苹果/安卓/wp
积分 1075, 距离下一级还需 300 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 变色卡, 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 2 天连续签到: 1 天[LV.1]初来乍到
编者按：9月11日—9月12日，由经管之家（人大经济论坛）主办的“2015中国数据分析师行业峰会（CDA•Summit）”在北京举行。本文是零点研究咨询集团董事长袁岳在峰会上的演讲全文，演讲的主题是“大数据视野”。他讲道：“每个数据拥有者，或者我们每个人都应该致力于把更多的小数据累积起来，从而构建我们在DT时代的数据竞争力，在这个时代获得更多的数据红利的能力。”
17:17:35 上传
袁岳，零点研究咨询集团董事长
大数据的场子可以容纳很多人，像刚才谢教授一样，他是非常值得尊敬的学者，他参加活动的地方我都去参加活动，我们很好的诠释了今天的这个宣传语，大数据既是一个科学，它同时是一个艺术，我重点是代表艺术那个方面的。为什么呢？因为我从初中开始，数理化很少超过60分的。等到我上大学的时候，走一个狗屎运考了84，一直是文科，本科是法律，我的研究生专业是法律，博士的时候是社会学，后来学管理，主要是公共管理，还不是工商管理的，所以我基本的特点是典型的文科男。但是我对数据会有自己的感觉，而且很大程度上，我今天思路的出发点不是从大规模数据的拥有者的前提出发谈这个问题，今天讲到大数据的时候，其实有两组人：一组人，是拥有非常大的数据来源，无论是国家统计局，无论是阿里巴巴，无论是京东，它们有很大的数据来源；还有一部分人拥有强大的数据开发能力，比如英特尔、IBM等等。这两组人结合在一起玩儿大数据，玩大的，其实大数据最大的一个问题，就是很多学了大数据，想用大数据，或者受益大数据的人，在大数据的世界里你所得到的是一些大数据的可能的结果，或者说数据运算以后的东西，绝大多数情况你没有机会接触到数据源，甚至你也没有能力或者资源充分的应用数据工具，这就产生了一个巨大的大数据鸿沟。
大数据鸿沟是在未来DT时代一个最重要的，就像我们以前说的财富鸿沟，大数据鸿沟是区分企业之间，包括个人之间区别的一个很重要的东西。而且在大数据中间我们很多人是应用了大数据的结果，请注意大数据本身是可以操纵的。也就是说，我运算出来一个大数据，因为里无法接触数据源和大规模应用核心的大数据，所以你只是接受了一个结果，只是人们用了大数据的结果，所以你在用的过程中本身就可以被操纵了。所以作为一个做民意研究出身的专业人士，我们有一个重要的问题，实际上我们用的数据只能是大数据源，就好像你用阿里巴巴数据，其实不能直接给你用的，无论你是学者或者什么，用的机会非常少。所以我们在过去的这么多年来一直在探讨，就是如何我们可以使用上，可以慢慢的增大的数据。
今天我们所说的大部分数据是大数据来源整合的大数据，而我们致力于要解决的，如果没有大数据，如何能够有较大的数据。比如过去，在国家部委给领导当文秘的，给领导写报告，广大群众一致认为，这句话就跟大数据一样。我们会问领导，一个人都没问过，怎么叫一致认为呢。领导说，不用问，我们代表他们。同样的道理，我们为什么做民意调查，或者做社会调查，它的特点是挨个搜集极微小的数据，累积一定规模量的数据。这个小的数据建立在单个人意见的行为，但是累积更多的数据库分析的时候，它就比单个的数据库更大，所以在这个意义上来说数据大小不是一个绝对的概念。