大数据时代宏观经济分析面临的机遇与挑战

北京市科学技术情报研究所 申红艳 吴晨生 扆铁梅

国家发改委国土开发与地区经济研究所 滕 飞

引言

传统的宏观经济分析主要是通过对比分析主要的宏观经济指标对当前宏观经济形势和发展趋势进行判断和预测。目前，经济学家主要采用的宏观经济指标均为统计部门提供的统计数据，主要包括国民经济总体指标、投资指标、消费指标、金融指标、财政指标等。

但是，现实的经济发展是复杂多变的，除了受经济和政策因素影响外，还会受政治、外交等其他因素影响。因此，仅仅分析传统的宏观经济指标难以全面准确地判断和预测宏观经济发展趋势。同时，由于指标的统计和发布需要一定时间，难以实现宏观经济分析的实时性，导致部分机构和企业的经济决策滞后于市场的变化。此外，一些突发事件、媒体言论等也会影响宏观经济走势，而传统的宏观经济分析很少考虑和衡量此类影响因素，大大降低了分析结果的精准性。

当前，随着信息技术和互联网的不断发展，人们进入了“大数据”时代，这为经济学家提高宏观经济分析的时效性和精准性提供了方法和机遇。

一、大数据在宏观经济分析中的研究与应用

(一)大数据的发展及其应用。

早在1980年，美国著名未来学家阿尔温·托夫勒(Alvin Toffler)在《第三次浪潮》一书中就提出了“大数据”(Big Data)的概念，并将其赞颂为“第三次浪潮的华彩乐章”。2011年5月，美国EMC公司在“云计算相遇大数据”大会上正式提出“大数据”概念，很快引起了各国的高度重视。①马建光、姜巍:《大数据的概念、特征及其应用》，载于《国防科技》2013年第4期，第10～17页。但是，迄今为止，大数据尚没有明确统一的定义，但普遍认为大数据具有“4V”特性，即数量巨大(Volume)、种类繁多(Variety)、处理速度快(Velocity)和价值密度低(Value)。

从学术界来看，最先研究大数据的是计算机科学、地质、遥感测绘、理化工程等学科领域，然后逐渐扩展至政治学、科学、广告、体育、公共卫生等多个社会科学领域。从应用角度来看，大数据在政府决策、制造与零售业、医疗保健以及个人位置服务等领域都有其巨大的应用价值和发展空间。②李国杰、程学旗:《大数据研究:未来科技及经济社会发展的重大战略领域》，载于《中国科学院院刊》2012年第6期，第647～657页。

(二)利用大数据进行宏观经济分析的探索研究。

尽管大数据在2013年以后才受到政府和学者的广泛关注，但是对大数据中非常规宏观经济统计数据与宏观经济走势之间的关系的探讨却由来已久。从已有文献来看，对于宏观经济分析中的大数据，学者们主要关注三个方面:

1.用电量与经济增长。在所有非常规宏观经济统计数据中，国内外学者最为关注的就是用电量与经济增长之间的关系。目前，多数学者认为，用电量，尤其是工业用电量与经济增长之间存在长期稳定的均衡关系和因果关系。③Mahedi Masuduzzaman.Electricity Consumption and Economic Growthin Bangladesh:Co-integration and Causality［J］.Research Study Series No.FDRS.2013(2).④Ansgar Belke et al.Energy Consumption and Economic Growth:New Insights into the Cointegration Relationship［J］.Ruhr Economic Papers.2010(6).

从国内来看，国内学者林伯强利用VAR和VEC模型对我国电力消费与经济增长的关系进行了探讨，结果发现:在我国，电力消费与国内生产总值、资本以及人力资本之间存在着长期均衡关系。罗汉武利用河南省的年度数据也证明了全社会用电量与经济增长之间存在着稳定的长期均衡关系，而且他发现，在短期内还存在从社会用电量到经济增长的单向格兰杰关系。郭鹰经研究也证实，浙江省工业用电量与经济增长之间也呈正相关，而且测度出工业用电量对经济增长的弹性系数为1.55。何永贵通过建立用电量与经济增长之间的回归分析模型，测度出中国用电量每增长1%，国内生产总值也随之增长1%。⑤刘慧:《“克强指数”与经济增长的动态关系研究:基于VAR和VEC模型的实证分析》，载于《商业时代》2014年第1期，第11～13页。郭鹰与何永贵的研究对我国用电量与经济增长之间的关系进行了量化，为未来采用大数据技术进行宏观经济分析奠定了基础。

