2012年起,我国经济增速减缓,中国经济进入以减速换挡、结构调整和动力转换为特征的新常态阶段,呈现出与以往不同的新特征。在经济新常态背景下强化对服务业的景气监测具有重要的现实意义。一方面,有助于及时、准确地反映服务业的景气状况和发展态势;另一方面,中国正处于服务业和工业并行发展的阶段,由于现有的宏观经济景气监测研究框架普遍采用工业增加值作为基准指标,所以对服务业的景气监测可以使中国宏观经济监测框架更加完善,有助于政府更加全面和深入地把握宏观经济运行状况。在利用传统的计量经济模型研究服务业景气等问题时,仅对频率相同,长度相同的变量进行回归,会由于样本数据结构的限制,通常不能把足够多的影响因子包含在同一模型之中。为了克服同频数据模型对于样本结构要求高、对于高频数据利用不足的局限性,国内外学者不断研究和改善混合频率的数据模型。本研究针对混频数据模型方法上面临的挑战,尝试使用动态因子模型（DFM）将高频数据进行降维,将其与低频数据引入混频贝叶斯向量自回归模型（MF-BVAR）中,构建因子混频数据模型（FA-MF-BVAR）,对宏观经济指标进行预测,比传统上直接使用原始数据利用MF-BVAR对宏观经济指标进行预测有所突破。将FA-MF-BVAR应用到对服务业景气的现时预测中,共选取8个与服务业和宏观经济相关的月度指标和1个最具代表性的综合性季度指标。将月度数据引入DFM进行降维,将其与季度数据引入MF-BVAR中,构建FA-MFBVAR。模型采用基于稳态先验、逆Wishart先验、恒定误差协方差矩阵后验、常见随机波动后验等估计方法,得到VAR模型和状态变量的估计,从而对我国服务业景气情况进行现时预测。得出以下结论:1)在使用有和没有分层收缩的稳态先验获得的预测和后稳态间隔图中,后验区间相似,用等级规格表示的服务业增加值同比在图中的显示更窄。由于模型之间的相似性,模型评估结果显示服务业增加值同比的一阶差分处于相对稳定的状态,说明服务业增加值同比稳定,服务业有望缓慢上升,长期保持稳定状态。不管实际服务业增加值同比是上升、下降或是维持常态,FA-MF-BVAR模型都能取得较好的预测效果。2)在使用具有恒定或时变误差协方差的稳态先验产生的预测分布图中,随机波动导致当前预测的预测分布变窄,从使用随机波动率的两个模型获得的预测分布之间的相似性大于具有随机波动率的任何模型和具有恒定波动率的模型之间的相似性。因此,随机波动率的选择可能不如是否包含它重要。3)从服务业增长方程中误差项的标准差图中可以看出,服务业增加值误差项的标准差变化很大。2020年,波动性特别大的时期是显而易见的,具有要素随机波动性的模型和常见随机波动性的模型的估计波动率相似,它们都捕捉到了相同的峰值。具有恒定波动性的模型的标准偏差线基本都低于基线,时变波动性目前在一定程度上偏离了该基线。所以,在使用具有恒定或时变误差协方差的稳态先验产生的预测分布图中在随机波动规范下更窄。概而言之,将DFM和MF-BVAR进行结合使用,在服务业景气现时预测中取得了良好的效果。