宏观经济数据范文精选

“超额”保八第三产业崛起

2009年国内生产总值（GDP）同比增长8.7%（上年为9.6%），政府“保八”任务终于超额完成。今年GDP四个季度增速分别为6.2%、7.9%、9.1%、10.7%，与2008年逐季回落恰成鲜明对比，其同比基数效应一目了然（见图1）。

受国家经济政策的引导，在过去的五年里，第三产业得到迅速崛起，而第一、第二产业在当年GDP构成中的份额出现明显下降。我国经济结构的改变，表明某些行业上市公司市值庞大，有其内在行为逻辑——实体经济中的构成演变与虚拟经济中的资金流向高度相关。

货币乘数“被上升”收紧始于四季度

央行尚未公布去年11月、12月部分金融数据，图3中较大的数据为我们的测算结果。央行在去年四季度保持了较大力度的净回笼操作，广义货币供应量（M2）增速虽有放缓，但绝对数量仍居高位。测算显示，至2009年末，货币乘数可能攀升至5倍左右，接近2006年的阶段性高位。

货币乘数反映基础货币的周转速度，表达整体经济运行的流畅程度。图3显示，贷款与M2的增速同步性比较清晰。在2009年信贷猛增背景下，央行通过净回笼着力减少基础货币，形成年末货币乘数的“被上升”，我们认为其持续性不佳。若以最近数月的货币乘数作为先导指标，来判断实体经济运行状况，可能失效。

本周一，存款准备金率上调0.5个百分点正式实施；周三，中国证券报消息称,行政管控下，商业银行在本月剩余时间内停止发放贷款。尽管银监会主席当天即否认该消息，但均匀投放贷款确是监管要求，采取“停止放贷”这种极端手段，应非空穴来风。

CPI季节性跳升PPI按时转正

9月宏观数据中CPI仍是关键看点

9月宏观经济数据令人期待。首先，9月CPI到底是向下、持平还是反弹，是判断下一步政策会否放松、何时放松的重要信号。其次，9月工业增加值是延续下滑势头，还是在定向宽松政策刺激下企稳甚至回升，是考验决策者对经济增速下滑容忍阙值的重要依据。总体而言，我们认为9月CPI通胀率将与8月持平，增长仍会在紧缩政策调控下继续温和放缓。

CPI不会反弹，PPI明显下行

从总体上看，今年8月CPI同比和PPI同比与7月相比均有小幅回落。就9月食品价格而言，估算各品种的环比价格，虽然仍是涨多跌少，涨幅最大的是蔬菜，平均涨幅达8-9%；其次是鸡蛋，涨幅达到3%；最后是食用油，也有2%左右涨幅。而下跌品种主要为水产品和水果，但跌幅不大。就9月工业品出厂价格而言，煤炭价格有所上涨，而化工产品、水泥、有色金属价格有所下跌，但涨跌幅均不大。因此，我们认为，9月食品价格周环比涨幅明显高于8月，预计9月CPI不会回落，而会与8月持平于6.2%。

最近3月PPI同比之所以保持在7%之上，主要是因为去年同期PPI环比曾明显通缩，留下了很低的基数。未来几月，随着基数效应的过去PPI将会明显下行。我们预计9月PPI为5.8%。

投资总体稳健，经济温和放缓

预计9月社会消费品零售总额同比降至16.5%，这部分是因为高通胀之下居民消费意愿的持续走低。预计前9月固定资产投资增长保持稳健，增速微降至24.7%。原因是，短期内相应的项目审批没有出现松动，整体基建增速还将持续回落。房地产销售面积增速持续低迷，地产资金链继续恶化，虽然保障房具有一定的对冲效果，但整体房地产投资可能出现快速回落。

由于商品房销售增速保持低位，基本电器的农村普及性需求高峰已经过去，新增的家电家具等更新需求相对偏弱，我们预期社会零售总额的真实增速略有小幅回落，9月社会消费品零售总额同比增长16.5%。

北京大学中国经济研究中心“CCEIK中国经济观察”第17次报告会于2009年4月25日下午在北大朗润园召开本次报告会围绕国际货币体系改革和当前宏观经济形势等问题进行深入探讨北京大学经济学院教授施建淮、中金公司董事总经理粱红、渣打银行中国区研究主管王志浩、北京大学中国经济研究中心教授宋国青、陈平、卢锋等发表了精彩演讲。本期朗润园观察家择要刊发了中金公梁红及宋国青两位专家的发言，他们对中国经济未来的发展都表现出了乐观的预期，

