宏观经济数据精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的宏观经济数据主题范文，仅供参考，欢迎阅读并收藏。

第1篇：宏观经济数据范文

在新常态下，我国经济面临的形势和任务更加复杂艰巨，政府宏观决策对宏观经济分析的准确性和时效性提出了更高的要求。随着大数据时代的到来，借助大规模数据生产、分享和利用，以崭新的思维和技术去分析，将揭示海量数据背后所隐藏的宏观经济运行模式。

大数据方法和技术不仅可以被深度地应用在微观分析、行业研究领域，也可以运用在宏观决策之中。未来，大数据既是企业占领市场、赢得机遇的利器，也是政府进行宏观调控、国家治理、社会管理的信息基础。而大数据时代对数据的挖掘、处理和分析的方式，对于传统的宏观经济分析，无疑是一次大的革新。

大数据应用于宏观经济分析的趋势

传统的宏观经济分析通常是通过对比主要宏观经济指标、建立宏观经济计量模型、仿真宏观经济动力系统，对宏观经济形势及未来发展趋势进行判断与预测。

在当前的大数据时代，越来越多的宏观经济政策制定者和相关专家学者都已经意识到，大数据对宏观经济分析有着革命性的影响。目前，在宏观经济分析及预测中运用大数据方面，无论是国外还是国内，从新型宏观经济指数构建，到建立新型大数据宏观经济预测模型，各方面都取得了一定的进展。

早期大数据在宏观经济分析领域的应用，主要集中在建立新的宏观经济指数，以便更加准确的反应宏观经济运行状况。这方面的工作主要基于个人的交易记录，包括像一些欧洲国家将销售点扫描数据纳入CPI指数编制。

特别引起关注的是麻省理工学院的经济学家利用网上购物交易数据创建的BBP项目 （Billion Prices Project），基于不断变化的一篮子商品所计算的日度通胀指数。这种实时的通货膨胀指数能够比相应的官方数据更好地反映实际经济运行的情况。当年，在雷曼兄弟公司倒闭后，BPP 的数据显示，大部分美国企业几乎立刻开始削减价格，这就表明总需求已经减弱。而相比之下，官方通胀机构公布的数据直到当年11月，即在10月CPI数据公布后，才对通货紧缩有所反应。

“企业发展工商指数”是宏观经济分析领域中典型的大数据应用案例，也是我国政府在大数据挖掘领域的首创成果。该指数包括10 个对宏观经济具有显著先行性的指标，可以提前1～2 个季度预测宏观经济发展趋势。它改变了传统的抽样统计方式，利用大数据挖掘技术，对工商全量、动态的全国企业登记数据进行分析，发掘大数据价值，并采用合成企业发展工商指数，以判断宏观经济走势。

除了宏观经济分析与预测方面相关指数的建构，从宏观经济分析与预测研究的国际趋势看，使用大数据集，建构监测预测的模型，进行经济预测越来越广泛，逐渐成为很多国家央行进行经济预测的新方法和新工具。

在应用互联网大数据进行经济分析及预测中，使用网络搜索引擎或网络社交媒体记录的关键词，会有数据获取及时、样本统计意义明显等优势，预测精度较高。

Google Trends每天都在产生大量与经济发展相关的查询结果，且这些查询结果与当下的经济活动之间必然存在着不容忽视的关系，或许可以对预测当下的经济活动起到非常重要的作用。并且，在此基础上，Choi H. &. Varian H.（2016）举例说明了如何利用Google Trends预测美国零售业、汽车、住房和旅游的销售情况。

还有相关机构引用专业数据分析软件公司SAS的研究数据，以社交网络活跃度增长作为失业率上升的早期征兆，帮助政府判断就业形势和经济状况，以更好地制定经济政策。在社交网络上，网民们更多地谈论“我的车放在车库已经快两周了”、“我这周只去了一次超市”这些话题时，显示网民可能面临巨大的失业压力；当网民开始讨论“我要出租房屋”、“我准备取消度假”这些话题时，显示出这些网民可能已经失业，面临巨大的生存压力，这些指标是失业后的滞后标志性指标。

样本统计转为总体普查

大数据的发展对于宏观经济分析最为显著的积极影响，莫过于使宏观经济分析从样本统计时代走向总体普查时代。大数据时代的宏观经济分析中，传统的样本假设方式被抛弃，转而以真实的海量数据来进行计算机的自动分析。

我们知道，传统的经济分析包括经济计量分析是建立在抽样统计基础之上的，在传统的抽样统计分析中，往往以假设检验为基本模式，依靠的数据主要是样本，将样本假设为整体，然而，这种分析往往与事实存在或多或少的出入。

与传统宏观经济分析总是局限于小规模样本数据有所不同，在大数据时代，随着信息覆盖范围和数据量迅速提升，数据样本的体量会极大地提高，甚至可以达到样本即总体的程度。例如，就物价而言，每一笔在电子商务网站成交的交易信息都能记录在案。这样的情况下，宏观经济分析的可靠性必然大大加强。

同时，随着信息量的极大拓展和处理信息能力的极大提高，使得宏观经济的分析不再局限于传统的统计分析模式，而是将抽样分析转变为总体分析。这一点对宏观经济分析意义重大，因为宏观经济系统纷繁复杂，如果能将对整体宏观经济变量的分析建立在尽可能多的关于经济主体行为的信息以及其他诸多经济变量的信息的基础上，无疑将会极大地提高宏观经济分析的准确性。

基于推特（Twitter）平台表达的公共情绪用来预测股市变动，是很典型的例子。2008年3月到12月长达九个月间，270万Twitter用户推送的多达970万条的消息，经过情绪评估工具――Opinion Finder 和GPOMS 被分别赋值并评估为“积极”与“消极”两种情绪和“calm（冷静）”、“alert（警觉）”、“ sure（确信）”、“vital（活泼）”、“kind（美好）”、“happy（高兴）”六种情绪。结果发现，在道琼斯工业平均指数和GPOMS中的“calm（冷静）”情绪之间存在相关性。进一步研究发现，“calm（冷静）”情绪可以很好地预测道琼斯工业平均指数在未来2到6天的涨跌情况，而且这种每日预测的准确率高达到87.6%。

大数据时代，可获得大而全的可得数据，甚至可抛弃原有的假设检验的模式，这些优势是传统经济分析方法无法想象和实现的，无疑将会极大地提高宏观经济分析的准确性和可信度，不仅可以更加准确了解宏观经济形势，还有利于正确做出宏观经济发展的预测，从而更加合理地制定宏观经济政策。

变量个数无限增多

在当前大数据时代，数据的可得性和多样性导致样本量无限增大，同时变量个数无限增多，这有利于应用大量模型进行研究，并应用完备的数据信息，提高预测的准确性。

经济预测模型可以分为两类：一是传统的小模型预测，这类模型往往通过建立时间序列、横截面或面板方程来进行经济分析。传统的小模型预测的特点是仅使用较少的变量，像VAR模型的变量个数通常小于10个。二是大模型预测，这类模型往往使用成百上千个变量，因而大模型预测利用的信息非常丰富。

小模型预测理论比较成熟、方法相对简单。但是，小模型预测有天然的缺陷，那就是变量的完整通常是不可能的，而预测的效果受限于其所使用的变量。

使用小模型进行预测时必须仔细挑选预测变量，然而仁者见仁智者见智，无论是根据理论还是根据经验进行变量的选择，其过程必然会存在差异，其结果也更是可想而知，而且甚至会产生一些争议。比如，基于菲利普斯曲线预测通胀时，有的研究使用失业率作为预测变量，也有研究使用GDP缺口或者产能利用率。

清华大学经济学研究所所长刘涛雄教授就指出，由于模型变量选择、参数设置、估计方法以及滞后期选择等的不同，预测结果会产生很大的偏差。

小模型预测方法这一天然的局限是很难调和的，主要是因为数据样本有限而导致增加很多变量不可行。这使小模型预测的结论往往和经济现实严重脱节。我们很难想象中央银行会仅仅根据少数几个变量进行宏观预测，并据此做出决策。即便是一家企业也不会如此草率。

