宏观经济因素
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇宏观经济因素范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
宏观经济因素范文第1篇
中国的对外直接投资经历了从无到有的过程，自2000年“走出去”战略开始实施，对外直接投资规模迅速扩大，与此同时，中国各地区也经历了经济发展水平提高、引进外资规模扩大、产业结构调整升级、鼓励民营经济大力发展的转型时期。国内宏观经济环境的变化是否是导致中国对外直接投资规模扩大的影响因素?这些因素对OFDI的影响是否具有阶段性的差异?针对这两个问题的探讨，将对中国对外直接投资的发展历程给出合理解释，对处于不同发展阶段的国家或地区制定差异化的对外直接投资政策具有借鉴意义。
一、影响地区对外直接投资的内在机理及门槛条件的提出
(一)对外直接投资的宏观影响因素内在机理考察
20世纪90年代以前，基于对外直接投资主要发生在发达国家的事实，以海默的垄断优势理论、巴克莱的内部化理论、小岛清的边际产业转移理论、邓宁的国际生产折中理论为代表的对外直接投资理论都是以发达国家为研究对象;随着发展中国家对外直接投资的兴起，威尔士的小规模技术理论、拉奥的技术地方化理论和坎特威尔的技术创新产业升级理论也相继提出，在发展中国家开展对外直接投资实践中提供了理论指导。就中国而言，自从“走出去”战略开始实施，对外直接投资得到快速增长，但区域间发展不平衡，经济发达地区的对外直接投资规模远远超出经济欠发达地区。2011年，地方对外非金融类对外直接投资流量合计235.6亿美元，其中东部地区174.35亿美元，中部地区30.7亿美元，西部地区30.55亿美元，中西部地区的投资规模之和只占东部地区的1/3。由此可以看出，对外直接投资的演变历程与投资母国或地区的经济发展水平一致。Dunning提出的IDP理论阐述了对外投资的发展路径[1]，并被后来的研究加以验证[2]。Andreff用一个包含176个发达国家和发展中国家在内的截面样本再次验证IDP理论，发现对外直接投资和母国经济发展水平之间存在函数关系[3]。
研究表明，投资国会通过对外直接投资获得东道国具有而母国不具有或者相对东道国处于劣势的资源，包括自然资源、人力资源、管理经验、营销水平、技术效率等。Dunning总结了对外投资的4种类型：一是市场寻求型，即需求导向型OFDI，是为产品寻找海外市场以弥补国内市场需求不足;二是资源寻求型，即供给导向型OFDI，是为了获得母国所需的矿产、农产品、非熟练劳动力等资源;三是效率寻求型，是为了提高国际分工的效率，促进跨国公司资产组合更加专业化，通常发生在市场寻求型或资源寻求型的投资阶段之后;四是战略资源寻求型，是以增强自身投资公司所有权优势为目的OFDI[4]。某些国家(如瑞士和荷兰)比其他国家(如俄罗斯)具有更强的动机进行对外直接投资，主要是因为其经济发展基础、国内企业的核心竞争力、市场规模、海外市场经验、不具有流动性资源的吸引力等方面存在明显差异。
(二)宏观影响因素及门槛条件的提出
在有关中国对外直接投资影响因素的实证研究方面，阎大颖等以2006-2007年中国对外直接投资的微观数据为样本，从制度方面发现政府政策扶植、海外关系资源及自身融资能力对企业对外直接投资的动机和能力有重要影响[5]。张为付运用内部张力、外部引力和环境支撑力范式对影响对外直接投资的各作用力进行了理论分析和实证检验，作用力包括经济规模、外贸依存度、与贸易伙伴国的摩擦、经济成分结构、政府对外直接投资的政策、人民币对美元的汇率[6]。田巍和余淼杰采用企业层面的微观数据考察了生产率与对外投资的关系[7]。借鉴已有研究，本文将从国内的经济发展水平、吸引外资水平、产业结构、经济成分组成4个方面论述和分析有关OFDI影响因素的门槛条件。
首先，从母国的经济发展水平看，Dunning以母国的人均GDP为指标，采用分组的方法把1971年67个国家分为4组[4]。第一组是人均GDP低于400美元的贫穷的发展中国家，外商投资极少，没有对外投资。第二组包含25个国家，其人均GDP在400～1 500美元之间，外商投资迅速增长，出现对外直接投资。第三组是人均GDP在2 000～4 750美元之间的国家，对外直接投资依然低于外商投资，这一阶段会出现两种情况：一是对外直接投资保持不变，外商投资开始下降;二是对外直接投资的增速超过了外商投资。第四组是人均GDP位于2 600～5 600美元之间的少数发达国家，对外直接投资规模开始超过外商投资，可能是因为对外直接投资的增速远远超过了外商投资的增速。
其次，从吸引外商投资的能力看，某地区吸引外商投资规模的大小在一定意义上反映了该地区的对外开放度。FDI的技术溢出效应对东道国企业的国际化经营和管理模式起到了良好的示范作用，是推动经济发展强有力的工具，有利于地区经济发展模式实现
从“引进来”到“走出去”的转变;而大量外资的引进无疑会在一定程度上解决地区的劳动力剩余问题，增加该地区的财政收入，这种现象极有可能导致地方政府把吸引外资作为地方发展的核心动力，而忽略了本地企业自身能力的培养，导致外商投资对地方OFDI产生挤出效应。
再次，从母国的产业结构看，Andreff研究发现：一方面，对于经济发展良好的发展中国家、资源丰富的国家、新兴工业化国家和发达国家而言，母国的产业结构是影响对外直接投资的重要因素;另一方面，对于经济发展落后的发展中国家和经济转型国家，母国的产业结构对OFDI的影响在5%和10%的显著性水平下均不显著[3]。说明母国产业结构的发展对OFDI的影响存在门槛特征。
最后，从经济成分组成结构看，张为付发现民营企业固定资产投资占全社会固定资产投资比重每变动1%，中国对外直接投资额将变动9.1689%，二者呈现明显的正效应关系，这是因为民营企业正在成为中国对外直接投资的新生主力[6];但是从投资金额占比上看，中国的对外直接投资存在“国升民降”现象，这是因为对外直接投资需要资金实力和信息优势作支撑[8]。这就意味只有实力雄厚的民营企业才能在国际竞争中占有一席之地。
