1、 国内研究

李文亮在《商业时代》中指出线性回归模型预测是一种将回归分析与预测理论相结合的方法,具有很强的实用性。[1]

陈晓平在《南通工学院学报》杂志上提出了一种新的线性回归方法。[2]

在《中外能源》中，作者叶锋针对多元线性回归方法在EXCEL办公软件中的运用展开分析与研究，这对于长期科学规划决策有着相当显著的作用。[3]

在《科技信息》中，杨静具体的介绍了经济问题牵扯的所有变量间的相关性，并将统计学领域的回归模型引入进来，通过最小二乘法进行预测，结合相关案例具体的介绍预测过程，实施经济及统计检验，对其合理性与科学性予以说明。[4]

在《黑龙江科技信息》中，王玉梅提到可考虑运用线性回归模型预测经济问题，在实际进行预测的过程中可采取LAD估计法与最小二乘估计法作出预测。一系列实践结果表明，当有异常数据存在的时候，最小二乘估计法要比LAD估计法逊色些。[5]

在《中国统计年鉴》中，王博介绍了一种基于神经网络与多元线性回归相结合的预测模型，并运用此模型对国民经济数据进行分析与研究。[6]

陈在《企业导报》中，陈敏站在计量经济学的立场构建起科学、系统的计量经济学模型，深层次的解读了会对我国GDP发展存在影响的诸多因素，并基于此制定可行性高的对策。[7]

田秀芹在《现代商贸工业》中提出GDP是衡量一个国家或地区经济发展的主要指标,以2005-2016年的广西GDP数据为历史数据,建立GDP的线性回归模型,并2017年的GDP进行了预测与分析。[8]

在《经济研究导刊》中，刘尧和刘丽华采用SPSS软件，以人均GDP为因变量运用多元回归方法针对人均GDP和就业人数之间的关联进行考察，同时还考察了人均GDP(X1)和国家财政支出的联系,并利用统计数据和数据预测两类方法对该方法进行检测。[9]

在《科技经济导刊》中，汪雨甜借助多元线性回归模型，利用Python分析筛选与 检验有关的知识。结果表明,进出口差额(人民币)、消费物价指数(100)、货币和准货币供应量(人民币）、货币供应量（人民币）基本上可以满足GDP增长率。[10]

2、国外研究

Marek Rusnák在《Economic Modelling》中利用历史数据的多个年份，并考虑到各月指标的发布滞后，评估了DFM在2005-2012年期间的实时表现。主要结果是，基于模型的预报的准确性与捷克国家银行(CNB)的预报的准确性相当。此外，结合DFM和CNB的预报，结果比单独的预报更准确。我们的研究结果还表明，外国变量对于模型的准确性至关重要，而省略金融和信心指数并不能恶化现在的预测效果。[11]

Andrejs Bessonovs在《Procedia - Social and Behavioral Sciences》中采用各种单变量和多变量计量经济技术来获得短期GDP预测，并评估模型的性能。我们还包括国内生产总值(GDP)中包含的信息，并从分解的角度获得短期GDP预测。我们运行样本外预测程序来评估GDP预测，并评估所有个体统计模型的预测准确性。此外，对统计模型的预测的加权组合允许获得可靠和准确的预测，从而减少预测错误。[12]

Vincenzo Bianco，Oronzio Manca与Sergio Nardini在《Energy》中对意大利的年用电量的经济和人口变量的影响进行了调查，目的是建立一种长期的消费预测模型。从1970年到2007年，对历史数据进行了考虑。第一部分考虑了国内和非国内用电量的GDP、价格和人均GDP的弹性估计。国内和非国内短期价格弹性约等于0.06，而长期弹性则分别为0.24和0.09。相反，国内生产总值和人均GDP的弹性呈现出更高的价值。在论文的第二部分，提出了基于协整或静态数据的不同回归模型。采用不同的统计检验方法来检验模型的有效性。与全国进行比较预测,基于复杂的计量经济学模型,如Markal-Time、执行,表明发达回归全等与官方预测,偏差的±1%的最好情况和最坏的±11%。在考虑到时间跨度时，这些偏差被认为是可以接受的。