Como un indicador importante que puede reflejar la situación macroeconómica y la tendencia futura de un país, expertos y académicos han prestado atención durante mucho tiempo al análisis y predicciones del producto interno bruto (PIB). Combinando el análisis de componentes principales (PCA), el muestreo de datos de frecuencia mixta (MIDAS) y el modelo de corrección de errores (ECM), esta investigación construye los modelos ECM-MIDAS basados en componentes principales y MIDAS de cointegración (CoMIDAS), respectivamente. Posteriormente, esta investigación utiliza los datos mensuales de consumo, inversión y comercio para construir un modelo de frecuencia mixta para predecir el PIB trimestral. Los resultados empíricos se pueden resumir de la siguiente manera: Primero, la efectividad predictiva del modelo de frecuencia mixta es mejor que la del modelo de misma frecuencia. Segundo, las tres variables tienen una fuerte correlación, y aplicar la idea de componente principal al modelar las mismas y diferentes frecuencias puede conducir a una efectividad predictiva más favorable. Tercero, agregar un término de corrección de errores al modelo de frecuencia mixta basado en componentes principales tiene un coeficiente significativo y una mayor precisión predictiva. Basándose en lo anterior, se puede concluir que combinar el modelo MIDAS con corrección de errores y un componente principal es efectivo; por lo tanto, esta combinación puede aplicarse para apoyar la predicción macroeconómica en tiempo real y precisa.