二、对外直接投资宏观影响因素的模型设定及数据来源
对外直接投资规模在中国各地区存在明显差异是不争的事实，这种现象发生的根源来自于中国区域经济发展的不平衡性。由于地理位置不同，对外开放程度存在差异，经济基础迥异导致各地区的经济发展动力不同，国家政策倾斜导致不同地区的经济成分组成不同、产业结构调整方向不同，诸多因素影响了各地区企业“走出去”的积极性。部分越过经济发展门槛的地区，企业在自身经济实力和政策支持下，凭借企业特定优势或国家特定优势能够顺利进行国际化经营[9];而另一些低于经济发展门槛的地区，对企业国际化经营不但无法提供经济支持，还以吸引外商投资的方式加快自身经济发展，从而对本地区的OFDI产生了挤出效应。这就意味着影响对外直接投资规模的因素存在一定的门槛特征，即当一地区的综合经济实力达到一定的水平时，经济发展的提高会使对外直接投资规模迅速扩大。
(一)模型设定
近年来，解决这一非线性计量经济问题的方法从“分组检验”发展到“门限回归”。Hansen建立了关于技术外溢的面板门槛模型[10]，Girma在Hansen的基础上利用面板数据验证了技术外溢中吸收能力的门槛效应[11]。国内学者延续了非线性面板数据计量经济模型的研究[12]。同样地，本文借鉴Hansen的面板数据门槛模型，将模型设定为如下形式：
Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(qit≥γ1)+a3xit+eit(1)
在式(1)的基础上，我们将其扩展为双门槛模型甚至多门槛模型：
Ofdiit=a0+a1qitI(qit<γ1)+a2qitI(γ1≤qit<γ2)+a3qitI(qit≥γ2)+a4xit+eit
其中，i表示地区，t表示年份，γ1和γ2为待搜索的门槛值，且有γ1<γ2，I(·)为指标函数，eit为随机干扰项。Ofdiit表示各地区非金融类对外直接投资流量，年度OFDI流量不存在滞后，能更有效地刻画当期经济状况的发展和变化[13]。qit为本文研究的核心变量，设定为影响OFDI的主要因素，包括：第一，经济发展水平，采用国内生产总值(GDP)和人均国内生产总值(PGDP)来测度地区的经济发展的综合实力;第二，对外开放度，用吸引的外商投资企业投资总额(FDI)来表示该地区对外经贸往来的密切程度;第三，产业结构，用第二产业从业人数(seclab)和第三产业从业人数(thirlab)来衡;第四，经济成分，选取民营经济的固定资产投资(pinve)来测度，通过内资企业固定资产投资总额和国有经济固定资产投资总额相减得到。xit表示本文选取的控制变量，具体包括：第一，出口，以exp表示，用地区的出口总额代表;第二，政府支持，以fisc表示，用各地区政府的财政支出总额代表;第三，研发支出，以rd表示，用地方部门R&D经费内部支出代表。
(二)数据来源
本文所选取的数据为中国29个省区市2003-2011年的面板数据
由于西藏和贵州两省的非金融类对外直接投资流量数据缺失年份较多，故未被包含在检验样本中。，地区的非金融类对外直接投资数据来自历年的《中国对外直接投资统计公报》，其他指标数据来自历年的《中国统计年鉴》和《地区统计年鉴》。其中，以美元统计的出口和外资企业投资总额指标用人民币兑美元的年平均价换算;回归检验之前，用标准化公式：zi=(xi-minx)/(maxx-minx)，对各指标数据进行标准化处理。表1为变量的基本统计量。
(三)影响因素分布的地区差异
把样本划分为东、中、西3个地区，东部地区包括北京、天津、河北、上海、广东、浙江、辽宁、福建、山东、江苏、广西、海南12个省、自治区、直辖市;中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖南、湖北9个省、自治区;西部包括重庆、四川、云南、陕西、甘肃、宁夏、青海、新疆8个省、自治区、直辖市。
图1、图2中的纵轴表示各省市的对外直接投资流量和影响因素位于均值及其以上(均值以下)的比例。从图1和图2可以看出，各变量位于均值以上的省市主要集中在东部地区，西部地区占比在0.2以下，中部地区各变量规模处于均值以上的比例低于均值以下的比例。另外，我们发现，各地区对外直接投资规模与区域经济发展水平的变动趋势一致。对外直接投资规模和GDP水平、引进外资水平、产业结构、民营经济发展轨迹一样，在区域经济发展较好的东部地区处于全国平均水平之上的比例最高，在中部地区次之，在西部地区最低;相反，低于全国水平的各个变量比例在西部地区最高，中部地区次之，东部地区最低。对外直接投资规模及其影响因素从东部发达地区到中西部欠发达地区均呈现明显的递减趋势。
三、对外直接投资影响因素的门槛检验与实证结果
(一)弱外生性检验
目前，检验变量弱外生性的方法主要有两种：一是EHR方法，基于模型所有变量的联合分布函数定义了与模型中重要参数相关联的弱外生变量;二是Johansen方法，在协整框架内，构建无条件误差修正模型和条件误差修正模型，依据ECM模型修正参数的显著性来检验变量是否具有弱外生性。EHR方法不仅可以检验出变量的弱外生性、强外生性及超外生性，还可以进行政策评价，在金融研究领域得到了广泛应用。EHR检验步骤如下：先将待检验变量作为被解释变量，其他可以解释贷款余额的变量以及其本身的滞后一期变量作为解释变量进行最小二乘回归估计，然后把所生成的残差序列加入原等式作为新的解释变量，最后对估计残差进行Lagrange Multiplier检验，确定是否具有弱外生性。
依循惯例，采用上述EHR方法依次检验门槛变量的弱外生性，检验结果如表2所示。从P值可以看到，无法拒绝门槛变量具有弱外生性的零假设。意味着在5%的显著性水平上，市场规模、外商直接投资、产业结构和经济成分均具有弱外生性，把这些影响因素设定为门槛变量是有效的。
(二)门槛条件检验