通过大数据挖掘，可以使得变量大大增加。这就为经济预测从小模型预测转变为大模型预测创造了条件，应用大量模型进行分析及预测，可以应用完备的数据信息，从而提高预测的准确性。

在美国，银行通常依靠FICO得分做出贷款与否的决定，FICO分大概有15-20个变量，诸如信用卡的使用比率、有无未还款的记录等。而一家名为ZestCash的金融机构，在决定是否向客户放贷的时，分析的却是数千个信息线索。ZestCash正是依靠其强大的对于大数据的处理和分析能力，形成了其独特的核心竞争力。

未必因果关系 而是相关关系

传统的经济计量分析以寻找相关事物（变量）的因果关系为核心，而大数据条件下的经济分析通常则着眼于挖掘相关事物（变量）的相关关系。

在复杂的宏观经济系统中，许多经济变量的因果关系往往难以准确检验，或者因果结论经常广受质疑。然而，在如今的大数据时代，更加重视可靠相关关系的发掘，并且充分利用相关关系对于经济预测、经济政策制定与评估的作用，则无疑为宏观经济分析打开了另一片广阔的空间。

在“小数据”时代，宏观经济中的因果关系分析其实并不容易，耗费的精力大、时间多。特别是，要从建立假设开始，进而不断地进行一系列假设的实验，而一个个假设要么被证实，要么被。不过，无论被证实还是被，由于二者都始于假设，这些分析就都有受偏见的可能，所以极易导致错误。

同时，由于计算机能力的不足，在小数据时代，大部分相关事物（变量）关系的分析局限于寻求线性关系。然而，实际上的情况要复杂得多，在现实宏观经济中，总能够发现的是相关事物（变量）的“非线性关系”。

当然，在小数据世界的宏观经济分析中，相关关系也是存在并有价值的；不过，在大数据时代的宏观经济分析中，相关关系才将大放异彩。维克托・迈尔-舍恩伯格与肯尼思・库克耶（Victor？Mayer-Schonberger &. Kenneth？Cukier）认为，建立在相关关系分析基础上的预测是大数据的核心。通过应用相关关系，可以比之前更容易、更快捷、更清楚地分析事物（变量）。

英国华威商学院为预测股市的涨跌，使用谷歌趋势（Google Trends）共计追踪了98个搜索关键词。这中包括“债务”、“股票”、“投资组合”、“失业”、“市场”等与投资行为相关的词，也包括“生活方式”、“艺术”、“快乐”、“战争”、“冲突”、“政治”等与投资无关的关键词。结果发现有些词条，诸如“债务”，成为预测股市的主要关键词。

“谷歌流感趋势”为预测季节性流感的暴发，对2003年和2008年间的5000万最常搜索的词条进行大数据“训练”，试图发现某些搜索词条的地理位置是否与美国流感疾病预防和控制中心的数据相关。

谷歌并没有直接推断哪些查询词条是最好的指标，相反，为了测试这些检索词条，谷歌总共处理了4.5亿个不同的数字模型。将得出的预测与2007年和2008年美国疾控中心记录的实际流感病例进行对比后，谷歌公司发现，它们的大数据处理结果发现了45条检索词条的组合，将它们用于特定的数学模型，预测结果与官方数据的相关性高达97%。

在大数据时代来临之前，尽管相关关系已被充分证明大有用途，可是相关关系的应用很少。这是因为用来做相关关系分析的数据同用来做因果关系分析的数据一样，也很少，也不容易得到，并且收集有关的数据，在过去相对来说，也费时费力，也会耗资巨大。不过现如今，可用的数据如此之多，也就不存在这样的难题了。特别是现在，有关专家们正在研发能发现并对比分析“非线性关系”的必要工具。总之，一系列飞速发展的新技术和新软件从多方面提高了有关分析工具发现宏观经济变量相关关系的能力，这就好比立体画法可同时从多个角度来表现人物或事物。

在大数据时代，这些新的分析工具和思路为我们提供了一系列新的视野和有用的预测，使我们看到了很多以前不曾注意到的宏观经济中的联系，掌握了以前无法理解的复杂的国民经济动态。

时滞变即期

目前对宏观经济的分析研究所采用的资料，主要依赖于各种统计调查系统的统计数据，但面临的最明显的缺陷之一便在于关于宏观经济统计的数据具有很强的时滞性。而大数据经济模型可以充分利用数据的实时性，提高分析或预测的时效性，为经济预警和政策制定提供最快速的资料和依据。

一般来说，依赖统计部门的宏观经济数据的都存在时间滞后的问题。由于不能及时获取宏观经济发展的数据信息，也就不能对当下的宏观经济形势作出准确判断。例如，政府公布的季度GDP 往往会有1个月的滞后期，而反映全面经济社会状况的统计年鉴的滞后期会达到3个月左右，这对及时了解宏观经济形势、预测与预警都是非常不利的，基于此统计进行的预测甚至被认为助长了宏观经济波动。

在互联网技术的辅助下相关宏观经济的分析部门能够快速地收集到主要宏观经济发展数据，如全社会的用电量、全社会的商品销售总额以及商品房的购买量等。这些大数据的获取时间较短，有的数据甚至是立即可以获得。

而随着互联网尤其是移动互联网的发展，产生了大量的即时传播数据，如企业通过微博、微信第一时间产品、人事等重要信息； 普通用户实时针对特定事件或对象发表见解和态度，等等。

这些即时传播的非结构化数据对宏观经济的走势也产生了重要影响。通过大数据软件处理平台，可以实时追踪和搜集这些即时数据，并快速对数据进行分析和处理，从而提高宏观经济的时效性，为经济活动参与者赢得决策时间。

在日本北九州市八幡东区东田地区实行的“八幡东区绿色乡村构想”中，日本IBM公司除了设立城市整体能源管理系统、综合性移动管理系统外，还参与了控制整个城市的城市指挥中心建设。得益于该公司处理和分析大数据的高效工作，当地行政机关可以实时掌握城市能源的情况，并将分析的结果同气象信息结合，详细预测48小时之后电力等能源的供需状况。如果发现将有电力不足的情况发生，行政部门可直接采取抑制电力消费或让电动汽车释放电能等措施，提前进行预防。

第2篇：宏观经济数据范文

关键词：教学改革经济学数据可视化

《经济学基础》是财经类高职学生一年级的专业基础课，根据“扎根基础、立足专业、面向发展”的原则，教学目标包括了知识、能力和素质三个层面的内容。教学策略的选择依据是学生自身的特点和教学内容要求。“95后”“00后”逐渐成为高职学生的主体，他们成长于网络时代，受到各种媒体信息的冲击，既有学习自主性不强、逻辑思维能力较弱等不足，也有熟悉信息化手段、思维活跃等优势；在各媒体信息冲击之下，从热点中接触到了GDP、通货膨胀等内容，但对国民经济总体运行的逻辑认识基本上处于空白状态；数学基础普遍较差，对大量的数据缺乏分析能力，甚至抱有一定的恐惧心理；长期受到各种短视频、碎片化网络信息的熏陶，难以保持思考和专注。

宏观经济学部分教学难点在于如何克服抽象理论和大量数据带来的学习障碍，除了建设在线开放学习平台资源库等系统性工作，数据可视化是教学实践中应当重视的一个方向。

一、重构教学内容，突出“国民经济总体运行”主线

传统的经济学教材[1]中，宏观经济部分教学内容多，知识点分散，理论讲课的重点在于“是什么”“为什么”，不太适合高职院校的一般教学：一方面教学时间不够（通常只有不到20课时），另一方面教学内容多且专业性较强，“讲的不想听，听又听不懂”，教学效果较差。

以培养学生财经职业素养为目标，结合经济专业基础知识“必需、够用”的原则，围绕“国民经济总体运行”这一主题对教学内容进行重构，第一部分是介绍如何描述国民经济的总体运行，即认识国民经济总量指标，包括GDP、就业率、通货膨胀率等，重点是掌握GDP的内涵、核算方法，并且联系现实了解这一指标在描述地区经济实力方面的应用；第二部分是介绍宏观经济政策的四大目标：经济增长、充分就业、物价稳定和国际收支平衡，不仅要掌握每个指标的内涵，还要结合案例分析这些指标的应用场景，加深学生对于贸易战等热点事件的理解；第三部分是宏观经济政策的运用，包括财政政策和货币政策，从财政、货币政策的实施逻辑到具体工具，培养正确的宏观经济视野。