就像阿里巴巴平台上所有的数据，但是它不能跟京东的平台数据简单的整合分析。所以阿里巴巴数据可以看做是一个单一数据，所以这方面来讲是一个小数据。就像国家统计局说我的数据是准的，有的学者说不准，统计局说你拿一套给我看，没有。所以在这个意义上来说，大的国家统计的数据在单一来源上说它也相当于是一个小数据，因为没有多元可印证的数据来源。明白了这一点，我个人认为大数据在今天多元数据的意义重于数量意义上的大！明白了这点之后，我们来探讨，数据的广或者说我们今天大部分说的数据，其实中国银行过去有很多数据，但是中国银行的信用数据你能随便调用吗，只有中国人民银行能调用；阿里巴巴能调用人民银行的数据，人民银行调用阿里巴巴的数据吗，都不行。所以我们看起来有很多个人很大的孤岛，所以数据不连接的意义上，你称其为大，就会导致在孤岛意义上的大。所以孤岛意义上的大，在大数据的视野中是小的，所以这是我给大家的第一个核心要强调的概念。
17:20:07 上传
所以在这个意义上来说打破数据库的，比如说在每个公司里，像万科够大，它是在住宅房地产中间最大的公司，但是万科如果到某一个分公司会发现，它的分公司的数据都是互相不互通的，像销售数据和物业管理部门的数据，和它财务掌握的相关的业务数据，它们数据互相之间是不连通的。也就是说，万科本来是一个单一数据源在一个单一数据源里面它的数据本身都还是一个信息孤岛。所以我们会看到信息孤岛现象很严重，你说政府数据不公开，你到政府里面发现发改委不知道人事部的数据，人事部不知道发改委的数据，其实这两个部委之间互相是孤岛。
我们说发改委，发改委重大项目办的数据和下面另一个部门之间的数据也是不共享的，所以在小孤岛里还有微孤岛，所以整体的就是一个看起来表面上是一个挺大的数据源，其实这个数据源很关键的时候只是满足，领导比如说，我们总理说，你多长时间把这个数据整合出来，它很快的整合出来解决了这个问题。这就是我们常规运行的时候，这个孤岛的状态比我们想象的严重、普遍和广泛的多。所以在这个意义上来说，我们今天站在一个非常现实的推动数据工程前进的角度来说，打破孤岛，孤岛是这个工作的一个很重要的组成部分。
17:20:33 上传
我们现在讲的所谓的孤岛，是从大的角度来说，我们现在有很多的，比如有信用数据，有销售数据，像我们合作做的，几乎所有的电商平台，只要能够呈现在页面上的数据，我们全部能够抓取。但是抓取的全是前台数据，只要是后台的，关于支付的数据，在后台的服务数据，你就很难抓取，因为后台你不能简单说它不能呈现出来。所以前台获得的数据意味着我获得了跨平台的数据，但是后台的拿不到，某种意义上我只有一部分数据，而没有全面的数据。阿里巴巴提出来说你用我们的数据，你就可以知道什么东西好卖，所以你的研发和产品等等可以往这个方面努力，故事真的是这样吗？不是的。因为阿里巴巴只有单一来源的数据，而且这个单一来源数据有一个很重要的特性，就是今天在淘宝和天猫上卖的绝大部分是传统化产品，这个按照雷军的说法，如果今天非常好符合互联网时代的，符合互联网眼光消费者的产品，它的特点是什么，消费者会尖叫。所谓尖叫的意思是说你的行为痕迹，和你的行为趋向表现出你好像有往那个方面要东西的倾向的时候，有人把握你这个倾向，把这个产品做出来了，你说噢，已经有了，这个时候你会尖叫。但是你在淘宝待半天，你不叫，为啥？因为都是你看过的。
