宏观经济分析方法范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇宏观经济分析方法范例，将为您的写作提供有力的支持和灵感！

篇1

地球上的水资源，尽管数量巨大，但能直接被人们生产和生活利用的却十分少。目前，全球80多个国家约有15亿人口面临淡水不足的问题，其中26个国家的3亿人口完全生活在缺水状态。联合国数据表明，预计到2025年，全世界将有30亿人口缺水，涉及的国家和地区达40多个。21世纪水资源正在变成一种宝贵的稀缺资源，水资源问题已经不仅仅是资源问题，更是成为了关系到国民经济、社会可持续发展和社会长治久安的重大战略问题。假如人们能够做到节水保水保护环境，那么水资源的长期情况又会是怎样？本文将通过数学模型来找到答案。

一、模型参数说明

二、模型假设

（一）全球水资源总量没有大的改变；

（二）所有人为的干预水资源措施都起到了最大效果，即水资源污染、盐碱化、荒漠化等环境问题都已解决；已大量投入的水利设施建设完美地解决了水资源时空分布不均匀问题；全球公民节水意识强烈，节约水资源已经成为了人类的自觉行为；科学技术也得到显著提高，各类节水产品、再生水科技发展迅速。也就是说：此时经过技术处理后，地球能提供多少淡水资源，人类就有多少水供给。

（三）由于水资源的需求可以分为三部分：工业、农业和生活用水。由于工业、农业用水最终生产出的产品会被人们消费，因而可以用消费需水量表示工业与农业需水量。因此，最终将人均总需水量转化成两部分：人均消费需水量和人均生活需水量。

（四）人均消费需水量（类比于收入-支出模型中的消费函数）又可以看成是由两部分构成：第一部分是自发消费需水量，第二部分是引致消费需水量cAD 。因而，人均消费需水量函数可以写成：。从长期来看，没有人均总需水量，也就没有人均消费需水量，即： 0，那么，在长期发展模型中，人均消费需水量的公式即为：。

三、水资源长期预测模型

在模型假设下，类比宏观经济学收入-支出模型与索洛经济增长模型，我们可以得到：

（一）人均总供水量仅由技术决定。随着技术的提高，再生水资源的增加，人均供水量也在增加，但由于地球总水资源有限，人均供水量增加速度逐渐降低，最终人均供水量趋于一个定值。反应在AS-g曲线中（如图所示），即曲线斜率大于零，同时斜率随着g的增大而变小，最终曲线趋于水平。

（二）人均总需水量也仅由技术决定，随着技术的提高，节水产品越来越多，人均总需水量不断减少，但即使技术提高，人的生命也不可能完全离开水，人均总需水量的降低速度逐渐减慢，最终人均总需水量也趋于一个定值。反映在AD-g曲线中（如图所示），即曲线斜率小于零，同时斜率随着g的增大而变小，最终曲线趋于水平。

（三）由公式推导：，，所以。可以得出人均生活需水量DS-g曲线（如图所示），人均生活需水量表示了人类能够生存所需要的人均水资源数量。

（四）将AD-g曲线、DS-g曲线与AS-g曲线画在同一个坐标系中： DS与AS在技术水平为时相交，AD与AS在技术水平为时相交。

（五） 点的含义为：将技术水平提高到时，人均供水量与人均生活需水量持平，此时全球不会出现因为缺水而生病死亡的现象，水资源不影响种族繁衍，但此时水资源不能满足人均消费需水量，因而，此时水资源限制社会经济发展。

（六）将技术水平提高到时，人均供水量与人均总需水量持平，此时，人均生活需水量与人均消费需水量都得到了满足，种族繁衍与社会经济发展都不会受水资源的限制，全球人类将彻底不再受缺水的影响。