二、挖掘国内数据，推动教学案例“本土化”

经济学课程的理论性、专业性是比较强的，需要鲜活的案例才能真正理解，然而目前的教材普遍注重理论知识讲解，而缺乏案例解析，仅有的部分案例要么时效性不强，要么来自于国外。根据张艺[2]（2019）对我国东部地区7所应用型高校的经济与管理类专业的相关调查显示，高质量的本土案例材料和数据对于很多应用型高校而言非常缺乏，来自于欧美发达国家的教学案例与中国的现实情境存在着一定区别，导致学生难以形成代入感。“即使有些教师在开展案例教学时偶尔加入了一些中国案例，但是往往没有依据中国现实情境来对西方经济模型的适用性做出分析和调整，导致一些理论难以对中国所面临的实际经济问题做出合理的解释。”

以国内生产总值GDP的核算为例，教材上沿用美国的核算方式，以支出法、收入法为主，基本上不涉及生产法，支出法核算GDP包括了消费、投资、政府购买和净出口四个部分；而国内的统计信息是以生产法为主，支出法的构成也与美国不同，消费中包括了家庭和政府的支出，没有单独列出的政府购买项目。这就带来了理论学习与实践应用之间的困难，即使掌握了理论要点，也只能做假设的习题，不能真正分析现实的经济数据。在介绍GDP的不同核算方法时，应当与具体应用联系起来：生产法核算GDP中，第一、第二、第三产业增加值的构成比例，可以在一定程度上代表经济结构的发达程度，以此为基础引入东西部地区、发达/发展中/落后国家和地区的产业结构对比，可以有效加深学生对该内容的理解；支出法核算GDP中将不同项目在GDP中所占比例的数据图示化表达出来，可以在时间变化和地区比较中展示消费、投资、出口三驾马车对经济的拉动作用，将抽象数据转变为具体的认知。

中国近三十年的经济成就有目共睹，但经济学教材中却并没有得到足够的反映，依然是以欧美国家、日本等发达国家的数据为蓝本，理论与现实之间的距离往往让学生不能够正确认识经济发展的现实问题。比如在经济增长相关理论中，对经济增长的影响因素的研究往往基于自由市场的起点，国内林毅夫为代表的新结构主义几乎没有任何介绍，教材上大量的假设、模型推导实际上超出了高职学生的学习范围，难以掌握。教学中应当立足于实践，以东亚“四小龙”模式、南美模式和“金砖国家”等案例为代表，通过土地、人口、资本等影响因素的具体的分析加深对于经济增长的认知。

三、运用信息手段，实现数据可视化、内容形象化

财经类专业的学生普遍数学基础较差，对抽象的数字无感，也不擅长进行数据分析。段晓华等[3]（2019）认为在现在和今后一段很长时间内，许多经济学问题还不能甚至还不必要以数学方式提出。而宏观经济学涉及的往往是大量数据，并且需要时期数据、面板数据综合分析才能得出相应的结论，因此需要运用信息手段，将分散的数据系统整理之后，采用图片、视频等方式呈现出来，形象的展示出数据变化背后的理论规律。

第3篇：宏观经济数据范文

中国在改革开放的大好时代，从1978年到1990年的13年中，只有4年超过10%，2年超过12%，超过13%的只有1年，低于8%的年份竟然超过8年，中国经济出现的四个经济周期，都是在一片“过热”声中宏观调控的产物，在调控中出现过负增长，谷底速度在81、86、90、99年依次为4.5%、8.5%、3.9%、7%以下。我国正处在经济转型之中，出现个别年份的高速度是正常现象，但在过去几个五年计划中，没有一年达到15%.从历史数据的角度看，两相比较，差距可谓大矣。

众所周知，日本从战后的废墟上崛起仅用了三十年时间。中国在世界进入后现代化和信息化、国内进入改革开放的大好时代，以96年为基数计算（中国人均产值是572美元，日本是40737美元），结果如下：如果假设中国以12％的速度增长，日本则以8％的速度增长，中国赶上日本需要117年。如果中国以6％的速度增长，日本以4％的速度增长，中国赶上日本需要224年。如果日本以6％的速度增长，中国以朱总理讲的8％的速度增长，中国赶上日本需要228年。假设日本永远以4％的速度增长，中国要在50、40、30、20年内赶上日本，则中国人均产值的年增长速度必须分别达到8.91%、11.3%、15.3%、23.8%.显然，要使中国在100到200年的时间每年以人家1.5倍的速度或在50～20年的时间每年都以人家2～6倍的速度稳步增长，可能性极小。从赶超先进国家的年份来看，两相比较，差距可谓大矣。

需要特别指出的是，更加重要的差距还不是速度、赶超年限，而是对速度的看法与心态。日本即便是在17.5%的高速度下，政府与学界还是感觉到自己的落后，竭尽全力改善经济条件，促进经济增长。而中国则总是撇开经济转型的大前提不谈，不是用自己的经济转型与人家的经济转型相比较，而是用自己的经济转型与人家的经济成熟期相比较。每次超过10％以后就来一次大调控，调控的目的不是促进经济增长，而是降低经济增长速度……我们很难设想如果日本政府在经济转型时期也象我们一样，每次超过10％以后就来一次大调控，大和民族是否还能有今日的崛起与辉煌？但我们却可以借用世界银行总裁对不发达国家所说的一段话警醒国人：你可以用经济增长掩盖问题，但你也在下一轮增长中埋下危机的种子。

第4篇：宏观经济数据范文

论文关键词：宏观经济环境；资本结构；调整速度；非平衡面板数据

在调整速度的众多影响因素中，宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0．Cook(2009)分别采用两阶段和综合两种动态部分调整模型，考察宏观经济环境对调整速度的影响，发现在宏观经济繁荣时调整速度较快。原毅军，孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关，与通货膨胀率，实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究，结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进，基于部分调整模型，用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。

一、研究模型与变量设计

1．研究模型

接受Nerlove的部分调整模型(partialadjustmentmode1)的构建思路，构建下面的资本结构部分调整模型(1)

其中，和分别表示公司i在第t年末的最优资本结构和实际资本结构。为调整系数，表示在一个年度内公司的资本结构向目标水平调整的快慢，并间接反映调整成本的大小。

根据屈耀辉(2006)等人的研究，目标资本结构可表示为公司特征向量与行业特征向量的线性函数

其中是影响公司目标资本结构的一组相关变量，和分别为行业和时间虚拟变量。

将(2)式带入到(1)式整理得到本文的回归模型(3)式

2．变量设计

(1)资本结构变量。本文分别使用账面资产负债率和市场资产负债率两种资本结构进行研究。

表示账面资本结构，市场资本结构。表示长期负债，表示短期负债，表示账面总资产，表示流通股账面价值，表示流通股市场价值。

(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究，本文选用的公司特征变量包括：公司规模(SIZE)，用主营业务的自然对数表示，目前公司规模与资本结构的经验研究没有得到一致结论；资产有形性(TANG)，用固定资产除以总资产表示，经验研究表明有形资产的比率与资产负债率正相关；非债务税盾(NDTS)，用固定资产折旧除以总资产表示，经验研究研究发现非债务税盾与资本结构负相关；公司成长性(GROW)，用托宾Q值表示，公司成长性对资本结构的影响目前还没有定论；公司盈利能力(PROF)，用息税前利润除以总资产表示，公司盈利能力对资本结构的经验研究也没有得到一致的结论；税收因素(TAX)，用所得税除以利润总额表示。考虑行业特征因素，用行业资产负债率平均值(HAB，HAM)表示。

(3)宏观经济变量。仿照Douglas0．Cook(2009)，本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是，l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分，每个部分分别按照GDP增长率的二分位数再进行划分，将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退；取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。

