当今社会,不论是个人的经济行为、企业的运行状况或者是政府的政策制定等都与宏观经济的运行状况紧密相连,所以预测宏观经济的发展趋势是非常必要而有意义的。宏观经济景气指数是利用经济周期理论来全面客观地判断经济运行是处于过冷、过热还是稳定、是扩张还是收缩。一方面可以帮助人们直观地了解和分析经济的增长周期或循环,另一方面也能帮助学者们预测经济或者经济预警。在大数据被广泛应用的今天,能否以及如何利用大数据对宏观经济进行预测已经成为学者们关注的热点。本文将使用互联网搜索行为作为在线大数据的代表来帮助预测宏观经济景气指数。为了研究大数据是否有助于预测宏观经济景气指数,本文讨论了结构化数据和非结构化信息对宏观经济景气指数所起的作用。在指标选取和数据处理方面结构化数据选取政府统计指标,一共是8大类62个指标时间跨度为2007年至2017年的月度数据。非结构化信息根据投资、消费、就业、进出口及政府购买这五大类分别选择了56个百度搜索指数。在实证中选取了2007年至2015年的数据作为训练集,2016年至2017年的数据作为测试集。本文建立了5种自回归分部滞后模型(ADL),模型的拟合结果显示,平等对待结构化数据和非结构信息不能优化传统预测方法,而采用“两步法”的思路先充分使用结构化数据,再加入非结构化信息能够使经济景气指数的拟合误差降到MSE=0.046158,相比传统模型的MSE=0.10015拟合效果有较大提升。同时,由于选取的指标数量较多,使用了变量选择方法对指标进行选择,对比了带LASSO、SCAD、Elastic-net罚函数的变量选择方法。从预测效果来看,在Elastic-ADL模型中加入非结构化信息的预测效果MSE=0.11413要比传统仅考虑结构化数据模型的预测效果MSE=0.14207要更优。可见,加入互联网搜索行为确实能够提升对宏观经济景气指数的预测效果。