为了选择恰当的门限个数和门限值，依次估计线性模型、单门限模型、双门限模型和三门限模型，Hansen提出了“格栅搜索法”(Grid Search)，目的是减少在搜索门槛值中执行的回归次数。这种搜索方法把待搜索的门槛值限定在某特定的分位数或者整数值，并分别对搜索结果进行回归并计算相应模型的残差平方和，最小残差平方和所对应的门槛值就被认为是最接近门槛水平的真实门槛值[14]。因此可构造出门槛估计值在95%置信区间的图形，如图3所示。
为了检验门槛效应在统计上的显著性，Hansen提出采用自举法(Bootstrap)模拟似然比检验的渐进分布，得到相应的概率Bootstrap P值，据此判断门槛值的真实性。表3给出了单门槛模型各因素的自抽样检验结果和95%显著性水平下的置信区间。人均GDP和第二产业从业人员的门槛值在5%的水平上显著，其余变量的门槛值均在1%水平上显著。同时为了检验模型中是否有双门槛效应甚至多门槛效应，表4则给出了各影响因素双门槛效应的相关检验结果。由表4的检验结果可知，各个变量的统计量均未能通过显著水平的检验可知。由此可知，不存在双门槛效应甚至多门槛效应，整个模型只存在单门槛效应。(三)模型估计结果
针对各地区的经济发展特征，本文将影响该地区企业对外直接投资的因素归纳为经济发展水平、外商投资规模、市场结构及地区的经济成分结构4个方面，分别对其具体的影响进行门槛回归检验
为了保证门槛值选取及回归的有效性，在实际检验当中，排序后保留样本中最大的10%和最小的10%，只把样本中间80%个变量的值作为门槛值的候选来源。，检验结果(如表5所示)表明这些影响因素存在明显的单门限特征。
(1)经济发展水平。当GDP总量超过27 698.18亿元时，经济总量对OFDI具有显著的正向促进作用，而当GDP总量低于这一水平时，经济总量对OFDI的作用不明显。同样，当一个地区的人均GDP水平超过39 985.07元时，对OFDI的正向促进系数达到0.17，而当人均GDP低于这一水平时，对OFDI的负向影响系数达到了0.26。一国或地区的经济发展水平越高，该国或地区的企业越容易形成对外直接投资的所有权优势、内部化优势和区位优势，一切投资行为都离不开母国的经济发展。
(2)外商投资规模。当一个地区吸引的外商投资规模超过9 145.061亿元时，外商投资对OFDI具有显著的正向影响，系数达到0.66;而当一个地区吸引的外商投资规模低于这一水平时，外商投资对OFDI具有显著的负向影响，系数为0.81。FDI的技术溢出效应使东部地区内资部门的技术得以提升，中部地区得到有效发挥，西部地区的外溢效应为负。提高外商投资的技术溢出效应，增强本地企业的吸收能力，是有效促进本地企业实行国际化经营的有效途径之一。
(3)产业结构。当第二产业从业人数超过610.85万人时，第二产业从业人员会对OFDI具有显著的促进作用，其变量的估计系数在1%显著水平上达到了0.39;当第三产业从业人数超过905.81万人时，此时产业结构的估计系数为0.33，并且通过了1%显著水平的检验，这充分表明第三产业从业人员的增加会对OFDI产生明显的促进作用。相反，当，第二产业从业人员和第三产业从业人数分别低于各自的门槛水平时，会对地区的OFDI流量产生明显的抑制作用，双方的估计系数分别为-0.53和-0.34，并且均通过了5%显著水平的检验。第二产业从业人数和第三产业从业人数对OFDI具有基本相同的作用机理，这与对外直接投资行业分布广泛(中国对外直接投资统计公报，2011)的特点相符。这意味着中国企业在海外市场形成的产业集聚，更多是依靠外部的行业规模优势而不是企业自身具有的特定优势。
(4)民营经济发展。目前，国有或国有控股企业依然是中国进行对外直接投资的主体，但未来，随着民营企业实力不断趋向壮大，国有企业的OFDI占比在达到高峰点之后将逐渐回落。企业对外直接投资的内在经济动力和国家政策导向共同奠定了民营经济在中国对外直接投资中的重要地位。当民营经济固定资产投资规模超过7 414.01亿元时，对OFDI具有显著的正向影响，影响系数为0.36;当民营经济固定资产投资规模低于这一水平值时，对OFDI具有相同程度的反向影响效应。随着民营经济的发展，对OFDI的影响由抑制作用转变为促进作用，体现了民营经济在中国对外直接投资中的强劲后力。
从控制变量可以看出，出口规模对OFDI具有显著的正向影响，与张为付的研究结论一致，说明中国对外直接投资类型是以出口替代、市场寻求型为主。政策支持与企业对外直接投资规模成正相关关系，这与事实情况相符：一方面，国有企业担负着国家的战略发展、能源资源寻求的责任，更多地体现了国家的经济利益，多属于政府政策驱动型的对外直接投资;另一方面，国家积极执行“走出去”战略，大力支持民营企业发挥自身机动灵活的体制优势。研发投入对地区的OFDI规模具有明显的促进作用，说明中国对外直接投资企业研发投入不足、技术水平亟待提高。
(四)结果分析
实证结果显示，国内宏观经济影响因素达到或超过一定门槛值时，对OFDI具有积极的促进作用。以人均GDP为例，如图4所示，从地区看，除内蒙古外，跨越门槛值的省、区、直辖市主要集中在东部沿海发达地区;从时间看，跨越门槛值的省份主要集中在2006-2008年和2009-2011年，而2003-2005年人均GDP跨越门槛值省份很少，仅有上海。由此表明随着时间推移，更多省份的人均GDP对OFDI的促进作用明显在更大范围内显现出来。同样地，中国对外直接投资在近期才得到迅速发展，并且主要集中在东部沿海地区。这是因为经济基础薄弱的地区往往同时存在着对外开放度低、缺乏具有国际经营经验的专门人才、地理位置闭塞、技术水平低、产业结构不合理等内在问题，导致企业很难形成特定的所有权优势、区位优势、内部化优势;另外，经济欠发达地区一切以发展为目的，在现阶段促进对外直接投资带来的经济效益远不如引进外资带来的经济效益大，从而形成对OFDI的“挤出”效应。在政策优惠方面，对民营企业的鼓励政策缺乏针对性，民营企业融资难、规模小、难以形成集中优势等问题仍未得到解决。因此，要合理调整产业结构，积极参与西部大开发战略，结合中西部地区的特色资源努力促进经济发展，转变对外直接投资促进经济增长的思路，把促进对外直接投资和经济增长并重发展，以缩小东、中、西部地区之间的差距。