二、样本选取与估计方法

选择沪深两市1996~2008一般上市公司的数据，不包括金融上市公司，剔除PT，ST公司。经过数据整理，获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中，模型右边包含因变量一阶滞后变量，采用动态面板数据的G删估计方法，把模型(3)右边所有变量的二阶滞后变量作为工具变量。

三、实证结果分析

模型(3)的回归结果如表1

注：括号里的数据是T检验值，表中***、**、*分别代表在1％，5％以及10％的显著性水平下显著

第5篇：宏观经济数据范文

(一)模型定义为了合理描述宏观经济波动状况与汽车行业发展情况，将宏观经济的形势和汽车行业的发展分别看作是两个综合的、模糊的、不可观测的潜变量，其中宏观经济的形势受多个可观测经济变量的影响，如CPI、PPI等;而汽车行业的发展情况也是由汽车产销量、汽车进出口量等可观测变量共同作用的结果。

(二)研究方法结构方程模型(SEM)是在70年代KarlJores-kog和DagSorbom等学者提出的在统计理论基础上发展而成的验证性多元统计分析技术［11］。通过观测变量集合之间的协方差结构和相关结构，从定量的角度建立模型处理潜变量与潜变量、潜变量与观测变量之间关系的方法。一个典型的结构方程模型包括两大部分:测量模型与潜在结构模型。1)测量模型:描述潜变量与显变量之间的关系:x=Λxξ+δ(如CPI与宏观经济形势的关系)y=Λyη+ε(如汽车产量与汽车行业发展情况的关系)在实际应用当中常常将潜变量表达为其相应显变量的线形加权和的形式，且有几个潜变量即需定义几个度量模型。2)结构模型(StructuralModel)描述的是潜变量之间的因果关系:结构模型η=Βη+Γξ+ζ(宏观经济形势与汽车行业发展情况的关系)实际应用中往往用线形回归的形式拟合潜变量之间的关系，潜变量之间的回归系数常称为路径系数。

(三)指标选取与模型构建宏观经济波动体现的不仅仅是GDP的变动，而是伴随着出口、消费、存贷、利率等一系列经济指标的变化。同样汽车行业的发展状况也绝不仅是由汽车的产销量来体现，而是通过一系列汽车指标进行的综合评判。笔者将宏观经济形势和汽车行业发展情况看作不可直接观测的潜变量，而将反映宏观经济形势和汽车行业发展情况的经济指标作为其观测变量。参考以往关于宏观经济与汽车行业之间关系以及各类指标数据，结合历年关于宏观经济与汽车行业的发展数据，运用SPSS进行因子分析，得到下列变量指标。在结构方程模型的结构路径图中，用圆或者椭圆表示潜变量，矩阵表示观测变量，单向箭头表示一个变量对另一个变量的影响，双箭头表示变量之间的协方差或者相关关系。宏观经济与汽车业相关关系模型的结构路径图和基本路径假设如图2。

(四)数据说明模型选取的所有数据均来源于国家统计信息网以及《中国汽车工业年鉴》2007至2012六年间的月度数据，缺失数据运用趋势拟合与均值补充进行数据填充。

二、实证分析与结果

(一)模型的拟合度检验基于六年的72条数据，运用软件AMOS17．0，对模型进行了验证分析。使用检验、规范拟合指数NFI和修正拟合指数IFI、比较拟合指数(CFI)、近似误差平方根(RMSEA)等较为稳定的指标考核模型的整体拟合优度，拟合后的评价结果及其理想值汇总于表2。表2表明，P值为0．000，说明模型通过检验;卡方与自由度之比从总体上反映了模型的拟合度，有学者认为小于2．0，则可以认为模型拟合较好，但也有学者认为当χ2/df介于2．0到5．0时，也可以接受模型，要视情况而定。本模型由于样本空间较少，故3．8在可接受范围之内。规范拟合指数NFI、修正拟合指数IFI和比较拟合指数(CFI)都是越接近于1越好，而RMSEA低于0．1才是好的拟合，模型结果中NFI、IFI和CFI都在0．8以上，RMSEA为0。093，小于0．1，说明模型整体拟合效果较好。另外，根据AMOS所给出的结果，其组成信度(CR)大部分都在0．7－0．9左右，其平均提炼方差(AVE)也都在0．5以上，所以无论是从总体上，还是从内在结构上，该模型都实现了较好的拟合效果，说明了该结构关系能够反映样本数据之间的内在关系。需要指出的是，由于样本数量的关系，模拟结果还未达到最理想。

(二)模型的结构关系分析运用软件AMOS17．0进行假设模型的验证与分析，再根据修正指数MI进行多次变量之间关系的修正，得到所有不可观测变量之间的路径系数以及显变量与隐变量之间的因子负荷，其结果如图3所示。本文构建结构方程模型时采用了固定因子负荷法设定因子的度量单位。由图3分析表明:第一，负荷系数具有显著性，表明测量变量能很好地反映其对应的潜变量。在宏观经济形势因子中，外商直接投资、货币供应量和汇率对宏观经济的潜力影响显著，工业增加值的增长对宏观经济的发展影响显著，工业品出厂价格指数对宏观经济的现状影响显著。汽车行业发展中，汽车产量和汽车工业增加值的作用很明显，而汽车产品以及汽车进出口贸易差额的作用不是很显著。第二，路径系数具有显著性，表明宏观经济形势与汽车行业发展之间确实存在结构关系。宏观经济影响因子与汽车制造业发展的相关系数分别为:0．88、0．84、0．71，其中，宏观经济因子E1，即宏观经济的潜力水平对汽车制造业的发展影响最大。相关关系表明，信贷、货币、财政收入、城镇固定投资额、PPI、PMI等外生因素对宏观经济的作用最终也影响了汽车行业的发展。两者之关系可归结为:汽车行业的发展程度受宏观经济形势的影响，宏观经济形势在很大程度上也反作用于汽车行业的发展，且对汽车行业的产量、贸易、增加值都有显著影响。

三、结论

第6篇：宏观经济数据范文

1, the north China water conservancy and hydropower college graduate school of zhengzhou 450011; 2, wuhan university graduate school of wuhan 470072

摘要：现行判断宏观经济的指标繁多，且判断标准不尽相同，使得判断宏观经济整体状况不尽如人意。本文笔者提出一种全新的、并能够直接反映宏观经济状况的研究方法――群体综合指数判断方法，并将此方法运用在实例中，判断和分析了一国宏观经济的形势，证明了其正确性和科学性。

关键词：宏观经济 判断标准 群体综合指数判断方法

Abstract: the current macroeconomic indicators judge various, and the judgment standard is endless and same, make judgment macroeconomic overall condition not satisfactory. In this paper the author puts forward a kind of brand-new, and can directly reflect the research methods of macro-economic conditions-group composite index judging method, and the method is used in the example, the judgment and analysis of a country macroeconomic situation, prove the correctness and scientific.

Keywords: macroeconomic judgment standard group composite index judge method

中图分类号：F123.16 文献标识码：A文章编号：

1 绪论

在现代市场经济中，周期性的经济波动似乎成为了一国经济生活中的客观现象，经济发展是有起必有落，大起必大落。我国自改革开放以来，事实上也面临着膨胀与衰退的反复。经济波动必然影响到经济主体的行为。所以，必须加强对宏观经济的判断和分析。

纵观当前宏观经济判断的研究方法，有美国的综合指数法、国内基于模糊数学的综合评判法，还有全新的人工神经元网络理论景气观测法，但这些方法都或多或少的存在着一定的弊端。所以，在本文中，笔者讨论并提出了一种基于宏观经济指标群体的宏观经济状况判断方法。

2 群体综合指数判断方法

此方法是从宏观经济数据中选取比较重要的指标，作为一个评价群体，将指标月数据进行数据标准化，使其具有可比性，利用指标群体及其均值的变化趋势来判别宏观经济的运行状况及预测经济的未来趋势。步骤如下：

2.1数据的收集整理

选取重要的宏观经济指标，如GDP、CPI、PPI等，至少20个。将这些指标的月数据进行统计整理，得

其中：

2.2 数据的标准化处理

在数据分析之前，我们通常需要先将数据标准化，然后利用标准化后的数据进行分析。标准化后的数据，对测评方案的作用力同趋化，并且具有可比性。

Min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为经济指标A的最小值和最大值，将A的一个原始值通过min-max标准化映射成在区间[0,1]中的值，其公式为：

