宏觀經濟分析方法范文

前言：我們精心挑選了數篇優質宏觀經濟分析方法文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

經濟學兼具科學性與人文性的特質，決定了經濟學研究方法應是定性分析與定量分析相結合，兩者相輔相成，不可偏執。但就現狀而言，國內對于定量分析方法的研究尚顯不足。經濟系統的復雜性、動態性和多因性，使得國內經濟學研究的數字化、模型化尚處于摸索階段。

近年來，基于我國制定發展規劃、確定投資規模、擬制戰略目標等決策的需要，準確評估和預測經濟現狀與發展趨勢，已然成為迫切需求。通過建模分析經濟走勢，成為經濟學界普遍關注和研究的課題，也是未來經濟學理論和方法研究的重要方向。實際上，早在1979年美國國民經濟研究局與美國國際經濟循環研究中心合作，建立了由七個發達國家為基礎的國際經濟指標系統，其通過選取關鍵經濟因素、確定合理的評價標準，建立了基于模型的經濟評價系統。之后，一些國際性組織也出現了相應的監測預警系統。1979年歐共體開始關于成員國經濟監測預警系統的研究；1978年經合組織建立應用先行指標來監測成員國經濟動向的機構；80年代中后期，日本等國相繼建立了經濟預警系統。1990年國際IFAC大會出現了系統辨識中最新理論――人工神經元網絡理論用于景氣預測，取得較好的擬合效果。近幾年來，基于模型的經濟發展研究，已經引起國內經濟學界的重視，并取得了相應成果。基于模型化方法研究經濟發展問題，具有分析結果精確可信、趨勢預測科學和精度高的優勢，或將成為經濟學方法發展的主流方向。

然而，不同于其它系統的是，經濟系統是極其復雜的系統。一是分析對象多樣化，二是每個對象的影響因子多樣化，導致建立系統模型極其困難，如果考慮數學上的模型變量復共線性問題、收斂問題以及精度問題等，基于模型化方法研究經濟問題，則還有相當長的路要走。

二、系統建模的基本方法和步驟

系統建模是利用輸入輸出等觀測變量辨識和估計未知參數，建立自變量和因變量之間較為準確的數學模型或統計模型，以分析系統特征的過程。建模方法諸多，可大致歸納為兩種：一是機理分析法，即通過分析過程的運動規律，運用一些已知定律、定理和原理建立起過程的數學模型，也稱理論建模；二是測試法，過程的輸入輸出信號一般總是可測的，且過程的動態特性總是表現在這些輸入輸出數據之中，故可以利用這些數據提供的信息建立過程的數學模型，也稱為辨識。測試法的關鍵之一是必須設計合理的試驗，以獲得研究對象的相關信息，因為研究目的不同，側重點和關注的角度不同，所需的信息就不同。當然，獲得了觀測數據，在具體建立模型時，則會根據物理背景、系統特性的不同，采用不同的數學方法估計模型參數。例如，在能較為準確建立系統狀態方程和觀測方程，且對在線處理能力具有較高要求情況下，Kalman濾波方法成為主要方法；若僅能預知觀測樣本與因變量之間存在簡單函數關系前提下，最小二乘方法成為解決這類問題的主要手段；若預先知道被估系統或參數的某些驗前信息或分布，且采樣數據又不充分情況下，Bayes方法成為最有效方法；在多元回歸問題中，不同自變量對估計的作用與影響程度不同，而且估計精度并不和自變量個數成正比，因此選取那些對因變量具有較強解釋能力的變量去估計和分析被估變量，則成為必然，這是對信息具有綜合與篩選功能的主成分分析方法的任務。

實際問題是復雜的，不同工程問題需要采用不同方法去解決。一般來說，建模需要遵循一下步驟：一是分析問題性質；二是根據問題設計試驗方法；三是通過大量試驗采集樣本數據；四是分析對象的物理特性，建立假設模型；五是通過數學方法估計參數、重構模型；六是建立一定準則并檢驗模型的正確性。當然，建模是一個極其復雜的過程，關于建模的細節問題這里不再詳述。