四、基本结论与政策建议
本文借鉴Hansen的门槛模型，选用中国2003-2011年间29个省区市的面板数据对中国OFDI的宏观影响因素进行估计，得到以下实证分析结论。
其一，中国不同地区的对外直接投资流量规模不同。由于各地区的地理位置、经济基础、国家政策导向不同导致影响中国对外直接投资的宏观因素存在差异，经济发达地区比经济欠发达地区的对外直接投资出现得更早、规模更大。在现有研究的基础上，归纳总结了这些因素影响OFDI的内在机制，并提出这些影响因素具有一定的门槛特征。
其二，本文分别选择了地区的经济发展水平、外商投资、产业结构、经济成分组成等4方面的6个因素，检验这些因素对中国对外直接投资规模所产生的影响，并测算了国内生产总值、人均国内生产总值、外商投资、产业结构及经济成分组成等影响因素的门槛值。只有当这些指标达到或超过门槛值时，对中国OFDI才具有显著的促进作用，反之，则不存在影响甚至对OFDI会产生挤出效应，即中国对外直接投资的宏观影响因素表现出了明显的门限特征。
综合上述结论，本文认为在促进中国企业积极实施“走出去”战略时，需要考虑以下4方面：第一，依据中国各个地区具体的经济实力，对不同地区实行差别化的鼓励政策。为了充分调动中国企业国际化经营的积极性，最根本的途径是促进经济发展，对外直接投资规模的扩大离不开母国或地区经济实力的增强，尤其应对中西部地区加大扶持力度，转变发展思路，实现对外直接投资和经济同时发展以缩小地区间的差距。第二，各地区在引进外资时不但要避免外资企业在国内形成垄断优势阻碍本地企业发展，更要把技术溢出效应作为评估外资质量的重要指标，增强自身吸收能力，加快中国从“引进来”到“走出去”发展模式的转变。第三，中国对外直接投资涉及行业广泛，大多依靠外部行业的规模优势，企业自身缺乏所有权优势，这就要求政府在加快产业结构升级的同时注重优势产业的政策引导，加大研发投入，创造良好的创新环境。第四，政府应充分结合民营企业自身特点培养民营企业的竞争优势，充分利用财税、金融等措施为民营企业提供融资支持和信贷保证，完善对外投资信息服务系统，为民营企业对外直接投资提供强大的资金和信息支撑。
宏观经济因素范文第2篇
但是另一方面,人们也看到了,随着政府调控操作的持续和深入,调控效率也出现了种种不如人意的情况。无论是政府基本取向的调控,例如积极提高内需的增长拉动;还是针对部门领域的调控,例如控制房地产价格过高增长;抑或是货币工具的调控,例如提高利率控制投资过热趋势、调整汇率水平,等等,调控效率的到位水平都存在种种问题,有些政策甚至迟迟未能奏效。这是为什么呢?我认为,一个非常重要的原因就是宏观调控效率遇到了既定增长结构的刚性制约。这种增长结构制约就像一个屏障,把调控政策的可能性效率限制在一个相当有限的范围内。以下仅从四方面进行分析。
数据分析表明,国民收入的增长结构明显向工业企业利润和政府财政收入倾斜,居民收入项目的增长相对缓慢,这是一个对调控政策效率具有基本性制约的重要因素。
国民收入的增长结构,是影响和制约政府宏观调控的一个基础性因素。由此,我们选择了国民收入中具有代表性的三组重要项目:工业企业利润、中央财政和地方财政收入、城市单位报酬和城乡居民收入,对它们1998年到2005年的平均增长水平进行了综合比较。
统计数据显示,从1998年到2005年,我国国民收入的增长在不同领域呈现出明显的差异。这8年的平均年增长水平,工业企业利润的年均增长为30.5%,高居榜首;中央财政和地方财政的年均增长分别为18.6%和16.6%,也具有相当高的增长水平;城镇单位劳动报酬的年均增长为9.9%,远低于前两项的水平;城市居民和农村居民的年均收入增长分别为8.7%和4.6%,居于同期最低位。GDP的同期平均年增长为8.9%。从积累角度考察国民收入增长结构,这也同时可以显示为是社会财富的增长结构。
另一项有关对劳动所得在国民经济分配中比重的研究数据,也为上述状况提供了一种印证。这个研究数据表明,劳动所得在国民经济分配中的比重是持续下降的。1978年到1983年,劳动所得比重从42.1%上升到56.5%,之后从1983年到2005年持续下降,其中只在1993年到1996年中略有上升,2005年的比重为37%,比1983年下降了19.5个百分点。这项研究数据还显示出,同期内资本收入在国民经济分配中比重是持续大幅上升的。1978年,以经营盈余和折旧资本所得及生产税净额为代表的资本收入,在GDP的比例为57.9%,2005年上升到63.3%,加上其他因素,资本比重实际上升了大约20个百分点。
这种国民收入增长结构和社会财富积累增长结构的状况,首先决定了政府管理当局最希望“提高内需拉动”,即较大幅度提高社会消费对国民经济的增长拉力,是很难真正奏效的。1990年到2005年的15年间,国内投资率的年均增长为20.8%,同期消费率的增长只有4.1%。1980年―1990年,最终消费占GDP的比例为62%,之后逐步下降,2005年仅为52.1%。1991年,居民消费率为48.8%,2005年下降为38.2%。这种情况,显然是上述国民收入增长结构状况的必然结果。因为,维持宏观经济高增长的主导力量,肯定只能是投资而不会是社会消费。经济分析的基本学理告诉我们,拉动消费增长的第一个充分必要条件就是居民收入水平的增长状态,而可供分配的国民收入在一定时期永远是一个定量,当资本收入和政府财政收入增长大幅持续提高时,就决定了国民收入用于居民收入的增长不可能太多。
资本收入持续增长,特别是工业企业年均利润增长30.5%的高位水平(尽管不同行业表现出差别),也足以解释为什么货币当局屡屡用提高利率来抑制投资过快增长而屡屡收效甚微。在如此高水平的企业利润增长激励下,降低25个或27个基本点的利率调节,或者再高一点也罢,对企业投资冲动不可能起到具有实际约束力的降温作用。再者,反过来说,有这种高水平的利润增长激励,企业又有什么理由要紧缩自己的投资活动呢?
