宏观经济统计分析初探

中国储备粮管理总公司　吴琼

宏观经济统计分析初探

中国储备粮管理总公司吴琼

摘要:宏观经济统计分析对于政府统计发展具有重要意义，是社会主义市场经济得以完善发展的基础，在信息时代和网路时代如何促进宏观经济统计的发展是值得我们思考的问题。本文从宏观经济分析的背景、目标和分类等角度进行了初步探讨。

关键词:宏观经济统计分析探索

宏观经济统计分析面临的重要机遇和背景。宏观经济统计分析具有实践性强的特点，它对国家的管理工作和经济发展具有重要意义。当今社会处于信息网络时代条件下，科学的信息数据收集和整理体系的构建至关重要，运用大量的信息数据对科学管理和科学决策进行指导具有决定性意义，能否合理收集和运用信息数据决定了一个国家、一个企业能否在产业竞争、市场竞争乃至国际竞争中取得获得优势。宏观经济统计分析是获得超越发展和飞速发展的前提。当今世界已经进入大数据时代，大量数据所造就的量化大军必将席卷商业界和学术界，大数据对现代科技和世界的推进就如同显微镜一样，它使得精确的测量变为现实，使得决策更具有科学性和理论性，而不再凭直觉和经验，人类社会走向更加科学化发展的阶段。

顺应大数据发展态势，建立符合自身特色的统计分析体系。在大数据时代背景下，中国正处于社会主义市场经济发展的攻坚时期，如何在发展中不断超越自我、跨越瓶颈，发挥好政府的作用是我们面临的首要问题，大数据时代为中国赶超发达国家、突破自身发展困境是千载难逢的机遇，政府部门要建立起公共数据分享平台，给予科学管理、科学规划、中长期发展政策分析研究提供良好的外部环境。我国政府投入大量的人力和财力发展信息网络、与之相关的软件设施和硬件设施，为大数据的发展创造了良好的条件，但是在财务信息、活动记录、业务统计和行政统计上都没有实现信息数据共享，经济统计分析在指标、时间、空间和口径上都存在着不一致的状况，数据库呈现出杂乱无章的状态，这是我国社会统计素质缺乏的体现，是我国政府没有意识到统计作用的体现，这种状况是难以实现科学有效的管理的，中国要成为世界上的经济大国和政治大国，就必须将经济统计分析重视起来，打好宏观经济统计分析的基础，适应大数据时代发展，构建一个全新宏观经济统计分析系统思想的创新模式，在资源环境、能源生产和电网供求上建设属于我国自己的大数据平台，支持国家能源发展规划，实现可持续发展。

我国的宏观经济统计分析应该以产业结构高端化为目标。针对发达国家和发展中国家最近30年的产业结构演化过程进行分析时，我们发现产业结构高端化可以从生产效率、劳动报酬、资本回报和能源消耗四个角度进行度量，也就是说当一个国家或者一个地区的生产效率高、劳动报酬高、资本回报高、能源消耗低的时候，产业结构比较高端，形成创新能力提升、高端人才聚集、经营效率增大、节能减排的产业结构，增强产业之间的辐射带动作用，提升产品的附加价值，大力提升产业链活力。我国经济社会实现全面和健康发展的重要途径是进行产业结构调整，从长远发展的角度看也就是产业结构的高端化。我国现阶段的经济发展需要全面依靠创新驱动，在管理、营销和组织上都要进行商业模式创新，在以人为本的管理理念的基础上坚持绿色发展，推动绿色就业。

宏观经济统计分析主要可划分为两种类型：制度化的统计分析和专题化或者问题化的统计分析工作。制度化的统计分析工作反映了国民经济信息的发展状况，是一种全面的系统分析，建立在政府统计调查指标体系和统计数据资料的基础之上。制度化的统计分析体系是对宏观经济运行结果的数量、质量的深层次评价，是对宏观经济发展情况的综合说明。通过对经济关系分析，经济发展主要成功方面和主要问题的反映，政府进一步建立宏观经济调控政策，提出宏观经济管理的对策和建议。统计分析工作一般在国家统计局和各地区统计局的第一号统计分析报告之中，通常我们所属的经济分析白皮书就是制度化统计分析的代表。制度化统计分析是多方面工作的综合，涵盖了收入分配、市场供应、国际收支和金融市场等多方面，在短期、中期、长期以及动态和静态之间实现平衡。制度化统计分析工作是宏观经济统计分析的基础，是必须要重视的工作方面。宏观经济专题或问题的统计分析工作是灵活和不断变化的。它既要围绕各时期的中心工作，又要善于捕捉经济问题。其特点是：第一，对研究和分析的专题或问题的理论或定性有比较深入的研究和认识。第二，多种调查方法结合运用。一般的制度化统计资料往往在专题问题的研究与分析支持上有所欠缺，因而要采用补充调查方法，如增加抽样调查，同时还要特别注意活情况和软实力的调查，因而典型调查、问卷调查等也常配合运用。第三，利用现代统计分析方法。因为运用现代统计分析方法一方面对问题深入分析有重要的作用，另一方面可以利用方法弥补数据数量不足或数据质量问题等缺陷。

参考文献：

[1]威廉.配第.政治算术[M].中国社会科学出版社,2012

[2]赵彦云.宏观经济统计分析[M].中国统计出版社,2013

[3]Steve Lohr.The age of Big Data[N]. The New York Times,2012