今年3月工业生产比去年11月增长折年率19.7％。超过15.6％的正常增长率。1季度GDp环比增长7.4％。1季度出口额下跌量低于4季度下跌量。考虑到出口额已经下跌近1/3，未来几个月月度下跌额将继续减少，出口下跌对总需求的负面影响将逐月减小甚至消失。住房销售从2008年11月1400亿恢复到今年3月2500亿，相当于2007年8月的最高水平。以个人中长期贷款推断的房贷数据，与住房销售高度―致。过去5年住房销售近9万亿，房贷余额现在是3万亿多，说明房贷还款比例非常高。新增房贷平均相当于住房销售40％。每月归还上月末房贷余额2.3％，一年归还27％，相当于平均3年多还完房贷，这意味着银行房贷资产安全性非常高。―个原因是存贷款利差很高，贷款者尽量通过亲友借贷等非银行融资提前还贷；另一个原因是个人收入增速较高。

过去几个月贷款增长非常猛，尤其是3月贷款增加近19000亿。贷款增长预示经济需求将很快回升。跟11年前相比，上一次通货紧缩从1997年到2003年彻底走出花了5年时间，这一回差不多5个月已经发生明显改变。引起贷款猛烈增长和经济回复主要有两个宏观经济变量。―是企业资产负债状况，二是企业投资报酬率，还有对未来宏观经济的预期。

首先看规模以上工业企业负债率。1998年负债率是64％，数据本身不高，但当时很多企业没有留下充足的退休基金安排退休职工，这笔钱报表上不反映，但按道理应该算作企业的潜在负债。如果算上这一部分负债，当时企业平均负债率是70～80％，其中相当多企业是负资产。从商业银行角度就不愿意贷款，导致贷款收缩。后来经过一系列调整降低企业负债率，包括通过债务重组处理银行不良资产，以及通过财政安排退休职工，2001～2003年企业负债率降到57％。

另一个指标是净资产收益率。1998年净资产收益率是4％，税后净资产收益率是3％，而银行贷款利率9％，这种条件下经济必然下行。后来经过资产重组，投资报酬率恢复到9％以上，税后5～6％，勉强跟贷款利率持平，经济得以回升。

以2009年4月的前一年和2002年4月的前一年相比，2008年的情况好于2001年。2008年负债率57.4％，低于2001年的59.1％。2008年净资产收益率14.6％高于2002年的8.5％。

从对经济预期看，2002年市场普遍认为增长不到8％，现在从“朗润预测”20家机构预测结果看，大部分人认为经济短期将回升，今年增长“保八”没有问题。其实1季度贷款和M2增长本身就说明预期。尽管去年4季度普遍预测比2002年下跌更厉害，但11～12月贷款数字出来以后就调整了看法。

从银行角度，现在比2002年，企业负债率更低、投资报酬率更高、经济预期更好。2002年企业贷款1季度同比增长率11％，4季度上涨到13％。既然2002年都是前低后高，今年也会有多少额度都可以全部贷出。剩下的问题是贷款的真实性。从2、3月活期存款增长，基本上可以排除用票据融资套利可能。

大数据时代对数据的挖掘、处理和分析的方式，对于传统的宏观经济分析，无疑是一次大的革新

在新常态下，我国经济面临的形势和任务更加复杂艰巨，政府宏观决策对宏观经济分析的准确性和时效性提出了更高的要求。随着大数据时代的到来，借助大规模数据生产、分享和利用，以崭新的思维和技术去分析，将揭示海量数据背后所隐藏的宏观经济运行模式。

大数据方法和技术不仅可以被深度地应用在微观分析、行业研究领域，也可以运用在宏观决策之中。未来，大数据既是企业占领市场、赢得机遇的利器，也是政府进行宏观调控、国家治理、社会管理的信息基础。而大数据时代对数据的挖掘、处理和分析的方式，对于传统的宏观经济分析，无疑是一次大的革新。

大数据应用于宏观经济分析的趋势

传统的宏观经济分析通常是通过对比主要宏观经济指标、建立宏观经济计量模型、仿真宏观经济动力系统，对宏观经济形势及未来发展趋势进行判断与预测。

在当前的大数据时代，越来越多的宏观经济政策制定者和相关专家学者都已经意识到，大数据对宏观经济分析有着革命性的影响。目前，在宏观经济分析及预测中运用大数据方面，无论是国外还是国内，从新型宏观经济指数构建，到建立新型大数据宏观经济预测模型，各方面都取得了一定的进展。