三、 經濟建模的基本思路與問題分析

經濟系統是數學建模面臨的最為復雜系統之一。一是經濟系統本身結構復雜；二是影響因素復雜，既有顯性關系，又有隱性聯系，如何選擇二者建模變量，并不是一個簡單的事情。但只要不斷探索其規律，從不同側面觀察、觀測其變化，總是可以為其建立起比較合適的模型，以研究和把握其發展變化的基本機制和原理，為精確控制該系統提供支撐。和其他系統建模一樣，經濟系統建模以要遵循一下基本原則：其一，目的性：即明確建模的目的，不同的建模目的牽涉到的模型結構和建模方法可能不同。在經濟領域，研究問題的側重點不同，則研究的途徑、實驗的設計和采集的數據性質則不同，所以明確建模目的是研究數量經濟問題的關鍵環節；其二，實在性：即模型的物理概念要明確。對于經濟問題，就是要明確研究問題的側重點和角度，這樣才能建立準確的模型，獲得正確的數據和結果；其三，可辨識性：是指模型結構要合理，輸入信號必須是持續激勵的，獲得的樣本數據要具有代表性，而且要盡可能的充分；其四，可驗證性：在建模之前，必須建立一定的模型檢驗方法和準則，有些需要通過實際背景和景象，有些需要通過新的數據去檢驗模型的正確性，模型不同，得到的結論不同；其五，節省性：建立的模型自變量或待估參數要盡可能的少，否則計算量大，結果有可能因為自變量或參數的相關性而失真。

在數量化研究，尤其是通過建模研究或預測經濟發展時，以下問題尤應關注：

一是數據的采集比較困難，往往要經歷較長的時間周期。經濟問題無論是研究的角度、影響因素還是自身的變化規律都具有諸多隨機性和不可測性，因此收集什么樣的數據，多長時間采樣一個數據，數據的遍歷性和關聯關系如何認定等都比較復雜，這些都是影響建模方法在研究經濟問題時的制約因素和瓶頸，也是建模方法難以在經濟領域得以廣泛應用的主要原因。還有一個機制問題，就是有數據的組織不深入研究數據，能深入研究的組織卻得不到數據，或得不到真實數據。要解決這個問題，首先要事前認真設計研究對象的角度、目的和方法，然后分析影響因素或變量，最后確定采樣數據的大小和周期。當然，加強各部門的合作，尤其是科研院所與職能部門的合作是提高數量化經濟研究水平的必要保障。拓展數據采集渠道，加強數據監管，確保數據真實性，是提高研究結果可信性和可用性的基本要求。

二是經濟問題影響因素和邊界條件難以把握。和工業過程或機械過程不同，經濟問題如社會問題一樣，容易受政策因素、自然因素和戰爭因素等的影響，所謂的蝴蝶效應就指出了經濟不確定性的實質。所以，經濟變化的規律往往具有突變性，不像自然界運動規律就是遵循牛頓三大定律一樣，經濟問題往往因外部干擾，其發展特征、速度、規模以及效率等可能會和前期發生截然變化，導致研究問題具有斷續性。所以在研究經濟問題時要注意抓住問題的內在本質，一般情況下，無論外部環境如何變化，問題本質基本具有持續性；另外要有預見性，能夠盡早預知和把握影響因素和成度，從變化中甄別數據的真實性，盡可能使突變前后的數據和模型具有一致性和連續性。

三是初始模型難假設。經濟問題一般沒有明確的物理背景或原理做支撐，加上數據是離散數據，所以在問題初期，很難假設比較合適的模型去擬合得到的數據，往往要經過大量的試算與分析，才有可能把握模型的真實形態。這就需要認真分析研究對象的本質，從不同側面把握對象的內在本質，盡可能多的獲得驗前信息，為模型假設提供知識和經驗支撐。

四是判斷準則難確定。我們知道，分析問題的角度不同，確立的準則不同，結果和結論不同。另外，準則也不是一成不變的，諸如結果判別的閾值可能隨著發展要動態作出調整，例如基尼系數，國際警戒線為0.4，實際上該值允許一定的浮動，若政治穩定、制度保障到位、宏觀調控有力，那么該值即使超過公認的警戒線，也不會產生社會動蕩和信任危機。所以說，評判準則如何確定、如何動態調整、如何做到既不虛警又不漏警，是經濟建模要考慮關鍵環節之一。

