我国gdp数据质量评估分析

《我国gdp数据质量评估分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、主商要：统计数据协调性评估是统计数据质量控制的核心A容，本文基于生产函数模型进行异常点诊断，利用异常值检验方法，分别使用了最小二乘估计（OLS估计）和较为成熟的稳健回归M估计方法对我国GDP数据质量进行了评估，并将诊断结果进行对比和分析。结果表明，基于稳健丽估计和Huber估计的异常值诊断方法可有效地解决传统方法容易出现的易受异常值干扰的缺陷。并且可以得出1978年一2011年我国的GDP数据是相对可靠的。关键词：数据协调性：稳健lH］归M估计；稳健丽估计；Huber估计；异常值诊断Abstract:Theevaluationofstatisti

2、caldatacoordinationisthecorecontentsofstatisticaldataqualitycontrolsystem.ThispaperdetectedoutlinersbasedonproductionfunctionmodelbyusingbothOLSandrobustregressionMestimationtoassessChina’sGDPfrom1978to2011.Comparedandanalyzedbothresultsshowingthatthediagnosedmethodwhichisbas

3、edonbothRobustMMestimationandHuberestimationcansolvedtheproblemsthattraditionalmethodmightbeinterferedwith.WecansafelydrawtheconclusionthatChina’sGDPdatafrom1978to2011isrelativelyreliable.Keywords:Statisticaldatacoordination;Robustregression;RobustMMestimation;Huberestimation

4、;Outliersdetection1前言1.1研究背景随着中国经济的发展，国内外经济及社会学者、居民等对统计数据关注日益增多，统计数据与相关指标的协调性也备受瞩目。英文“statistics”（统计数据）和“state”（国家）有着相同的词源。由此不难理解，对于国家愈发的不信任，催生了对于经济统计数据愈发的不信任和不理解。我们这个时代围绕GDP概念纠缠许多的政治辩论，我们有必要对GDP略知一二。我们是否还能负担得起FI前的消费水平，奧巴马的财政刺激是否有效？中国将在何时超越美国，成为世界最大经济体等等这些答案都取决于GDP。例如美国在近年来财政

5、危机上的表现能够好于1929年，其中一个理由就是21世纪的决策者能更好、更及时地知道经济健康的真实数据。因此，统计数据是人们认识、了解以及探知社会的重要渠道，同时也是制定各种政治、经济决策的重要科学依据。错误的统计数据会带来严重后果，不仅影响着居民对当前社会的了解和经济形势的认知，同时也影响着政府的决策与判断。因此，改善统计数据质量，提高数据之间的协调性和匹配度，不仅有助于提高官方统计的社会公信力，而且对政府、企业和社会公众正确判断社会经济形势、提高决策效率都有非常重要的理论和现实意义。1.2文献综述众多国内外很多学者使用了多种多样的方法去研究中

6、国统计数据可靠性以及评估方法。一方面是国内外对中国统计数据可靠性研究后对我国统计数据质量持质疑的态度，认为在数据的收集和使用上存在问题。中国经济改革研究基金会国民经济研宄所副所长王小鲁（2000）、孟连（2000）针对中国经济增长统计的准确性指出经济增长在某些时段或年份与能源增长发生找不到原因的重大偏离甚至是反向变动，以及经济体制改革所导致的综合要素生产率没有原因的突然大幅度的跃升都是“不正常”的，并总结出七个可能导致数据偏差的机制。同时，针对统计数据质量评估方法的研究，王华和金勇进（2009）等先后总结了近年来主要的统计数据准确性评估法，研宄了

7、15个指标的变动与中国官方估计的GDP增长的相关关系。由于之前的思想是利用统计指标的历年数据来拟合模型，然后根据拟合的模型预测出历年的预测值。其缺点是模型的最后评估结果以及模型的质量受到自变量数据正确性的影响，如果多个指标同时出现质量问题，难以保证对数据的评估结果。刘洪和黄燕（2009）针对这些缺陷，基于经典计量模型运用异常值的检验方法及统计诊断原理对各样本点同时进行数据可靠性评估，在使用预测值评估数据可靠性的方法中，用异常值检验来分析预测值和实际值的差异程度，并应用于2008年我国地区经济增长横截面数据可靠性评估。上述研宂方法多是从某一方而通过

8、一种方法验证中国或某地区的数据可靠性或者准确性，且不能通过相关模型诊断出数据不协调的具体位置和指标及其程度。滕红（2010）、张龙（20