早期大数据在宏观经济分析领域的应用，主要集中在建立新的宏观经济指数，以便更加准确的反应宏观经济运行状况。这方面的工作主要基于个人的交易记录，包括像一些欧洲国家将销售点扫描数据纳入CPI指数编制。

特别引起关注的是麻省理工学院的经济学家利用网上购物交易数据创建的BBP项目 （Billion Prices Project），基于不断变化的一篮子商品所计算的日度通胀指数。这种实时的通货膨胀指数能够比相应的官方数据更好地反映实际经济运行的情况。当年，在雷曼兄弟公司倒闭后，BPP 的数据显示，大部分美国企业几乎立刻开始削减价格，这就表明总需求已经减弱。而相比之下，官方通胀机构公布的数据直到当年11月，即在10月CPI数据公布后，才对通货紧缩有所反应。

[摘 要]计算机的广泛应用和云时代的来临，使得大数据受到越来越多行业和人群的关注。大数据技术的战略意义不仅在于获取海量的数据信息，而且能够对这些看似毫无关联的信息进行专业化处理和分析归类，从而为某一行业发展提供必要的数据支持。将大数据技术应用到宏观经济中，对宏观经济的政策制定、数据挖掘、发展分析提供参考性依据，有利于提高宏观经济分析的时效性和准确性。因此，必须重视大数据在促进宏观经济发展中的积极作用。

[关键词]大数据；宏观经济；机遇与挑战；分析

[DOI]10.13939/ki.zgsc.2016.42.028

2015年9月份，国务院与工信部联合印发了《促进大数据发展行动纲要》，明确要求在“十三五”规划中重点推动大数据的发展和应用，建立运行平稳、安全高效的经济运行新机制，这也为在大数据时代下更加精准、更加高效地开展宏观经济分析提供了政策保障。

1 大数据在宏观经济分析中的重要作用

1.1 为宏观经济分析提供丰富的数据支持

我国经济发展正处于“三期叠加”的关键时期，影响宏观经济发展的因素也是多种多样，要想保证宏观经济分析结果的准确性和时效性，就必须以大量的数据信息做样本，对数据样本进行客观、专业的处理和评估。传统的宏观经济数据获取方式存在诸多弊端：一方面是数据样本数量有限，难以反映出影响宏观经济发展的整体因素；另一方面是数据获取途径少，时效性低，往往与现阶段的经济发展现状不相符合。而大数据技术借助于计算机、互联网和电子信息技术，能够在短时间内获取各个部门、各个行业的经济发展数据，例如全国旅游消费总额、全国商品房年销售总量等。可以说，只要数据分析部门获取了相应的数据调查权限，就可以随时调用管辖范围内与宏^经济分析相关的数据内容，从而极大地丰富了宏观经济分析所需的样本容量和样本种类，确保了宏观经济分析的准确性和时效性。

1.2 为宏观经济分析提供更多的方法

《统计与信息论坛杂志》2014年第六期

一、统计数据及时性的内涵

随着人们对统计数据分析的细化和深化等多方面的需求，统计数据质量观念也随之变化，学界开始从统计数据提供者、生产者和用户等多个角度来考察数据质量，准确性已不再是用户对统计数据质量的唯一需求。为此，有关国际组织和各国统计机构从满足用户需要的角度出发完善和丰富了统计数据质量的概念。如美国的《统计科学百科全书》给出统计数据质量涵义：一是产品的质量由现在以及潜在用户对产品再使用过程中的相合性决定的；二是统计数据质量所涉及的统计数据在多大程度上满足用户对统计信息的需求和期待的各个方面。欧洲统计局提出了统计数据质量的涵义包括数据适用性、准确性、及时性、可取得性、衔接性、可比性、方法专业性或完全性等维度。另外，加拿大统计局、荷兰统计局等欧美统计机构给出了统计数据的不同维度框架。归纳其结论，及时性是除了准确性之外统计数据质量概念共有的内涵。

