导读:本文包含了宏观经济变量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:宏观经济,变量,卡拉奇,模型,因子,支出,证券交易所。
宏观经济变量论文文献综述
玄尚浩[1]（2019）在《主要宏观经济变量对中韩钢铁业净利润和股价影响比较研究》一文中研究指出本文研究的目的是通过实证比较研究主要宏观经济变量(股票指数;汇率;利率;通货膨胀以及政府债券)对中韩钢铁业的利润和股价的影响,从而为学者,政府决策者和投资者提供有用的参考价值。钢铁工业是国民经济的核心产业,是国家稳定和经济增长不可或缺的产业。此外,由于它与其他行业有很高的相关性,可以为汽车、机械、建筑和造船等所有行业提供基础材料。到2018年,中国在全球钢铁市场的生产和消费中排名第一,占世界粗钢产量的49.6%和粗钢消费的45%,使其成为对全球钢铁产业产生重大影响的民族工业。在粗钢产量和消费方面,韩国与中国不具有可比性,但它是同年全球第六大粗钢生产国和消费国。近年来围绕全球钢铁行业环境的最严重问题包括供应过剩导致的供需不平衡,原材料价格变化,环境法规收紧以及各国加强保护主义。而这些因素使韩国,中国和其他主要钢铁国家更难以为生存而竞争,因此他们正在努力制定应对不可预测的钢铁市场的战略。以往与会计领域相关的公司业绩(利润)研究主要集中在预测公司未来业绩上,通过时间分析模型预测和财务分析师预测研究非营利会计数据。然而,在按时间序列模型预测的情况下,使用过去收益的时间序列数据来预测未来收益在统计上不显着,因为过去利润的时间序列数据遵循随机因素的影响。通过对金融分析师未来业绩的预测也表明研究结果不一致。本文采用定量的分析方法。作者采用ADF测试方法来确认每个变量的稳定性。采用Johansen协整检验用于估计变量的长期均衡,并根据分析数据的特征。使用VAR或VECM对变量进行动态分析。主要的宏观经济变量是股票指数,汇率,利率,通货膨胀和10年期政府债券,以检查与钢铁公司的相关性。分析期为2006年1月至2015年12月的10年期间。本文研究发现:中国钢铁公司的净利润和股价与政府债券;利率显着相关,但与股票指数和通货膨胀不显着相关。中国钢铁公司的净利润和股价与汇率,利率和通胀显着相关。韩国钢铁公司(P_KOREA)的利润与利息相关,与政府税率(BOND_KOREA)没有显着的相关性。韩国钢铁公司(STOCK_KOREA)的股价与主要宏观经济变量没有任何显着的相关性。研究结果表明:中国经济比韩国经济更具有发展的活力。因此,中国钢铁公司的业绩似乎与各种主要宏观经济变量直接相关。然而,增长率低于中国的韩国表明:宏观经济变量的变动不会影响钢铁公司的业绩。(本文来源于《对外经济贸易大学》期刊2019-05-01）
Syed,Haider,Ali,Zaidi（海德瑞）[2]（2019）在《基于改进GARCH-MIDAS模型的巴基斯坦宏观经济变量对卡拉奇股票证券交易所股价波动的影响研究》一文中研究指出目前,在经典的计量经济学研究方法中,研究宏观经济变量与股市价格波动关系的主要有两种方法。第一种方法利用同一频率数据进行研究,第二种方法利用低频股市数据,使股市数据和宏观经济变量数据具有相同的频率。通常,处理具有不同频率的时间序列数据需要将高频数据转换为低频或同频数据,从而导致高频变量中包含了丢失的有价值信息。因此,本研究采用混合数据抽样(MIDAS)方法,包括混合频率数据,即低频(月)和高频(日)数据,研究宏观经济解释变量与股市价格波动之间的关系。由于数据频率限制的问题,传统的同频模型不能用来研究宏观经济解释变量与股市波动之间的因果关系。因此,将恩格尔提出的经典GARCH-MIDAS(Generalized autoregressive conditional heteroskedasticity-Mixed data sampling)模型集成到传统的GARCH模型中,将股票价格波动分解为短期和长期两个分量。此外,为了确保数据的有效利用,通过宏观经济变量解释长期波动。