（公式1）

将每一个经济指标的月数据都标准化之后，便得：

2.3计算群体综合指数

将每个月标准化后的宏观数据平均化，及

（公式2）

得到群体综合指数：

3.案例分析

在本案例中，笔者选取德国作为研究对象，对群体综合指数判断方法进行验证和说明。由于股市是经济的晴雨表，股市的起伏能够很好地反映该国经济的状况，所以在本章中，笔者选取德国法兰克福指数作为反映德国宏观经济状况的对比参考指标。

3.1数据的收集整理

根据德国实体经济特点，筛选出23个能够反映德国宏观经济状况的指标，如GFK消费者信心指数、PMI、CPI等等，同时选取法兰克福指数（DAX）作为对比指标，时间区间为2008年1月到2011年9月。由于数据繁杂，现只选取出德国2008.01~2008.10期间的GFK消费者信心指数（即下表中A）、PMI(即下表中B)、CPI(即下表中C)三个指标的月数据进行具体统计整理，得

3.2 数据的标准化处理

根据公式1，将每一个经济指标的月数据及法兰克福指数标准化之后，得：

3.3计算群体综合指数

由公式2计算得群体综合指数：

3.4判断分析

将计算得出的群体综合指数和经过标准化处理后的法兰克福指数在EXCEL中作图得到德国指标对比图，为了分析方面，对其进行简化从而得到群体综合指数―法兰克福指数图，进而可以进行对比研究。

从上图分析知：

①从经济状况角度分析：2008.01―2008.08与2010.03―2011.09这两个时间区间，德国群体综合指数处于50%线和80%之间，说明此时德国经济比较稳定，经济状况良好，这与德国的实际经济是客观符合的；2008.09―2009.11与2009.08―2010.02这两个时间段，德国群体综合指数处于30%线和50%线之间，显示此时的德国的经济疲软，而2008.09―2009.11时间区间的经济背景是全球开始陷入金融危机，作为出口为主导的德国经济受到很到冲击，经济状况疲软，而2009.08―2010.02时间区间则处于经济危机的末期，经济虽有好转，但总体疲软；2008.12―2009.07时间区间，德国群体综合指数处于30%一下，联系当时经济环境，全球深陷处于金融危机之中，处于危机最艰难阶段，德国经济恶化，经济形势异常严峻，经济十分萧条。实际经济状况与群体综合指数判断方法很好的契合很好地验证了群体综合判断方法对经济状况的判别作用。

②从经济走势角度分析：2008.06―2008.11时间区间，德国群体综合指数曲线处于下行过程，显示德国经济处于下行过程，考虑到当时由美国次贷危机引发的全球金融危机正在向全球蔓延，开始影响其他国家经济，德国亦无法免受其害的事实，综合指数的判断方法与德国实际经济情况是符合的；2009.07―2011.04时间区间，群体综合指数曲线处于上行通道，显示德国经济处于复苏阶段，经济处于扩张状态，这与德国当时实际经济情况是客观相符的；2011.05―2011.09时间区间，德国综合指数曲线处于下行通道，显示德国经济处于下滑状态，而此时欧元区正深陷欧债危机不能自拔，欧元区经济下滑，作为欧元区三驾马车之一的德国，无法独善其身，经济受到拖累，这些事实都验证了群体综合指数判断方法的科学性。

③通过对比分析可知，作为德国经济晴雨表的法兰克福指数的走势与群体综合指数的走势基本吻合，两者的正相关性很强。所以，群体综合指数在一定程度上可以正确、全面得反正出德国宏观经济的运行状况，具有一定的科学性。

4 结束语

第7篇：宏观经济数据范文

［关键词］经济景气指数;消费者信心指数;格兰杰因果检验;脉冲响应函数;扩大内需

［中图分类号］F12316［文献标识码］A［文章编号］1005-6432（2012）23-0076-04

1 引 言

金融危机爆发后,我国的经济受到了很大影响。首先影响了中国的宏观经济,使我国宏观经济景气状况下降。其次,严重影响了消费者的消费水平和消费信心,使很多老百姓缩减开支。因此,在金融危机背景下研究宏观经济景气状况与消费者信心有着重大的意义,可以帮助政府找出策略,从消费者信心入手,刺激消费,正确引导我国经济逐步走向繁荣。

2 研究现状

国内对宏观经济景气状况与消费者信心的研究主要有三大方向。

第一,对宏观经济景气指数的构建。王金明,程建华和杨晓光用我国1997年1月—2006年5月的月度经济数据,探讨建设SW型先行景气指数的可能性。结果发现,利用一致指标计算的SW景气指数较好地反映了实际经济运行状况,基于预测的SW型先行景气指数有较好的预警性质,而基于先行指标的SW型先行景气指数存在着不稳定、表现力差的特点。文斌以我国现行统计制度为基础,结合北京实际情况,通过构造基准循环、“提取”先行指标、编制指数、返回检验等步骤,对北京先行经济指数的科学性和有效性进行了分析。陈磊和高铁梅利用Stock-Waston型景气指数以及各种短期预测模型,对当年的宏观经济发展趋势进行了分析和预测。吴桂珍利用多元统计分析方法,研制了监测和预测我国经济周期波动的景气指数。

第二,对消费者信心指数的构建及预测。陈敏,宋永发和邢燕婷通过实地调研,构建并计算了大连住宅市场潜在需求信心指数,以量化消费者购房信心,预测房地产市场走势。孙红英对GM(1,N)模型进行了改进,加入了动量项G,以2006—2009年以来消费者月度信心指数为基础,对2010年中国消费者信心指数进行了预测。

第三,宏观经济景气指数或消费者信心指数与其他经济变量关系的研究。张道德和俞林基于VAR模型,运用脉冲响应函数和方差分解研究了消费者物价指数(CPI)、采购经理人指数(PMI)以及消费者信心指数(CCI)之间的相关性。魏瑾瑞,方匡南,谢邦昌和朱建平运用扩展线性支出系统模型、时间维度分析和横截面结构分析的方法,研究了CPI与消费者信心指数(CCI)之间的互动关系。李雪梅通过对影响消费者信心指数的一些定量数据进行分析,研究了各项指标和消费者信心指数之间的关系。丁浩,张朋程和李伟娟基于1999年1月—2011年7月布伦特原油月平均价格和我国消费者信心指数,运用VAR模型研究了国际石油价格和我国消费者信心指数之间的关系。赵磊利用2006—2009年4年的数据,对消费者信心指数(CCI)和各经济变量进行了实证研究。结果发现CCI对CPI和失业率有显著的预测作用,对CPI存在单向引导关系,但对其他经济变量预测和引导功能不明显。王英照,赵金楼和刘家国运用格兰杰因果关系检验的方法,对我国出口集装箱运价指数与宏观经济景气指数之间的关系进行了实证研究。

3 中国宏观经济景气状况与消费者信心关系的实证分析31 变量指标的选择

对于我国宏观经济景气状况的定量描述,本文选取国家宏观经济景气指数(1996年=100)为变量。宏观经济景气指数包括：预警指数、一致指数(1996年=100)、先行指数 (1996年=100)和滞后指数 (1996年=100)。其中,一致指数是反映当前经济的基本走势,由工业生产、就业、社会需求(投资、消费、外贸)、社会收入(国家税收、企业利润、居民收入)等4个方面合成；先行指数是由一组领先于一致指数的先行指标合成,用于对经济未来的走势进行预测；滞后指数是由落后于一致指数的滞后指标合成得到,它主要用于对经济循环的峰与谷的一种确认；预警指数是把经济运行的状态分为5个级别,“红灯”表示经济过热,“黄灯”表示经济偏热,“绿灯”表示经济运行正常,“浅蓝灯”表示经济偏冷,“蓝灯”表示经济过冷。

