《政府统计数据质量评估方法及其应用研究》由会员分享，可在线阅读，更多相关《政府统计数据质量评估方法及其应用研究（44页珍藏版）》请在金锄头文库上搜索。
1、政府统计数据质量评估方法及其应用研究政府统计数据质量评估方法及其应用研究课题负责人：许鹏现阶段统计数据质量问题具有特殊的重要性，它既关系到国家宏观调控的有效性，也关系到各类市场经济主体的切身利益，还关系到统计部门乃至整个政府部门的公信力。但是，我国统计数据质量总体上不高，而对统计数据质量的研究还比较薄弱，特别是其中有关我国统计数据质量实际状况及评估方法的研究更是不够。因而，对统计数据质量的评估方法进行系统研究并展开相应的应用研究也就具有重要的理论和现实意义。一、政府统计数据质量评估的基本理论研究（一）统计数据质量概念的界定目前，国内外对统计数据质量的概念均存在多种不同的理解。我们认为，应从统计
2、数据用户角度来界定统计数据质量概念。从数据用户角度来看，统计数据是用户消费的一种特殊产品，因而可借鉴国际标准化组织对质量术语的定义，将统计数据质量界定为“统计数据满足明确或隐含需要的特征总和”，具体包括准确性、相关性、及时性、一致性、可获得性以及可解释性等基本特征（维度）。 (二) 统计数据质量评估的内容框架为了能全面系统地评估政府统计数据质量，可将评估内容设定为三个部分，即：政府统计制度方法设计质量评估、政府统计数据准确性评估以及基于数据用户的中国政府统计数据质量综合评估。统计制度方法设计质量评估是从统计数据生产过程的角度进行的质量评估，而统计数据准确性评估和统计数据质量综合评估则均是从统计
3、数据自身的角度进行的质量评估。该评估框架也可理解为统计数据的“生产产出使用”评估框架。（三）统计数据质量评估的方法框架统计数据质量评估方法大体上包括逻辑关系检验法、计量模型分析法、核算数据重估法、统计分布检验法、调查误差评估法、标准与规范遵守报告法、指标集测评法以及数据质量综合评价法等八个基本类别。各基本类别评估方法按评估维度不同又可归纳成两大类别：一维评估方法用于评估统计数据质量的一个维度，目前主要是用于评估统计数据的准确性或可信度；多维评估方法则可用于评估统计数据质量的多个维度，比如准确性、及时性、适用性、可比性、可理解性和可获得性等。一维评估方法几乎全部是定量方法，而多维评估方法则既包括
4、定性方法，也包括定量方法（表1）。表1 按评估维度划分的统计数据质量评估方法类别评估维数评估方法类别名称包含的基本类别评估方法一维一维评估方法逻辑关系检验法、计量模型分析法、核算数据重估法、统计分布检验法、调查误差评估法多维多维评估方法标准与规范遵守报告法、指标集测评法、质量综合评价法二、政府统计数据质量一维评估方法研究（一）逻辑关系检验法逻辑关系检验法是以宏观经济统计指标体系中各统计指标之间存在的包含、恒等以及相关等内在逻辑关系为判断标准，实现对统计指标数据的可信度的粗略检验。如果在检验中某一组统计指标数据违背了它们之间所存在的特定的逻辑关系，则表明该组统计指标数据存在可信度问题，有可能是其
5、中的一个或部分数据不可信，也有可能是整组数据均不可信，但至少有一个数据不可信，需进行进一步地分析和核查。按照检验所依据的逻辑关系的不同，该方法可细分为比较逻辑检验法和相关逻辑检验法。总体上看，逻辑检验法作为一种传统的检验方法，操作简单且通俗易懂，在对数据的可信度进行初步检验的情况下得到了广泛的应用。但是，从检验的方法技术角度来看，逻辑检验法要么过于粗糙，要么根基不稳。 (二) 计量模型分析法计量模型分析法是指以建立计量经济模型为基础来对相关统计指标的数据质量进行评估的一类统计数据质量评估方法的总称。其基本思路是：先通过深入分析，依据相应的经济或统计理论构建一个能够有效地刻画统计指标之间的影响关