居民家庭收入的等级结构差异越拉越大,中等和中高收入层的收入持续高速增长、中低收入层的增长明显迟缓,这就使当前一些涉及消费活动的宏观调控政策左右为难。
从2001年到2005年,按照国家统计局五等份分组的城镇居民家庭收入增长统计:高收入、中高收入、中收入、中低收入和低收入的城镇居民家庭年均收入增长,分别为15.23%、11%、9.31%、7.83%、5.35%。在这里,不但高收入层和低收入层之间的增长差距有3倍之多,而且高收入、中高收入和中等收入三个阶层,同低收入和中低收入层的平均差距也相当明显。据有关方面统计,2006年中等收入的居民家庭在2006年的年平均收入已经达到47000元,低收入家庭只有13000元,相差3.62倍。这种情况告诉我们,在经济高速增长中,中高收入阶层的收入持续高速增长、中等收入阶层的收入持续较快增长、中低收入阶层则明显增长迟缓。
这种社会收入阶层的明显分化,常常使我们目前看到一些涉及消费活动的宏观调控政策左右为难,甚至进退维谷。这里仅以政府有关部门对房地产的管理政策为例。近年来国内商品房的价格水平快速增长,引起普遍关注。这里的原因当然很复杂,确有房地产企业高额盈利问题、市场操作失范问题、政府财政资源过分依赖房地产开发问题、境外热钱炒作问题,等等,但我的分析说明,对这种商品房价格高位增长的基本性支撑,可能还是来自市场内部的需求增长力量。以2004年和2005年为例,国内高档住宅和普通住宅的销售价格指数上升最快,两年平均售价增长9.75%和9%,但同时高收入、中高收入和中等收入家庭在2001年-2005年的平均增长分别为15.23%、11%、9.31%,仍然高于前者。这就提供了一个支持高增长价格买房的高增长收入群体,应当不存在买房基础的需求缺失的问题。这里的矛盾仅仅在于,中低收入和低收入家庭的同期收入增长只有7.83%和5.35%,完全不能适应房价高速增长。由此,政府限制房价增长就很难奏效,因为存在市场需求的基本支撑;政府用控制售房面积来满足大多数人住房需求的办法也很难奏效,因为只要还是市场性房价就不可能满足大量中、低收入家庭的住房需求。
国内三次产业的结构变化相当缓慢,第二产业仍然是高速增长的最强大支持,其产值比重甚至出现了稳中微升的状况,这就使加快转变增长方式的各项调控政策执行难度很大。
中国经济的高速持续增长主要依赖第二产业的强大支撑,这种基本增长格局不但没有改变,而且还有进一步稳定和强化的趋势。数据分析显示,进入新世纪的2000年到2006年,第一产业的产值比重是下降的,从2000年的15%下降到2006年的12%;第三产业的产值比重变动极小,2000年为39%,之后在3个百分点上下变动,2006年又回位到39%。第二产业的产值比重在2000年为39%,2001年和2002年下降了一个百分点,2003年之后逐步微升,2006年上升到49%。结论是,中国三次产业的产值结构变化甚微,第二产业的产值比重稳中有升,对经济高速增长继续起着主导性支撑的作用。
这种三次产业结构增长格局的基本状况,就可以在更深层的经济原因上解释,为什么政府宏观调控关于加快转变增长方式的各项政策,在执行力方面的难度很大。例如关于降低能耗和减少污染排放的政府调控目标很不理想,当然可以在法律法规、资源价格、生态补偿等方面找到原因,但是,在目前第二产业如此强劲的增长势头背景下,在目前第二产业的增长还需要依赖我们最重要的比较优势――主要不是依赖技术进步而是依赖资源产品、初级产品和廉价劳动力大量投入的情况下,以高耗能和高污染为特征的增长活动可能发生根本性的改变吗?再以控制土地开发政策为例,在第二产业的主导性产值拉动如此强大的吸引下,对土地资源的扩张开发必然成为地方政府(无论是东部地区还是中西部地区)拉动经济增长最有效的手段之一。
进一步的深入研究还会告诉我们,中国的工业化进程可能仍然处在急剧扩张性发展时期,由此,目前三次产业的增长结构或许并非是不合理的,人为的改变结构恐怕很难,问题在于我们怎样把这个过程的阵痛减少到最低限度。
既然增长结构已经成为影响宏观调控效率的一个重要制约因素,改进的思路就应是:在调控政策实施中考虑增加结构性操作;积极改变目前增长结构中不合理的东西。
任何政府的宏观调控操作,实际上都是在既定增长结构条件下进行的。当调控方向和工具的使用可以基本达到调控目标时,几乎可以不考虑增长结构的问题,但如果这种调控工具的选择和使用总是较多偏离调控目标,对增长结构的重新认识和由此考虑对调控方向和工具的使用进行新的选择,或者进行部分新的选择,就是一个应当认真研究的问题了。我认为思考当前政府的宏观调控操作及其效率,就已到了这样一个时候。
我们应当首先在政策实施中考虑进一步增加结构性操作的内容。例如利率工具的调控,如前所述,在工业企业利润高达30%的条件下,投资持续高速增长很难避免,不断微调利率的办法值得商榷,如果有针对性的提高产能风险大的部门利率,其他部门利率水平不变,效果可能更好。又如政府的房地产管理政策,也需要考虑进行结构性调整,既然高速增长的商品房价格有中等收入以上家庭的市场需求支撑,那么政府除了努力做好规范市场交易的法律法规外,市场房价变化似应不再纳入管理范围之内,政府的着力点应转而放在解决中低收入家庭的住房问题上。
宏观经济因素范文第3篇
【关键词】银行信贷 风险管理 经济因素
一、引言
银行是聚集和经营风险的企业，控制好风险是商业银行存在和发展的基本前提，因此建立健全风险管理体系是商业银行重要的职责之一。尽管各国的银行监管部门都相当重视银行业的风险管理，但是美国投资银行――雷曼兄弟公司的破产，还是引起了全球各国对商业银行的防范和抵抗金融风险能力的担忧。2010年9月，由27个国家银行业监管部门和中央银行高级代表组成的巴塞尔银行监管委员会，制定并通过了《巴塞尔协议Ⅲ》，对银行风险进行更为严格的管理。由此可见，防范和抵抗商业银行信贷风险是全球金融行业关注的核心课题。本文正基于此建立起其微宏观经济因素与商业银行信贷风险的实证模型，以确定各经济因素对商业银行信贷风险的相关关系，以助于我国商业银行建立科学、有效的风险控制体系，以增强商业银行在经营中抵御风险的能力。
二、影响银行信贷风险的因素
（一）微观变量对银行信贷的影响因素