此外,目前的研究在这方面有所不同,因为它通过整合美元-巴基斯坦卢比汇率的高频数据扩展了经典的GARCH-MIDAS模型,并利用已实现的波动性来解释卡拉奇证券交易所(KSE)的长期波动性。另外,在实证部分,建立了多因素和单因素GARCHMIDAS模型,从横向效应、波动性效应的角度分析和估计了KSE的股票市场波动性。此外,本研究选取货币供应量和消费物价指数作为月度(低频)指标,以美元兑巴基斯坦卢比汇率作为日(高频)指标,研究韩国股市的波动性。进而建立基于改进的GARCH-MIDAS模型,实证结果表明,货币供应量的水平和波动性与KSE(卡拉奇证券交易所)股价波动性具有显着的正相关关系。此外,消费者物价指数的水平值与KSE具有显着的负相关,而波动性值与KSE股价波动性无显着关系。此外,美元-PKR汇率的水平和波动性值与KSE股价波动性均呈显着负相关。实证结果表明,多因素模型的估计结果与单因素模型的估计结果基本一致。然而,多因素模型涉及到大量的参数估计,这可能会导致过度参数化等问题,从而使某些系数值不再显着。同时,预测能力分析表明,单因素模型和多因素模型都具有较强的预测能力。多因素水平效应模型的预测能力优于单因素水平效应模型。此外,单因素混合效应模型与多因素混合效应模型的交叉比较表明,多因素混合效应模型更善于解释巴基斯坦股市价格波动的长期组成部分。针对巴基斯坦的实际经济情况,提出并制定了有效的监管政策(货币政策、通货膨胀和汇率方面),进而提高股市效率、引导合理投资、完善信息披露机制等政策建议。最后,阐述了本研究过程中所面临的研究不足和困难以及未来的发展前景。(本文来源于《中国矿业大学》期刊2019-05-01）
孟瑶光,代颖娜[3]（2019）在《各国国防支出与宏观经济变量的关系研究——基于GMM的动态面板分析》一文中研究指出一直以来,国防支出与宏观经济变量的关系都受到学术界的极大关注并引发了长久争论。本文主要从防务负担的角度,对美、中、日等11个国家自1999—2014年样本区间内的国防支出与各宏观经济变量的动态关系进行了实证分析。运用统计软件eviews8和statal2,通过系统GHM方法,以国防支出占GDP的比重为因变量,实际GDP增长率、政府债务负债率和CPI为自变量建立不同的模型,根据实证分析结果提出政策结论。(本文来源于《海峡科技与产业》期刊2019年03期）
周亮[4]（2018）在《商品指数、投资者情绪及宏观经济变量的关联研究》一文中研究指出选取2011年1月至2017年12月南华商品指数、七个宏观经济变量及代表投资者情绪的螺纹钢期货主力合约成交量的月度数据,首先通过主成分分析法将宏观经济变量区分为增长因子和货币因子,然后采用VAR模型、脉冲响应函数及方差分解等方法研究了这些变量与商品指数间的关系,结果发现:商品指数主要受到了宏观经济的影响,投资者情绪的影响相对来说较小,且在宏观经济变量中,货币因素的作用最大,当货币活性越高、市场利率越低时,商品指数更容易发生上涨行情。(本文来源于《金融理论与教学》期刊2018年06期）
胡兰,胡轩于[5]（2018）在《税收视角下企业研发支出资本化对宏观经济变量的影响》一文中研究指出基于中国2014—2017年的中小板上市公司数据,在税收视角下分析研究了企业研发支出资本化对宏观经济变量的影响。结果表明:与低税率公司相比,由于高税率公司的费用化研发支出税收效益更高,且具有与其他公司相比更低的资本化率。分析对比不同公司的财务报表,如果公司的成本较高,此时需采取多元化的途径避免发生更高的非税成本。非国有企业与国有企业相比,前者研发支出的税率与资本化率之间表现出更为显着的负向关系,且往往会采取更加激进的税收筹划工作。与低税率公司相比,高税率公司具有较高的费用化研发支出市场定价。(本文来源于《云南财经大学学报》期刊2018年12期）