四、模型预测结果分析

（一）当时，人类的生存问题受水资源威胁，水资源数量不能满足全部人口的生存需要，此时，会有部分人口因为缺水而生病死亡。

（二）当时，人的生存问题不受水资源威胁，但工业、农业的发展受水资源短缺问题制约，此时的水资源短缺问题会影响社会经济的发展。

篇2

改革开放以来，中国房地产业快速发展，其在推动我国城镇化建设、带动其他产业的发展等方面发挥了重大作用。不过，进入21世纪以来，随着我国经济社会的发展，房地产投资过热及金融资产过多转向房地产等问题日益凸显，调控的呼声日益高涨。2013年下半年以来，全国70个大中城市中的68个房地产价格持续上涨，最高涨幅为13.7%。进入2014年，中国房地产价格上涨出现一定的收窄，一是表现为房价环比涨幅持续下行，二是受整个行业降温的影响，2014年大中城市房价同比涨幅支撑力不足。

总体来看，金融危机以来，我国房地产经济的健康发展越来越重要。作为我国重要的支柱产业，房地产业对国民经济的促进作用毋庸置疑。不过，由于我国房地产市场的不成熟性，加之宏观经济环境的变化，我国房地产业的发展存在诸多不确定性，且存在诸多问题。在当前房产价格备受关注与责难的形势下，基于2014年上半年以来的宏观经济形势，对当前房地产业发展中的问题进行分析，对关键因素进行了考察，有一定的借鉴价值和意义。

一、2014年以来我国宏观经济分析及对房地产市场的影响

2014年以来，中国宏观经济走势呈现出结构转型过程中的短期企稳迹象，这是今年以来中国宏观经济的主要特征，也将是2014年下半年中国宏观经济的主要方向。一是从国际经济环境看，2014年以来世界经济呈现分化走势，发达经济体复苏势头日益巩固，新兴经济体增长仍然乏力。先进经济体对于全球经济增长的作用更加突出。二是就我国国内形势看，我国国内经济短期企稳的趋势明显，虽然我国二季度GDP同比为年内低值，但可以预见，今年下半年我国GDP将有小幅回升，预计全年将实现7.5%的同比增长目标，而从居民消费价格水平看，我国下半年压力不大。三是从国内的政策层面看，财政政策将持续发力，“稳增长”与“调结构”并行。货币政策则将逐步从“宽货币紧信贷”转向“宽货币宽信贷”，而市场利率也有望维持较低水平，同时不排除央行降息的可能性。最后，从风险看，美国超预期加息以及我国经济转型带来的增长放缓超预期、企业盈利能力下滑、央行货币政策转向以及地方政府债务风险集中爆发等问题，都进一步增加了我国宏观经济环境的不确定性。

在此宏观经济环境下，结合2014年以来我国房地产市场出现的销售萎缩局面，可以预见的是，我国房地产价格将出现持续的自主性回落，房价的理性回归趋势初见端倪。一是住宅销售萎，2014年上半年，我国全国住宅销售面积为同比下降9%，而2014年上半年的平均月销售面积也是近四年最低，二是房价自主回落，以往历次调控过程中房价的回落总会形成新一轮报复上涨，而这次房价回落则是自发性的，是市场的自主回调。总体来看，随着我国宏观经济形势的变化，我国房地产市场出现了较大调整，表现为经济结构升级转型压力不断加大、货币增速回落以及利率高位因素等，都对高房价产生挤压，房价回归呈现出一定的必然趋势。

二、房价回归理性的意义及房地产业健康发展策略分析

房价回归必然结果，政策措施起到了扶持和延缓作用，但不能改变市场趋势。从整体经济发展看，房价理性调整有利于打破土地财政和数量扩张的经济增长“怪圈”，有利于经济发展方式的转变和合理物价结构的形成。随着房价调整，我国的物价结构将合理调整，有利于形成合理的物价结构，降低经济活动的整体成本，使得居民消费等内生性增长动力得到有效培育。在房价高企的情况下，经济的内生动力往往不足，房价合理调整将释放相当一部分居民财富，促进消费增长。促进房地产业的健康发展，要充分落实以下五个方面的政策建议：