五是檢驗方法和手段較少。任何模型都需要進行正確性檢驗，否則，結果的可信度值得懷疑。但是由于經濟問題的復雜性、變化的不確定性、實際背景的模糊性和數據的稀缺性，導致檢驗模型正確性的方法和手段較少，結果可信區間、模型修正等缺少后續數據支撐。該問題既要盡可能通過已有數據通過外推做擬合檢驗，也要在建模方面充分吸收專家學者和歷史經驗，以保證模型符合研究對象的客觀實際。

參考文獻：

[1]劉樹成，張曉晶，張平.實現經濟周期波動在適度高位的平滑化[J].經濟研究，2005（11）

[2]蔣金荷，姚愉芳.中國經濟增長與電力發展關系的定量分析研究[J].數量經濟技術經濟研究，2002（10）

[3]祝轉民，暢建海等.克服復共線性影響的方法探討[J].飛行器測控學報，2003：22（2）

第2篇

【關鍵詞】技術進步 長期動態預測模型 供給需求

地球上的水資源，盡管數量巨大，但能直接被人們生產和生活利用的卻十分少。目前，全球80多個國家約有15億人口面臨淡水不足的問題，其中26個國家的3億人口完全生活在缺水狀態。聯合國數據表明，預計到2025年，全世界將有30億人口缺水，涉及的國家和地區達40多個。21世紀水資源正在變成一種寶貴的稀缺資源，水資源問題已經不僅僅是資源問題，更是成為了關系到國民經濟、社會可持續發展和社會長治久安的重大戰略問題。假如人們能夠做到節水保水保護環境，那么水資源的長期情況又會是怎樣？本文將通過數學模型來找到答案。

一、模型參數說明

二、模型假設

（一）全球水資源總量沒有大的改變；

（二）所有人為的干預水資源措施都起到了最大效果，即水資源污染、鹽堿化、荒漠化等環境問題都已解決；已大量投入的水利設施建設完美地解決了水資源時空分布不均勻問題；全球公民節水意識強烈，節約水資源已經成為了人類的自覺行為；科學技術也得到顯著提高，各類節水產品、再生水科技發展迅速。也就是說：此時經過技術處理后，地球能提供多少淡水資源，人類就有多少水供給。

（三）由于水資源的需求可以分為三部分：工業、農業和生活用水。由于工業、農業用水最終生產出的產品會被人們消費，因而可以用消費需水量表示工業與農業需水量。因此，最終將人均總需水量轉化成兩部分：人均消費需水量和人均生活需水量。

（四）人均消費需水量（類比于收入-支出模型中的消費函數）又可以看成是由兩部分構成：第一部分是自發消費需水量，第二部分是引致消費需水量cAD 。因而，人均消費需水量函數可以寫成：。從長期來看，沒有人均總需水量，也就沒有人均消費需水量，即： 0，那么，在長期發展模型中，人均消費需水量的公式即為：。

三、水資源長期預測模型

在模型假設下，類比宏觀經濟學收入-支出模型與索洛經濟增長模型，我們可以得到：

（一）人均總供水量僅由技術決定。隨著技術的提高，再生水資源的增加，人均供水量也在增加，但由于地球總水資源有限，人均供水量增加速度逐漸降低，最終人均供水量趨于一個定值。反應在AS-g曲線中（如圖所示），即曲線斜率大于零，同時斜率隨著g的增大而變小，最終曲線趨于水平。

（二）人均總需水量也僅由技術決定，隨著技術的提高，節水產品越來越多，人均總需水量不斷減少，但即使技術提高，人的生命也不可能完全離開水，人均總需水量的降低速度逐漸減慢，最終人均總需水量也趨于一個定值。反映在AD-g曲線中（如圖所示），即曲線斜率小于零，同時斜率隨著g的增大而變小，最終曲線趨于水平。