马丹,何雅兴,翁作义[6]（2018）在《大维不可观测变量的中国宏观经济不确定性测度研究》一文中研究指出本文提出了利用大型统计数据直接测算中国宏观经济不确定性的方法。通过建立含有潜在不可观测变量的混频动态因子随机波动模型,利用1994—2017年60个月度统计指标和4个季度统计指标数据,测算了我国宏观经济的不确定性,结果表明:(1)我国宏观经济不确定性具有明显的阶段性特征,不确定性的变动受到多种因素的影响,传统的景气监测指标并不是一致最优的同步监测指标。(2)在测算宏观经济不确定性时,将核心指标作为观测到的因子予以保留,不仅提高了结果的解释性,也更符合经济事实。(3)宏观政策变动是引起经济不确定性上升的重要因素,但政策的影响往往具有滞后效应,未预期的政策变动可能会触发宏观经济出现更大的不确定性。(本文来源于《统计研究》期刊2018年10期）
Hussain,Abid（阿比德）[7]（2018）在《微观和宏观经济变量对次级融资来源的影响在巴基斯坦》一文中研究指出论述了巴基斯坦视角下的贸易信用概念和贸易信用类型。贸易信用的概念是买方和供应商之间关系的概念,它成为当今企业的一个组成部分。风险是当买家不被支持融资时,就产生了对买方公司流动性的担忧。这些买方公司然后寻找其他融资来源,贸易信贷为他们的利益服务得很好。贸易信用,双方的协议,买方和供应商,其中供应商签发货物赊销给买方在某些条款和条件,以支付在稍后的日期。贸易信用是给予另一家公司购买货物或提供服务的信用。商业信用不需要立即支付购买货物。贸易信用的重要性因国而异。在美国,商业信用是许多商业公司的主要资本来源,同时也是商业和商业销售商最大的资本使用。以赊销方式进行的贸易产生了企业的扩张,从而建立了买家和供应商之间的长期关系。供应商向买方提供资金,以获取业务并拓展自己的业务。由于交易信用,交易成本也降低了。贸易信用是检测货物质量的最好手段。商业信用可根据商业组织的买方结构融资.金融机构是2008次金融危机的主要贡献者。在这段时间内,银行贷款减少,因此,非金融公司无法从金融机构获得信贷。正如梅尔泽所建议的,信誉良好的公司可以通过采用再分配政策来赊销商品来增加销售额。当每一个公司都试图增加其市场份额时,那些在资本摩擦市场中获得更好的进入资本市场的公司,在金融摩擦时期给予贸易信贷后,可能会增加其市场份额。较小的公司也可以通过不同的渠道增加他们的市场份额。在金融危机期间,小企业在采用贸易信贷政策后可以创造更多的利润。另一方面,那些无法从金融机构获得信贷的信用较差的公司可能会在这种时候专注于供应商融资。从巴基斯坦贸易信用的角度来看,贸易信用不同于企业和金融债务:第一,供应商主要供应商使用某种产品,而不是直接现金参与交易。其次,与银行等金融机构相比,贸易信贷没有提供买卖双方之间的正式协议。第叁,巴基斯坦的非金融企业是贸易信用的最大使用者,服务于他们的手段。在许多不同类型的公司和通过许多不同的经济体,借款的来源主要是在许多个人层面的企业信用。国家中央银行制定了货币政策。所有这些信誉良好的公司在货币政策的执行中起着非常重要的作用。巴基斯坦的贸易信贷有非金融企业面临融资困境的情况。巴基斯坦的纺织业仍然是贸易信贷中最大的贸易部门之一。银行贷款需要担保,有时会使客户难以利用,而贸易信贷则成为巴基斯坦融资的重要来源。贸易信用增加了企业的市场价值,这里的销售是增长的基本指标,贸易信用增加了销售,从而增加了客户数量。本课题研究的基本问题是:企业层面变量与贸易信贷供给有关系吗?宏观经济变量与贸易信贷供给有关系吗?这项研究有助于更好地理解货币政策执行和贸易信用关系。贸易信用是衡量合同质量的一个有用指标,同时也降低了买方信息传播与货物交付质量之间的不对称性。买家可以管理产品质量。销售量表明商品质量随着市场需求的降低而降低,如果销售量增加,就会减少贸易信用的供给。不同规模的企业具有不同的资本结构决定因素的构成。公司规模越大,管理机制越好,管理越好,管理者的交易和记录就越可靠,交易大厅的交易也越多。大公司在利用市场力量时对盈利能力产生影响。大型企业的破产成本最低,经营中的清算也很低,因此公司规模对绩效和交易信用有正向影响。质量较好的企业获得了更多的贸易信用。小公司没有任何抵押品,因此无力偿还债务,面临偿付能力问题。经济状况描述了整个国家市场条件的稳定性。贸易信用合同对不稳定经济的作用更好。在国内生产总值下降的情况下,企业增加了使用贸易信贷。在卖方和买方的情况下,贸易信用是区别价格的方式。价格可以通过两种方式来调整:通过打折或增加信用时间来增加销售。卖方以这种方式调整价格。