在对消费者信心的研究上,本文选取我国消费者信心指数进行定量评价。消费者信心指数是反映消费者信心强弱的指标,是综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费心理状态的主观感受,是预测经济走势和消费趋向的一个先行指标。消费者信心指数由消费者满意指数和消费者预期指数构成。消费者满意指数和消费者预期指数分别由一些二级指标构成：对收入、生活质量、宏观经济、消费支出、就业状况、购买耐用消费品和储蓄的满意程度与未来一年的预期及未来两年在购买住房及装修、购买汽车和未来6个月股市变化的预期。

因为本文研究的是当前经济景气状况和消费者信心的关系,所以最终选取我国宏观经济景气一致指数(1996年=100)、消费者满意指数、消费者预期指数和消费者信心指数为变量,分别用EPI、CSI、CEI和CCI来表示。

32 数据的获取与处理

本文是基于金融危机背景下,对我国经济景气状况与消费者信心关系进行的研究。美国“次贷危机”从2006年春季开始逐步显现,2007年8月开始席卷美国、欧盟和日本等世界主要金融市场,2008年9月份全面爆发。因此,本文选取2008年9月—2011年12月为研究时间段,利用月度数据进行实证检验,共有40个样本点。本文所需要的经济景气指数和消费者信心指数、消费者预期指数、消费者满意指数都来源于中国国家统计局网站。

因为宏观经济景气指数(1996年=100)、消费者满意指数、消费者预期指数和消费者信心指数都容易受到季节波动因素的影响,因此首先要剔除这些数据的季节波动因素。本文用EVIEWS 60软件,运用X-12-ARIMA法对数据进行处理,剔除数据的季节波动因素,使得数据能够较为客观地反映宏观经济状况和消费者信心,处理后的数据分别表示为EPI_SA、CSI_SA、CEI_SA和CCI_SA。

为了消除异方差性和熨平数据的波动性,本文还对经过季节调整后的数据取自然对数,分别用LNEPI _SA 、LNCSI _SA、LNCEI _SA、LNCCI _SA表示。

33 平稳性检验

如果时间序列中存在单位根,就会出现伪回归的现象。为了避免伪回归的出现,本文先对时间序列进行ADF单位根检验,检验结果如表1所示：

注：①DLNEPI_SA表示LNEPI_SA的一阶差分,其余类同；

第8篇：宏观经济数据范文

【关键词】宏观经济;泡沫;预期

引言

股市泡沫是指股票价格偏离基础价值的现象。这一现象是理论研究领域与实践领域长期以来关注的主题。人们一直试图回答这样两个问题:股市泡沫从何而来?股市泡沫的影响如何?事实上,泡沫来源于投资者过高的预期,而预期的形成是一个复杂的、动态的过程。经济过热、信贷扩张、从众行为……都可能导致泡沫的产生。反过来,泡沫也可能进一步影响经济情况和人们的行为。当这种相互作用机制导致市场中出现极度泡沫时,随之而来的是市场崩溃,甚至是金融危机(金德尔伯格,2000)。

近几年来中国股市也出现了股价飚升、继而暴跌的现象。在中国特殊的转轨经济时期,股市泡沫的形成机理更为复杂。而这一机理产生和发挥作用均是以一定宏观经济情况为背景的。从这个角度而言,股市泡沫与宏观经济存在着直接或者间接的关系。在股市大起大落的同时,宏观经济情况也处在波动之中。

本文通过选取1998-2002年中国宏观经济和股市数据,构造宏观经济综合指标和泡沫指标,定量分析近年来中国宏观经济与股市泡沫之间的相互关系。本文得出的结论是:中国宏观经济总体情况与股市泡沫存在正向相关性,相关系数为0.2245;泡沫指标与提前5-9个月的宏观经济综合指标的相关系数则超过了0.5;此外,在选取12个滞后项数时,宏观经济综合指标是泡沫指标的格兰杰原因。

本文的结构包括以下几个部分:第一部分是简单的文献回顾,第二部分介绍指标体系和数据的选取,第三部分是实证研究结果,第四部分是结论以及对结果的进一步讨论。

一、文献回顾

经济学和金融理论对宏观经济波动与股市波动之间的关系已经进行了大量的论证。例如,Fisher(1933)从美国大萧条的教训出发,提出宏观经济波动始于金融市场的观点,他认为大萧条是金融市场运行失常的结果,而负债过度和通货紧缩是金融市场产生大动荡的根本原因。Minsky(1975,1986)对金融市场和实体经济中存在的正反馈机制进行了分析,并提出了金融不稳定假说,以此对宏观经济波动进行解释。金德尔伯格(2000)则从宏观经济过热出发,探讨金融泡沫的产生。在实证领域,Friedman(1988)的研究发现,美国货币供应量和货币流通速度均可以用来解释股价的变动。

在国内的实证研究中,研究者主要是通过建立一些宏观经济指标与股票价格指标之间的数量模型,检验二者之间的关系。赵志君(2000)的研究表明我国股票市值与GNP的比值和GNP增长率严重负相关,他指出证券市场明显缺乏理性,股票价格晴雨表的作用在中国经济中根本不存在。施东晖(2001)用工业总产值、社会商品零售总额、固定资产投资、居民消费价格指数、狭义货币供应量等宏观经济指标为自变量,以上证综合指数每月底底收盘指数为应变量进行检验,结果显示股市走势只和狭义货币供应量有关,据此认为中国股市的价格上涨属于典型的“资金拉动”型。罗健梅,王晓黎(2003)的研究表明衡量利率的指标与衡量股票价格的指标之间存在一种较强的负相关关系,即利率上升时股票价格会下降;利率下降时股票价格则会上升。

可以看到,我国目前的研究往往通过选取一些宏观经济指标,如GDP、固定资产投资、利率、消费等,分析单个指标与股票价格之间的关系,没有考虑这些指标对股票价格进行影响的综合效应。此外,已有的研究主要关注宏观经济情况与股票价格之间的关系,这里的股票价格即包含了反映基础价值的合理部分,也包含了偏离基础价值的泡沫部分。本文将通过构建一个宏观经济的指标体系,用反映总体宏观经济情况的综合指数与股市泡沫指数进行计量分析,检验总体宏观经济与股市泡沫之前是否存在相互影响的关系。

二、指标与数据的选取

本文的目的是检验宏观经济总体情况和股市泡沫之间的关系,因此需要选取衡量宏观经济总体情况的指标和反映股市泡沫的指标。

宏观经济总体情况是通过多个经济变量在不同的经济过程中体现出来的。为了更加准确和全面地刻画宏观经济的变化有必要建立一个综合指标体系。在这里我们借鉴了刘恒、陈述云(2003)对中国经济周期进行研究的方法和结论,通过一个综合指标体系,计算经济波动综合指数。这个综合指数由6个具体的指标组成:即工业增加值、固定资产投资总额、社会消费品零售总额、商品零售价格指数、货物周转量、进出口总额。综合指数的计算步骤可以简要概括为:第一,计算各个指标增长率(),增长率按照各自的每月累计数比上年数计算而得;第二,计算各个指标的波动系数();第三,确定各个指标权重,权重的计算方法为将6个指标的波动系数加总,即;然后分别计算每个指标的波动系数占波动系数总数的比

例,即并将这个比例作为该指标的权重;第四,计算综合指数,即先计算各个指标的增长率乘以其权重CI,然后加总得到综合指数。我们用这个综合指数CI来反映

总体宏观经济发展状况,指数的轨迹代表了宏观经济的波动情况。计算指标的数据来自1998年1月到2002年4月国家统计局公布的月度“主要经济统计指标”(转引至刘恒、陈述云,2003)。

对股市泡沫进行计量一直是理论研究的一个难点。泡沫是市场价格偏离基础价值的部分,而基础价值是股票在未来产生的收益流的贴现。由于股票的未来收益流是不确定的,因此基础价值难以衡量,并进一步导致股票的泡沫难以进行精确的计量。在研究中比较通用的方法是用股票的市盈率来代表股票的泡沫。市盈率是每股价格占每股盈利的百分比,它实质上是股票的相对价格,在一定程度上代表了股票价格对基础价值的偏离。市盈率既可以用来反映个股泡沫的含量,也可以作为对股票市场运行状态的总体描述,进而对整个股市的泡沫判断有重要的意义。由于我国深市与沪市的股价存在高度的相关性,我们选取了我国深圳交易所从1998年1月到2002年4月的月度平均市盈率作为我国股市泡沫的代表,数据来源于《深圳证券交易所市场年鉴》(1998―2002)。平均市盈率B的计算公式是:

B(平均市盈率)=股票总市值/股票总收益

=(收市价×总股本)/(每股盈利×总股本)

我们将通过对CI和B这两个指标的分析,检验宏观经济总体情况与股市泡沫之间的关系。

三、实证分析及其结论

我们选取了1998年1月至2002年4月期间的宏观经济综合指标CI和泡沫指标B,分别有52个观测对象。下图显示了宏观经济和泡沫指标在这一期间的走势。从图中可以简单判断宏观经济综合指标提前于股市泡沫的波动,例如宏观经济综合指标出现波峰的时间普遍早于泡沫指标。这种现象似乎有悖于“股市是宏观经济晴雨表”的一般看法。下面我们将通过进一步的相关分析和ADF检验和因果检验来说明二者之间的关系。在检验中应用的统计软件是Eviews。

(一)相关性分析

相关系数表示了两个变量之前的联系程度。如表1所示,宏观经济综合指标CI和泡沫指标B之间的相关系数仅为0.2245。这表明同一时期的CI和B虽然存在正向相关的关系,但是联系程度较低。从图1的走势图中我们已经看到CI和B的波动存在时间上的差异,因此,我们进一步分析这两个变量的跨期相关系数。图2是本期泡沫指标与前i个月的宏观经济指标CI的跨期相关系数图,i表示提前的月数。图中显示泡沫指标与提前5-9个月的宏观经济综合指标的相关系数都超过了0.5,最高的相关系数0.5709出现在本期泡沫指标与提前7个月的宏观经济综合指标之间。图3是本期泡沫指标与后i个月的宏观经济指标CI的跨期相关系数图,i为滞后的月数。与图2相比,图3的相关系数普遍较低,最高的相关系数0.2487出现在B与滞后2个月的CI之间。跨期相关系数分析表明泡沫指数与前期的宏观经济综合指数存在较高的相关关系,也就是说股市泡沫的变化滞后于宏观经济的变化。

(二)ADF检验

相关检验之后我们将进行因果检验,但由于检验变量之间是否存在因果关系的前提是各变量是否服从单位根过程,即变量序列是一阶求积过程(Integrated of one Order),记作I(1),因此我们将先进行单位根检验。常用的单位根检验方法是ADF检验(Augmented Dickey-Fuller),其回归方程式为:

其中为变量序列的一阶差分,t是时间或趋势变量,因为时间序列数据往往具有自相关性,因此加入项以消除变量自相关的影响。若检验结果δ显著为0,则说明变量是单位根过程I(1);否则,若δ显著异于0,则表明变量是一稳定过程I(0)。表2列出了我们需要研究的两个时间序列CI和B的ADF检验结果。

表2的检验结果表明,宏观经济综合指标CI与泡沫指标B的ADF值的绝对值全部都小于1%、5%和10%临界值,因此我们接受原假设,即它们都服从I(1)过程。这样我们就可以进一步对它们进行因果关系分析。

(三)格兰杰因果检验

两个变量之间存在相关关系不一定意味着存在着因果关系。为了进一步考察宏观经济综合指标和泡沫指标之间的因果导向,我们采用了格兰杰因果检验(Granger causality test)方法。

格兰杰因果检验假定有关宏观经济综合指标和泡沫指标每一变量的预测的信息全部包含在这些变量的时间序列之中。检验要求估计以下的回归:

其中干扰项,假定为互不相关。方程(2)假定当前的宏观经济综合指标CI与CI自身以及泡沫指标B的过去值相关,而方程(3)也假定当前的B与B自身以及CI的过去值相关。

我们选取了不同的滞后项个数,得到了方程(2)和(3)不同的回归结果,如表3所示。

检验结果显示,只有在选取12为滞后项数时,我们有近似95%的把握说宏观经济是泡沫的原因。在表中显示的其他情况下,宏观经济指标和泡沫指标均不存在因果关系。

四、结论

通过以上分析我们得到的结论是中国宏观经济总体情况与股市泡沫存在正向相关性,相关系数为0.2245;泡沫指标与提前5-9个月的宏观经济综合指标的相关系数则超过了0.5;在选取12个滞后项数时,存在宏观经济综合指标到泡沫指标的因果关系;此外,不存在股市泡沫指标到宏观经济综合指标的因果关系。也就是说,股市泡沫与前期的宏观经济情况有一定的相关关系,近12个月的宏观经济情况是当期股市泡沫存在的原因,而股市泡沫对宏观经济没有反馈作用。

宏观经济发展导致股市泡沫产生是以投资者的预期为传导中介的。这是因为股市泡沫产生的直接原因是投资者对股价的预期超过了股票的基础价值。宏观经济发展状况良好将使市场普遍存在乐观的情绪,使投资者对股票市场产生较高的预期,推动股票价格偏离基础价值。当这种看涨的预期在投资者之间传播时,由于从众心理或者羊群效应的存在,自我强化(self-reinforce)和自我实现(self-fulfillment)机制将使价格进一步偏离基础价值,产生股票泡沫(Thomas Lux,1995)。在我国当前经济和证券市场发展的条件下,上市公司资产质量普遍太低,上市公司没有投资价值,投机之风盛行。这就迫使投资者更加关注于上市公司基本情况之外的信息,因此作为外部信息之一的宏观经济情况将对投资者的预期产生重大的影响。

虽然我国当前的股市泡沫还没有对实体经济产生显著的效应,但是金融市场的发展历史已经证明过度的股市泡沫对实体经济的发展、对资本市场的规范化以及对投资者权益的保护等都有较大的负面效应,防范股市泡沫有着十分重要的意义。

参考文献

[1]Fisher Irving,1933,The Debt-Deflation Theory of Great Depressions,Econometrica,Vol.1,No.4.

[2]Friedman.M.,1988,Money and the Stock Market,Journal of Political Economy,April,221-244.

[3]Minsky Hyman p,1971,Financial instability Revisited;The Economics of Disaster,Reappraisal of Federal Reserve Discount Mechanism.

[4][美]查理斯•P•金德尔伯格.2000,经济过热、经济恐慌及经济崩溃――金融危机史[M].北京大学出版社.

[5]刘恒,陈述云.2003,中国经济周期波动的新态势[J].管理世界.

[6]刘澜飚,范小云,2001,股票价格膨胀与中央银行政策反应[J].南开经济研究.

[7]刘霞辉.2002,资产价格波动与宏观经济稳定[J].经济研究.

[8]罗健梅,王晓黎.2003,股票价格和利率相关关系的实证分析[J].统计与信息论坛.

[9]施东晖.2001,中国股市微观行为理论与实证[M].上海远东出版社.

第9篇：宏观经济数据范文

【关键词】原油价格；宏观经济； E-views模型

一、引言

当今社会虽然各种新兴能源逐渐发展起来，但是原油还是最重要的能源之一，也是各国共同关注的重要战略物资。随着经济的快速增长，目前我国的原油消费量已经超过日本，成为世界上仅次于美国的第二大原油消费大国。原油的价格波动也越来越成为影响各国宏观经济不可忽视的因素。它作为一种不可再生能源对我国的经济发展起着越来越重要的作用。所以深入研究国际原油价格波动对我国宏观经济的影响有着重要意义。

以下将以图表的形式来说明国际原油价格在2000年至2015年之间的波动情况，由于数据过于庞大，因此采取分阶段分图的形式予以呈现，竖轴一率以美元作为单位。

从图3的国际油价走势我们可以看到近年以来，2014 年上半年油价高位运行后，从7月开始，国际油价开始大幅下跌，目前仍无企稳迹象，从图4可看出2015年下半年油价略有回升，但仍有下降趋势。