一是充分尊重供求关系自主调整，坚持市场在资源配置中的基础作用。十八届三中全会以来，政府坚持在经济领域落实市场化为导向，针对房地产领域，新一届政府正在着力建设房地产市场调控的长效机制，使市场在资源配置中起决定性作用。针对房地产形势，下一步政府应该避免激进的短期干预政策，要充分尊重市场机制的选择，理顺房地产制度体系，满足市场多样化住房需求。

二是要结合地方差异制定调控政策，强化地方政府的调控责任。各级政府要细化房地产调控措施，承担房价控制目标的责任。而考虑到不同城市之间因经济发展水平等的差别，地方调控要坚持差异化，使原来全国统一调控政策逐步转向以地方政府为主导因地制宜的调控政策。

三是加快构建以政府为主的住房保障，探索多种住房供应模式。要健全城镇住房制度，建立多层次的住房供应体系，满足基本住房需求。同时，要制定公平合理、公开透明的保障性住房配租政策和监管程序，严格准入和退出制度。

四是加快建立城乡统一用地市场。要加快探索城乡一体化用地市场，建立城乡统一的建设用地市场，有效转变房地产业粗放型发展模式。同时，要加快完善住房信息体系建设，加快建立以土地为基础的不动产统一登记制度，实现多部门信息共享，促进房地产税和市场化调控的落实。

参考文献：

[1]NABARD，“Status of Microfinance in India 2009-10”[R]，NABARD Report，November 2010.

[2]HENRY R.CHEESEMAN：Legal Environment of Business[M].USA：Pearson Custom Publishing，2007：59-60.

[3]张凌翔，张晓峒.通货膨胀周期波动与非线性动态调整[J]. 经济研究，2011（5）.

[4]汪建强.德国房价调控经验及对我国的启示[J].价格理论与实践，2012，（2）.

[5]张江涛.韩国住房调控的经验及启示[J].中国经贸导刊，2011，（6）.

篇3

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。

篇4

doi：10.3969/j.issn.1673 - 0194.2017.06.162

[中图分类号]G642.0 [文献标识码]A [文章编号]1673-0194（2017）06-0-02

0 引 言

随着计算机互联网、移动互联网、物联网、云计算、社交网络等现代网络新技术突飞猛进的发展，人们通过网络浏览、搜索、购物等行为产生的数据日益增多，致使人们迈入了数据以大量性、多样性、价值性和高速性为特征的大数据时代。在我国，大数据已提升到国家战略的层面，国务院于2015年颁布的《促进大数据发展行动纲要》指出，“深化大数据在各行业创新应用”，在文化、教育等领域全面推广大数据应用和开展大数据应用示范。十八届五中全会通过的“十三五”规划纲要进一步提出了将“实施国家大数据战略，推进数据资源开放共享”。

目前，大数据及大数据技术已经渗透到经济、社会、生活的方方面面，并影响着人们的理念、行为和习惯，其中，本科高等教育也深受影响。随着大稻莸募铀俜⒄梗现代教学技术不断转型升级，出现了慕课、微课、翻转课程等新的教学方法，对传统的本科教学也提出了前所未有的新要求。如何追随大数据时展带来的深刻改革，对教师掌握日新月异的现代教学理念，提高教学效果具有重要的意义。国内已有学者探讨了大数据对应用经济学、国际经济学、财政学、统计学和管理统计学等课程教学的影响及相应的调整策略。尽管刘涛雄和徐晓飞（2015）、姜疆（2016）、申红艳 等（2014）探讨了大数据时代的宏观经济分析，但鲜有文献研究大数据对宏观经济学教学的影响。因此，本文拟在大数据时代探讨宏观经济学本科的教学改革。

