寇文红纯技术报告发电量GDP工业增加值中的闰年因素逻辑与证据..docx

发电量、GDP、工业增加值中的闰年因素：逻辑与证据寇文红 2013年4月18日2013年4月15日，国家统计局发布一季度GDP未季调同比是7.7%。昨天有人提出，2013年2月比2012年2月少了一天。如果把这一天算进去，则2013年一季度GDP同比实际上相当于8.8%，远远超出市场之前预期的8.0%。因此经济增速不仅不低，反而是超预期复苏。这听起来很荒唐，因为从我们跟踪的中游行业数据（工业品库存、销量、价格、利润等）来看，GDP无论如何不可能比8%更高。那么到底是怎么回事呢？统计局发布的GDP同比中到底包含不包含闰年因素？如果包含，则2013年一季度的7.7%确实相当于8.8%。如果不包含，则2013年一季度GDP就是7.7%。那么怎么证明有还是没有？如果有，影响有多大？厘清这些问题，有助于加深我们对经济数据的理解，也有助于清除市场上的一些错误认识。4月17日UBS的汪涛发表的报告中说，她与国家统计局沟通过，统计局称没有剔除GDP中的闰年因素。另有同行称与统计局沟通时，统计局称闰年因素可以忽略。我们无法接触到统计局的工作人员，因此必须自己设法证明这些数据中到底有没有闰年因素。我们用简单的方法，在国家统计局发布的发电量数据中发现了明显的闰年因素，在GDP和工业增加值同比中则没有发现明显的闰年因素，或者说几乎没有发现闰年因素。一、春节效应和闰年效应的叠加、剔除时存在的问题首先分析一下春节效应、闰年效应是如何影响发电量同比的。春节效应是指春节会影响经济活动，从而影响经济指标的表现。由于每年农历大年初一所处的公历日期不同，因此春节效应每年都在移动。闰年效应则是固定在2月份，会拉高2月份经济活动总量。下表第2列展示了1995年至2016年每年大年初一所处的日期；第3列展示了春节效应和闰年效应的分布；第4列根据第3列推测每个闰年2月份发电量同比的高低；第5列给出国家统计局发布的闰年2月发电量同比；备注里说明我们的推测是否正确。图1 春节效应和闰年效应：一个简单的对比数据来源：该表说明，春节效应、闰年因素叠加后，对经济变量（及其同比）的影响每年各异。如果我们能够把春节效应完全剔除掉，一点不剩，就可以清楚地看出闰年效应的大小。但是我们其实无法把春节效应完全剔除掉。原因是：每年的春节效应大小都不一样（图2），但我们在为剔除春节效应编制虚拟变量时，是遵循同一套规则为所有年份编制的。这就导致了：如果某些年的春节效应被剔除得很干净，那么必然有其他一些年份剔除不干净，这必然会导致观察到的“闰年效应”其实不完全准确。图2 2012年、2013年春节效应比较数据来源：二、发电量数据中的闰年效应下面对统计局发布的月度发电量数据进行分析。发电量本质上不是通过抽样“统计”出来的，而是“记录”下来的。理论上说，统计局应该是原原本本地把闰年2月29天每天的发电量记录下来，并加总在一起，然后发布出来，里面应该包含有闰年因素。仔细观察数据可以发现确实如此。下面我们用自己的方法来“探测”之。对1995年1月至2012年12月的发电量进行如下两种操作：【1】进行季节调整，同时剔除春节效应，不剔除SARS影响，不剔除闰年效应；然后计算季调同比；【2】进行季节调整，同时剔除春节效应，不剔除SARS影响，为每个闰年2月设置虚拟变量剔除闰年效应；然后计算季调同比。最后把【1】、【2】的结果绘制在一起（图3）。我们的思路是：如果发电量数据中不存在闰年因素，则【1】和【2】的季调同比应该是完全一样的。如果发电量数据中存在闰年因素，则在闰年2月，序列【1】的值应该明显高于序列【2】的值。图3闰年效应对发电量同比的影响数据来源：注：图中都没有剔除SARS影响。如果剔除，结论不变。图3表明，在发电量数据中，1996、2000、2012年2月都存在明显的“闰年因素”。2004、2008年2月则不明显。我不太确定这是为什么。或许正如在前文所说，春节效应虚拟变量的编制方法会导致观察到的“闰年效应”不准确。因此，2004年、2008年2月的闰年效应可能被掩盖了一部分。不过图3至少说明了一个问题：统计局发布的发电量数据中确实存在闰年因素，在分析时应该考虑到它的影响。例如2013年1-2月发电量累计7573.2亿度，同比是3.4%。粗略地算的话，可以乘以60/59，再对2012年1-2月计算累计同比，得到7.16%，与2012年10-12月每月同比大体持平。相应地，2013年1-2月工业增加值同比9.9%，也与2012年10-12月大体持平（略低）。三、工业增加值同比中的闰年因素工业增加值同比和发电量同比高度相关，因此表1大体上也适用于工业增加值。由于我们要采用季节调整，所以首先必须有一个靠谱的工业增加值定基指数，否则一切都无从谈起。图4表明，我编制的工业增加值定基指数是靠谱的，可以放心进行下一步的