通货膨胀率的预测问题已经成为学术界和经济研究人员研究的一个流行主题,预测通货膨胀率不仅有助于中央银行等政府机构实时制定货币政策以稳定物价,从而防范通货膨胀带来的市场冲击,而且还有助于金融机构和投资者更好地进行投资决策,但通货膨胀率的预测同时也是一个具有挑战性的预测系列,其预测结果的好坏与使用的预测模型方法有着很大的关系。目前国内外学者通常使用的通货膨胀率预测模型包括菲利普斯曲线模型、时间序列模型等。在预测通货膨胀率时,通常会涉及到很多潜在相关的经济变量,并且这些经济变量之间往往存在着较强的相关性,从而导致很多预测模型不可用或者预测效果不太好,因此本文提出了一种新的预测模型方法——引入控制变量的目标因子模型,并利用该模型方法对美国的通货膨胀率进行了预测。目标因子模型的核心思想是剔除冗余变量,仅利用对预测变量具有预测能力的变量进行因子估计并建立预测模型,从而减少预测误差。本文在目标因子模型的基础上提出引入控制变量的目标因子模型,该模型的创新点在于目标预测因子的估计和控制变量的选取:首先,本文利用“硬”阈值的方法从众多潜在相关的经济变量中筛选出对美国通货膨胀率具有预测能力的变量,并从中估计出目标预测因子,然后建立目标因子模型;其次,本文利用典型相关分析的方法从剩余变量中筛选出与目标预测因子相关性最强的几组变量,从中估计出因子作为控制变量引入到目标因子模型中,进而得到引入控制变量的目标因子模型。在构建完引入控制变量的目标因子模型之后,本文通过仿真模拟实验证实了该模型方法的预测性能,然后在仿真模拟实验的基础上又进行了实证研究,本文基于三种不同模型即因子模型、目标因子模型及引入控制变量的目标因子模型分别对美国的通货膨胀率进行了预测,选取的样本数据包含118个经济变量,这些数据来自于美联储经济数据库,是1959年1月至2020年7月中的月度数据。根据实证研究的结果,本文发现利用引入控制变量的目标因子模型来预测美国通货膨胀率时的预测均方误差最小,在短期预测和长期预测过程中,该模型的预测效果均有显著的提升。从而证明,本文提出的引入控制变量的目标因子模型方法在美国通货膨胀率的预测方面是有效的。