1 宏观经济学传统教学模式中的问题

宏观经济学是经济管理类专业中一门承上启下的基础课程，是经济管理类硕士与博士研究生入学考试的必考课程。宏观经济学研究整体经济现象，解释同时影响许多家庭、企业和市场的经济变化，主要考察国民收入的决定与变动、短期的经济波动、长期的经济增长、就业、通货膨胀和国际收支等问题。当前大部分高校的宏观经济学还是采用传统的教学模式，存在诸如注重理论教学、轻实践教学；教学方式单一、学生自主学习意愿不强；考核方式偏向固定化等问题。

1.1 注重理论教学，轻实践教学

宏观经济学是理论性和实践性均比较强的一门基础课程，该课程的理论可以指导解决现实生活中的经济问题和现象。但在传统的教学中，主要以讲授抽象难懂的理论知识为主，如国民收入决定理论模型、IS-LM模型、AD-AS模型等，为了让学生能够理解清楚宏观经济学理论的内涵，任课教师往往会用大量的时间去讲解这些理论知识，尽管在一定程度上有利于学生掌握理论知识，但占据了太多的课堂时间、消耗了教师太多的精力，教师在课堂上基本没有多余的时间和精力区开展实践性教学。

1.2 教学模式单一，学生自主学习意愿不强

大多数高校的宏观经济学仍采用教师课前备课，课堂上讲授教材附带或自作的PPT，课后解答疑难问题单一的传统教学模式。这种教学模式以教师为主体，教师在课堂上讲授的内容是学生获取知识的主要途径，而且教师课堂讲授占据了大部分的课堂时间，留给学生在课堂上讨论的机会和时间并不多，学生在课堂上以被动听讲为主，导致学生自主学习意愿不强，这不利于提高学生提问、探索、思考问题的能力。传统的课堂教学深受时间和空间的限制，教师完全掌握了教学进度，学生基本上按教学大纲进行学习，自主安排学习的空间不多，这不利于激发学生学习的积极性。

1.3 考核方式偏向固定化

传统的宏观经济学考核方式主要以期末考试为主，课程成绩一般按照平时成绩（包括出勤、作业、课堂表现、期中考试成绩等）与期末考试成绩3∶7或4∶6的比例加权平均组成。这种考核方式尽管在一定程度上能够相对客观地检验学生掌握宏观经济学基本概念、原理和规律等内容的情况，但也可能存在教师在试题命题过程中因为没有为主观题和客观题设置合理的比例，而出现学生平时上课不认真听讲，通过考前死记硬背获得高分的问题，未能检验学生运用宏观经济学理论分析并解决问题的能力。传统的考核方式也未对学生的学习态度、实践能力进行考核。

2 大数据时代宏观经济学教学改革的探讨

大数据时代为宏观经济学教学带来了海量的数据和新颖的案例等资料，为宏观经济学课堂教学提供了既丰富又生动的素材，为推进宏观经济学教学改革提供了强有力的保障。在大数据时代，对宏观经济学教学进行改革，可以提高教学效率、激发学生学习兴趣、培养学生独立思考和解决问题的能力，更有利于经济管理类专业学生掌握宏观经济学基础知识，为学习国际经济学、金融经济学、财政学等后续专业课程奠定扎实的基础，并为参加研究生入学、政府机关、金融机构、高校等用人单位的招聘考试做好充分准备。

2.1 形成基于大数据的教学理念

大数据时代要求人们要形成大数据思维，同样，大数据背景下的宏观经济学课程教学改革也需要具备大数据的思维。为了形成基于大数据的教学理念，任课教师要紧紧跟随大数据时展的步伐，积极参加各种运用大数据改进教学的培训、进修，认真学数据时代先进的教学技术和方法，并不断将这些教学技术和方法引入宏观经济学课堂教学中。

