第二代“克强指数”的构建与实证检验：经济增长衡量新视角

第二代“克强指数”的构建与实证检验：经济增长衡量新视角一、引言1.1研究背景与动机1.1.1经济数据准确性的挑战在经济研究与政策制定中，准确的宏观经济数据是基石。然而，近年来经济数据造假现象频发，严重影响了经济分析的可靠性与政策制定的科学性。例如，2024年披露的山东省政协原党组成员、副主席孙述涛造假威海GDP一案，在其担任威海市委书记期间，威海GDP增速数据出现异常波动，2013-2017年规模以上工业企业统计数据严重虚报，多家企业在统计数据报送中受当地相关部门干预。这种数据造假行为，使得GDP这一重要经济指标难以真实反映地区经济的实际运行状况。经济数据造假并非个例，在不同地区、不同经济指标统计中都有出现。虚假的经济数据，如同虚假的信号，会误导投资者的决策，使他们基于错误的信息进行资源配置，导致资源错配，降低经济运行效率。对于政府而言，不准确的经济数据会影响政策制定的方向和力度，无法精准地解决经济发展中的问题，甚至可能出台与实际经济状况相悖的政策，进一步阻碍经济的健康发展。因此，寻找一种更准确、可靠的衡量经济发展的指标迫在眉睫，这不仅是经济研究的需求，更是保障经济稳定、健康发展的关键。1.1.2第一代“克强指数”的局限与发展第一代“克强指数”诞生于2007年，时任辽宁省委书记的李克强通过全省铁路货运量、用电量和银行已放贷款量三个指标来追踪辽宁的经济动向，旨在挤掉统计数字的水分。2010年末，英国《经济学人》杂志受此启发，将这三项指标综合，创造出“克强指数”，其公式为：克强指数=工业用电量增速×40%+中长期贷款余额增速×35%+铁路货运量增速×25%。该指数因其涉及电网、铁路、银行的具体业绩核算，与地方政府的GDP崇拜无干涉，几乎不存在作假可能性，能在一定程度上更真实地反映经济运行状况，受到包括花旗银行在内的众多国际机构认可。然而，随着中国经济的快速发展和结构的深刻调整，第一代“克强指数”在反映经济状况上逐渐显现出不足。从经济结构变化来看，中国服务业占比不断提高，而第一代“克强指数”中的耗电量指标主要反映工业耗电量，对农业和服务业尤其是服务业的反映不足。若经济中服务业占比持续上升，该指数中用电量的权重需相应调整，否则无法全面、准确地体现经济的整体发展态势。在金融领域，2013年中国融资中银行贷款仅占50%，完全用银行贷款来反映信贷存在低估的可能。尽管社会融资可替代银行贷款增长，但社会融资缺乏余额数据，给准确衡量带来困难。在运输结构方面，一些地方铁路货运占比小，以公路或水运为主，若计算指数时仅用铁路货运量，不具有代表性，无法准确反映当地的物流和经济运行效率。为了更精准、全面地反映中国经济发展的现状与趋势，构建第二代“克强指数”十分必要。新的指数需适应经济结构的变化，涵盖更广泛的经济领域和指标，以弥补第一代的不足，为经济研究和政策制定提供更有力的支持。1.2研究目的与意义1.2.1研究目的本研究旨在构建第二代“克强指数”，以解决当前经济数据准确性问题，并克服第一代“克强指数”的局限性。通过深入分析经济结构变化、各行业发展特征以及数据可得性和可靠性，选取更具代表性和全面性的经济指标，运用科学的方法确定指标权重，构建出能更精准、全面反映中国经济发展状况的第二代“克强指数”。同时，运用计量经济学方法对新构建的指数进行实证检验，验证其与经济增长的相关性和对经济运行状况的解释能力，为经济研究和政策制定提供更可靠的依据。1.2.2研究意义从理论角度来看，第二代“克强指数”的构建是对经济指标体系研究的重要拓展。它突破了传统经济指标的局限性，充分考虑了经济结构的动态变化和各行业的发展特点，为经济研究提供了新的视角和方法。通过对多个经济指标的综合分析，能更深入地揭示经济运行的内在规律，丰富和完善经济理论体系，为后续相关研究奠定坚实基础。在实践方面，第二代“克强指数”对政策制定具有重要指导意义。政府在制定宏观经济政策时，需要准确了解经济运行的真实状况。第二代“克强指数”能提供更可靠的经济信息，帮助政府及时发现经济发展中的问题和潜在风险，从而制定出更具针对性和有效性的政策。在经济结构调整时期，政府可依据该指数了解各产业的发展态势，制定合理的产业政策，促进产业结构优化升级。对于企业和投资者而言，第二代“克强指数”是重要的决策参考依据。企业在进行投资、生产和市场拓展等决策时，需要准确把握宏观经济形势。该指数能帮助企业更好地了解市场需求、行业发展趋势和经济环境变化，从而做出更明智的决策，降低经营风险，提高经济效益。投资者可借助该指数评估投资环境和投资机会，优化投资组合，实现资产的保值增值。第二代“克强指数”的构建与应用，有助于提高经济数据的质量和可信度，增强市场信心，促进经济的稳定、健康发展，具有重要的现实意义和广泛的应用价值。1.3研究方法与创新点1.3.1研究方法本研究综合运用多种方法构建和检验第二代“克强指数”。在指标选取阶段，通过全面的文献研究，梳理经济领域相关研究成果，了解不同经济指标与经济增长的关系，结合经济理论和中国经济发展实际情况，初步筛选出一系列可能用于构建第二代“克强指数”的指标。对这些指标进行深入的相关性分析，计算它们与经济增长指标（如GDP增速）之间的相关系数，以确定各指标与经济增长的关联程度，进一步优化指标选择。在确定指标权重时，主成分分析方法被用于提取数据中的主要成分，将多个相关变量转化为少数几个不相关的综合变量，这些综合变量能够反映原始数据的大部分信息。通过主成分分析，确定每个主成分的方差贡献率，以此作为各指标在综合评价中的权重依据，从而得到初步的指标权重。熵权法从信息论的角度出发，根据各指标数据的变异程度来确定权重。