统计数据及时性是统计数据用户或潜在用户对统计数据时间的需求和期待，它是统计数据质量在时间上的体现。宏观经济统计数据的及时性要求政府统计机构通过统计方法的革新，信息技术的应用等措施以提高统计数据的及时性，完善制度以便用户及时获取统计信息。一般情况下，所见文献对数据及时性是通过调查基准期与统计数据时间之间的间隔长度进行测量，认为用户获得数据的时间越早越好，并没有从满足用户对统计数据时间的需求和期待的角度进行评价，其有效性无法给出具体评判。依据统计数据及时性涵义，统计数据及时性评价是针对用户运用统计数据对未来情况预测和决策的有效性评价，如果用户获得的统计数据能对未来情况做出有效预测和决策，则说明该统计数据具有及时性，反之，则该统计数据不满足及时性要求。本文认为某一经济因素会对未来经济状况产生持续的影响，为了发挥该因素统计数据的有效决策价值，获得该因素数据的时间至少不应当超过该因素对未来经济情况产生影响的平均时间长度。基于以上思想，从该因素数据发挥效应的平均滞后时间的角度对数据质量的及时性进行诊断。

二、诊断模型的构建

（一）假设的提出区域宏观经济是一个相互联系、相互影响的系统，宏观经济各个因素的统计指标之间存在着相互影响的因果关系。对于区域宏观经济系统，应当建立宏观经济系统模型予以描述其各个因素的数据生成原理。为了定量研究宏观经济统计数据质量的及时性，本文对宏观经济系统有以下假设：1．宏观经济各个指标的统计数据是采用同一时间一次性。这一假定符合中国统计数据的制度，与我国统计数据的实际情况一致。2．用户需求的统计指标之间存在因果关系，且这种因果关系可以用线性或广义线性模型予以描述。对区域未来某期经济情况的判断总是依据现有的若干影响指标予以判断，如对区域未来某时期国内生产总水平（GDP）情况作预测，需要选择GDP的影响因素并构建滞后变量模型，根据各影响因素指标对GDP决策的滞后期长度来确定各指标数据的及时性。

（二）诊断方法设计依据经济理论，本文认为地区生产总产值（GDP）主要受当期或过去各期的投资（I）和零售品消费（LSE）两个主要因素影响，因此，可以构建区域国内生产总值（GDP）的滞后模型，具体由式（1）给出。由于决策目标变量不同，对影响变量的及时性要求也不尽相同。实际上，获取当期数据对于决策来说是最有效的数据，但是现实中也不可能实现数据即时的收集和，依据模型确定的最长滞后期对于决策目标变量来说也不合适，这时获得数据的有效性几乎不大了。因此，指标时期小于决策所需平均滞后时间长度就可以满足对目标变量的决策需要。所以，依据影响变量对决策变量的平均滞后时间（MLT）与数据时期长度进行比较，就能够评价影响变量数据的及时性水平。定义2给出的测度工具是评价一套统计数据及时性的综合工具。这里，我们是对p个指标的及时性水平求向量平均模长，其数值大小表示一套数据的及时性综合水平，在实际应用中，也可以对各个指标进行加权综合。同样，当η1说明一套指标整体及时性较好，能够满足决策需要；当η＜1说明一套指标整体及时性较差，不能满足决策需要。

三、宏观经济统计数据及时性诊断的实证分析

摘 要：基于大数据时代背景下，大数据技术的诞生与普及性运用，为社会各领域的发展注入了全新发展动力，在此过程中，大数据为宏观经济分析提供了有效的技术支撑，并借助丰富数据的获取为提升宏观经济分析的科学性奠定了基础。但从实践过程看，大数据时代的到来在给宏观经济分析带来机遇的同时，也使得该项工作面临着巨大的挑战，如何实现对所存在难题的有效应对，亟待解决。本文针对大数据时代的宏观经济分析问题进行了探究，并为如何促使大数据更好的服务于宏观经济分析提出了对策。

关键词：大数据时代；宏观经济；机遇；挑战；对策

一、前言

基于互联网经济时代背景下，计算机技术的广泛运用促使数据信息能够得到有效的收集与处理，但随着计算机网络体系的逐步完善，面对海量信息数据，如何实现对数据的高效快捷处理，以实现对信息资源的充分利用，成为各行业领域所面临的一大挑战。在此背景下，大数据技术的应运而生，为实现对这一问题的有效解决提供了出路，对于宏观经济分析而言，同样离不开大数据的支撑，因此，这就需要针对宏观经济分析之需，实现对大数据的完善运用。