从国外来看，Anupam Das等人采用系统矩估计方法(system generalised method of moments，system GMMs)，利用45个发展中国家1971～2009年的面板数据分析了用电量和经济增长之间的动态关系，结果显示用电量与经济增长之间呈现一种积极的关系。⑥Anupam Das et al.The Dynamics of Electricity Consumption and Growth Nexus:Empirical Evidence from Three Developing Regions［J］.The Journal of Applied Economic Research.2012(11):445-466.Glasure＆Lee通过研究发现，韩国、新加坡的电力消费与经济增长之间存在着双向因果关系。Zahid Ashraf、Galip Altinay等国外许多学者通过实证分析等方法对用电量与经济增长之间的关系进行了因果分析与协整分析研究。研究发现，用电量与经济增长之间存在长期均衡关系和单向因果关系，经济增长会激发对用电量的需求。①Zahid Ashraf et al.Electricity consumption and economic growth:evidence from Pakistan［EB/OL］.http://ideas.repec.org/a/ove/journl/aid9396.html.②Galip Altinay et al.Electricity consumption and economic growth:Evidence from Turkey.Energy Economics［J］.2005(11):849-856.美国能源信息署(EIA)通过分析过去60年的能源数据发现，在短期内，用电量与经济增长趋势一致;从长期来看，对发展中国家来说，其用电量与经济增长趋势依旧一致，但对美国等发达国家来说，其用电量与经济发展形势并不吻合。③U.S.economy and electricity demand growth are linked，but relationship is changing［EB/OL］.http://www.eia.gov/todayinenergy/detail.cfm?id=10491.

2.货运量与经济增长。国内外学者对货运量与经济增长之间的协整关系、因果关系也进行了大量分析与研究，结果发现货运量，尤其是铁路货运量与经济增长之间存在长期稳定的均衡关系，同时货物运输与国民经济之间还存在交替推拉作用的因果关系。④BRUNEL Julien.Freight transport and economic growth:an empirical explanation of the coupling in the EU using panel data［M］.2005(9).④熊浩等:《我国货运量与经济增长关系的协整分析》，载于《系统工程》2010年第9期，第46～50页。如林航飞通过研究上海市货运数据与经济数据发现，公路货运量与经济增长之间存在长期的均衡关系;而熊浩经研究则发现货运量与国内生产总值(取对数)存在长期均衡关系。

3.银行贷款与经济增长。目前，学者对银行贷款增长率与经济增长之间的关系存在争议。Levine＆Zervos经研究发现，银行贷款和股票流通性对经济增长有显著而稳定的正效应，蒋晓华也认为经济增长率和银行贷款增长率之间存在着长期均衡关系，而刘恩猛通过对天津经济增长率和贷款增长率之间的关系进行协整分析，发现天津的经济增长和贷款之间存在协整关系和双向因果关系。但是，赵庆光利用VAR模型对河南省数据研究发现，银行贷款与GDP总量不存在长期均衡关系。这说明，银行贷款与经济增长之间的关系还有待于进一步探索。

(三)大数据在宏观经济分析中的应用案例。

由于大数据自2013年才开始获得快速发展，技术尚不成熟，因此，尽管国内外学者对大数据与宏观经济发展趋势之间的关系进行了一些有益的探索研究，但真正利用大数据进行宏观经济分析的实践仍然较少。

1.国内应用现状。我国大数据研究和实践在世界上都比较落后，利用大数据判断宏观经济走势尚未引起足够的重视。目前，国内比较著名的案例主要有两个:一是李克强总理提出的克强指数(Li keqiang index);二是“企业发展工商指数”课题组提出的“企业发展工商指数”。

