋权方式选取3种:等权重赋权、AIC准则赋权和RMSE赋权。另外，本文考虑运用主成分分析法将所选百度指数数据通过赋予权重合成一个综合指数构建MIDAS模型进行预测，由于结合了多个高频信息，因此本文将基于主成分构建的MIDAS模型也归纳为多变量MIDAS模型。基于3种赋权方式的C-MIDAS模型和基于主成分的MIDAS模型均是结合上述8个百度指数数据构建的，且预测区间仍选取2017年7月—2018年6月共12个月的三亚旅游人数增长率，预测结果如表2所示。表2中的rARMA指标与上文相同（即基于8个百度指数构建的多变量MIDAS模型与ARMA模型RMSE的比值），rARMAX指标中同频模型的构建分别与基于3种赋权方式的C-MIDAS模型和基于主成分的MIDAS模型相一致（1）（即基于8个百度指数构建的多变量MIDAS模型与相应多变量ARMAX模型RMSE的比值），百分比是指多变量MIDAS模型在既定h下，预测误差小于表1中单变量MIDAS模型所占百分比。