二、在宏观经济分析中大数据所呈现出的价值

主要表现在如下两方面：第一，提供更加全面的数据信息。对于宏观经济分析而言，因所分析的内容多且广，加上会受到诸多因素的影响，进而使得在实际开展这一工作的过程中，因数据信息的不全面、获取信息的时效性低等，使得宏观经济分析的结果缺乏科学性。而将大数据进行运用，则能够借助计算机网络技术的支撑，实现对数据实时动态获取，并以丰富数据的获取来支撑该项分析工作得以实现高质高效落实。第二，丰富了分析方法。在传统宏观经济分析中，主要财通的方法为统计分析模型，借助抽样分析法来获得样本数据，并以此来作为整体，进而使分析结果难以与事实相符；而借助大数据技术的运用，则能够借助海量数据信息的获取，以计算机为支撑来实现对数据信息的自动分析，进而以总体分析法来提升分析结果的可靠性。第三，分析技术水平得以提高。在实施大数据分析的过程中，离不开计算机技术的支撑，借助结算及技术的运用则能够以多种分析模型的搭建与多种识别技术的融入，来取代大部分人工分析工作，以技术的全面支撑来提高分析的准确性与效率性。

三、基于大数据时代下宏观经济分析所迎来的机遇与面临的挑战

1.机遇

摘要：2008年金融危机后，我国经济逆流而上，成为世界经济中的一枝独秀，但也遭到国外一些机构的贬损。我国宏观经济数据之间确实存在一些相互冲突的地方，最为明显的就是税收收入的增速长期超越GDP的增速。我国学者只从合理性的一面进行论证与解释，掩盖了问题的实质，也就无法矫正税收超经济增长的现象。通过中外税收收入对外口径的比较发现，我国税收收入中有两个部分在西方国家的税收收入中是不包含的：一是税收返还（由财政返还给纳税人的税款），二是税收空转额。通过调整，将这两部分从税收收入总额剔除后，我国税收收入的增长基本与GDP的增长保持了一致，同时宏观税负也更趋于合理。

关键词：大数据；宏观经济；数据冲突；数据协调；税负；税收返还；税收空转；税式支出

中图分类号：F810.422 文献标识码：A 文章编号：1007-2101（2014）05-0067-05

一、引言

随着互联网、云计算的飞速发展，近些年全球信息量以每年翻两翻的速度爆炸式增长，成为当今社会增长最快的资源之一。这种规模大、种类多、处理速度快、价值密度低的海量数字化信息，被称为大数据。进入大数据时代，由于数据的开放与共享，使人们获取与数据变得十分容易，一方面，它为网民的生活、学习、工作提供了极大的便利，另一方面，它也为少数别有用心者丑化他国政府提供了有力的工具。自2007年起，《福布斯》的全球“税负痛苦指数”榜单中，将中国排名全球第三，之后不断提升中国排名，2009年将中国排名全球第二，2011年将中国排名为全球第二和亚洲第一。可以肯定的说，这是一种有意的安排，不排除有故意丑化中国形象、搅乱中国民情的嫌疑。对《福布斯》的税负痛苦指数，我国官方和学术界从来就不予认可。不过我们也应该看到，我国对外的宏观经济数据中，不同部门的数据之间、不同数据比例关系的逻辑上确实也存在一定程度的相互冲突的现象。如2009年2月26日，国家统计局全年税收收入为57 862亿元，而财政部税政司的全年税收收入却为54 219亿元，两个数据相差3 600多亿元。同时，利用我国向世界银行提供的宏观经济数据，通过简单的环比增长速度的计算，就可以得出我国税收收入自1995年以来至今，18年间一直存在着超经济增长的结论，这是我们难以否认的事实，当然这也这给有意丑化中国的个人或机构予把柄。