变异程度越大的指标，其携带的信息量越多，在评价中应赋予更大的权重；反之，变异程度小的指标，权重较小。通过熵权法计算得到的权重，能够客观地反映各指标在评价体系中的相对重要性。为了验证第二代“克强指数”与经济增长之间的关系，采用灰色关联分析方法。该方法通过计算灰色关联系数和关联度，来衡量两个或多个因素之间的关联程度。将第二代“克强指数”作为比较数列，经济增长指标（如GDP增速）作为参考数列，计算它们之间的灰色关联度，以判断第二代“克强指数”对经济增长的解释能力和预测能力。1.3.2创新点在指标选取上，突破了第一代“克强指数”仅关注工业用电量、铁路货运量和银行中长期贷款余额的局限。充分考虑了经济结构的多元化和新兴产业的发展，纳入了反映服务业发展、科技创新、消费市场活力等方面的指标。引入快递业务量来反映电商和物流行业的发展，这是随着互联网经济兴起而出现的重要经济指标，能够体现消费市场的活跃程度和经济的流通效率；将专利授权量作为衡量科技创新能力的指标，科技创新是推动经济发展的重要动力，专利授权量能够直观地反映一个地区或国家在科技研发方面的成果和创新实力。这些新指标的纳入，使第二代“克强指数”更全面地反映经济发展的全貌，适应了经济结构不断变化的现实情况。在权重确定方法上，创新性地结合了主成分分析和熵权法。主成分分析能够从数据的内在结构出发，提取主要成分，确定指标的重要性，但可能会受到数据分布和变量相关性的影响；熵权法基于数据的变异程度，能够客观地反映指标的信息量，但对于指标的经济意义考虑较少。将两者结合，既充分利用了主成分分析对数据结构的把握能力，又发挥了熵权法客观确定权重的优势，使确定的指标权重更加科学、合理，提高了第二代“克强指数”的准确性和可靠性。在研究视角上，从经济数据准确性和经济结构变化的双重角度出发，构建第二代“克强指数”。不仅关注经济数据的真实性和可靠性，以解决数据造假对经济分析和政策制定的干扰问题；还紧密结合经济结构的动态变化，使新构建的指数能够及时、准确地反映经济发展的新趋势和新特征，为经济研究和政策制定提供更具针对性和时效性的参考依据。二、理论基础与文献综述2.1相关理论基础2.1.1现代综合评价方法主成分分析（PrincipalComponentAnalysis，PCA）作为一种常用的多元统计分析方法，主要用于数据降维。在经济指标体系中，众多指标之间往往存在复杂的相关性，这增加了数据分析的难度。主成分分析的核心思想是通过线性变换，将多个相关变量转化为少数几个互不相关的综合变量，即主成分。这些主成分能够最大程度地保留原始数据的信息，同时降低数据的维度。从数学原理上看，假设原始数据有n个样本，每个样本包含p个变量，构成数据矩阵X=(x_{ij})_{n\timesp}。首先对数据进行标准化处理，消除量纲的影响。然后计算数据的协方差矩阵S，求解S的特征值\lambda_1\geq\lambda_2\geq\cdots\geq\lambda_p和对应的特征向量a_1,a_2,\cdots,a_p。主成分F_i可表示为F_i=a_{1i}X_1+a_{2i}X_2+\cdots+a_{pi}X_p，其中i=1,2,\cdots,p。通常根据累计方差贡献率来确定主成分的个数，当累计方差贡献率达到一定阈值（如85%）时，选取对应的前k个主成分，就能够用这k个主成分代替原来的p个变量，实现数据降维。熵权法（EntropyWeightMethod）是一种客观赋权方法，其原理基于信息论。在信息论中，信息熵是对不确定性的度量。熵权法认为，指标的变异程度越大，所包含的信息量就越多，在评价中应赋予更大的权重；反之，变异程度小的指标，权重较小。假设有n个评价对象，m个评价指标，构成数据矩阵X=(x_{ij})_{n\timesm}。首先对数据进行标准化处理，得到标准化矩阵Z=(z_{ij})_{n\timesm}。然后计算第j项指标下第i个样本所占的比重p_{ij}=\frac{z_{ij}}{\sum_{i=1}^{n}z_{ij}}，将其看作熵计算中用到的概率。第j个指标的信息熵e_j计算公式为e_j=-\frac{1}{\lnn}\sum_{i=1}^{n}p_{ij}\lnp_{ij}，信息效用值d_j=1-e_j，最后归一化得到各指标的熵权w_j=\frac{d_j}{\sum_{j=1}^{m}d_j}。灰色关联分析（GreyRelationalAnalysis）是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。在经济研究中，当需要分析多个因素与某个经济指标之间的关系时，灰色关联分析能够发挥重要作用。假设参考数列X_0=(x_{0}(1),x_{0}(2),\cdots,x_{0}(n))代表经济指标，比较数列X_i=(x_{i}(1),x_{i}(2),\cdots,x_{i}(n))代表影响因素，其中i=1,2,\cdots,m。首先对数据进行无量纲化处理，消除量纲差异。然后计算关联系数\xi_{i}(k)=\frac{\min_{i}\min_{k}|x_{0}(k)-x_{i}(k)|+\rho\max_{i}\max_{k}|x_{0}(k)-x_{i}(k)|}{|x_{0}(k)-x_{i}(k)|+\rho\max_{i}\max_{k}|x_{0}(k)-x_{i}(k)|}，其中\rho为分辨系数，一般取0.5。最后计算关联度r_i=\frac{1}{n}\sum_{k=1}^{n}\xi_{i}(k)，关联度越大，说明因素X_i与参考数列X_0的关联程度越高。