所以我们今天最重要的问题是，如果你在一个平台上，这个平台本身拥有的东西并不是人们的理想的选择，它反映的是人们无奈的选择，所以无奈的大数据本身不能供应理想。就像说在黑暗的旧社会里，自然的产生共产主义，十月革命才送来了什么什么。就是人们真正理想的东西不止是在黑暗摸索出来的大数据，我们的大数据是如此之大，以至于像黑暗本身一样。所以你有那么多统计学数据，有那么多淘宝数据，它依然代表着黑暗，只是大而已。所以在这个地方大数据本身获得光明，数据的特性和数据交互中间给我们提供的缝隙，就像我们在黄山看到一线天，它不是大数据，是小空间，但是它是代表光明的。这意味着我们看到的这些巨大的数据中间，我们在寻找中间的一线天，而且有些数据本身还不是由大数据本身提供的，就像我刚才说大数据表现人们多么的无奈，但是很可能那道光线是由设计师和在黑暗中间摸索的这些消费者的交互中间产生的，这就是小米提供的MIUI系统说，如果能让铁杆粉丝，发烧友跟我们参与互动的话，我们在互动中间发现了怎样产生一个人大家满意的产品的方式。其实之前小米并没有大数据。当然有大数据更好，因为把你那线光明在黑暗的阴沉中显得多么的更加的夺目的光明。我说的这个不像谢教授，这是不是更像艺术青年说的，所以叫大数据艺术。
但是这个问题在于什么？有的时候光明不是只有一线天，有一线天就简单了，问题是有的时候有八线天，这些进来哪个是合适的？所以这个时候大数据，如果把数据充分整合的情况下，它帮助我们在判断方向和特性的时候，有相当的帮助，这就是为什么对今天来说，做一个大数据非常认真的工作就是认真的积累小数据，它来自不同的地方，它可能来自于论坛，可能来自于专项调查，可能来自于用户的投诉，可能来自于扒取某方面的数据。所以多元数据的观念，让我们知道任何一个个体，我们在生活中任何一个个体，你甚至去了很多不同的互联网的终端，你在不同的地方，都可以累积不同的信息。有的地方，比如有的人只去一个地方，有的人去了三个地方，但是有些人从来不累积，从来不用大数据方式进行整合，所以即使很小的东西，当你每次累积，随着数据量扩大大数据累积，尤其数据能贯通的话，就为你提供看见一线天不同的方法。
我们零点做了23年的调查公司，我们从累积的角度来说，我们差不多有20万个不同的项目。当我们把这些不同的调查项目的数据，比如说汽车的研究、内裤的研究这好像没有什么关系。你发现在十年前，你在五年前，再到现在你发现穿什么内裤跟开什么车有密切的关系，就是生活方式改变了，在贫困和物质缺乏的时代，人们选择东西是凑合的，生活是各种凑合的堆积。在理想化的时代，生活方式他们是一致的。你看一个人开吉普车和穿内裤有相同的价值观，这里面有内在的关联性。
那个时候他们觉得我们做所有的调查是在不同方面的，但是你可以拼接出来不同的生活方式的图景将是什么样的。我们建立新数据立方的系统，不断的贯穿比如说啤酒、健康、家庭理财，我们发现不同的人群生活方式和他匹配的价值观模式都有差别。从而对我们对他们提供不同的产品研发和新产品前进的思路，以及寻找可以整合合作的差异化的品牌、差异化领域的合作伙伴提供了很强的依据。
站在我们的角度是这样的，我们回到一个企业的时候，一个企业里面有很多数据。我觉得不同的部门也有不同的数据，这些数据基于过去保密的原因和工作的原因形成孤岛，我们现在的工作就是把孤岛打穿，把这些小的孤岛之间再打穿变成一个中型的大数据，我们把这样的数据叫做中数据工程。其实大家对做中数据是一件非常重要的事情，我们零点做了数据立方以后，我就具有筹码，我们就存在数据交换的机会。如果你没有任何的数据资源，我们要用你的数据，除非有一些学者因为公益的原因，在大部分情况下如果你没有真正可消化的数据资源，你可能就没有机会来使用。