1.贷款比例（LOAN）。在微观方面，贷款比例对银行不良贷款率的变化有着重要的代表意义。一般认为，过快的信贷扩张是比较容易产生信贷风险，但信贷量的增加相当于加大了不良贷款率的分母。因而，对于贷款比例，本文假设H1：贷款比例与银行信贷风险呈负相关关系。
2.资产规模（SIZE）。一般而言，资产规模越大的银行拥有更多的分支机构和网点数量，这样在发挥各网点的地理优势时，可以起到因地制宜、取长补短的作用，以实现风险的分散化，有效降低信贷风险。因而，本文假设H2：资产规模与银行信贷风险呈负相关关系。
3.管理费用支出比例（OR）。银行管理费用的大小直接体现出银行运行效率水平的高低。如果管理费用的支出水平较高，说明企业未能有效利用企业资源，低下的管理效率水平将会增加银行的风险。因而，本文假设H3：管理费用支出比例与银行信贷风险呈正相关关系。
4.资本充足率（CAR）。资本充足率是指资本总额与加权风险资产总额的比例。如果资本充足率越高，说明商业银行抵抗风险水平越强，商业银行风险就越低。因此，本文假设H4：资本充足率与银行信贷风险呈负相关关系。
5.净利息收入占总资产的比例（NIC）。银行的存贷差历来是我国商业银行生存和发展的基础。一般认为，净利息收入比重越大，风险越高。因此，本文假设H5：净利息收入占总资产的比例与银行信贷风险呈正相关关系。
6.不良贷款率（NPL）。当前较为常见的衡量商业银行信贷资产安全的有两个指标：一是违约率，二是不良贷款率。本文将采用不良贷款率作为衡量商业银行资产状况的指标。
（二）宏观变量对银行信贷的影响因素
1.GDP增长率（GDPG）。一般而言，宏观经济越好，社会的消费水平就越高，企业就更渴望扩大投资，以提高产出水平。同时，银行也会在预期良好的宏观经济条件下，扩大企业的信贷规模，增加信贷供应量。因而，本文假设H6：GDP增长率与银行信贷风险呈负相关关系。
2.贷款利率（INR）。贷款利率是衡量资本市场信贷资金的供需状况。一般而言，贷款利率越高，资金的供应量就会越多，而资金的需求量就会越少。本文是选取六个月至一年贷款利率水平作为衡量贷款利率的高低水平，并假设H7：贷款利率与银行信贷风险呈负相关关系。
3.广义货币供应量增长率（M2G）。广义货币供应量是反应货币当局投放到货币市场的货币数量。如果广义货币供应量增长率越大，说明市场资金投放量就越多，相对的信贷基数就越大，不良贷款率就越低。由于货币供应量对市场作用有一个时滞过程，因此本文作了滞后一期的处理，用M2G（-1）表示，并假设H8：广义货币供应量增长率与银行信贷风险呈负相关关系。
三、计量模型与数据选取
（一）计量模型设定
结合微宏观经济因素对商业银行信贷资产风险的影响，建立如下模型：
NPLit=α+β1LOANit+β2SIZEit+β3ORit+β4CARit+β5NICit+ γ1GDPGt+γ2M2G（-1）t+γ3INRt+εit；（i=1，2，…，N；t=2005，2006， …，2011）
（二）样本选取与数据来源
本文选取2005～2011年7年期间在沪深两市上市的国有商业银行、股份制商业银行、城市商业银行以及农村商业银行作为研究样本。样本数据来源于RESSET金融研究数据库、中经网统计数据库。其中中国农业银行在05～07年的资本充足率数据缺失，因此该数据为非平衡面板数据。
（三）实证检验
本文是利用EViews6.0软件对模型进行实证检验。首先，检查多重共线性问题，通过方差扩大因子计算公式：VIF=1/（1-R2），计算出方差扩大因子（VIF）值，如表1所示。由于各个变量的VIF值均低于10，可见，多重共线性对模型的影响很小，基本不存在多重共线性的问题。
宏观经济因素范文第4篇
［关键词］房价供给需求广义最小平方估计
一、引言
据国家统计局相关数据显示，从 2003年至2010年全国房价累计上涨了200.3% 。房价持续大幅度上涨，已超出普通老百姓的承受能力，引发了一系列的社会问题。本文通过定量分析影响我国房价的宏观经济因素，为政府宏观调控部门进行合理决策提供一定参考，以实现房地产行业的健康、稳定和可持续发展。
二、影响商品房价格的理论模型
房地产资产投资额（INVEST）是以货币形式表现的在一定时期内建造和购置固定资产的工作量以及与此有关的费用的总称。它综合反映了房地产资产投资规模、结构和发展速度。从理论上看，房地产投资增加，将导致房地产市场供给的增加，在需求不变，房价将下降。
土地供给价格（LAND）是房地产成本的重要组成部分，土地价格的波动直接影响着房价的走势。据统计，土地价格占房价的35%~45%，主要原因在于政府垄断性卖地，多家土地需求方竞争，抬高土地出让价格。
考虑到我国商品房销售主要集中在城镇地区，用城镇居民人均可支配收入（INCOME）来反映其实际购买能力，进而反映了居民住房消费能力。城镇居民可支配收入的增加将使得居民用来购房的资金增加，同时也使居民有了改善居住水平的愿望，这样就刺激了对房地产的需求，推动了房价的上涨。
房地产开发商的资产中大部分是通过债务融资获得的，因此贷款余额（LAND）的多少势必会影响商品房的供给。同时，自国家鼓励发展个人住房消费信贷后，个人住房信贷消费逐渐发展成为住房消费最主要的形式，对商品房的需求有直接影响。
现实生活中经济学的理性假设往往是不成立的，房地产行业的景气程度（FUTURE）会影响消费者的预期。在房地产行业景气时期，消费者会预期房价会进一步上涨，为了不愿在将来支付更多的货币来购买同样的商品房，那么会有更多的消费者选择现期购买，这样会刺激房地产需求。
三、实证分析及结论
本文选取2003年2月至2010年6月的月度数据为样本，研究影响我国商品房价格的宏观经济因素。被解释变量选取商品房价格（PRICE）（当期商品房销售额/当期商品房销售面积）。解释变量从商品房供给、需求，政府政策和消费预期四个方面选取代表变量。根据经济学理论及相关分析，本文构建如下模型：
从回归结果看，各解释变量系数符合理论分析，同时通过相关统计检验。即收入的增加提高了商品房的需求，房地产投资额的增加提高了商品房的供给，房地产贷款增多促进了商品房投机动机的增强，土地价格的上升提高了商品房的成本，房地产景气指数的变动影响着消费者的预期。利用上述回归结果，根据2010年第三季度的相关数据，对2010年7月至9月的房价进行预测：