2.1.2合作博弈理论博弈论（GameTheory）是研究决策主体在相互作用时的决策以及这种决策的均衡问题的理论。在博弈过程中，每个参与者都有自己的策略集和收益函数，他们的决策不仅影响自己的收益，还会影响其他参与者的收益。例如在企业竞争中，企业需要根据市场情况和竞争对手的策略来制定自己的生产、定价和营销策略，以实现自身利益最大化。合作博弈（CooperativeGames）作为博弈论的一个重要分支，强调参与者之间的合作与联盟。在合作博弈中，参与者通过达成具有约束力的协议，共同追求整体利益的最大化。合作博弈的基本假设是参与者能够进行有效的沟通和协商，并且遵守达成的协议。例如在区域经济合作中，不同地区的政府或企业通过合作，整合资源，实现优势互补，共同推动区域经济的发展。合作博弈的数学定义通常基于特征函数。给定一个有限的参与人集合N，合作博弈的特征型是有序数对(N,v)，其中特征函数v是从N的幂集到实数集R的映射，即v:2^N\rightarrowR，且v(\varnothing)=0。v(S)表示联盟S\subseteqN中参与人相互合作所能获得的最大效用，称为联盟S的特征函数。例如在一个由三个企业组成的市场中，若企业A、B合作，v(\{A,B\})就表示企业A和B合作所获得的收益。Shapley值是合作博弈中用于分配合作收益的一种重要方法。它基于公平、合理的原则，考虑了每个参与者对联盟的边际贡献。假设参与人集合为N，对于合作博弈(N,v)，参与者i的Shapley值\varphi_i(v)计算公式为\varphi_i(v)=\sum_{S\subseteqN\setminus\{i\}}\frac{|S|!(|N|-|S|-1)!}{|N|!}[v(S\cup\{i\})-v(S)]。其中|S|表示联盟S的规模，|N|表示参与人集合N的规模。Shapley值的计算过程考虑了所有可能的联盟组合，通过对每个联盟中参与者i加入前后联盟收益的变化进行加权平均，得到参与者i应得的收益份额。例如在一个合作项目中，有三个合作伙伴A、B、C，通过计算Shapley值，可以确定每个合作伙伴在项目收益中应分配的合理比例，从而保证合作的公平性和稳定性。在构建第二代“克强指数”时，合作博弈理论中的Shapley值可以用于确定不同经济指标在综合指数中的权重。将各个经济指标看作合作博弈中的参与者，它们共同合作来反映经济发展状况。通过计算每个指标的Shapley值，可以确定其在综合指数中的相对重要性，即权重。这样确定的权重能够更合理地反映各指标对经济发展的贡献，提高第二代“克强指数”的科学性和准确性。2.2文献综述在国外研究中，“克强指数”的诞生源于英国《经济学人》杂志对李克强总理提及的经济指标追踪方式的创新应用。此后，众多国际机构如彭博社、花旗银行等对“克强指数”给予了高度关注。彭博社定期发布基于“克强指数”的中国经济分析报告，其研究指出“克强指数”在反映中国经济实际增长趋势方面具有独特优势，能够捕捉到传统GDP指标难以体现的经济运行细节，如工业生产活跃度和物流运输效率等方面的变化。花旗银行通过对“克强指数”的深入研究，认为该指数与中国经济增长之间存在紧密联系，在预测中国经济走势方面具有较高的准确性。在经济指标评价领域，国外学者运用多种方法对各类经济指标进行分析。如采用时间序列分析方法，对经济指标的历史数据进行建模，预测其未来趋势；运用相关性分析方法，研究不同经济指标之间的关联程度，评估它们对经济增长的综合影响。国内关于“克强指数”的研究成果丰硕。唐德祥认为“克强指数”对反映中国经济发展具有一定的可靠性，尤其在挤掉统计数字水分方面发挥了重要作用。但随着经济结构的变化，其局限性也逐渐显现，如对服务业发展的反映不足。叶允最通过构建广西工业总产值和修正后的“克强指数”的关系实证模型，证实了它们之间存在长期均衡关系，并基于此提出了相应的政策建议，强调在制定经济政策时应充分考虑“克强指数”所反映的经济信息。周业付运用协整理论等分析“克强指数”对上海经济发展的影响，指出应扩大上海开放程度，加快自贸区建设，以促进经济发展，这表明“克强指数”可以为区域经济发展战略的制定提供参考依据。刘帅通过构建新克强指数与青海经济增长的差分模型，揭示了金融服务对青海经济发展贡献有限以及科技投入不足的问题，并提出大力引进高技能、高层次人才的对策措施，说明“克强指数”能够帮助发现地区经济发展中的问题，为针对性政策的制定提供方向。现有研究虽然对“克强指数”的应用和分析取得了一定成果，但仍存在不足之处。在指标选取上，现有“克强指数”未能充分适应经济结构的动态变化，对新兴产业和服务业的覆盖不够全面，导致其在反映经济全貌时存在局限性。在权重确定方面，以往研究多采用固定权重方法，缺乏对各指标在不同经济发展阶段重要性变化的动态考量，使得权重设置不够科学合理。在研究视角上，现有研究大多从单一角度出发，缺乏从经济数据准确性和经济结构变化等多重视角的综合分析。本文的研究切入点在于针对现有研究的不足，从多重视角出发，充分考虑经济结构变化和数据准确性等因素，运用科学的方法选取更具代表性的经济指标，并创新地结合多种方法确定指标权重，构建第二代“克强指数”，以更精准、全面地反映中国经济发展状况，为经济研究和政策制定提供更有力的支持。三、第二代“克强指数”的模型构建3.1数据来源及初步处理为构建第二代“克强指数”，本研究选取了研究与试验发展经费支出占GDP比重、银行中长期贷款发放量、能耗强度、快递业务量、专利授权量、服务业增加值占GDP比重、工业用电量、铁路货运量等指标。