2.2 多渠道丰富教学内容

第一，添加大数据时代的海量数据信息资料，丰富教学内容。传统的宏观经济学教学存在理论性较强的问题，在大数据时代，任课教师可辅之以海量数据信息资料来丰富教学内容。与纯粹理论知识教学不同，基于现实经济现象的数据案例教学更加生动有趣，更能激发学生学习的积极性，更有助于学生牢固掌握抽象的宏观经济学理论知识，并提高运用宏观经济学理论分析问题和解决问题的能力。比如，在讲授居民消费价格指数（CPI）时，可分别引入基于扫描数据、网络搜索数据、谷歌趋势（Google Trends）预测CPI等案例分析。宏观经济学课程中，所有章节的内容基本都可以通过互联网查找到大量相关的数据信息资料，利用这些资料可以更新、修订教学大纲、教案和讲义，有利于丰富教学内容，也有助于提高教学效果。

第二，增加运用大数据技术进行宏观经济分析的内容。在经济新常态下，我国经济发展面临着更加错综复杂的国内外形势和更加繁重艰巨的任务，因此，宏观经济决策对宏观经济分析提出了更高的要求。“十三五”规划纲要中指出“完善政策制定和决策机制：注重运用互联网、统计云、大数据技术，提高经济运行信息及时性、全面性和准确性”。因此，在大数据时代的宏观经济学教学改革有必要加入宏观经济分析。

传统的宏观经济分析主要通过对比宏观经济指标、构建宏观经济计量模型、仿真宏观经济动力系统，对宏观经济运行形势及其发展趋势加以判断和预测。大数据时代的数据规模大、类型多，拓宽了宏观经济分析所用数据信息的来源，并提高了数据信息获取的时效性。目前，国内外运用大数据的概念、方法和技术进行宏观经济分析的研究主要集中在宏观经济预测（尤其是现时预测）、宏观经济分析技术、宏观经济政策和宏观经济数据挖掘等领域。

第三，借助大数据时代媒体报道拓宽知识面。在学习教材的基础上，可推荐学生通过互联网；物联网；经济信息联播、经济半小时、经济信息联播等财经类电视节目；《21世o经济报道》《经济观察报》《金融时报》《经济学人》等报纸杂志的财经报道，多渠道关注宏观经济热点问题，拓宽学生的知识面。

2.3 加强实践性教学

培养学生熟练运用宏观经济学理论与方法分析国内外现实生活中的经济问题和现象是宏观经济学教学的目标。因此，任课教师在讲授理论知识和方法的基础上，更应注重实践教学。

大数据时代的宏观经济学本科实践教学，应当以培养学生的主动性和创造性为根本出发点，任课教师可以以宏观经济学理论知识和丰富的大数据资源为基础，结合与大数据相关的课题、论文，将宏观经济领域的研究思想、研究方法、研究前沿引入教学。具体而言，教师可通过引导学生如何观察现实经济问题进行选题，如何结合宏观经济学理论构建数学模型，如何查找和整理文献，如何搜集大样本的宏观经济数据，如何撰写学术论文并加以修改等方式增加研究性教学。鼓励学生积极参与到研究中，使学生在研究过程中不断学习和实践，培养学生独立思考的习惯，提高其研究学习能力。

此外，还可采取“走出去”与“请进来”相结合的战略开展实践性教学。“走出去”是指组织学生到当地的统计局、发改委、经信委等与宏观经济运行紧密相关的政府部门和互联网、金融、电信、零售等应用大数据的企业进行参观学习，加强与这些单位开展深入合作，建立校外实训实习基地，让学生真正参与宏观经济学实践活动。“请进来”是邀请这些单位既熟悉宏观经济学分析，又精通大数据分析的工作人员到学校为学生开展报告、经验交流座谈会。

2.4 采用“以学生为中心”的教学模式

大数据时代的在线教学平台、翻转课堂、微课、慕课，为实现宏观经济学教学模式，由“以教师为中心”转换为“以学生为中心”提供了保障。具体来说，教师可先根据课程标准和教学实践的要求，制作宏观经济学课程教学大纲，接着按照微课、慕课、翻转课堂等教学模式的要求，从学生学习需求的角度出发，将每章节内容制作成PPT、视频、练习题、测试题、讨论题、评分标准等资料，然后将这些资料上传至教学平台，为学生提供丰富的学习资源，也为学生提供更多自主学习的空间，这样学生可随时随地通过在线教学平台进行自主学习。