由以上回归分析可知，土地供给价格的变动对房价的影响最大。据其原因在于土地供给价格是房地产成本的重要组成部分，土地价格的波动直接影响着房价的走势。几年来我国房价持续上涨，很大的原因在于人们对房价的预期是不断上升的，使得越来越多的人把购买商品房作为一种资产保值增值的重要手段，同时银行宽松的贷款环境，加剧了贷款购房炒房的现象，从而不断地抬升房价。
尽管通过广义最小平方方法能够有效地分析我国房价变化的影响因素及其重要度，但各影响因素对房价变化的作用是否具有滞后效应以及滞后效应的作用大小未能考虑到我们的研究框架中，因此有待进一步的研究。
参考文献：
宏观经济因素范文第5篇
关键词：上市公司 资本结构 宏观经济
一、引言
企业资本结构理论是现代企业理论和公司金融理论的一个重要组成部分，学术界对资本结构的研究主要分为三个阶段：始于1952年，以杜兰特（David Durand）为代表的包括净收益理论、净营业收益理论和传统折中理论的传统资本结构理论；始于1958年，以MM定理为核心的现代资本结构理论；20世纪70年代以后，以权衡理论和不对称信息理论为代表的新资本结构理论。
随着企业资本结构理论研究的深入，关于企业资本结构影响因素的研究也逐步展开。巴克特和卡格（1970）研究发现，规模大的企业倾向于债务融资，而负债率高的企业选择债务融资的可能性较小。其他研究表明，企业的盈利能力（Timan & Wessels,1988）、税收（Mackie-Mason,1990）、企业成长性（Jensen,1986）、经营风险（Hsia,1981）、股权结构（Berger、Ofek、Yermack，1997）等企业自身特征因素对企业资本结构都具有显著的影响。
除了企业自身特征因素外，宏观经济因素也是影响企业资本结构的重要因素。本文以我国沪深交易所上市公司财务数据为样本进行实证研究，研究结果表明，宏观经济变量对我国上市公司资本结构存在比较显著的影响。此外，实证研究表明，不同的宏观经济变量对上市公司资本结构的影响存在较大差异。
二、理论分析与研究假设
相比于从企业自身因素角度对资本结构影响的研究，理论界从宏观经济因素角度对资本结构影响的研究相对较晚。从20世纪80年代开始，国内外学者开始意识到政府制度安排、经济发展状况等宏观经济因素对企业资本结构的影响。
Kim and Wu(1988)的研究表明，通货膨胀会增加负债水平。通货膨胀往往导致更多的负债：一方面，通货膨胀降低了负债的真实成本，在通货膨胀期间对公司债券的需求上升；另一方面，随着通货膨胀率的下降，短期内公司债券收益高于股票收益，从而使得公司债券需求上升（DeAngelo & Masulis,1980）。实际贷款利率的变动对企业融资结构的选择具有显著影响，利息率和通货膨胀率的变动扭曲了税收利益和破产成本，因此影响目标资本结构（Fisher et al,1989）。基于Probit模型的实证研究表明，利率期限结构影响公司的资本结构（Nejadmalayerz,2002）。
GDP增长率的波动在一定程度上反映了经济周期波动的情况，经济增长率较高时，企业有较好的盈利预期，倾向于债券融资，财务杠杆较大。实践中M1增长速度的快慢反映了国家货币政策的取向，M1增长较快则说明国家货币政策较为宽松，企业获得贷款相对容易；M1增速放缓，说明国家紧缩银根，企业贷款难度加大（蔡楠、李梅菠，2003）。Booth et al（2001）通过对发展中国家与发达国家的混合数据研究发现，GDP实际增长率与企业财务杠杆正相关。股票市场越发达，企业具有更多的融资权，股价高涨使得股权融资优势更明显，股票市场价值/GDP与财务杠杆负相关。
此外，财政支出的增长带来市场流动性的增强和商业银行贷款利率的降低，从而使得企业贷款成本和债务融资成本的降低，使得企业偏好债务融资。原毅军、孙晓华（2006）对我国沪深上市公司实证研究发现，财政支出与企业目标财务杠杆正相关。陈耿（2004）的研究表明，银行贷款与债权不仅具有替代性，而且具有相当的互补性。商业银行贷款的增长往往伴随着贷款利率和债务融资利率的下降，使得企业债务融资成本降低。
基于以上分析，本文在实证研究过程中选取了通货膨胀率（Inflation）、实际贷款利率（R-Rate）、国内生产总值增长率（GDP）、M1-M0增长率（DM）、沪深股市总市值增长率（M-Value）、财政支出增长速度（Pub-Expenditure）、上市公司市盈率增长率（P/E）、商业银行贷款增长率（Loan）等八个解释变量对企业资本结构的影响进行分析。本文对实证研究结果做出如下假设：
假设一：通货膨胀率与企业资产负债率正相关。
假设二：实际贷款利率与企业资产负债率负相关。
假设三：国内生产总值实际增长率与企业资产负债率正相关。假设四：M1-M0增长率与企业资产负债率正相关。
假设五：沪深股市总市值增长率、市盈率增长率与企业资产负债率负相关。
假设六：财政支出增长速度与企业资产负债率正相关。
假设七：商业银行贷款增长率与企业资产负债率正相关。
三、被解释变量的选取与实证模型的构建
（一）被解释变量的选取
广义的企业资本结构就是企业全部资金来源构成及其比例关系，不仅包括权益资本、长期债务资金，还包括短期债务资金。已有的研究多从账面价值入手考察企业的杠杆率，由于账面价值不能很恰当的反应当前市场状况下企业真实的资产负债状况，因此，本文选择综合考虑企业债务的账面价值和权益的市场价值，以使得实证结果更加合理。在被解释变量的选择方面，本文将长期债务和短期债务分别考察，共选取如下三个被解释变量：
总市值资产负债率（MTR）=企业总负债/(企业总负债+企业股票市值)；
长期市值资产负债率（MLR）=企业长期负债/（企业长期负债+企业股票市值）；
短期市值资产负债率（MSR）=企业短期负债/（企业短期负债+企业股票市值）。
（二）实证模型的构建
在已有的资本结构影响因素的实证研究中，大多是采用横截面数据进行分析研究，但是由于宏观经济环境的变动，某一个年度的数据常常受到偶然因素的影响。为了克服横截面回归的不足，本文采用面板数据模型对跨年度数据进行回归分析。本文采用的面板数据回归的基本计量模型为：