价格歧视既允许提前付款的顾客,也允许延迟付款的消费者。存货越多,交易信用交易越多,业务就越繁荣。货币供应可以作为一种服务来获得相应的贸易。监管政策对于增加信贷利差是必要的。使用应收账款来重新分配信贷意味着一些公司有权获得可用于此目的的资金。最近几年的信息表明,大公司能够获得比小型企业更大的资金获得。这些资金的一个明显来源是商业银行系统。另一些则是资本市场、保险公司和金融中介机构。另一个资金来源来自贷款公司在决定增加或允许向客户增加信贷的时候所持有的流动资产。商业信用是指赊销货物的合同。在这个过程中,只有非金融公司参与。由于这一性质的贸易信用交易研究只收集了来自巴基斯坦的非金融公司的数据。有两种主要类型的公司在一个经济体中完成了工作。第一,直接处理货币渠道的金融公司,大多数时候都接受存款和发放贷款。第二,与生产商品有关,有兴趣销售和生产不同商品的企业。各行业在性质、资本结构等方面存在很大差异。在这项研究中,数据收集来自非金融公司,因为他们有兴趣在信贷销售和购买。由于贸易信贷交易的性质,金融和服务部门已被排除在我们的样本之外。为了检验贸易信贷的使用方式,加班研究已经收集了年度数据。数据包括十一年2001至2011年间的观测数据。次级数据已从巴基斯坦国家银行公布的资产负债表分析(BSA)中收集到。在2011年度,有399家非金融公司在巴基斯坦证券交易所上市。排除那些没有提供完整信息的公司在我们选定的时间段内,排除在样本之外。来自156家非金融公司的数据最终用于分析。从国际金融统计(IFS)收集了货币供应量的数据。最后,面板数据已经被使用,因为这是时间序列和横截面数据的组合。研究使用了来自巴基斯坦证券交易所上市的不同行业和公司的数据。主要的行业包括:纺织、糖、水泥、食品、化工、制造业、矿产、汽车、燃料和能源、信息和通讯、精炼石油产品和纸制品。部门的详细情况及其比例如下表所示:在这项研究中,我们使用不同的措施来检测单位根的数据集。我们使用了Levin,Lin and Chu(2002)和IM、Pesran和Shin(2003)。单位根检验的结果表明,单位根不存在于任何一个变量中,或者级数在水平上是固定的。描述性统计已被用来解释收集的数据模式的研究。采用集中趋势和分散措施。应收账款的平均值解释了公司总资产中应收账款交易的金额约为200万。平均值表明,几乎200万的流动资产在总资产中以贸易信贷供给为基础。它也可以解释为,平均200万的资金已经被非金融公司投资于贸易信用交易。这是一笔可观的资金,这表明巴基斯坦企业正在利用贸易信贷作为替代金融来源的兴趣。贸易信贷供给的范围表明,在信贷中分配货物的决定有较大的变化。一些非金融公司通过采用赊销政策来完全否定。另一方面,一些公司将重点放在应收账款的投资上。最大值的结果表明,在我们的数据集中存在一些非金融公司,它们的总资产中有42%是以应收账款形式存在的。存货的平均值解释说,巴基斯坦非金融公司平均资产的20%是库存形式。值的范围也非常显着,这表明在维持库存水平方面存在政策上的变化。这种变化可能是由于数据集的异质性。标准差1.5506的值表明,非金融公司的库存量变化为160万。采用皮尔森相关检验来解释关系的强度和方向。贸易信贷供给与货币政策之间的相关性是正的,这说明两个变量在同一个方向上移动。其他变量与贸易信贷供给负相关。表中的变量中没有一个显示出更大程度的强度,这可能是没有多重共线性的信号。结果表明,货币供应量的增加使得巴基斯坦的非金融企业能够获得更多的信贷。对资本市场和金融机构有更大准入权的非金融公司可以很容易地安排他们的资金来支持他们的融资活动。这些结果与以往的贸易信用研究相吻合。扩张性货币政策的目标是引导资金流向经济。值得注意的是,非金融机构在实现这一目标方面也发挥了重要作用。根据任何非金融公司的流动性状况,提供信贷或向其他客户提供融资的行为。流动性是积极的,并显着地表明在巴基斯坦上市公司在资金到位时的流动性地位,并将这些资金与他人联系起来。根据得出的结果,我们可以提出非金融公司采用与货币政策相同的模式,或根据中央银行采取的货币政策进行平行决策。从R-平方的精确数出发,从独立变量解释了贸易信贷供给。