在线教学平台采用交互式的短视频学习模式，以10分钟左右的片段式多媒体视频为主，并在线完成配套的测试题，让学生在轻松有趣的环境下掌握枯燥无味的宏观经济学原理，有利于激发学生的学习兴趣，提高学习效率。在线教学平台为学生和教师、学生和学生、教师和教师之间搭建了交流平台，通过平台可以相互发表观点、交流意见、提问、解答等，有利于增加师生的互动，也有利于培养学生思考、分析和解决现实经济问题的能力。此外，在线教学平台会将学生的学习行为进行记录，并根据记忆退化曲线提醒学生哪些内容需要及时复习，进一步运用大数据技术对平台记录的学生信息进行分析，可提炼出学生的学习能力、性格特征、学习状态等信息，依此开展有针对性的个性化教育。

2.5 实施多元化考核

在大数据背景下，宏观经济学课程应采用多元化考核方式，既考核学生对宏观经济学理论知识的理解程度，也考核学生综合运用宏观经济学知识的能力，同时，也考核学生在线学习和参与宏观经济学实践教学等情况。如，其可根据教学平台记录学生完整的在线学习过程（包括每一个知识点内容的学习进度、完成配套练习和测试的情况，完成答题的时间、答题的熟练程度、答题的顺序和答题的次数等），并结合参加实践性教学的情况、对各部分内容掌握的情况、课堂表现、出勤等综合考核，给出合理的课程成绩以及相应的评价。

3 结 语

大数据时代的到来，为宏观经济学课堂教学提供大量的数据和丰富生动的案例等资料。在宏观经济学教学改革中，应紧扣大数据时展的脉搏，充分把握好大数据时代带来的有利条件，整合一切可以整合的大数据资源，合理运用翻转课堂、微课、慕课等新教学方法，更好地发挥大数据服务宏观经济学本科教学改革，不断提高教学效果。

主要参考文献

[1]白雪.大数据时代下高校应用经济学教学改革模式探析[J].经济师，2016（3）.

[2]方霞.教育大数据助力《国际经济学》课堂教学改革[J].金融理论与教学，2016（3）.

[3]卢盛峰.大数据背景下《财政学》本科教学改革探析[J].湖北经济学院学报：人文社会科学版，2015（2）.

[4]朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学，2014（9）.

[5]刘帆.大数据时代经管类专业管理统计学教学改革研究[J].中国管理信息化，2016（15）.

篇5

宏观经济分析是一项系统性的工作，有着十分鲜明复杂性特点与专业性特点，涉及工业、农业以及科研等多个社会经济领域。做好宏观经济的统计与分析工作对于科学决策有着十分重要的意义。这就需要相关的研究人员综合运用各种理论与技术对宏观经济统计分析的方法进行深层次的研究。

一、宏观经济统计分析概述

宏观经济统计分析是一项经济学与统计学相结合而形成的独立知识科目体系。由于统计学是经济学十分重要的研究工具，二者之间存在着相互推动、共同发展的关系。将统计学知识与经济学知识结合起来，能够将各个领域的研究方面与研究方法统一起来，打破不同研究内容在领域上的界限，为经济决策与经济规律的探索创造良好的条件。由于我国在宏观经济统计分析领域的起步比较晚，在该研究领域中尚未形成一个高效的研究体系，在我国产业结构升级与经济增长方式变化的过程中，宏观经济统计分析的重要意义才逐渐显示出来。