对我国税收收入超经济增长的现象，我国有很多学者，如吕冰洋、李峰（2007），丁小平、刘铮鸣（2012），胡怡建、刘金东（2013）等，运用数学模型和大量的数据进行了实证研究，并给出了在我国税收超经济增长存在着合理性的解释。其主要结论是，税收超经济增长的原因是我国经济的快速增长，税务部门对税收征管的加强，以及存量资产的快速增长。我们不怀疑这些学者论证方法和过程的科学性和严谨性，但这些结论仍然经不起实践数据的验证与推敲：如果说经济增长是导致税收超经济增长的原因，那么自2009年及其以后，我国经济增速开始下滑，为什么2009年及其以后各年的税收收入的增长依然没有停止超经济增长的迹象，即仍然保持着超经济增长的态势？如果说税务部门税收征管的加强是导致税收超经济增长的原因，那么按照税收收入年平均超经济增长3.95%的速度计算（见表1），税收超经济累计增长18年后，因税收征管的加强引起的税负就会达到纳税人总产出的71%，这足以让大多数法人纳税人倒闭了，但为何还能持续生存到今天？如果说是存量资产的快速增长导致了与存量资产相关的房产税、土地使用税、土地增值税收入的快速增长是可能的，那么增值税与存量资产的增长并无直接关系，为什么增值税收入也存在超经济增长的现象？总之，脱离经济的税收运行不可能没有不合理之处的存在。

国家税务总局自2002年起，几乎每年都不厌其烦地要向社会公众解释税收超经济增长的原因，并将税收收入超经济增长的原因主要归结为：（1）税收收入与GDP的统计口径不同；（2）GDP的结构与税收结构之间存在差异；（3）外贸进出口对经济增长的作用与对税收增长的作用影响不同；（4）税收征管因素的影响；（5）部分税种如工资薪金个人所得税等采用的是分级累进税率，收入增长与税率增长的幅度不同。这种多因并重的解释方式，似乎并没有找到问题的关键。2010年国家税务总局对西方个别机构对我国纳税人税负过重的宣传进行了辩论，指出西方个别机构在评价方法上和计算依据上明显存在着错误。看来，税收数据的冲突具有扩大之势。

党的十八届三中全会提出了稳定税负、透明预算等方面的改革要求，将我国财税体制赋予了国家治理的基础和重要支柱的地位（高培勇，2014），因此，税收增速和税负问题，已不再是一个简单的数字问题，它已涉及到了国家治理基础的战略层面，应给予足够的重视。

从一个较长的时间维度来看，转型过程中传统的经济指标的确会系统性地高估或者低估经济现状

从一个较长的时间维度来看，转型过程中传统的经济指标的确会系统性地高估或者低估经济现状。从而，我们需要对现有预测谨慎解读的同时，不断寻找更好的替代指标

今年二季度以来，宏观和中微观经济数据持续背离。宏观数据企稳而中微观数据表现不佳，为对未来经济形势的判断频添诸多分歧。从最新数据来看，我们持续监测的国信高频宏观扩散指数一改8月持续大幅下滑，在9月出现明显改善；9月统计局制造业PMI也与8月持平，未像市场预期那样继续下跌。在中国经济弱企稳迹象增加之际，宏微观经济数据也开始出现收敛。但经济数据的起伏不会影响我们研究的基本结论：当前中国经济正处于转型期，传统的经济指标对经济走势的指示意义可能会出现变化，并可能会出现一些失真。

高频数量指标的相关性在下滑

在预测工业增加值增速时，高频的发电量和用电量是常用指标。在著名的“克强指数”中，耗电量也是组成指数的三个经济指标之一，可见其在判断经济走向上的重要性。然而，今年以来基于电量增速预测的工业增加值方向时常出现一定偏差。例如，工业增加值于5月、6月的强劲反弹在耗电量上的表现并不显著，同样的宏微观背离也出现在部分其他上游资源品的量价上。

发电量和工业增加值相关性正在系统性下降。从图1中可以看出，2012年之前工业增加值和发电量增速之间的变动方向非常一致，波动幅度之间的相关性也较高，但2012年之后两者之间的波动同步性在减弱（图1）。进一步地，2012年三季度开始，两者的相关系数（剔除1月、2月）出现了非常显著的下滑，之前相关系数一直维持在0.9以上，但当前相关系数已经降至0.7。这表明发电量对工业增加值的解释能力正在出现系统性地下滑。

相关性下降的原因在于高耗电行业增速与整体工业增速不一致。从统计局公布的分行业电力消费量数据来看，2012年工业用电占比大概在72.8%，且呈下降趋势，这主要是由于第三产业和居民用电占比的提升。进一步细分来看，工业行业内部耗电量最高的五个行业依次是，电力热力生产和供应、燃气和水生产供应、黑色金属冶炼加工业、化学制造业、有色金属冶炼加工业，加总起来在工业用电量中占比在70%以上，其中前三项占比达到50%以上，而这五个行业的工业增加仅占总量的25%。这意味着，如果这些行业的增速和整体工业增加值的增速不一致，那么将会导致耗电量增速和工业增加值增速出现背离。例如，2009年工业增加值反弹，但发电量增速连续负增长，当时统计局给出的解释就是，能源密集型行业复苏步伐要落后于整体工业增速。

