“五年计划”是我国国民经济计划的重要内容。随着这一计划的实施,对国民经济指标的研究受到了越来越多经济学家和政治决策者的关注。监测并预测一些重要国民经济指标更成为了众多学者研究的重点。时间序列分析方法是一种解决纵向数据预测问题的基本方法。其中求和移动自回归(ARIMA)模型自从其初次被Box和Jenlkins(1968)[1]提出之后,更是被广泛应用于经济学、社会科学、生物学等领域。为了得到更精准的预测结果,人们往往需要足够的历史数据量。然而在很多情况下,历史数据可能会由于某种原因造成缺失而不可得,如数据丢失、统计不完整或数据记录有误需要修正。为了解决这一问题,Angeli等人(2006)[2]提出了因子回溯模型(Factor-backdating)来构建、预测这一类型的缺失数据。此后,Briuggemann和Zeng(2015)[3]在此基础上利用因子回溯模型来填补欧盟成立前各项重要经济指标数据,将欧盟各成员国看成一个整体,来研究并预测其经济行为。该研究表明,因子回溯模型可以很好的处理纵向历史数据缺失和截面数据的缺失问题,验证了该方法的有效性。然而,人们往往关注于对数据未来的预测,而忽视对历史数据的回溯问题。事实上,精准的预测结果通常依赖充足有效的历史数据。本文研究旨在根据回溯模型回填历史数据并利用更加完整的历史数据预测中国宏观经济指标,并对今后历史数据回溯问题的研究提供有价值的参考,同时对进一步为预测过程在数据量不够时,提供一种模拟历史数据行之有效的方法。本文首次提出基于主成分分析的回溯方法,并对比主成分回溯模型与因子回溯模型,进而分别根据两种方法得到的完整的历史数据进行预测。其中在回溯部分主要利用主成分回溯模型和因子回溯模型;在预测部分,首次尝试利用主成分与因子分别建立线性模型进行预测,并与求和移动自回归(ARIMA)模型进行对比分析。本文采用以下研究方法和研究步骤:第一,因子分析法,首先提取因子,建立因子回溯模型回溯中国1995-1998年缺失的真实GDP(Real GDP)数据,再建立因子线性模型预测真实GDP指标;第二,主成分分析法,通过提取出的主成分,建立主成分回溯模型回溯缺失数据,建立主成分线性模型预测真实GDP指标;第三,移动自回归模型,利用上述两种方法回溯得到的1995-1998年真实GDP数据,分别结合1999-2010年真实数据进行预测。本文得到的主要结论是:在历史数据缺失或记录有误的情况下,主成分回溯模型和因子回溯模型都是对历史数据回溯或修正的有效方法。其中基于主成分的回溯模型在预测一些重要宏观经济变量如真实GDP时,可以得到更为精准的预测结果。本文共分五章:第一章阐述本文的研究背景、研究目的和意义、研究内容与方法;第二章详细介绍基于主成分和因子的回溯模型方法,并将回溯数据与真实数据进行比较,证明研究方法可靠性与有效性;第三章建立因子预测模型、主成分预测模型和求和移动自回归模型分别预测2011-2015我国GDP指标,并将结果进行对比。第四章对本文所得结果进行总结分析,提出合理政策建议,并反思本研究的创新之处与不足,并对数据回溯与预测问题领域研究做出研究展望。最后对本文研究过程中提供帮助与悉心指导的各位老师和同学表示由衷感谢。