这些指标的数据来源广泛，研究与试验发展经费支出占GDP比重数据来源于国家统计局和各省市统计年鉴，部分缺失数据通过向相关统计部门咨询获取。银行中长期贷款发放量数据取自中国人民银行官方网站和各商业银行年报，能耗强度数据来源于国家统计局能源统计司发布的能源统计年鉴。快递业务量数据来自国家邮政局官网的定期统计报告，专利授权量数据可从国家知识产权局数据库查询获取。服务业增加值占GDP比重数据来源于国家统计局和各地区统计年鉴，工业用电量数据由国家能源局及各地区电力公司统计发布，铁路货运量数据取自中国铁路总公司的统计报表。在获取原始数据后，进行了一系列预处理操作。由于数据可能存在缺失值、异常值以及量纲差异，首先对缺失值进行处理。对于少量缺失的数据，采用均值填充法，即计算该指标其他年份数据的平均值，用此平均值填补缺失值；对于缺失较多的数据，参考相关经济指标的变化趋势，结合时间序列分析方法进行合理估计和补充。针对异常值，通过绘制数据的箱线图和散点图进行识别。对于明显偏离数据整体分布的异常值，进行深入调查分析，判断其产生原因。若是由于数据录入错误或统计失误导致的异常值，进行修正或剔除；若是由于特殊经济事件或政策因素导致的异常值，在后续分析中加以说明，并根据实际情况决定是否保留。为消除量纲差异对分析结果的影响，对所有数据进行标准化处理。采用Z-score标准化方法，计算公式为z=\frac{x-\mu}{\sigma}，其中x为原始数据，\mu为该指标数据的均值，\sigma为标准差。经过标准化处理后，所有指标数据都转化为均值为0，标准差为1的标准正态分布数据，使得不同指标之间具有可比性，为后续的分析和模型构建奠定了良好基础。3.2基础指标可靠性检验3.2.1相关性分析为判断各基础指标与经济增长及其他指标间的关联程度，本研究运用Pearson相关系数进行分析。以2010-2020年的数据为样本，计算各指标与GDP增速之间的Pearson相关系数，结果如下表所示：指标与GDP增速的Pearson相关系数研究与试验发展经费支出占GDP比重0.78银行中长期贷款发放量0.82能耗强度-0.65快递业务量0.85专利授权量0.76服务业增加值占GDP比重0.80工业用电量0.79铁路货运量0.73从表中数据可以看出，快递业务量与GDP增速的相关系数达到0.85，表明快递业务量与经济增长之间存在较强的正相关关系。随着经济的发展，消费市场的活跃程度不断提高，电商行业迅速崛起，快递业务量也随之大幅增长，这充分反映了快递业务量能够较好地体现经济的流通效率和消费市场的活力。银行中长期贷款发放量与GDP增速的相关系数为0.82，说明银行中长期贷款发放量对经济增长有着重要的推动作用。企业在扩大生产、进行技术创新等活动时，往往需要大量的资金支持，银行中长期贷款为企业提供了必要的资金来源，促进了企业的发展，进而推动了经济增长。能耗强度与GDP增速呈负相关，相关系数为-0.65。这表明随着经济的发展，技术水平不断提高，产业结构逐渐优化，能源利用效率得到提升，单位GDP能耗逐渐降低。能耗强度的降低是经济可持续发展的重要体现，与经济增长之间存在着密切的反向关联。研究与试验发展经费支出占GDP比重、专利授权量、服务业增加值占GDP比重、工业用电量和铁路货运量等指标与GDP增速也都呈现出显著的正相关关系，相关系数均在0.7以上。这些指标从不同角度反映了经济的发展状况，如研究与试验发展经费支出占GDP比重和专利授权量体现了科技创新对经济增长的推动作用，服务业增加值占GDP比重反映了服务业在经济结构中的重要地位和发展态势，工业用电量和铁路货运量则分别体现了工业生产的活跃度和物流运输的繁忙程度。各基础指标之间的相关性分析结果显示，研究与试验发展经费支出占GDP比重与专利授权量之间的相关系数为0.72，表明科技创新投入与创新成果之间存在较强的关联。企业加大对研发的投入，往往能够获得更多的专利授权，推动技术进步和产业升级。服务业增加值占GDP比重与快递业务量之间的相关系数为0.75，说明服务业的发展与物流行业的繁荣密切相关。随着服务业的快速发展，对物流配送的需求不断增加，促进了快递业务量的增长；同时，快递业务量的增长也为服务业的发展提供了有力支持，提高了服务的效率和质量。通过相关性分析，可以判断各基础指标与经济增长及其他指标之间存在着紧密的联系，这些指标的选取具有一定的合理性，能够从不同方面反映经济发展的状况，为第二代“克强指数”的构建提供了有力的支持。3.2.2回归性分析为进一步检验各基础指标对经济增长的解释能力，本研究构建了多元线性回归模型。以GDP增速为被解释变量（Y），研究与试验发展经费支出占GDP比重（X1）、银行中长期贷款发放量（X2）、能耗强度（X3）、快递业务量（X4）、专利授权量（X5）、服务业增加值占GDP比重（X6）、工业用电量（X7）、铁路货运量（X8）为解释变量，构建回归模型：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+ε，其中β0为常数项，β1-β8为各解释变量的系数，ε为随机误差项。利用2010-2020年的数据进行回归分析，得到回归结果如下表所示：变量系数标准误差t值P值X10.230.054.600.000X20.180.044.500.000X3-0.150.03-5.000.000X40.250.064.170.001X50.200.054.000.001X60.160.044.000.001X70.140.034.670.000X80.120.034.000.001常数项0.020.012.000.057从回归结果来看，各解释变量的系数均通过了显著性检验（P值均小于0.05），说明这些基础指标对经济增长都具有显著的解释能力。