(1)克强指数。克强指数是指耗电量、铁路货运量和银行贷款发放量三种经济指标的结合，以中国国务院总理李克强的名字命名，因为李克强总理在2007年任职辽宁省委书记时，喜欢通过耗电量、铁路货运量和贷款发放量三个指标分析辽宁省的宏观经济状况。①邓聿文:《从“克强指数”到“克强经济学”》［EB/OL］，http://business.sohu.com/20130701/n380333022.shtml。英国著名政经杂志《经济学人》认为克强指数比统计机构公布的统计数字更能反映中国经济的现状，因此常采用克强指数来评估中国经济增长情况。

目前，国内一些学者对克强指数对我国经济发展形势进行了一些研究。刘慧构建了工业用电量、铁路货运量、银行中长期贷款与经济增长的VAR和VEC模型，通过分析我国克强指数的各变量与经济增长之间的关系，发现工业用电量、铁路货运量、银行贷款与经济增长之间存在长期均衡关系和短期调整机制。2013年8月，河南省电力公司经济技术研究院博士应用克强指数对河南省的电力与经济发展关系进行实证分析发现，河南省用电量增长与经济发展密切相关，用电量增速可以更加能敏感地反映出经济的发展趋势，因此，采用克强指数中的电力指标分析宏观经济走势更具有参考性和前瞻性。②《河南省电力与经济关系分析》［EB/OL］，http://jr.dahe.cn/2013/08-21/76112.htm。

学者的研究更加证实了克强指数的科学性和准确性，为宏观经济分析实践中采用克强指数提供了理论依据。2013年7月，南方日报利用“克强指数”对广东省佛山市三水区上半年的经济走势进行分析发现，2013年上半年，三水经济趋势总体向好，但基础仍需加强。③齐航:《聚焦三水经济“半年考”》［EB/OL］，http://news.ifeng.com/gundong/detail_2013_07/24/27847624_0.shtml。2013年10月，国家信息中心经济预测中心副研究员李俊峰通过分析8月份的用电数据对我国经济形势进行了分析与预测，认为8月份用电量的提升表明当前经济形势有所好转，但能够确立回暖趋势有待进一步观察。此外，通过分析广东等南方电网省区用电量走势，李俊峰认为广东地区外贸导向型行业的生产形势仍处于缓慢复苏当中，但是贵州、云南、广西等省份的高能耗产业形势依然很严峻。④李继峰:《从8月用电数据看当前经济形势》，载于《中国经贸导刊》2013年第10期，第18～19页。2014年4月，金融时报也发表文章称，尽管铁路货运表现“欠佳”，3月份用电量的显著回升显示出经济温和回暖。⑤陈兰君子:《用电量等数据显现经济回暖迹象》，载于《金融时报》2014年4月7日。2014年5月，搜狐财经报道称，数据显示，4月份铁路货运量、货物周转量同比下降6.5%和5.4%，降幅较3月份进一步扩大，“克强指数”的三大指标不同程度印证了中国经济的不景气。⑥《4月铁路货运量跌幅扩至6.5%铁总急研究对策》［EB/OL］，http://business.sohu.com/20130524/n376942712.shtml。

(2)企业发展工商指数。⑦《大数据发现:四季度宏观经济持续向好》［EB/OL］，http://finance.jrj.com.cn/2013/10/30143316055872.shtml。企业发展工商指数是由“企业发展工商指数”课题组在题为《基于企业发展与宏观经济发展关系研究的企业发展工商指数构建》的研究报告中提出来的，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。

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。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。

2013年7月，全国人大财经委员会副主任郝如玉在向中央领导递交的《企业发展和宏观经济发展关系分析》报告中，根据企业发展工商指数变化预测，我国经济将企稳回升，财政收入增速有望在一个季度后回暖。2013年10月，专家又利用企业发展工商指数分析我国经济状况并预测，我国四季度宏观经济将持续向好。后来的经济发展状况证实了企业发展工商指数预测的准确性。

2.国外应用现状。与国内大数据实践更关注经济数据相比，国外在利用大数据分析宏观经济发展形势实践的数据基础更为广泛，除了采用经济领域的统计数据外，还采用媒体信息、电子邮件及报告等非结构化数据来预测经济走势。