（三）由公式推導：，，所以。可以得出人均生活需水量DS-g曲線（如圖所示），人均生活需水量表示了人類能夠生存所需要的人均水資源數量。

（四）將AD-g曲線、DS-g曲線與AS-g曲線畫在同一個坐標系中： DS與AS在技術水平為時相交，AD與AS在技術水平為時相交。

（五） 點的含義為：將技術水平提高到時，人均供水量與人均生活需水量持平，此時全球不會出現因為缺水而生病死亡的現象，水資源不影響種族繁衍，但此時水資源不能滿足人均消費需水量，因而，此時水資源限制社會經濟發展。

（六）將技術水平提高到時，人均供水量與人均總需水量持平，此時，人均生活需水量與人均消費需水量都得到了滿足，種族繁衍與社會經濟發展都不會受水資源的限制，全球人類將徹底不再受缺水的影響。

四、模型預測結果分析

（一）當時，人類的生存問題受水資源威脅，水資源數量不能滿足全部人口的生存需要，此時，會有部分人口因為缺水而生病死亡。

（二）當時，人的生存問題不受水資源威脅，但工業、農業的發展受水資源短缺問題制約，此時的水資源短缺問題會影響社會經濟的發展。

（三）當時，水資源不再是制約人們生存與社會經濟發展的因素，此時全球完全不再缺水，水資源的人均供給量大于或者等于人均需求量。

第3篇

[關鍵詞]大數據；宏觀經濟；機遇與挑戰；分析

[DOI]10.13939/ki.zgsc.2016.42.028

2015年9月份，國務院與工信部聯合印發了《促進大數據發展行動綱要》，明確要求在“十三五”規劃中重點推動大數據的發展和應用，建立運行平穩、安全高效的經濟運行新機制，這也為在大數據時代下更加精準、更加高效地開展宏觀經濟分析提供了政策保障。

1 大數據在宏觀經濟分析中的重要作用

1.1 為宏觀經濟分析提供豐富的數據支持

我國經濟發展正處于“三期疊加”的關鍵時期，影響宏觀經濟發展的因素也是多種多樣，要想保證宏觀經濟分析結果的準確性和時效性，就必須以大量的數據信息做樣本，對數據樣本進行客觀、專業的處理和評估。傳統的宏觀經濟數據獲取方式存在諸多弊端：一方面是數據樣本數量有限，難以反映出影響宏觀經濟發展的整體因素；另一方面是數據獲取途徑少，時效性低，往往與現階段的經濟發展現狀不相符合。而大數據技術借助于計算機、互聯網和電子信息技術，能夠在短時間內獲取各個部門、各個行業的經濟發展數據，例如全國旅游消費總額、全國商品房年銷售總量等。可以說，只要數據分析部門獲取了相應的數據調查權限，就可以隨時調用管轄范圍內與宏^經濟分析相關的數據內容，從而極大地豐富了宏觀經濟分析所需的樣本容量和樣本種類，確保了宏觀經濟分析的準確性和時效性。

1.2 為宏觀經濟分析提供更多的方法

傳統的宏觀經濟分析手段，由于受技術條件和工作理念的影響，往往采用統計分析和隨機抽樣分析的方式，近似地反映或推斷出宏觀經濟的分析結果。隨著市場經濟的深化改革和我國經濟體制結構的轉變，傳統的宏觀經濟分析手段難以適應國家經濟發展的需要，云時代的到來和大數據技術的出現為宏觀經濟分析提供了更多種類、更加簡便的分析方法。例如，傳統的宏觀經濟分析由于獲取數據困難，因此采用“隨機抽樣反映整體”的分析方法，其分析結果與實際情況必然會存在較大誤差；而大數據的分析是以海量的數據樣本為基礎，并且樣本種類豐富，基本上涵蓋了影響宏觀經濟發展的所有行業，在此基礎上得出的分析結論無限趨近于我國宏觀經濟發展的實際情況，提高了宏觀經濟分析的可靠性。