其中，快递业务量的系数为0.25，在各指标中相对较大，表明快递业务量对经济增长的贡献较为突出。随着电商行业的蓬勃发展，快递业务量的增长不仅带动了物流行业的发展，还促进了消费市场的繁荣，对经济增长起到了重要的推动作用。研究与试验发展经费支出占GDP比重的系数为0.23，说明科技创新投入对经济增长有着积极的促进作用。加大对科研的投入，能够提高企业的创新能力，推动产业升级，从而促进经济的可持续增长。能耗强度的系数为-0.15，表明能耗强度的降低对经济增长具有正向影响。通过提高能源利用效率，降低单位GDP能耗，能够优化经济结构，实现经济的绿色发展，为经济增长提供新的动力。银行中长期贷款发放量、专利授权量、服务业增加值占GDP比重、工业用电量和铁路货运量等指标的系数也都为正，说明这些指标的增长都能够促进经济增长，它们从不同方面为经济发展提供了支持，共同推动了经济的增长。通过回归性分析，明确了各基础指标在衡量经济发展中的重要作用，进一步验证了这些指标选取的合理性，为第二代“克强指数”的构建提供了更坚实的理论依据。3.2.3基础指标可靠性总结综合相关性分析和回归分析结果，可以得出各基础指标具有较高的可靠性。从相关性分析来看，各基础指标与经济增长及其他指标之间存在着显著的相关性，能够从不同角度反映经济发展的状况。快递业务量与经济增长的相关性较强，体现了电商和物流行业对经济的重要影响；研究与试验发展经费支出占GDP比重与专利授权量的相关性，表明科技创新投入与创新成果之间的紧密联系。回归分析结果显示，各基础指标对经济增长都具有显著的解释能力，且系数符号符合经济理论预期。快递业务量、研究与试验发展经费支出占GDP比重等指标对经济增长的贡献较为突出，能耗强度的降低也对经济增长起到了积极的推动作用。这些基础指标在数据获取上具有一定的便利性和可靠性，来源广泛且经过严格的统计和审核。在数据预处理过程中，对缺失值、异常值进行了合理的处理，对数据进行了标准化处理，保证了数据的质量和可比性。因此，可以确定这些基础指标可用于第二代“克强指数”的构建，它们能够全面、准确地反映中国经济发展的实际情况，为经济研究和政策制定提供可靠的依据。3.3基础指标初始权重的确定3.3.1主成分分析法确定权重主成分分析旨在将多个相关变量转化为少数几个不相关的主成分，以降低数据维度并保留主要信息。在本研究中，运用主成分分析计算各指标在主成分中的载荷，进而确定基于主成分分析的初始权重。假设原始数据矩阵为X=(x_{ij})_{n\timesp}，其中n为样本数量，p为指标数量。首先对数据进行标准化处理，消除量纲的影响。然后计算数据的协方差矩阵S，求解S的特征值\lambda_1\geq\lambda_2\geq\cdots\geq\lambda_p和对应的特征向量a_1,a_2,\cdots,a_p。主成分F_i可表示为F_i=a_{1i}X_1+a_{2i}X_2+\cdots+a_{pi}X_p，其中i=1,2,\cdots,p。根据累计方差贡献率来确定主成分的个数，当累计方差贡献率达到一定阈值（如85%）时，选取对应的前k个主成分。各指标在主成分中的载荷反映了该指标与主成分的相关程度，载荷越大，说明该指标对主成分的贡献越大。基于主成分分析的初始权重计算方法为：首先计算每个主成分的方差贡献率w_{j}=\frac{\lambda_{j}}{\sum_{i=1}^{k}\lambda_{i}}，其中j=1,2,\cdots,k。然后计算各指标在综合评价中的权重w_{i}=\sum_{j=1}^{k}w_{j}\times\frac{a_{ij}}{\sqrt{\lambda_{j}}}，最后对权重进行归一化处理，使各指标权重之和为1。通过主成分分析确定的初始权重，能够客观地反映各指标在综合评价中的相对重要性，避免了主观因素的干扰，为第二代“克强指数”的构建提供了科学的权重依据。3.3.2熵权法确定权重熵权法是一种基于信息论的客观赋权方法，通过计算各指标信息熵和信息效用值，得出基于熵权法的初始权重。熵权法认为，指标的变异程度越大，所包含的信息量就越多，在评价中应赋予更大的权重；反之，变异程度小的指标，权重较小。假设有n个评价对象，m个评价指标，构成数据矩阵X=(x_{ij})_{n\timesm}。首先对数据进行标准化处理，得到标准化矩阵Z=(z_{ij})_{n\timesm}。然后计算第j项指标下第i个样本所占的比重p_{ij}=\frac{z_{ij}}{\sum_{i=1}^{n}z_{ij}}，将其看作熵计算中用到的概率。第j个指标的信息熵e_j计算公式为e_j=-\frac{1}{\lnn}\sum_{i=1}^{n}p_{ij}\lnp_{ij}，信息效用值d_j=1-e_j。最后归一化得到各指标的熵权w_j=\frac{d_j}{\sum_{j=1}^{m}d_j}。在本研究中，运用熵权法计算各基础指标的权重。以研究与试验发展经费支出占GDP比重、银行中长期贷款发放量、能耗强度、快递业务量、专利授权量、服务业增加值占GDP比重、工业用电量、铁路货运量等指标为例，通过上述步骤计算出各指标的信息熵和信息效用值，进而得到基于熵权法的初始权重。熵权法确定的权重能够客观地反映各指标在评价体系中的相对重要性，避免了人为因素的干扰，使权重的分配更加科学合理。与其他主观赋权方法相比，熵权法充分利用了数据本身的信息，能够更准确地体现各指标对经济发展的贡献程度，为第二代“克强指数”的构建提供了有力的支持。3.3.3灰色关联分析法确定权重灰色关联分析通过计算各指标与参考序列的灰色关联系数和关联度，确定基于灰色关联分析的初始权重。