(1)收入权重就业指数。1991年，美国路易斯维尔大学的Paul A.Coomes等人创建了一个收入权重就业指数，通过对特大城市不同行业每个季度新增就业的周薪进行加权来评估当地的经济发展形势。①Paul A.Coomes et al.An Economic Performance Index for U.S.Cities［J］.Economic Development Quarterly.1991(11):335-341.这是早期学者对利用大数据判断宏观经济走势进行的探索。

(2)利用网络与媒体信息进行经济预测。瑞士苏黎世大学的Sulkhan Metreveli教授通过不间断处理和分析约300家媒体的数据流来分析媒体信息对股票交易市场和外汇交易市场价格变化的影响，结果显示媒体情绪与市场价格之间具有重要的关联性。②Sulkhan Metreveli.Using‘Big Data’for prediction of economic trends:The effects of media information on price changes in stock exchange markets［EB/OL］.http://ipp.oii.ox.ac.uk/2012/programme-2012/track-b-policy/panel-2bmodelling-and-prediction/sulkhan-metreveli-using-%E2%80%98big-data%E2%80%99-fo r.Tobias Preis等人对Google Trends上2004年1月5日至2011年2月22日之间“贷款”一词出现的频率进行数据挖掘，并根据数据分析结果制定了一个交易策略。③Preis，T.，Moat，H.S. ＆ Stanley，H.E.(2013).Quantifying Trading Behavior in Financial Markets Using Google Trends［J］.Scientific Reports，DOI:10.1038/srep01684.英国伦敦学院大学Rickard Nyman等人提出，可以采用社会心理学的信念叙事理论(Conviction Narrative Theory)作为理论框架，利用定向算法的文本分析法(Directed Algorithmic Text Analysis，DATA)对路透社的日常新闻反馈、公司邮件、内部备忘录、经纪人报告等数据进行文本分析，提取相关情绪变化的时间序列，用以预测经济发展趋势。这种方法可以大大改善“密歇根消费者指数调查”在经济预测方面的准确性。④Rickard Nyman et al.Big Data and Economic Forecasting:A Top-Down Approach Using Directed Algorithmic Text Analysis［C］.Submission to ECB Workshop on Big Data for Forecasting and statistics.Frankfurt.

二、大数据时代宏观经济分析面临的机遇与挑战

(一)大数据为宏观经济分析带来机遇。

大数据的4V特性为宏观经济分析提供了广泛而多样的数据基础，大数据技术的开发与应用也丰富了宏观经济分析的方法，有利于提高宏观经济分析的精准性、客观性和时效性。

1.数据规模大，来源广，类型多。目前，全世界的数据每年以指数倍增长，数量庞大可观。通过多年的积累和统计部门的统计工作，宏观经济领域积累了大量传统的结构化数据。但是，与传统数据相比，大数据通常包含大量的半结构化和非结构化数据，如邮件、媒体报道、视频、图片等。这为宏观经济分析提供了更多更广的数据基础，可以让宏观经济分析不再仅仅依靠传统统计部门的数据统计，提高了宏观经济分析的精准性，拓宽了宏观经济统计分析的视阈。

2.数据分析方法智能化。尽管信息技术已经发展了几十年，但目前采用信息技术从事宏观经济分析的成员较少，信息技术的应用范围也很小，辅助软件主要是统计分析软件中的E-views和SPSS，在线分析和数据挖掘的应用很少。以MapReduce和Hadoop为代表的非关系数据分析技术，以其适合非结构数据处理、大规模并行处理、简单易用等突出优势，不仅可以为宏观经济分析提供更加高效便捷的数据采集和处理平台，丰富宏观经济的分析方法，还可以提高宏观经济分析的客观性、精准性和时效性。

3.数据采集与处理实时化。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、微信第一时间发布产品、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。

(二)应用大数据进行宏观经济分析面临挑战。

尽管大数据的迅速发展和大数据技术的不断进步为宏观经济分析提供了前所未有的机遇，但是，由于大数据的数据来源和数据机构复杂，技术尚未成熟，利用大数据进行宏观经济分析还面临多方面挑战。

1.数据清洗难度大。利用大数据分析宏观经济形势面临的首要问题就是数据的可靠性，即数据是否是真实准确的。一方面，大数据具有多源性，其中很多数据来自网络，价值密度低，真实性和准确性未经证实和考究，数据噪声多;另一方面，除了结构化数据之外，大数据更多的是包含文字、视频、图片等不同格式的半结构化数据和非结构化数据，难以加以整合。这都增加了数据清洗和解读的难度。

