大数据时代科学发展宏观经济分析研究

2017-12-10王聪

经济研究导刊 2017年20期

关键词：宏观经济用电量分析

王聪

（中共陕西省委党校经管教研部，西安 710061）

大数据时代科学发展宏观经济分析研究

王聪

（中共陕西省委党校经管教研部，西安 710061）

将宏观经济分析当做考察的对象，针对国内外大数据的宏观经济分析研究和运用情况，全面分析了大数据给宏观经济分析所带来的挑战：一方面，大数据和大数据技术的发展对宏观经济分析的数据基础和手段进行了丰富；另一方面，利用大数据实行宏观经济分析存在数据清晰、安全，以及在人才培养以及平台开发等方面的大量挑战。

大数据时代；科学发展；宏观经济分析

传统宏观经济分析主要是比较分析主要宏观经济指标，以及对当前宏观经济及发展趋势的预判。经济学家现在指出的宏观经济指标是统计部分提供统计数据，包括国民经济总体指标、消费指标、金融指标等[1]。

但现实的经济发展是很多变并且极其复杂的，同时会受政治、外交等的影响。只是对宏观经济指标的分析是难以全面准确预判宏观经济发展趋势的。此外，指标统计及发布也需要一定时间，这就很难保证宏观经济分析的实时性，导致一部分企业和机构经济决策比市场变化要慢。此外，突发性事件、媒体言论也会影响宏观经济走势，但传统宏观经济分析很少会考虑这些影响因素，从而导致分析结果不够精确。

一、大数据在宏观经济分析研究中的作用

（一）大数据的发展和作用

美国未来学家阿尔温·托夫勒早在1980年就在其论术中提出了大数据这个概念，并且将其赞誉为第三次浪潮内的华彩乐章。随后，2011年大数据这一概念在云计算相遇大数据会议上被正式提出，快速引起各个国家的高度重视。但到目前大数据也没有统一的定义，而其数量大、种类多、速度快和价值密度低的四大特点被人们普遍认同[2]。

（二）借助大数据探索研究宏观经济分析

虽然大数据是2013年以后才被政府及学者所关注，但是大数据内的非常规宏观经济统计数据和宏观经济形势的关系探讨却已经有了很长的历史。

在用电量与经济的增长全部的非常宏观经济统计数据中，国内外学者对经济增长和用电量的相互关系最为关注。大部分学者认为，用电量特别是工业上的用电量和经济增长相互之间有着长期稳定的均衡及因果关系[3]。

国内学者用VAR和VEC模型探讨了我国的电力消费和经济增长关系，最后得知，我国电力消费及国内生产总值资本同人力资本保持长期均衡。此外，还有研究学者利用河南省年度数据也证实了这点，并且其还发现，短时间内自社会用电量对经济增长的单向格兰杰关系。郭鹰在研究中也证明了浙江省工业用电量和经济增长为正相关，并且测度得出工业用电量对于经济增长的弹性系数是1.55。

就国外的情况来看，AnupamDas等人利用系统矩估计方法，通过45个发展中国家1971—2009年面板数据，对用电量同经济增长的动态关系实行了分析，结果显示用电量和经济增长是积极关系。还有学者通过研究得知了韩国、新加坡等的电力消费和经济增长呈现出双向的因果关系[4]。美国能源信息署通过对前60年能源数据分析后，得知了短期内，用电量与经济的增长趋势相同，而从长期的发展中国家用电量和经济增长趋势一致，但是对美国等这些个发达国家而言，并非如此。

（三）货运量及经济增长

国外的相关学者对货运量和经济增长间的协整关系和因果关系同样开展了大量的研究，结果得知货运量，特别是铁路的货运量和经济增长也是具有长期稳定均衡关系的，并且货物运输和国民经济的增长还有着交替推拉的因果关系。

二、大数据时代宏观经济分析的机遇和挑战

（一）大数据背景下宏观经济分析面临的机遇

大数据的四个特征给宏观经济分析提供了十分广泛并且类型多样的数据基础，大数据技术的开发和应用对宏观经济分析法进行了极大的丰富，十分有利于提升宏观经济分析的客观性、精确性以及时效性。

1.数据规模较大，来源比较广泛，类型多种多样

当前全世界数据每年的增长模式为指数增长，数量十分庞大，在多年积累及统计部门的工作下，宏观经济内积累了很多的传统结构化数据。但是和传统数据比较，大数据一般包含了大量的半结构化以及非结构化的数据，如视频、图片等[5]。这为宏观经济分析提供了更为广泛和数量更多的数据基础，可以实现宏观经济的分析不单纯的借助传统统计部门数据统计，对宏观经济分析的精确性进行了有效提升，同时还扩展了宏观经济统计分析视阈。

2.智能化的数据分析法

虽然信息技术已经经历了十几年的发展，但是当前还很少会使用到信息技术对宏观经济分析，信息技术的运用范围也比较小，入住软件内统计分析软件主要被使用的是SPSS和E-viws，在线分析以及数据挖掘的应用也比较少。其中比较具有代表性的Hadoop和MapReduce非线性关系数据分析技术，具有很适合非结构数据处理、使用简单和大规模处理等优势，不但能为宏观经济的分析提供更加高效和便捷的数据采集以及处理平台，对宏观经济的分析法实现了极大的丰富，同时对宏观经济分析的客观性、时效性以及精确性都实行了充分的提升。

3.实时化的数据采集和处理

在互联网特别是移动互联网的发展下，很多即时传播数据大量涌现，例如，企业通过微信或是微博第一时间对重要的产品或是人事等信息进行发布、普通的用户实时对某个特定时间或对象发表自己的意见等[6]。这些即时传播的非机构化数据对宏观经济走势有着极大的影响。借助大数据的软件处理平台，可以实施追踪并且搜集这些即时数据，此外还能快速的对这些数据进行分析处理，进而对宏观经济分析的时效性进行提升，给经济活动的参与者赢取决策时间。

（二）大数据背景下的宏观经济分析面对的挑战

1.清洗数据困难

借助大数据对宏观经济形式分析首先要面临的问题就是数据的可靠性，也就是数据是否真实准确。另外大数据存在多源性，其中大量的数据是产生自网络，价值密度比较低，还需要进一步验证数据的真实性以及可靠性，数据的噪声比较多[7]。此外，除了结构化数据外，大数据更是包含了各种形式的半结构化和非结构化数据，整合十分困难。进而造成了数据的清洗以及解读难度较大。

2.难以保障数据安全性

当前大数据面对的最大挑战就是数据安全。就宏观经济分析上来看，大数据采集和处理使得相关更加敏感和具有价值的数据高度集中，对于潜在攻击者有着更大的吸引力，更易被不法分子所利用，导致国家、企业和个人安全存在隐患；还有就是，借助基础技术在维护数据安全上存在缺陷需要进一步完善。

3.人才缺乏

虽然大数据的概念早在1980年就已经被提出，但是大数据在近几年才开始快速发展。可是就全球情况看，可以熟练掌握大数据技术实施宏观分析的人才数量并不多，这在使用大数据实行宏观分析的开展中是最大的制约因素。除此之外大数据处理平台的开发程度比较低，尤其是适合宏观经济分析的大数据处理和采集平台还需要被进一步开发[8]。