6、系或统计指标内部的发展规律的计量经济模型，并选取样本进行模型估计；在此基础上，以模型的估计结果为基础，分析待评估的统计数据与所构建的评估模型的相吻合情况，并在一定的理论依据或假设条件下得出待评估的统计数据是否可信的结论。运用该类评估方法的关键是：怎么构建有效的计量经济评估模型；怎么分析待评估的统计数据与所构建的评估模型的相吻合情况。前者虽然对统计数据准确性评估极为重要，但其主要受研究者的理论水平以及建模水平的影响。后者主要包括模型参数可靠性分析、模型异常点诊断以及模型预测误差分析等三种方法。模型参数可靠性分析法是在所构建的理论评估模型充分有效的情况下，分析拟合得到的具体评估模型中的各参数估计值
7、，考察其所反映的经济运行机理是否与相应的理论分析结论相符合，并据此来判定样本数据与理论评估模型的吻合程度，从而在一定的假设条件下对待评估统计指标数值的准确性做出判断。由于模型的参数估计值是与拟合样本整体相对应的，因此，该方法评估的是待评估统计指标在拟合样本整体上的数据质量。根据分析角度的不同，该类方法又包括模型参数经济意义分析法和模型参数稳定性分析法。模型异常点诊断法是在所构建的理论评估模型充分有效和拟合得到的具体评估模型通过了各种基本检验的条件下，计算并分析评估模型在各样本点上的残差等统计量的取值情况，据此找出那些与评估模型存在较大偏离或者对评估模型具有较大影响的样本点；在此基础上通过具体的
8、现实情况分析，在一定的假设条件下对待评估统计指标在各样本点上的数据准确性做出判断。根据在拟合评估模型和计算统计量时采用的处理方式的不同，该类方法具体包括常规残差分析法、稳健统计残差分析法以及统计诊断法。模型预测误差分析法是在拟合得到的评估模型通过了各种计量经济学检验和经济意义检验、具有良好的统计预测功能的情况下，运用具体的评估模型和评估期样本对待评估指标进行预测，并以待评估指标的模型预测值作为其实际值的参照标准，通过比较与分析，在一定的假设条件下对待评估统计指标的实际值的准确性做出判断。具体来看，预测误差分析法包括相对误差控制法、预测区间判断法和误差显著性检验法。总体上看，计量模型分析法和相关
9、逻辑检验法一个共同的优势是紧扣了统计数据准确性评估的现实基础。由于统计数据的“真值”通常是无从知晓的，特别是在宏观经济统计领域，对统计数据准确性的评估也只能退而求其次，即评估统计数据的可用性、适用性和有用性。只要待评估的统计数据可用、适用并且有用，便可认为统计数据是基本可信的、准确的，而开展计量模型分析正是统计数据的最主要用途之一。反过来看，计量模型分析法的共同的不足也主要体现在对模型解释变量的样本数据的假设上，即假设模型中的其他统计指标数据都是准确的，这在实际中容易导致检验结果具有多重指向性。（三）核算数据重估法核算数据重估法是指以从统计核算的角度重新估计特定的统计指标数据为基础来实现对相关
10、统计指标的数据质量进行评估的一类统计数据质量评估方法的总称，多用于评估GDP及其构成项目的现价水平数据和增长率数据的准确性，具体可分为价格指数重估法和物量指数重估法。价格指数重估法重新估计GDP增长率数据的基本做法是：从GDP的构成项目出发，选用适当的价格指数对每一构成项目的现价价值进行缩减，得出各构成项目的不变价价值；然后汇总各构成项目的不变价价值，得出不变价GDP；进而将相临年份的不变价GDP进行对比，计算得出相应的GDP增长率数据。价格指数重估法的评估效果容易受到现价GDP及其构成项目的准确性，特别是所选用的缩减价格指数的合理性的影响。但在我国的统计实践中，价格指数资料一直存在很大的缺口
11、，于是对于很多的GDP构成项目，均需要选择其他的某种价格指数作为替代的缩减指数，又由于我国编制价格指数的程序并不透明，要找到适当的替代价格缩减指数具有巨大的困难，从而在一定程度上限制了该方法的评估效力。物量指数重估法的基本思想是以待评估统计指标的各具体构成成分的实物产量为基础元素，运用特定的指数理论（如拉氏指数理论）计算各具体构成成分的实物产量的综合增长率，并以此作为待评估统计指标的实际增长率。该方法的主要优势是物量指标收到的干扰相对较少，但在实际应用中也存在明显不足：一是在各行业内选择的代表性产品的代表性问题；二是该评估方法隐含了两个十分严格的假设，即各代表性产品的价格结构和各行业的技术水平
