借鉴国际经验推动中国统计改革

《借鉴国际经验推动中国统计改革》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、借鉴国际经验推动中国统计改革黄朗辉东亚论文第63期ISSN0219-1415ISBN978-981-08-1248-5版权所有⋅未经同意⋅不得转载出版日期：2008年7月24日借鉴国际经验推动中国统计改革*黄朗辉统计工作的职责是用科学准确的统计数字定量地描述经济、社会发展状况，并探讨其发展规律。作为经济、社会发展状况的“晴雨表”，统计数据已成为政府决策、企业经济管理和社会公众了解国情、认识世界的重要依据。进入二十世纪以来，国际上统计理论、方法和实践都随着世界经济社会的进步而得到很大发展。1978年12月中国共产党召开十一届三中全会后，中国开始走上改革开放的道路，传统的计划经济逐步被社会主义

2、市场经济所取代，经济社会持续发展。随之而来的是，统计调查对象数目剧增且复杂多变；利益主体多元化，对统计调查的配合程度下降；政府决策、企业管理、社会公众和国际社会对统计信息数量和质量的要求越来越高。统计信息的生产方式、生产能力和管理模式落后于不断增长的统计需求的主要矛盾越来越突出。统计工作为了适应改革开放的新形势，借鉴国际标准、国际规则和国际经验，在统计工作各个领域实施改革，大大提高了统计生产力,统计数据质量也稳步提高。近三十年的统计改革积累了相当的经验，为进一步建立一个立足中国国情、符合国际统计工作规则的现代化统计体系奠定了坚实的基础。一、国际规则和国际经验1（一）联合国统计委员会（UNS

3、C）颁布的国际官方统计基本原则联合国统计委员会於1994年颁布的官方统计原则是指导世界各国官方统计工作的重要准则。主要内容是：*作者简介-黄朗辉于2008年6月11日至7月10日为新加坡国立大学东亚研究所高级访问研究员。他是中国国家统计局国际统计信息中心顾问，高级统计师，享受中国国务院特殊津贴专家，曾先后在中国国家统计局城市调查总队、企业调查总队和国际统计信息中心担任司长。1UnitedNationsStatisticalCommission(UNSC).11.相关性、公正性和平等获取原则官方统计是一个民主社会的信息系统中不可缺少的部分，它以经济、人口、社会和环境状况的数据向政府和公众提供

4、服务。为此，经过实用性检验的官方统计信息由官方统计机构在公正的基础上予以编制和发布，使公民实现其获取公共信息的权利。2.专业化原则为了维护对官方统计的信任，统计机构需要以严格的专业态度，包括科学原则和职业道德，确定统计数据收集、处理、存储和发布的方法和程序。3.责任性原则为了促进数据的正确诠释，统计机构须按照统计数据来源、方法、程序的科学标准来发表数据。4.防止误用原则统计机构应当对统计数据的错误诠释和错误使用作出评论。5.成本效益原则用于统计目的的数据可通过各种来源收集，可以是统计调查，也可以是行政记录。统计机构须按质量、时效、成本和调查负担选定数据来源。6.保密原则统计机构为统计汇总而

5、收集的个体数据，无论是涉及自然人还是法人，均须严格保密，并仅用于统计目的。7.立法原则统计体系藉以运作的法律、规章和措施须公之于众。8.国内协调原则国内各统计机构间的协调对实现统计体系内的一致性和效率至关重要。29.国际协调原则各国统计机构使用国际通行概念、分类和方法，以促进各级官方统计系统的一致性和效率。10.国际统计合作原则双边和多边统计合作有助于改进各国的官方统计体系。2（二）国际货币基金组织(IMF)提出的数据标准国际货币基金组织总结了上世纪九十年代应对墨西哥金融危机（1994年）和亚洲金融危机（1997年）的经验和教训，研究建立了两个层次的数据标准：“数34据公布特别标准”（SD

6、DS）和“数据公布通用系统”(GDDS)，并于1997年12月投入实际应用，其主要宗旨是督促其成员国加强统计基础建设，提高宏观经济数据的透明度，以避免国际协调和国际合作出现不必要的失误。SDDS和GDDS两级系统的框架和总体要求基本一致。首先，两者都涉及实际部门、财政部门、金融部门、对外部门和社会人口部门五大宏观经济部门的核心指标数据，即国民生产总值（GDP）、生产指数、价格指数、劳动力状况、中央政府预算和债务、广义货币和信贷总量、利率、股票市场、国际收支、国际储备、进出口、汇率、人口、医疗、教育、贫困状况等。其次，对核心指标内容和数据的范围、频率和及时性、数据的质量、数据公布的完整性、数

7、据的公众可获取性等都提出了统一标准和严格的要求。两者相比，GDDS准入条件较低，注重参加国的数据质量和改进、完善的过程，是SDDS的基础，而SDDS准入条件相对更严格，技术标准更高些，注重数据公布的频率和及时性，同时要求及时提供有关指标的数据。目前，参加SDDS的国家约60个，参加GDDS的国家有80多个。2005年，IMF5又提出了立足于上述基础并融入了国际经验的数据质量评估框架（DQAF）,基本涵盖了目前数据诠释的内