1.3 優化了宏觀經濟分析的技術

大數據分析與單純的計算機數據統計的不同之處在于：計算機數據統計只能進行初步的數據分類和整理，并以數字、圖標等形式展示出來，雖然具有較強的直觀性，但是不能深層次地反映宏觀經濟內容。而大數據分析融合了計算機、電子信息和數學建模等多個專業技術，以海量數據為基礎，建立數學分析和統計模型，利用分析模型對數據進行深層次的分析、處理和加工，并結合了語音識別、圖像識別等技術，提高了數據分析技術的專業化水平。

2 大數據在宏觀經濟分析中的機遇與挑戰

2.1 大數據時代宏觀經濟分析具有的機遇

大數據技術融合了多種現代化數據獲取和分析技術，為宏觀經濟的精確分析提供了諸多便利條件，從當前的發展形式看，大數據在宏觀經濟分析中的主要機遇有以下幾方面：首先，大數據技術使“在短時間內獲取海量數據”成為了可能，為宏觀經濟分析提供了必要的基礎保障。無論是進行宏觀經濟分析還是其他各類專業統計，數據獲取都是最基礎也最為關鍵的環節。數據樣本的豐富度和樣本容量，直接決定了后期分析結果能否反映實際情況，而數據樣本越多，則最終分析結果越趨近于實際。除此之外，宏觀經濟是一個動態發展、不斷變化的過程，這就要求數據樣本在“獲取-分析-得出結論”這一過程中占用盡可能少的時間。因此，數據分析師歷來重視數據樣本數量和樣本獲取速度，大數據技術兼具上述兩種分析要素，在宏觀經濟分析中占據較大優勢。其次，大數據擴充了宏觀經濟分析的空間廣度，使數據價值得以體現。通過計算機互聯網獲取基礎的數據信息，不僅能夠有效跨越時間和空間的限制，而且在數據價值上也得到了一定的提升，并且利用專業數據分析軟件和數學模型，拓展了數據所包含信息的深度與廣度，為新時期進行宏觀經濟分析提供了有力支持。

2.2 大數據時代宏觀經濟分析面臨的挑戰

大數據技術在帶來諸多便利的同時，其自身也存在著一些有待改進的地方，主要表現為：首先，大數據所采集的數據量大，但是缺乏有效的數據篩選標準，導致數據中夾雜著部分無用或不相干的信息。例如我們在采集“全國旅游消費總額”相關的數據時，可能會搜索到與旅游相關的“交通運輸量”的信息，但是這些信息并不會對宏觀經濟分析起到影響，反而增加了樣本總容量。因此，如何加強信息甄別和篩選，是下一步大數據技術優化的重要內容；其次，數據的安全性仍然有待提高。由于前期采集數據量非常大，但是進行宏觀分析是一些相對漫長的過程，這些數據在保存期間如何確保安全性，關系到后期宏觀經濟分析的最終結果。雖然部分數據庫建立了相對完善的防火墻和病毒查殺系統，但是也很難徹底根除非法訪問的風險；最后，大數據時代的宏觀經濟分析需要大量專業化人才，但是從現階段相關從業人員的整體情況看，大數據分析人才數量難以滿足行業發展需要。

3 提升大數據對宏觀經濟分析作用的對策

3.1 構建良好的大數據獲取環境

政府應當主導建立一個大數據的收集體系，在一些重要的宏觀經濟領域制訂大數據的收集計劃，從而保證大數據的獲取。為此政府部門應當做好以下具體的工作：首先，政府部門要從思想認識上提高對大數據的重視程度，對于大數據在宏觀經濟研究中的價值予以認可。從而在實際的工作中能夠形成穩定的資金投入并在政策法規上為大數據的應用提供便利條件。其次，政府應當加大高校或者是相關研究機構在大數據應用上的研究投入力度，支持研究機構在大數據應用上的深度挖掘，從而更好地發揮大數據的作用。最后，政府應當支持企業采用現代化的信息管理手段，從而為大數據的獲取提供基礎性的條件。利用企業的信息化系統可以快速地獲取企業的相關發展數據信息，從而為宏觀經濟的大數據分析提供基礎材料。