高能耗行业增速放缓导致发电量增速低估工业增加值增速。2012年以来发电量和工业增加值之间相关系数下降，这在某种程度上反映了高能耗行业增速的放缓。这集中体现在2012年以后发电量增速中枢相比工业增加值来说有着更加显著的下降上。而高耗能行业尤其是钢铁和其他金属加工行业增速放缓，主要是受到产能过剩的拖累。2012年在“4万亿”刺激消退后，上游资源型行业即进入去产能过程，增速持续走低，这对于耗电量增速的拉低程度要远远高于工业增加值增速。因此还是根据历史经验，用发电量增速来预测工业增速可能会出现低估。

国家统计局有责任为公众提供系统的、内部一致的数据，以利于社会正确地分析和认识经济形势。

目前宏观经济学界又开始存在较大的分歧，分歧的焦点是对于中国目前宏观经济形势的判断，说目前强劲复苏的有之，认为2009年下半年才能触底的也有之。各方都有数据有分析，对于自己的结论十分自信。按理说，判断经济形势最主要的数据应该是国内生产总值（GDP），但是国家统计局每个季度才公布一次GDP，因此对月份经济形势的分析则是依据国家统计局按月的宏观数据。这样做的合理性，很多人都认为是不言而喻的。

理解这一问题的关键是了解计算GDP的两种方法。一种是生产法，每个季度国家统计局所公布的GDP数据都是基于生产法。但是在分析经济形势的时候，人们习惯说消费、投资和净出口三大需求，则是支出法GDP的概念。国家统计局也计算支出法GDP，但是所公布的支出法GDP是年度的数据。而人们在分析每个月的宏观数据时，是默认这些月度数据就相当于支出法GDP中的消费、投资和净出口。最近的一件事将这一问题公之于众，使各方都陷入了一定的窘境。

最近，国家统计局副局长许宪春撰写了《如何理解今年一季度支出法GDP增长率》一文，特别指出了月度公布的数据与支出法GDP中的各项目在统计口径上的差异，而且指出支出法GDP中的各项目增长率和月度宏观数据增长率之间的巨大差异。这使得应用月度数据分析宏观经济的基础动摇了。

这篇文章原本是为了回答一些境外媒体和评论人员对一季度GDP增长率与反映全部最终需求变化情况的支出法GDP增长率之间匹配性提出的质疑。但由于月度数据往往被人们误解为是支出法GDP中对应项目的对应数据，同时GDP的数据是季度数据，因此人们总是希望使用这些月度数据来分析经济的趋势，并对季度GDP数据进行检验。因此，事实上该文章也是对于这一类分析提出了实质性的质疑。

该文特别说明零售额数据包括一些不能被视为消费者支出的项目。其中最重要的几项是：以企业和政府机构为对象的零售额，这二者当然都不是消费者；建造住房用的建筑材料，其实应算作家庭投资的一部分。该文也指出，零售额数据中也不包括用于教育和医疗等服务项目的支出以及农村家庭所消费的自产产品。

当然仅仅指出这些区别并不能解释增长率方面的差异，因此该文进一步指出，与零售额相比，通过城乡入户调查得出的家庭消费开支数据能更好地反映消费者的支出情况。但是家庭消费开支增长率要大大低于零售额的增长率，统计局估计实际居民消费增长率只有9%。这是在分析中国现在经济状况时特别需要注意的区别。但使用家庭消费开支数据的缺点是：该数据是按季度的，无法在月度基础上使用。

分析中国现在经济状况还有一个特别需要注意的地方，即资本形成总额包括：固定资本形成总额和存货变动两部分，全社会固定资产投资实际上是与其中的固定资本形成总额相对应的统计指标,但两者在内涵上仍然存在明显的区别（此处不再赘述这些区别）。该文指出，初步推算的固定资本形成总额实际增长率只有24%左右,明显低于全社会固定资产投资增长率。但如果考虑到资本形成总额还包括存货变动，一季度全部存货变动大幅度下降,同比呈较大幅度负增长,从而大大抵消了固定资本形成总额对资本形成总额实际增长率的贡献,使得资本形成总额实际增长率其实只有7%左右。