Ri=αi+βkFk+εi； i=1,2,3；k=1,2,…,8。
其中Ri为资本结构向量（在本文中代表MTR、MLR、MSR）；i代表不同的被解释变量；αi为常数项；Fk为解释变量；βk为解释变量系数；εi为模型的扰动项。
四、实证数据选取与实证结果分析
（一）解释变量数据来源及统计描述
1、通货膨胀率：本文所用我国通货膨胀率数据来自国际货币基金组织数据库和国研网数据中心，是通过消费者价格指数计算得出，采用其年度平均变化百分比。
2、实际贷款利率：采用的是商业银行3至5年期贷款利率与当年通货膨胀率的差值，其中3至5年期贷款利率来自万得数据库和中国人民银行数据库。
3、其余六项解释变量：国内生产总值、沪深股市总市值、上市公司市盈率数据均来自万得数据库库，狭义货币M1-M0和商业银行贷款额均来自国家统计局和中国人民银行数据库，各年的财政支出额来自于国家财政部和国家统计局。
（二）被解释变量来源及统计描述
本文在实证研究过程中选取了上海证券交易所和深圳证券交易所上市的58家具有代表性的企业进行研究，企业基本资料来自于上海证券交易所、深圳证券交易所及巨潮资讯网。通过参考各企业2000年至2008年9年的年度财务报表，本文对 58家企业各年度负债总额、长期负债总额及短期负债总额的账面价值进行了统计汇总。同时，根据锐思数据库公布的数据，统计各企业在各年度资产负债表日企业总市值，然后分别计算企业总市值资产负债率、长期市值资产负债率和短期市值资产负债率。
（三）实证结果与研究模型的修正
本节首先将被解释变量对2000年至2008年所有宏观经济因素变量进行了回归，回归结果显示，几乎所有的宏观经济因素的系数都不显著，存在明显的多重共线性。为了进一步探究解释变量之间多重共线性的严重程度，本文对所有的8个解释变量进行了共线性检验，如表4-1所示：
从表4-1可以发现，通货膨胀率与实际利率之间、市盈率增长率与国内生产总值增长率之间、市盈率增长率与沪深股市总市值增长率之间都存在明显的共线性。
为补救多重共线性问题，本文首先是进行了模型的重新设定，将原来的线性回归模型转变为对数形式：Ri=αi+βklnFk+εi i=1,2,3；k=1,2,…,8；
回归模型采用对数形式后，根据回归结果，多重共线性依然存在。本文采取了删除部分变量的方法，综合考虑表4-1列示的自变量共线性状况，本文删除了实际利率、市盈率增长率和沪深股市总市值增长率三个变量。对总市值资产负债率的回归结果如表4-2所示：
观察表4-2可以发现，所有解释变量的系数都不显著，删除三个解释变量并没有使回归结果变得更好。造成这种状况的原因可能是某些解释变量对企业资本结构的影响具有滞后性，比如国内生产总值体现的是整个年度的总产值，其对以后年度企业资本结构的影响大于对本年度企业资本结构的影响。综合考虑剩余五个解释变量自身的特性，本文对国内生产总值增长率、M1-M0、实际贷款利率和财政支出增长率分别进行了滞后处理，通过不断改变各变量的滞后期数，最终得到相对比较显著的回归结果如表4-3所示：
观察表4-3，采取滞后期数处理后的回归基本达到了解释变量系数显著的目标。但解释变量系数显著并不代表回归效果理想，因为在这个过程中有三个解释变量被删除，模型的拟合度R2也降低了，在某些特定的情况下，可能拟合度降低带来的后果比解释变量系数不显著更严重。
在对部分解释变量进行了定量回归后，接下来要对之前的七个假设进行验证，也就是对八个解释变量对MTR影响的方向进行定性检验。结果如下：
从表4-4可以看出，解释变量中GDP增长率、通货膨胀率和实际利率三个因素与MTR、MLR、MSR之间都有显著的相关性，而沪深股市总市值增长率和市盈率增长率两个因素与MTR、MLR、MSR之间相关性均不显著。总体来看，仅有GDP增长率与实际贷款利率对企业资产负债率的影响与前文的理论预期完全一致。观察因素M1-MO增长率、商业银行贷款增长率和财政支出增长率可以发现，同一因素对企业不同的资产负债率指标影响的方向相同，但是影响显著程度存在差异。
五、研究结论及后续研究展望
本文选取我国上市公司2000年以来的财务数据及宏观经济变动数据进行研究，通过实证分析，得出如下结论：
（1）公司资本结构不仅受企业自身特征因素的影响，还受到宏观经济因素变动的影响；
（2）宏观经济因素对企业资本结构的影响具有滞后性，部分宏观经济因素的变动对企业当年的资本结构产生的影响小于对其后几年企业资本结构的影响；
（3）国内生产总值增长率、通货膨胀率和实际贷款利率对企业资本结构具有显著的影响，而沪深股市总市值增长率和市盈率增长率对企业资本结构影响不显著，部分宏观经济因素对企业不同的资本结构指标影响程度存在差异。
上市公司在经营运作过程中，可以通过宏观经济因素的变动预测我国市场企业整体资本结构的变动方向，从而对自身的融资、经营策略作出相应调整，特别是在经济危机前期，企业融资、经营策略的调整对于企业顺利渡过经济危机具有重要作用。
本文在研究过程中是将上市公司作为一个整体来分析宏观经济因素变动对企业资本结构产生的影响，没有对企业资本结构的行业差异展开具体分析，也没有分析上市公司所在地域的不同给上市公司资本结构带来的影响。因此，后续研究可以将行业因素和地域差异对企业资本结构的影响进行实证分析，探究不同行业、不同地域下企业融资方式和资本结构的选择。
参考文献：
[1]蔡楠、李梅菠. 宏观经济因素对上市公司资本结构的影响[J]. 财经科学，2003.
[2]陈耿. 上市公司融资结构：理论与实证研究[D]. 西南财经大学，2004.
[3]原毅军、孙晓华. 宏观经济要素与企业资本结构的动态优化[J]. 经济与管理研究，2006.
[4]Hovakimian, A.“The Role of Target Leverage in Security Issues and Repurchases.” Journal of Business, 2004, pp. 1041-1071.
[5]Fischer,E.,Heinkel,R.,Zechner,J. Dynamic Capital Structure Choice: Theory and Tests[J]. Journal of Finance, 1989.