总体模型是显着的,因为F统计量的概率值是显着的。最近,来自许多国家的非金融公司参与了贸易信用交易。在非金融企业的资产负债表中,交易信用交易的规模不断增加。由于最近的贸易信贷工作来自欧洲国家,他们发现非金融公司更感兴趣的是从供应商那里获得融资,而不是金融机构。贸易信贷供应的文献已经证明,拥有金融机构和资本市场的公司能够为其客户提供融资。这篇论文也试图在货币扩张时期强调这一渠道。本文证明,在货币扩张时期,企业能够更好地获得金融机构更愿意加强赊销。企业总是试图调整他们的融资来源,这意味着他们从一个金融来源转移到另一个来源,并试图对其融资来源进行排名。因此,他们利用这个机会,容易获得和更低的成本。今后,还将进行更多的研究来详细探讨这种渠道。对非金融企业在贸易信用交易中如何应对货币紧缩现象进行了研究。可以收集数据来调查货币紧缩或扩大对非上市公司的反应。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
莫易娴[8]（2018）在《生存分析、宏观经济变量与违约概率》一文中研究指出在研究个人贷款违约风险中,传统的研究往往只单纯地将宏观经济指标作为协变量,并未考虑宏观经济指标的时变交互特征(vandell,1993;Zandi,1998)。国外研究达成共识的是以Logistic回归的传统模型不能给出违约概率的动态预测值,且反映经济形势的宏观经济变量也不能纳入模型中。论文论述了生存分析与Logistic模型的理论机理,试图在借贷违约风险中加入系统性风险对违约的影响因素,克服了以Logistic回归模型为代表的传统模型在度量信贷违约概率时仅考虑个体非系统性风险的局限。研究结论说明宏观经济变量确实对违约风险有影响,对网贷违约风险来说,Cox模型更优于Logistic函数。(本文来源于《上海立信会计金融学院学报》期刊2018年01期）
虞文微,曹强[9]（2017）在《国际油价波动对中国宏观经济变量的影响——基于油价冲击分解的SVAR视角》一文中研究指出分析油价波动对于宏观经济的影响具有重要的理论意义和政策意义。本文结合中国宏观经济实际情况,基于短期约束的SVAR模型,并为细致考察不同形式油价冲击的影响,参考Kilian(2008)的做法,将油价冲击分解为供给性冲击、需求性冲击以及特定性需求冲击。以中国宏观经济数据为样本,考察了1994-2015年国际油价波动的叁种结构性冲击对于中国工业增加值、物价水平、以及实际有效汇率的影响,进一步的,考察了汇改前后,以及不同形式的油价非对称冲击对于宏观经济的影响。实证结果显示:(1)国际油价波动对于物价水平具有显着影响,油价上涨带来汇率的贬值,油价波动对于工业增加值影响较小。(2)分别以汇改前后为样本,汇改后油价冲击对于宏观经济变量的影响显着增强,同时汇改后受油价特定需求冲击的影响更大。(3)考察油价上涨以及下降两种不同形式冲击,油价上涨的阶段对于经济产出的影响比油价下降阶段的影响更具有震荡性和持续性。最后,本文针对油价波动对于宏观经济的影响,提出相应的政策建议。为有效应对油价特定性需求冲击以及对于通货膨胀的影响,政府当局应当采取适当政策和石油价格改革机制,同时加快石油储备体系的建设完善。(本文来源于《宏观质量研究》期刊2017年04期）
王雪融[10]（2017）在《宏观经济变量对房地产价格变化的影响》一文中研究指出近些年来房地产行业的蓬勃发展,导致投资过热和房价飙升,对我国经济造成一定的影响,并带来很多社会问题。因此,选取2008—2016年的数据,运用EViews软件对数据进行处理,通过Johansen检验和脉冲响应分析研究宏观经济变量对房地产价格变化的影响,探究房地产价格与宏观经济的关系。最终,实证分析验证了宏观经济与房地产市场密不可分的关联性,并提出应如何通过控制宏观经济变量的变化来对房地产价格进行调控,促进国民经济的健康发展。(本文来源于《黑龙江工业学院学报(综合版)》期刊2017年12期）