本文选取2000年-2015年中国月度宏观经济指标，通过计量经济学方法中的E-views模型进行实证分析，对原油价格波动对我国宏观经济的影响机制进行分析。

二、国内外主要研究成果

有关国际油价对宏观经济影响的研究是从第一次石油价格冲击开始的。国外普遍认为最早对此进行研究的是豪特林。豪特林（1931）认为如果不考虑不可再生资源的生产成本，资源价格的增长率和市场利率的增长率相同。二战的爆发是由于经济危机引发的，但是细究下来我们就可以发现二战的爆发多多少少都会与石油有关，例如：二战中著名苏德大战与日本偷袭珍珠港以及其他一些战役等等都可以看出这些战役同石油有关系。Shore（2005）依据供需平衡原理，使用原石油供求模型，建立了经济增长等一系列宏观经济变量对国际石油价格波动影响的供需模型。Rogoff通过对1996―2005年部分的数据研究表明，认为能源效率的提升，原油消耗量集中度的上升，促使了更加稳定的货币政策发行，使得更加紧密的金融市场、更加有弹性的劳动力市场削弱了原油价格对宏观经济的影响。

国内学者在此方面的研究主要有：刘健、蒋殿春（2010）通过对2003年1月至2009年2月期间38个子行业的月度数据，建立了有关结构自向量的回归模型，从回归模型上认为影响了我国的产品的价格指数是国际原油的价格所引起的。为了分析国际原油价格的变动对我国宏观经济中的长短期动态有所影响，李卓等（2011）建立VEC 模型并做出了相关的分析与大量的实验。而娄峰、薛敏则认为国际油价的变化会对我国的宏观经济、投资及消费等宏观经济变量产生重要影响。原油价格冲击会导致部分行业生产成本增加，通货膨胀加剧。

我国的许多经济学者在对于国际油价的高低对我国宏观经济方面的影响展开了一系列的研究，但是由于我国的经济学者在此类研究中过多的强调国际的石油价格对我国的经济有直接的冲击作用，但是至于为什么有直接的冲击作为或者说冲击的传导机制是什么都不是很清楚所以直接导致了结论的探析过于偏执而出现错误所以本文就石油价格对我国宏观经济的冲击和影响进行了重新研究和审视。

三、实证研究

1.模型设定

E-views 是Econometrics Views的缩写，由美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具，同时也被广泛运用于计量经济学中社会经济关系与经济活动的规律。并且E-views的分析数据通常为时间序列数据，本文选取2000年至2015年中国月度宏观经济指标数据作为研究之用。

2.变量选择

工业生产总值：首先从消费角度看，原油价格波动会影响原油相关的产品生产成本变动，影响国内产出。从投资方面看，若原油价格的升高，行业利润下降，就直接导致了企业对于产品的产量控制，对于产品价格的提升，导致产品由于价格的问题产生了买不出去的情况，因此企业为了降低损失，从而减少对产品的生产，这样恶性循环。从进出口方面来看我们都清楚的知道无论进口、出口都不可能做到人力去拉运，需要用到飞机、轮船、大巴等等需要石油作为燃料的运输工具，石油的价格提升会导致运输工具价格的提升，会造成产品成本的提高。出口自然下降，最终导致产出下降。

居民消费价格指数、社会消费品零售总额：国际原油价格主要通过两种途径传导至CPI：具体就是对国外和国内这两方面所使用石油作燃料的有关产业的传导。国际原油价格的波动会因此导致国内消费品价格的波动，从而进一步的促进人们日常生活中所需品价格的提高，导致产品的成本上升，人们生活成本提升进而影响社会消费品零售总额。

货币供应量：包括正在流通的现金、银行中储存的现金、人们手里的现金等等。由于国际油价的波动对宏观经济产生了非常重大的影响，进而反馈在货币的供应量上，因此将流通中的货币、储存起的货币或者是与货币等价位的物品的供应量作为变量之一。

本文选取厂商的生产成本、人们在日常生活中的消费情况、以及货币的使用情况M2来分析国际石油价格波动对宏观经济产生的通货膨胀。

3.实证分析

使用将E-views选取的变量与同时段国际原油价格进行曲线走势对比时，笔者发现国际原油价格与国内生产总值、居民消费价格之间存在着一定的线性关系，通过将2000年至2015年季度数据的对比及线性回归，国内生产总值与国际原油价格存在着如下图图2所示的关系。其中系列1代指国际原油价格，系列2代指国内生产总值，系列3代指居民消费价格指数

4.线性回归检验

进一步运用E-views对所选取数据进行线性回归检验分析。初步运用软件E-views的‘View’功能进行检测，发现图5所示三条折线具有线性关系。为进一步验证线性，根据凯恩斯理论，列理论方程如下。

C=a+b（inc）

其中C代表国际原油价格，a代表国内生产总值，b代表居民消费价格，inc则指代a与b间的自相关性。

根据自相关性及频率数据预测得数值如下：

a=43.32， b=0.876

即C=43.32+0.876inc

根据凯恩斯方程，三者间自相关性为（0.32，1.25）在区间（0.35，3.87）的允许范围之内，因此，本文所选取的变量数值与研究的数值之间不存在自相关性。

四、结论分析

从图2的结果中我们可以清楚的知道，对于国际油价的变动影响着我国宏观经济的原理和内容与其他文献和经济学者所研究的基本上是相同的。具体的就是如果国际石油价格长时间的下跌会使我国物价水平的飞快的上升从而导致了人们的消费水平的下降，并直接导致了中央银行的紧缩性货币政策的实施。最终的结果显示由于国际石油价格的显示，直接对我国工业总产值产生了正向效应。我们由图3可以清楚的知道，由于我国的实际GDP的波动，直接导致了工业项目产生的负向效应，但是由于石油价格的慢慢回升，就直接对工业总产值起到了促进的作用。对人们日常生活中的消费水平也起到了促进作用，这表明了消费需求的增加直接加速致物价水平的明显上升。货币供应量的波动情况是先正后负，之后在向平稳的发展。而图4直接反应了，由于人们的日常消费水平，直接导致了对工业总产值、社会总消费水平以及货币供应量的负向效应。由此我们就可以清楚的理解到由于物价水平上升，直接导致了对社会总消费水平的负面影响，从而在一定的情况下阻碍了工业总产值的增加，为了避免这些情况的出现，导致了中央银行会出台紧缩的货币政策。从图5清楚的知道，由于货币供应量的不稳定，将直接对工业总产值带来不必要的负面影响，但是从长期来看，由于货币供应量的不稳定，会对工业总产值产生增加。由于我们一眼就可以看出它对社会的总消费水平的影响非常大，对居民消费价格有促进作用，但是随后会下降直至平稳。

自2015年开始，受国际经济形势持续萎靡的影响，我国的经济增速逐渐放缓，各类内需减少，制造行业的生产也逐步减缓，这直接导致了国内对原油需求的减少，而对原油需求的减少也进一步反应了国内宏观经济增速的放缓。应该可以这样说，国际原油价格波动是因需求而决定的，国际原油价格波动的趋势也进一步反应了我国宏观经济的走势，正如本文第二节对数据的分析，国际原油价格波动与中国宏观经济之间有着一定的线性相关。

由于当前石油价格不是非常的稳定，并且一直呈现出下滑的趋势，我国应该利用当前有利形势，进一步完善能源安全保障机制。同时考虑到石油价格波动频繁，很难实现准确的预测和控制。所以我国应尽量控制对货币政策的依赖，因此要不断的稳定并完善石油所带来的价格影响与风险防范，从而加强对能源结构的优化和管理，直接降低由于石油的影响导致我国出现一系列的经济问题，争取从本质上降低由于国际石油的价格的不稳定，直接导致了对我国宏观经济的影响。

参考文献：

[1] 娄 峰，薛 敏. 国际原油价格冲击对我国宏观经济影响研究[J].价格理论与实践， 2015，（12）：111-113

[2] 华炜. 国际原油价格波动对我国宏观经济的影响[D]. 复旦大学， 2013.3.

[3] 徐华林. 国际石油价格波动对宏观经济的冲击效应研究[D].中国海洋大学， 2014.6.

[4] 李治国，郭景刚. 国际原油价格波动对我国宏观经济的传导与影响[J]. 经济经纬， 2013，（4）：54-59

[5] 刘向耘. 近期国际油价下跌的观察与分析[J]. 金融发展评论， 2015，（1）：25-31