摘要
作为衡量经济运行状况以及判断增长周期的重要指标，国内生产总值 GDP 的作用不言而喻。但目前 GDP 数据的发布频率以季度为最小周期，或不利于及时追踪经济发展变化。挖掘其他数据指标，特别是中高频经济指标与 GDP 的联系，对实现经济增长指标高频化以及经济增长预测有着重要的意义。本文探索中高频经济指标并剖析其与经济增速的联系；同时以深圳 GDP 数据为例，检验上述指标在预测 GDP 增速中的效果。具体地，本文通过数据可得性、先行性以及连贯完整性等因素，筛选出了 PMI、CCI 及规模以上工业增加值作为路径假设以及检验的主要指标。经初步分析，基于选定指标对于经济增长推断有效的前提假设，利用全国性数据推断深圳经济增长在技术上可行。探索性分析的结果显示选定指标对深圳市经济增长速度变动方向预测有一定效果（均大于 45%；其中 PMI 保持在 60% 左右）。然而，单一经济指标或有限数量的指标组合对经济增长数值变动的预测效果有限，预测效果不及理论预期。这种结果很大程度是经济系统的复杂性所致，后续研究需进一步对数据进行处理以及调整模型以提高预测的精度。
一、经济增长与经济指标概述
经济增长受多种因素影响。从结构上而言，国内生产总值 GDP 与一系列的投资、消费以及进出口贸易活动相关（）。从另一角度看，国内生产总值即各部门生产总值之和。目前国家或者地方的经济增长数据发布以季度为最高频率，而部分与前述结构或者产业相关的数据则会以更高频率进行更新，包括日数据以及月度数据等。掌握这些较中高频指标与综合经济增长数据的内在联系，对于经济预测与及时调整经济社会政策具有重要的战略意义。现有研究既有通过构建与活动要素相关的经济指标以预测经济的增长（程实等，2024），也有通过某一产业中的综合指标对经济运行的情况进行预估（广发宏观，2023），或是兼而有之。
资料来源：教材经济学章节（左图）和作者自主梳理（右图）。
经济指标可以基于其发布频率归类为高频、中频或低频指标；也可以根据其与宏观经济增长存在的先后顺序归类为先行指标、同步指标、滞后指标（详见表 1）。其中中高频的先行指标对经济增长具有重要的实操意义及价值；而同步指标若能较 GDP 数据更早或更频繁发布，在某种程度上也可能达到经济预测的效果。
资料来源：“什么是宏观经济的先行指标、同步指标与滞后指标”，统计知识库，国家统计局。
为了更好地诠释经济指标与经济增长的联系，以便实现经济增长预测的目的，本文基于数据的可得性、数据的发布频率及数据的发布时间等因素对要探讨的指标进行了挑选（详见表 2）。
资料来源：作者自主梳理。
采购经理指数 PMI（Purchasing Managers’ Index）是基于采购经理对短期行业趋势态度的月度反馈而形成的扩散指数，能在一定程度上反映制造业以及服务业产业的发展趋势。而作为经济增长的重要组成部分，制造业和服务业的增长预期也可能在相当程度上预测经济增长情况。该指标以 为枯荣线，当其超过 则表示行业整体扩张；而当其低于 通常反映行业的衰退。早期广东省工信厅会定期发布本省的 PMI 指数，但 2018 年 12 月后因某些原因停止广东省 PMI 指数的发布。目前仅有的中国官方数据则于每月最后一天公布。
消费者信心指数 CCI（Consumer Confidence Index）是反映消费者信心强弱的指标；该指标通过抽样获取消费者对于当前及未来一段时期的就业、收入和消费意愿等情况的主观判断并将其量化编织形成数据。消费者信心指数又包含消费者满意指数以及消费者预期指数。作为预测经济走势和消费趋向的一个先行指标，消费者信心指数是监测经济周期变化的重要依据。消费者信心指数介于 – 之间取值，类似于采购经理指数的分类方法，中间值 为指数强弱变化的临界点。消费者信心最直接反馈的是影响 GDP 的家庭消费模块。