3.2 提升大數據的采集與管理工作水平

制定規范化的大數據采集與管理體系，保障用于宏觀經濟發展的大數據均能夠得到有效的采集，并且還要確保數據的真實性。在利用大數據進行宏觀經濟的分析中大數據是基礎的分析材料，所以有效地采集到大數據是十分重要的。首先，要規范大數據的采集工作流程，制定科學的大數據采集體系，從而促進大數據采集工作的有序開展。其次，對于在大數據采集過程中因小集體利益而不配合采集的個人或者是單位，應對其進行一定的處罰，從而威懾這些干擾大數據采集工作的不良情況。最后，要對大數據采集人員進行培養和提升，從而使其掌握較為熟練的大數據管理技能，為大數據的更好地應用提供條件。

3.3 培養大數據分析與應用人才

在大數據的應用中人才是其中的關鍵性組成部分，高素質的大數據分析與應用人才能夠為宏觀經濟的分析提供有力支撐。為此，就必須在大數據人才培養上進行改進和提升。為此，應當做好以下內容：首先，政府部門應當重視大數據分析與應用人才的培養，出臺各類支持性的培養政策。其次，高校應當根據現實的需求而開始相關的專業和課程，從而發揮大數據分析與應用人才培養的基地作用，以便為社會輸送大量的大數據專業應用人才。最后，企業也應當在大數據人才培養上做出自己的貢獻，對于企業內部的數據管理人員進行專業技能提升的培訓，從而幫助他們掌握更多的大數據分析與應用的實際技能。

4 大數據與宏觀經濟政策制定

大數據革命為政府的宏觀經濟政策制定提供了機會。政府在政策制定上可以通過大數據分析系統提升公共服務質量，增加服務種類，并為公共服務提供更好的政策指導。同時，在大數據分析的運用、提高效率與其他政策和技術協同以及為公共服務領域帶來變革等方面，政府可以加大重視和投入力度，為經濟的進一步發展提供支持。

大數據給政府的經濟統計工作帶來了巨大影響。首先，面對大數據帶來的技術變革，政府應該將其納入政府統計之中。經濟統計要充分利用大數據時代提供的技術和條件，促進政府統計工作的變革。例如“10億價格項目”便是政府應對大數據變革的成功典范。其次，面對大數據帶來的統計對象擴充，政府不但應當重視結構化數據，更應當重視挖掘非結構化數據，以期找尋出恰當的經濟統計指標。大數據時代，非結構化數據包含更多信息，而且利用互聯網進行的數據挖掘，不僅可以得到數字資源，文本數據也可以通過挖掘獲得。最后，面對大數據帶來的統計資源的拓展，政府應該將其統計資源拓展到政府以外，重視拓寬其他數據資源。在過去，政府靠自己的力量收集數據，但在大數據時代，人人都是數據的制造者。例如，谷歌和百度等數據巨頭擁有大量政府無法獲取的數據資源。政府要想辦法讓數據巨頭將數據放到統計中來，而不能僅靠自己調查統計。

5 結論與展望

大數據時代極大地拓寬了信息來源、提高了獲取信息的時效性，同時，新信息的非結構化對宏觀經濟分析的技術和方法提出了新的要求。在大數據背景下，由于數據噪聲的存在，宏觀經濟數據挖掘變得十分重要，這就要改進技術，加強對非結構化和半結構化數據的挖掘。實時、快速、海量的數據為更加準確的宏觀經濟預測提供了可能，宏觀經濟預測模型也有待于進一步更新。在大數據時代，可以將機器學習算法引入宏觀經濟分析，改進宏觀經濟分析技術，解決“維數災難”，提高宏觀經濟分析的準確性。大數據時代也將促進政府經濟政策制定的變革，提升政策的時效性，提高政府服務效率。

參考文獻：

[1]文桂江，李昕.大數據時代我國宏觀經濟數據的沖突與協調[J].河北經貿大學學報，2014（5）：131-133.

[2]崔光N.房地產價格與宏觀經濟互動關系實證研究――基于我國31個省份面板數據分析[J].經濟理論與經濟管理，2013（1）：157-162.

[3]戴成峰，張連增.我國財產保險區域差異與宏觀經濟的關系研究――基于省際面板數據的實證分析[J].保險研究，2012（11）：142-153.