中文摘要：

经济的结构转型和快速发展使中国的大部分宏观变量具有时变性和非线性的特点，从而使宏观经济预测在理论上和实践中面临更多的挑战。本课题首创将平滑转化自回归(STAR)模型和非参数方法相结合，提出半参数STAR模型，并研究其理论性质和应用效果。STAR模型能够较好模拟结构变化，但依赖于先验的函数假设，无法充分描述非线性和时变性的特点，而非参数方法能够模拟各种非线性特征，两者的结合可以更有效地预测中国宏观经济变量的走势。同时，作为使用STAR模型的前提检验，我们提出了一个新的非参数方法，用于检验模型的结构稳定性和线性化。和已有的检验方法相比，该方法无需断点信息并具有理想的小样本性质。我们考察了中国主要宏观变量的结构稳定性和模型线性化，并利用中国的宏观数据全面比较包括半参数STAR模型在内的主要宏观预测模型的预测能力。本课题的研究内容不仅仅是理论和方法论的创新，而且在宏观经济预测中有重要的应用价值。

结论摘要：

宏观时间序列模型所固有的时变性和非线性特征已经成为众所周知的经济学特征事实之一。尽管非线性参数模型能够较好地拟合数据，但样本外预测能力却无法令人满意。在广泛使用的平滑转换自回归（STAR）模型中，转换变量进入转换函数的方式过多依赖一些先验的函数形式假设，从而存在模型误设的风险。本课题使用非参数方法拓展传统的STAR模型，首次提出半参数STAR模型。在保持STAR模型基本形式不变的前提下，我们让转换变量以非参数的形式进入转换函数，在保留传统STAR模型较好的经济学解释能力的同时，我们的模型能够避免模型误设的风险，从而提高了模型的样本外预测能力。我们提出了一个新的三阶段估计方法，并建立了估计量的大样本统计性质。我们用1994年1月到2012年7月的人民币实际有效汇率月度数据，比较了半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力，发现半参数STAR模型在样本外预测能力上具有显著优势。同时，作为使用STAR 模型的前提，我们提出了一个新的非参数稳定性检验，用于检验模型的结构稳定性。和传统的稳定性检验方法相比，该方法不仅能够检验结构突变，而且能够更有效地捕捉到缓慢的连续性结构变化。本课题的研究内容不仅仅是理论和方法论的创新，而且在宏观经济分析与预测中有重要的应用价值。