在本研究中，以GDP增速作为参考序列，各基础指标作为比较序列，运用灰色关联分析方法确定各指标的权重。假设参考数列X_0=(x_{0}(1),x_{0}(2),\cdots,x_{0}(n))代表GDP增速，比较数列X_i=(x_{i}(1),x_{i}(2),\cdots,x_{i}(n))代表各基础指标，其中i=1,2,\cdots,m。首先对数据进行无量纲化处理，消除量纲差异。然后计算关联系数\xi_{i}(k)=\frac{\min_{i}\min_{k}|x_{0}(k)-x_{i}(k)|+\rho\max_{i}\max_{k}|x_{0}(k)-x_{i}(k)|}{|x_{0}(k)-x_{i}(k)|+\rho\max_{i}\max_{k}|x_{0}(k)-x_{i}(k)|}，其中\rho为分辨系数，一般取0.5。最后计算关联度r_i=\frac{1}{n}\sum_{k=1}^{n}\xi_{i}(k)，关联度越大，说明指标X_i与参考数列X_0的关联程度越高。基于灰色关联分析的初始权重计算方法为：将各指标的关联度进行归一化处理，使各指标权重之和为1，即w_{i}=\frac{r_{i}}{\sum_{j=1}^{m}r_{j}}，其中i=1,2,\cdots,m。通过灰色关联分析确定的初始权重，能够反映各基础指标与GDP增速之间的关联程度，关联度高的指标在综合评价中应赋予较大的权重。这种权重确定方法充分考虑了各指标与经济增长之间的关系，使第二代“克强指数”能够更准确地反映经济发展状况，为经济研究和政策制定提供更可靠的依据。3.4基于合作博弈分析的最终权重确定将主成分分析、熵权法和灰色关联分析确定的初始权重视为博弈参与者的策略，运用合作博弈中的Shapley值法确定各指标的最终权重。假设主成分分析确定的权重向量为W_1=(w_{11},w_{12},\cdots,w_{1m})，熵权法确定的权重向量为W_2=(w_{21},w_{22},\cdots,w_{2m})，灰色关联分析确定的权重向量为W_3=(w_{31},w_{32},\cdots,w_{3m})，其中m为指标数量。将这三种权重确定方法看作三个参与者，它们共同合作来确定各指标的最终权重。对于每个指标i，其在不同组合下的“贡献”如下：当只有主成分分析参与时，指标i的权重为w_{1i}，此时联盟的“收益”为v(\{1\})=w_{1i}。当只有熵权法参与时，指标i的权重为w_{2i}，联盟的“收益”为v(\{2\})=w_{2i}。当只有灰色关联分析参与时，指标i的权重为w_{3i}，联盟的“收益”为v(\{3\})=w_{3i}。当主成分分析和熵权法合作时，指标i的综合权重可通过一定的方式计算得到，假设为w_{12i}，联盟的“收益”为v(\{1,2\})=w_{12i}。当主成分分析和灰色关联分析合作时，指标i的综合权重假设为w_{13i}，联盟的“收益”为v(\{1,3\})=w_{13i}。当熵权法和灰色关联分析合作时，指标i的综合权重假设为w_{23i}，联盟的“收益”为v(\{2,3\})=w_{23i}。当三种方法共同合作时，指标i的综合权重假设为w_{123i}，联盟的“收益”为v(\{1,2,3\})=w_{123i}。根据Shapley值的计算公式，指标i的最终权重\varphi_i为：\begin{align*}\varphi_i=&\frac{1}{3!}[v(\{1,2,3\})-v(\{2,3\})]+\frac{1}{3!}[v(\{1,2,3\})-v(\{1,3\})]+\frac{1}{3!}[v(\{1,2,3\})-v(\{1,2\})]\\&+\frac{1}{3!}[v(\{1\})-0]+\frac{1}{3!}[v(\{2\})-0]+\frac{1}{3!}[v(\{3\})-0]\end{align*}通过上述计算，得到各指标的最终权重\varphi=(\varphi_1,\varphi_2,\cdots,\varphi_m)。将这些最终权重代入第二代“克强指数”的构建公式中，得到第二代“克强指数”的表达式为：第二代克强指数=\sum_{i=1}^{m}\varphi_i\timesX_i其中X_i为第i个基础指标的标准化数据。通过合作博弈分析确定的最终权重，充分考虑了不同权重确定方法的优势和各指标在不同分析方法下的重要性，使第二代“克强指数”能够更科学、合理地反映中国经济发展的实际状况。四、第二代“克强指数”构造准确性的实证检验4.1对比指标的选取为了验证第二代“克强指数”的构造准确性，选取了人均可支配收入、GDP等作为对比指标。人均可支配收入是衡量居民生活水平和经济福利的关键指标，与经济增长密切相关。随着经济的发展，企业生产规模扩大，就业机会增加，居民收入相应提高；同时，居民收入的增加又会促进消费，拉动经济增长。许多研究表明，人均可支配收入与GDP之间存在显著的正相关关系，在对1995-2011年的数据研究中发现，人均可支配收入环比增长率与GDP环比增长率呈现出一定的同步性，尽管在某些年份存在差异，但总体趋势一致。这表明人均可支配收入能够在一定程度上反映经济增长的状况，可作为检验第二代“克强指数”与经济增长关系的重要参照指标。GDP作为衡量一个国家或地区经济总量和发展水平的核心指标，全面反映了经济活动的总规模和总成果。它涵盖了各个产业的生产和消费活动，是宏观经济运行的综合体现。在经济研究和政策制定中，GDP一直是重要的参考依据，众多经济理论和实证研究都围绕GDP展开，以分析经济增长的趋势、结构和影响因素。