12、或者说增加值率在整个行业增长率的重新估计期内均保持不变，与所选择的基期相同；三是它没有对针对产品质量的改进进行相应的调整。（四）统计分布检验法统计分布检验法的过程如下：（1）对待评估指标或标志进行深入地理论分析或对其历史资料展开翔实地经验研究，找出其服从的具体的统计分布；（2）检验待评估指标在各个体上的取值的经验分布是否与分析得出的理论分布一致，若检验通过，说明待评估指标在各个体上的取值总体上是可信的，否则，说明待评估指标在个体上的取值存在较大的误差，这时需要进一步分析原因；（3）以分析得出的理论分布为基础，应用Grubbs准则、Dixon准则等识别待评估指标在各个体上的取值的异常点，并对异常
13、点进行认真审核，判断其是否可信。该方法主要用于在数据生产过程中评估基层调查单位填报的原始数据的可信度，但也有人以该方法评估地区、部门一级的分类汇总数据的可信度，而无论评估对象是哪个，其评估结果在表明各评估对象的数据可信度之外，在较大程度上还能映射出上一层总体汇总指标的数据可信度。同时，该方法的缺陷也较为明显，一方面，它应用的前提条件是待评估指标服从某一特定的概率分布，但在许多情况下很难获得这种理论分布；另一方面，对于各个体数据中出现的一致性偏差，它尚无法估计，从而即使得到肯定的检验结果，也无法排除在各个体数据中存在系统性偏差的可能性，而对于非一致性偏差，它的探测能力也受到各个体所处的位置影响，
14、那些处于理论分布中心位置附近的个体，即便出现较大的统计偏差也不一定会表现为数据异常点而被探测到。（五）调查误差评估法统计数据的可信度评估归根结底是对数据中所包含的误差的评估，而从数据的生产过程来看，这种误差最先表现为统计调查误差。通常来说，调查误差可分为抽样误差与非抽样误差。对于抽样误差，统计学中已经有一套比较成熟的评估理论与方法；而对于非抽样误差，由于其产生的渠道众多且成因复杂，其评估方法较为有限，以下两类比较具有代表性：一类是通过开发某些间接指标来评估非抽样误差的大小（如欧盟开发的“统计调查自我评估简略清单”）。由于该方法的主要目的是为项目的管理者考虑改进措施服务，所以其只对多种具体类型的
15、非抽样误差进行了评估，而并没有做出进一步的评估与综合，这就决定了它无法对调查数据中所包含的非抽样误差大小做出具体的综合判断。另一类是通过事后质量抽查来评估非抽样误差大小，多用于普查和大型抽样调查中。该方法需要进行事后重复调查，并将所获得的数据同初始调查所获得的数据进行比较分析，最终评估出初始调查数据中所含非抽样误差的大小。总体来看，调查误差分析法从产生统计数据偏差的源头入手，对统计数据的可信度进行评估，由于其所采用的评估技术与思路更为科学和可靠，而所利用的评估基准信息资料也更为翔实与可靠，因此，较其他统计数据可信度的评估方法而言，该方法的评估结论将具有更大的说服力和公信力。（六）本课题选取的准
16、确性评估方法本课题后续的准确性评估以GDP数据为评估对象，具体包括现价GDP水平数据的准确性评估和不变价GDP增长数据的准确性评估两项内容。根据上文对各类评估方法的分析结论和GDP及相关辅助变量数据的可获得程度与可靠程度，我们选用计量模型分析法作为基本的评估方法，具体来看，对于现价GDP水平数据的准确性评估，采用其中的预测误差分析方法；而对于GDP增长数据的准确性评估，采用其中的模型异常值分析方法。三、政府统计数据质量多维评估方法研究（一）ROSC-DM法ROSC-DM法采用IMF开发的DQAF作为具体的评估框架，其基本评估步骤为：（1）参照数据质量评估框架，将统计数据质量分为质量的前提条件、保证诚信、方法健全性、准确性与可靠性、适用性以及可获得性等六