2.数据安全难以保障。目前，大数据面临的最大挑战就是数据的安全问题。从宏观经济分析方面来看，一是大数据的采集和处理使得相关更敏感更有价值的数据高度集中，对潜在攻击者的吸引力更大，更容易被不法分子利用，为国家、企业和个人安全带来隐患;二是大数据依托的基础技术noSQL(非关系型数据库)在维护数据安全方面还存在缺陷，有待进一步完善;三是由于数据的多源性和多样性，增加了定位和保护机密数据的困难。

3.拥有大数据技术的宏观经济分析人才缺乏。尽管大数据的概念在1980年就提出来了，但大数据在近几年中才得到快速发展。尤其是2013年以来，大数据的研究和应用受到了政府、企业和学者的广泛关注。因此，2013年也被称为“大数据元年”。但是，从全球来看，目前能够熟练掌握大数据分析和处理技术的人员并不多，可以利用大数据技术进行宏观经济分析的人才更是缺乏，这是采用大数据进行宏观经济分析的主要障碍。

4.针对宏观经济分析的大数据处理平台有待开发。不同行业具有不同的特点，因此采用的数据基础和数据处理方法也不同，这就需要不同的大数据分析工具和开发环境。近年来，随着信息技术的发展，已经出现了MapReduce、Hadoop等多个大数据技术平台，但是缺乏针对不同行业的大数据挖掘分析工具和开发环境，尤其是适合宏观经济分析的大数据采集和处理平台还有待进一步开发。

三、对策建议

推进大数据在宏观经济分析中的应用，必须由政府、企业、研发机构和个人的共同努力，在数据安全、数据统计、技术研发和人才培养等各方面通力合作，充分挖掘大数据带来的大智慧，提高宏观经济分析的精准性、客观性和时效性。

1.为宏观经济分析构建良性的大数据发展环境。要在国家层面高度重视大数据及其在宏观经济分析中的应用，从政策、法制、资金等多方面给予大力支持，切实做好大数据的安全保障工作，引导政府、企业、研发机构和个人共同努力，构建良性的大数据发展环境。

2.推进大数据采集与管理工作。宏观经济统计部门应拓宽宏观经济数据采集渠道和采集数据类型，加强相关数据的采集、存储、保护和管理工作，全面提升统计服务水平。同时，以此为切入点，推进数据统计制度、方法和程序的改革工作，在保障国家、企业和个人信息安全的同时，研究大数据共享制度，为宏观经济分析提供便捷、坚实的大数据基础。

3.提高适合宏观经济分析的大数据技术研发水平。应鼓励计算机算法研究人员与宏观经济分析人员密切合作，在了解宏观经济分析特点和全面掌握宏观经济分析人员需求的基础上，为宏观经济分析领域定制研发适用于宏观经济分析的大数据采集、分析和处理平台，优化相关大数据挖掘分析工具和开发环境，提升大数据去冗降噪技术水平，为宏观经济分析人员创造一个友好的大数据利用环境。

4.加强宏观经济分析领域的大数据人才培养。应鼓励培养拥有宏观经济分析和计算机技术的复合型人才，加强宏观经济和计算机领域之间的互动与交流，鼓励大数据技术人员为宏观经济分析人员开展大数据采集与处理相关的培训。同时，在高校宏观经济人才培养过程中，加强宏观经济分析领域中储备人才的计算机技能培训，促进宏观经济分析人才队伍的转型。

四、结论

目前，我国大数据的研究与应用工作尚处于起步阶段，利用大数据资源和方法进行的宏观经济分析更是少之又少。“信息爆炸”的“大数据”时代为宏观经济分析工作带来了许多机遇与挑战，我们必须重视并加强大数据在宏观经济分析中的应用。但是，值得注意的是，由于数据来源、技术研发等多方面的限制，目前以大数据为基础的宏观经济分析并不能完全取代传统的宏观经济分析。我们应该以传统宏观经济分析为主，辅以大数据方法，不断提高宏观经济分析的精准性、客观性和时效性。