新开工项目计划总投资反映的主要是重大项目的进度以及预算计划情况，其通过影响企业投资或者政府开支（取决于项目的性质）对区域经济的发展有一定的预测反馈作用。但是受限于数据的完整性以及连贯性，本文无法从实证角度对此项指标进行展开实证分析。
规模以上工业增加值表示的是工业生产活动的最终成果。工业增加值是企业全部生产活动的总成果扣除了在生产过程中消耗或转移的物质产品和劳务价值后的余额，是企业生产过程中新增加的价值。其中规上工业企业是年主营收大于 2000 万的工业企业（含国企）。根据前文的分类，规模以上工业增加值属于经济发展的同步指标，因为其直接构成了 GDP 中第二产业的重要成分。虽然在某种程度上来讲规模以上工业增加值并不具备典型的经济预测作用，但是当其数据发布频率高于一般的经济增长数据时，对于构建总体的经济增长预测模型具有重要的作用。
二、选定经济指标预测经济增长情况的前提假设
本文已经在上述章节概括了观察经济增长的两个主要角度：根据经济活动或者产业类别，以及按照不同的标准对经济指标进行归类。经过筛选，本文选定 PMI、CCI 以及规模以上工业增加值作为预测经济增长的中高频指标。不难发现，上述选定指标大多以全国作为统计口径；统计口径的差异会导致使用国家性的经济数据预测地方的经济增长存在一定偏差。因此，利用全国性数据对地方性的经济增长进行预测可行性的需要进行初步检验。
然而，在国际经济全球化趋势愈发明显，国内经济大循环格局日益凸显的背景前提下，区域经济发展关联更加紧密。这种联系不仅体现在世界经济对于中国经济的影响，也体现在中国经济环境对于地方经济增长的作用。本文通过对 1980–2022 年中国与深圳市的 GDP 增长率进行可视化，并初步探索二者之间是否存在一定的关联。初步观察可以发现，1980–1990 年中国与深圳的经济增长在增速上存在较明显的差异；而 90 年代以后至今，二者之间的变化方向基本一致。由于全国及深圳的历史年度数据呈现的都是正增长，本文进一步对数据进行处理，通过作差法展现经济增速的相对变化。不难发现在二者在相对增长速度上在 2005 年之后无论在速度变化方向上还是增幅变化上都存在高度的协同性（详见图 2）。此外，统计预测也表明这种一致性很可能会延续（详见图 3）。
数据来源：中国统计局以及深圳统计局；图表由作者利用制图软件自制（下同）。其中 CGR%（China Growth Rate）表示中国经济增长率，GR% 则默认为深圳的经济增长率。
数据来源：中国统计局以及深圳统计局。注意其中 deltaCGR%（Changes in China Growth Rate）表示中国经济增长率的相对变化，deltaGR% 则默认为深圳的经济增长率。Direction 表示二者相对变化（加速增长或放缓增长）的方向，用二元变量 1 表示方向的一致性，-1 表示方向的差异性。
通过上述的讨论，我们可以得知利用全国性数据对深圳的经济增长进行预测具备可行性的前提可以确立，特别是当研究的时间跨度落在 2005 年之后的时期。当我们假设先行指标确实对预测经济增长有实证效果时，利用不同口径的指标实现经济增长预测可以通过下列的公式进行逻辑推导：
三、选定指标预测经济增速效果分析：以深圳 GDP 增长为例
数据来源：深圳统计局。