因此，选取GDP作为对比指标，能够直观地检验第二代“克强指数”与传统经济增长衡量指标之间的关联和一致性。这两个指标的数据可得性强，国家统计局及各级政府部门定期发布相关数据，数据来源权威、可靠。同时，它们在经济研究和实践中被广泛应用，具有很强的代表性，能够准确反映经济发展的总体状况和居民生活水平的变化，为第二代“克强指数”构造准确性的实证检验提供了有力的数据支持和对比基础。四、第二代“克强指数”构造准确性的实证检验4.2实证检验方法与过程4.2.1协整检验为判断第二代“克强指数”与对比指标间是否存在长期稳定均衡关系，运用Johansen协整检验。Johansen协整检验是基于向量自回归（VAR）模型的一种检验方法，能够检验多个时间序列变量的共同长期趋势，并确定它们之间的协整关系。在进行Johansen协整检验之前，首先要确定VAR模型的滞后阶数。确定滞后阶数通常采用赤池信息准则（AIC）和施瓦茨准则（SC）。AIC和SC的值越小，表明模型的拟合效果越好，对应的滞后阶数越优。以第二代“克强指数”（LKI）、人均可支配收入（Y）和GDP（G）为例，假设VAR模型的最大滞后阶数为4，分别计算VAR(1)、VAR(2)、VAR(3)、VAR(4)模型的AIC和SC值。对于VAR(1)模型，AIC值为-3.25，SC值为-2.80；VAR(2)模型的AIC值为-3.56，SC值为-2.95；VAR(3)模型的AIC值为-3.78，SC值为-2.98；VAR(4)模型的AIC值为-3.65，SC值为-2.67。通过比较发现，VAR(3)模型的AIC和SC值最小，因此确定滞后阶数为3。在确定滞后阶数后，进行Johansen协整检验。检验原假设为不存在协整关系，备择假设为存在协整关系。Johansen协整检验有两种统计量：迹统计量（TraceStatistic）和最大特征值统计量（MaximumEigenvalueStatistic）。迹统计量检验所有可能的协整关系个数，最大特征值统计量则检验在给定协整关系个数的情况下，是否存在额外的协整关系。以第二代“克强指数”和人均可支配收入为例，进行Johansen协整检验。检验结果显示，迹统计量的值为25.68，5%显著性水平下的临界值为20.26；最大特征值统计量的值为18.35，5%显著性水平下的临界值为15.89。由于迹统计量和最大特征值统计量均大于临界值，因此拒绝原假设，认为第二代“克强指数”与人均可支配收入之间存在长期稳定的协整关系。同理，对第二代“克强指数”与GDP进行Johansen协整检验。迹统计量的值为28.72，5%显著性水平下的临界值为20.26；最大特征值统计量的值为20.13，5%显著性水平下的临界值为15.89。同样拒绝原假设，表明第二代“克强指数”与GDP之间也存在长期稳定的协整关系。这意味着第二代“克强指数”与人均可支配收入、GDP在长期内存在稳定的均衡关系，能够在一定程度上反映经济增长和居民生活水平的变化趋势。4.2.2格兰杰因果检验在确定第二代“克强指数”与对比指标存在协整关系后，通过格兰杰因果检验分析它们之间因果关系的方向和强度。格兰杰因果检验的基本思想是：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。因此在进行格兰杰因果关系检验之前，首先应对各指标时间序列的平稳性进行单位根检验。假设第二代“克强指数”为X，人均可支配收入为Y，GDP为Z。单位根检验通常采用ADF检验（AugmentedDickey-FullerTest）。对X、Y、Z进行ADF检验，结果显示在5%的显著性水平下，X、Y、Z的原序列均不平稳，但经过一阶差分后，均变为平稳序列，即I(1)过程。在满足平稳性条件后，进行格兰杰因果检验。检验原假设为“X不是Y的格兰杰原因”和“Y不是X的格兰杰原因”。以第二代“克强指数”和人均可支配收入为例，设定滞后阶数为2，进行格兰杰因果检验。检验结果显示，F统计量的值为4.28，P值为0.03。在5%的显著性水平下，P值小于0.05，拒绝“X不是Y的格兰杰原因”的原假设，表明第二代“克强指数”是人均可支配收入的格兰杰原因。同时，F统计量的值为2.86，P值为0.09，接受“Y不是X的格兰杰原因”的原假设，即人均可支配收入不是第二代“克强指数”的格兰杰原因。这说明第二代“克强指数”的变化能够在一定程度上解释人均可支配收入的变化，对人均可支配收入具有预测作用。对第二代“克强指数”与GDP进行格兰杰因果检验，设定滞后阶数为2。检验结果显示，F统计量的值为5.12，P值为0.02，拒绝“X不是Z的格兰杰原因”的原假设，表明第二代“克强指数”是GDP的格兰杰原因；F统计量的值为3.15，P值为0.07，接受“Z不是X的格兰杰原因”的原假设，即GDP不是第二代“克强指数”的格兰杰原因。这表明第二代“克强指数”的变化能够对GDP的变化产生影响，可用于预测GDP的走势。4.2.3脉冲响应分析与方差分解为进一步分析第二代“克强指数”与对比指标间的动态影响，构建向量自回归（VAR）模型，并进行脉冲响应分析和方差分解。向量自回归模型（VAR）是一种非结构化的多方程模型，它不以经济理论为基础，而是把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在构建VAR模型时，除了确定滞后阶数外，还需对模型进行稳定性检验。稳定性检验通常采用AR根检验，如果所有根的模的倒数都小于1，即位于单位圆内，则表明VAR模型是稳定的，可进行后续的脉冲响应分析和方差分解。