二、宏观经济统计分析在发展过程中普遍存在的问题

在宏观经济统计分析发展初期，由于统计学的有关理论沿未得到完善，尤其是在计算机技尚未成熟时，统计学分析理论在应用方面的重要意义没有充分显示出来，对于宏观经济分析方面的支持十分有限，造成宏观经济统计分析在实际应用方面所直到的作用不够突出。随着我国社会生产部门的不断分化，越来越多的小型企业尤其是民营企业，在管理与经营决策方面对于新的统计与分析技术表现出了巨大的需求，加上计算机技术的不断发展。统计学理论在研究人员的不断探索下开始进入到了快速发展的阶段。在这一过程中，政府以及有关部门形成了比较明确的周期性经济规划目标，根据周期性经济目标对我国农业、工业以及服务业等产业进行了有针对性的宏观调控，大幅提高我国经济建设的科学性与合理性，为我国经济的调整增长奠定了良好的基础。目前我国宏观经济统计分析在能力在已经进入宏观统计与微观统计并行发展的重要阶段，宏观统计与微观统计在目的划分上更加明确，在应用效率与应用水平上得到了大幅度的蚊帐，两项学科之间存在着相互促进、共同发展的新局面，同时也将宏观经济统计分析的发展带入了一个全新的阶段。

当前我国已经全面进入信息化与数字化时代，选择计算机技术与统计分析技术为宏观经济统计分析的发展奠定了良好的基础。尤其是在我国电子商务领域不断创新与发展的过程中，宏观经济统计分析的重要作用得到了最大程度的体现。在网络环境下，消费群体在消费过程中会产生大量的消费需求数据，有关单位与企业可以以用户的消费数据为资源，以统计学与经济学的有关理论为基础，以宏观经济统计分析为重要手段，对未来一段时间内的消费行为进行科学、有效的判断，提高社会产品生产的合理性与有效性，为电子商务消费用户提供更加具有针对性的商品，为我国经济消费的不断增长创造有利的条件。除了电子商务领域之外，银行业与服务业也可以利用宏观经济统计分析的有关手段对用户名的储蓄行为与消费行为进行判断，为用户制定出更加科学的理财方案与出行方案。对于政府单位来说，则可以利用宏观经济统计分析结果，对社会公众的物流状态与交通状态进行有针对性的分析，对社会公众在日常的生产生活活动中的支行规律有一个全面且深入的了解，将宏观经济统计分析的重要作用充分发挥出来。

三、宏观经济统计分析的发展问题研究

当前我国宏观经济统计分析领域已经进入到了快速发展的新阶段。成经济发展过程中，宏观经济统计分析已经成为分析国民经济发展情况与发展水平十分重要的一项工具。有关部门需要进一步加大该领域的研究力度，为领域的发展奠定良好的人才基础与技术基础，真正认识到宏观经济统计分析对于国民经济发展的重要意义。同时，政府及有关单位还需要进一步加强城市数据信息的收集能力建设与处理能力建设，设置云计算中心，对各方面流动数据进行统计，了解经济数据变化的有关规律，交各方面的统计与分析结果应用到市政管理与组织决策中，为区域内乃至于国家的经济增长奠定良好的基础。

四、宏观经济统计分析的自主发展

由于宏观经济统计分析无论对于政府机关还是在于中小企业来说有着十分重要的意义与价值，尤其是在计算机技术不断发展的大背景下，宏观经济统计分析的应用范围与应用空间得到了进一步的拓展，在社会各阶段与各领域工作与研究人员的共同努力下，宏观经济统计分析中的有关理论将会得到不断的发展与完善。同时也是统计学领域宏观经济分析得到快速独立发展的重要机遇，由此可以现对人类经济社会发展的重要进步性影响，宏观经济统计分析在自身的独立发展前提下吸收了大量的信息数据，之后又利用统计学的思想和方法进行创新研究尝试。

结束语

先进的科技和信息技术的发展是国家宏观经济统计分析发展的重要支持，与此同时还应该配合以功能强大的数据库系统和计算机网络系统，在先进技术和统计学专家的密切配合下可以进一步推动其发展，实现系统完善的宏观经济统计分析体系。

参考文献：

[1]蔡真.宏观经济统计分析发展的基本问题[J].商，2015，47：266.