图 4 展示了深圳市 2009 年第二季度至 2023 年第四季度的经济增长变化情况。从同比增长变化可以看出，深圳市 GDP 的累计同期增长基本保持在正值（2020 年第 1 季度除外）。进一步地，我们对数据进行了处理，以便更好地展示经济增长速度本身的变化，可视化的结果呈现出其增速变化具备一定的周期性，围绕平稳增长 上下规律性地波动。
本次收集的月度数据包括 PMI 数据（包括制造业和服务业）193 个，CCI 数据（包括综合信心指数、满意指数以及预期指数）205 个，以及深圳市规模以上工业增加值累计同比增长数据 161 个。深圳经济增长数据则数量较为有限，共收集到 59 个季度 GDP 增长数据。由于工业增加值数据在这些时期中数值变化方向仅有 1 年为负增长（99.4% 为正增长），此处认为其在方向判断上的意义较弱，因此在方向预测则省去对其的讨论。为了探究选定指标对于经济增长速度变化的方向性预判作用，本文将原始数据进行了简单的处理。当增长速率为正数时赋值 ，反之当增长速率为逆向时，即速度相对放缓，则赋值 。GDP 增速变化值的哑变量与其他指标的哑变量之和共有三种情况：，，。当和值为非零数值时，则表示二者为同方向变动；反之亦然（详见图 5）。
由图 5 可以看出，CCI 数据（包括其中的几个具体分类）与 GDP 增速的方向变化上存在一定的关联。综合消费者信心数据、消费者满意度、消费者预期数都有 的情况与深圳经济增速增长变化方向一致。而 PMI 数据则表现出更强的关联性，其中制造业 PMI 有超过 的情况与经济增速变化方向一致；服务业 PMI 则与此相似，有 同向变化。
进一步地，本文对数据进行处理，通过初步的探索性实证分析，了解不同的选定数据与变化的震动幅度之间的数值关联。由于可以收集到的经济增长数据以季度为主，导致完整数据组数量较为有限。为了使统计口径一致，本文简单地用某一月度性全国数据为代表对该季度的情况进行预测。同时为了避免这种效果处理的局限性，也将数据进行了错位处理。具体地，除了使用同期数据（）对数据进行预测外，也运用前几期的数据进行计算，包括 期、 期等。
上述表格根据 OLS 基准模型，对选定经济指标预测深圳市经济增长效果进行了分析。回归结果显示选定数据对经济变化值预测的效果不及预期，仅 PMI 数据呈现出一定的预测效果。在数据都是当期数据时，服务业 PMI 与 GDP 增长关联最大，每 的服务业同比变化，或导致 的深圳经济增长速度的数值同方向变动。然而，制造业 PMI 以及消费者预期却呈现出一定的负相关。当使用前一期数据时，整体预测效果进一步削弱。
但是值得注意的是，数据模型的 却有显著的提高。在其他数据指标不具统计学显著意义的情况下，这很可能主要是服务业 PMI 的关联性进一步增强所致。结果显示，每 的服务业（上一期）同比变化，或导致 的深圳经济增长速度的数值同方向变动。前二期数据的所有数据结果，根据回归结果显示，对深圳市的均不具备统计学意义上的预测效果。这不仅体现在数据指标都不显著，也体现在 的数据上，缩小至 。可见预测效果或随时间迁移而削弱（需后续研究）。
四、结论与反思
本文介绍了分析经济增长的两大视角（考虑经济活动或产业类别），以及常见的经济指标分类。首先探索了使用国家性的数据推断深圳市数据的可行性，进而利用基准回归模型分别对数据指标在预测深圳经济增长的变化方向以及变化数值的潜力进行了探索性分析。
探索性分析的结果显示选定指标对深圳市经济增长速度变动方向预测有一定效果。然而，单一经济指标或有限数量的指标组合对经济增长数值变动的预测效果有限，预测效果不及理论预期。这种结果很大程度由经济系统的复杂性所致，后续研究需进一步对数据进行处理（增加变量等）以及调整模型（时间序列分析、随机森林等更进阶的模型等）以提高预测的精度。
附录：相关原始数据详见EXCEL 表格