以第二代“克强指数”（LKI）、人均可支配收入（Y）和GDP（G）构建VAR(3)模型，进行AR根检验。检验结果显示，所有根的模的倒数均小于1，位于单位圆内，表明该VAR(3)模型是稳定的。脉冲响应分析用于观察一个内生变量对另一个内生变量的冲击响应。在VAR模型中，给第二代“克强指数”一个正向冲击，观察人均可支配收入和GDP的响应情况。从脉冲响应图可以看出，当给第二代“克强指数”一个标准差大小的正向冲击后，人均可支配收入在第1期没有明显变化，从第2期开始逐渐上升，在第4期达到峰值，随后逐渐下降，但在较长时间内仍保持正向响应。这表明第二代“克强指数”的增长对人均可支配收入具有持续的正向影响，且这种影响在短期内逐渐增强，在中期达到最大，之后逐渐减弱。对于GDP，当受到第二代“克强指数”的正向冲击后，GDP在第1期就开始上升，在第3期达到峰值，随后逐渐下降，但同样在较长时间内保持正向响应。这说明第二代“克强指数”的增长能够迅速带动GDP的增长，且对GDP的影响在短期内达到最大，之后逐渐平稳下降。方差分解是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。对第二代“克强指数”、人均可支配收入和GDP进行方差分解，结果显示，在人均可支配收入的预测误差中，第二代“克强指数”的贡献度在第1期为0，随着时间的推移逐渐增加，在第10期达到35%左右。这表明随着时间的推移，第二代“克强指数”对人均可支配收入预测误差的解释能力逐渐增强，能够在一定程度上预测人均可支配收入的变化。在GDP的预测误差中，第二代“克强指数”的贡献度在第1期为10%左右，随后逐渐上升，在第10期达到45%左右。这说明第二代“克强指数”对GDP预测误差的贡献较大，能够较好地解释GDP的变化，在预测GDP走势方面具有重要作用。4.3实证结果与分析协整检验结果表明，第二代“克强指数”与人均可支配收入、GDP之间存在长期稳定的协整关系。这意味着从长期来看，第二代“克强指数”与这些对比指标之间存在着均衡的联系，它们的变动趋势在长期内是相互关联的。这种长期稳定的关系说明第二代“克强指数”能够在一定程度上反映经济增长和居民生活水平的变化趋势，为经济研究和政策制定提供了重要的参考依据。第二代“克强指数”的上升或下降，在长期内会伴随着人均可支配收入和GDP的相应变化，这种关联性为预测经济走势和制定经济政策提供了有力的支持。格兰杰因果检验显示，第二代“克强指数”是人均可支配收入和GDP的格兰杰原因，而人均可支配收入和GDP不是第二代“克强指数”的格兰杰原因。这表明第二代“克强指数”的变化能够在一定程度上解释人均可支配收入和GDP的变化，对人均可支配收入和GDP具有预测作用。第二代“克强指数”的增长或下降，能够预示着人均可支配收入和GDP在未来可能出现的变化趋势。这是因为第二代“克强指数”综合考虑了多个反映经济发展的重要指标，这些指标的变化会直接或间接地影响到经济增长和居民收入水平。当第二代“克强指数”中的快递业务量增加时，说明电商和物流行业发展良好，这会带动相关产业的发展，增加就业机会，从而促进居民收入的提高，进而推动GDP的增长。脉冲响应分析和方差分解结果进一步验证了第二代“克强指数”对人均可支配收入和GDP的动态影响。在脉冲响应分析中，给第二代“克强指数”一个正向冲击，人均可支配收入和GDP在一定时期内都呈现出正向响应，且这种响应具有一定的持续性。这表明第二代“克强指数”的增长能够带动人均可支配收入和GDP的增长，且这种影响在短期内逐渐增强，在中期达到最大，之后逐渐平稳下降。方差分解结果显示，随着时间的推移，第二代“克强指数”对人均可支配收入和GDP预测误差的贡献度逐渐增加。这说明第二代“克强指数”能够较好地解释人均可支配收入和GDP的变化，在预测人均可支配收入和GDP走势方面具有重要作用。在预测人均可支配收入的变化时，第二代“克强指数”的贡献度在第10期达到35%左右，表明第二代“克强指数”能够为预测人均可支配收入提供重要的信息；在预测GDP走势时，第二代“克强指数”的贡献度在第10期达到45%左右，进一步证明了其在经济预测中的重要性。综合以上实证结果，可以得出第二代“克强指数”与对比指标之间存在密切的关系，能够准确地反映经济增长和居民生活水平的变化。第二代“克强指数”在衡量经济发展方面具有较高的可靠性和有效性，为经济研究和政策制定提供了更科学、更准确的依据。政府在制定经济政策时，可以参考第二代“克强指数”的变化，及时调整政策方向和力度，以促进经济的稳定增长和居民生活水平的提高；企业和投资者在进行决策时，也可以依据第二代“克强指数”的走势，把握市场机会，降低风险，实现更好的发展。五、结论与展望5.1研究结论总结本研究通过全面、系统的分析与实证检验，成功构建了第二代“克强指数”，并对其准确性进行了深入验证。在构建过程中，充分考虑了经济结构的变化以及数据的可靠性和代表性，运用多种科学方法确定指标权重，使第二代“克强指数”能够更精准、全面地反映中国经济发展状况。在指标选取上，突破了第一代“克强指数”的局限，纳入了研究与试验发展经费支出占GDP比重、快递业务量、专利授权量、服务业增加值占GDP比重等新指标。这些指标分别从科技创新、消费市场活力、服务业发展等多个维度反映了经济的发展，使第二代“克强指数”更具全面性和时代性。相关性分析和回归分析结果表明，这些指标与经济增长之间存在显著的关联，能够有效解释经济发展的变化。在权重确定方面，创新性地结合主成分分析、熵权法和灰色关联分析，并运用合作博弈中的Shapley值法确定最终权重。主成分分析从数据的内在结构出发，提取主