宏观经济变量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前,在经典的计量经济学研究方法中,研究宏观经济变量与股市价格波动关系的主要有两种方法。第一种方法利用同一频率数据进行研究,第二种方法利用低频股市数据,使股市数据和宏观经济变量数据具有相同的频率。通常,处理具有不同频率的时间序列数据需要将高频数据转换为低频或同频数据,从而导致高频变量中包含了丢失的有价值信息。因此,本研究采用混合数据抽样(MIDAS)方法,包括混合频率数据,即低频(月)和高频(日)数据,研究宏观经济解释变量与股市价格波动之间的关系。由于数据频率限制的问题,传统的同频模型不能用来研究宏观经济解释变量与股市波动之间的因果关系。因此,将恩格尔提出的经典GARCH-MIDAS(Generalized autoregressive conditional heteroskedasticity-Mixed data sampling)模型集成到传统的GARCH模型中,将股票价格波动分解为短期和长期两个分量。此外,为了确保数据的有效利用,通过宏观经济变量解释长期波动。此外,目前的研究在这方面有所不同,因为它通过整合美元-巴基斯坦卢比汇率的高频数据扩展了经典的GARCH-MIDAS模型,并利用已实现的波动性来解释卡拉奇证券交易所(KSE)的长期波动性。另外,在实证部分,建立了多因素和单因素GARCHMIDAS模型,从横向效应、波动性效应的角度分析和估计了KSE的股票市场波动性。此外,本研究选取货币供应量和消费物价指数作为月度(低频)指标,以美元兑巴基斯坦卢比汇率作为日(高频)指标,研究韩国股市的波动性。进而建立基于改进的GARCH-MIDAS模型,实证结果表明,货币供应量的水平和波动性与KSE(卡拉奇证券交易所)股价波动性具有显着的正相关关系。此外,消费者物价指数的水平值与KSE具有显着的负相关,而波动性值与KSE股价波动性无显着关系。此外,美元-PKR汇率的水平和波动性值与KSE股价波动性均呈显着负相关。实证结果表明,多因素模型的估计结果与单因素模型的估计结果基本一致。然而,多因素模型涉及到大量的参数估计,这可能会导致过度参数化等问题,从而使某些系数值不再显着。同时,预测能力分析表明,单因素模型和多因素模型都具有较强的预测能力。多因素水平效应模型的预测能力优于单因素水平效应模型。此外,单因素混合效应模型与多因素混合效应模型的交叉比较表明,多因素混合效应模型更善于解释巴基斯坦股市价格波动的长期组成部分。针对巴基斯坦的实际经济情况,提出并制定了有效的监管政策(货币政策、通货膨胀和汇率方面),进而提高股市效率、引导合理投资、完善信息披露机制等政策建议。最后,阐述了本研究过程中所面临的研究不足和困难以及未来的发展前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
宏观经济变量论文参考文献
[1].玄尚浩.主要宏观经济变量对中韩钢铁业净利润和股价影响比较研究[D].对外经济贸易大学.2019
[2].Syed,Haider,Ali,Zaidi（海德瑞）.基于改进GARCH-MIDAS模型的巴基斯坦宏观经济变量对卡拉奇股票证券交易所股价波动的影响研究[D].中国矿业大学.2019
[3].孟瑶光,代颖娜.各国国防支出与宏观经济变量的关系研究——基于GMM的动态面板分析[J].海峡科技与产业.2019
[4].周亮.商品指数、投资者情绪及宏观经济变量的关联研究[J].金融理论与教学.2018
[5].胡兰,胡轩于.税收视角下企业研发支出资本化对宏观经济变量的影响[J].云南财经大学学报.2018
[6].马丹,何雅兴,翁作义.大维不可观测变量的中国宏观经济不确定性测度研究[J].统计研究.2018
[7].Hussain,Abid（阿比德）.微观和宏观经济变量对次级融资来源的影响在巴基斯坦[D].哈尔滨工业大学.2018
[8].莫易娴.生存分析、宏观经济变量与违约概率[J].上海立信会计金融学院学报.2018
[9].虞文微,曹强.国际油价波动对中国宏观经济变量的影响——基于油价冲击分解的SVAR视角[J].宏观质量研究.2017
[10].王雪融.宏观经济变量对房地产价格变化的影响[J].黑龙江工业学院学报(综合版).2017
论文知识图
