准确预测宏观经济走势对我国经济高质量可持续发展具有重要意义。我国宏观经济变量预测的传统模型,通常包括向量自回归模型、主成分分析模型以及由此衍生出的扩展模型,但这些传统模型在利用大规模变量、筛选合适的变量,以及预测精度方面均存在一定的局限性。为改善上述问题,本文尝试应用一种基于大规模解释变量进行宏观经济预测的三通回归滤波（3PRF）模型,它能够考虑具有间接影响的噪声变量以及一些无法观测的潜在变量对目标变量的影响,且具有相较传统模型更高的预测精度。该模型在国外主要应用于股票市场的变量预测,在国内宏观经济研究中的应用目前较少。本研究从3PRF模型预测性能的角度出发,首先,综述四种传统预测模型的理论与特点,并将之与3PRF模型进行理论对比分析。研究表明,3PRF模型构建时分三步进行,每一步都以OLS计算,这样可以间接找到观测值与回归值之间的关系,相比传统模型逻辑性更强。然后,通过文献筛选法,梳理出专家和学者们普遍认同的用于GDP增长率预测的70个指标,根据其经济意义构建指标体系,在此基础上构建3PRF宏观经济指数,以便能够更清晰地展示降维后变量的实际经济含义。统计分析发现,基于3PRF模型构建的3PRF宏观经济指数在拟合GDP时更有优势,且3PRF宏观经济指数比主成分分析得到的指数更平稳,相对平稳的数据会为后续的研究与分析奠定良好的基础。最后,以GDP增长率的预测为例,进行模型预测精度的实证对比分析。模型在训练集模拟训练的实证结果表明:3PRF宏观经济指数模型在整体上的模型拟合效果最好,Stock和Watson提出的SW方法次之。模型在测试集的均方根预测误差结果显示:3PRF宏观经济指数模型的预测精度最高,其次是SW方法。DM统计检验的结果显示:3PRF宏观经济指数模型在统计意义上显著优于SWTF模型。