所以今天我们站在个体中间普通拥有的中数据，我们可以用来数据交易和数据合作的前提和基础，这也是我们非常重要的工作。我们零点除了用大数据之外，还帮助客户打产微和小的数据孤岛，从而形成中数据的级别。一旦那个数据孤岛打破之后，原来我们做的市场调查是孤立的市场调查，由于数据被充分的挖掘出来了，我们根据数据中心解决用户需求的能力，如果我们匹配在一起看的时候。过去我们是角度做一个什么选择了，现在我们通过内部的数据，给你提出典型的方案充分考验你的能力水平，以及你需要做的能力建设方案，这样变成一个更加可行的解决方案。
为什么过去我们做产品创新，外部满足消费者需求的机会。消费者有很多的需求，但是跟你的能力的匹配度我们很少考虑。如果我们把企业内部的数据和做的外部数据打通，再有专项交互数据支持的时候，我们能找到创新的方向，我们也能够知道你的能力有支撑的空间。以及如果我们把你的产品创新的方向和其他关联的合作伙伴和品牌，跟他们的方向相整合的时候，我们可以找到更多的资源。
很多产品在生活方面不见得是主导的，但是你明白生活方式作为一个大数据的价值，你可以参考跟你临近的产品他们的发展趋向，可以帮你推导，以及支持在你自己的产品和研发方面进行一些工作。
对这些工作，是我们在过去很长时间做的所谓有小数据往中数据，中数据的整合工作从而走向大数据。
事实上，我们今天很大程度上所谓的大数据，很大人讲比较多的是在讲基于互联网意义上获得的大数据。刚才说互联网大数据分两大大类别，一个是互联网本身的巨头和大公司掌握的数据库，它基本上是跟合作伙伴有一部分的分享，但是对外部基本是不开放的，它对于比如说像很多有大型能力机构的来说，我们跟大型机构合作来说，刚开始它们不懂挖掘，我们挖掘半天它们把我们的人挖掘过去了。所以像QQ，像腾讯，像阿里巴巴早期的数据，包括百度，我们都做了很多的，最后的结果是我们的人被挖去了。所以我们挖了半天数据把人挖过去了，发现挖人其实比挖数据是更重要的。
所以今天我们再去看网络上面的数据的时候，现在会看到我刚才说的两组重要的数据。事实上，今天核心的掌握这些数据的人们会因为他自己把自己的前台和后台数据加起来，然后说这是大数据。但是我已经告诉大家了，由于今天我们中国社会的互联网经历了两个很重要的发展阶段，第一个是传播互联网，第二个是交易互联网。今天唯独没有真正进入的产品本身的互联网化，这个结果是什么？我们真正有价值的是表面数据，而互联网数据最大的弱项，就是你即使拥有了整个阿里巴巴数据依然不能告诉你最理想的眼镜是什么样的。即使你有了所有京东数据，依然不能告诉你哪一款手环会卖的很火。为什么？因为今天站在非互联网意义上的那些本身不能告诉你未来，因为他们本身是在便宜货平台上形成的便宜货大数据。所以这是今天茫茫黑暗的大数据，今天的我们的扒取数据能获得所有大平台的大数据，这些数据本身不能洞察真正消费者需要的内心的东西是什么，所以今天的方式是通过扒取方法获取那些平台的大数据的方法，我们用交互的方式产生一线天、二线天等等的方式，当然我们会来解剖和应用大数据。
17:20:44 上传
大家知道，现在餐饮还是挺火，这也产生了很多数据，这些数据累积起来，我们一方面能认知市场的现象，但是一方面是我们通过更多交互的数据，不同人群的交互人群，能发现哪个人群中的一线天是什么。这样我们就来提供解决方案，就是基于参与的大数据，但是最终找到在参与中间，什么样的东西是代表未来。而恰恰这些未来告诉我们，中国正在产生一种非常新的队伍，这跟以前很不一样的。比如过去中国的餐饮意识是桌餐的，但是现在正在走向单品化。如果从供应链数据中可以看到，像做150个以上的菜的餐馆，会发现供应链和活跃度是低的，因为它要维护不同的小供应链，它的成本又过高，当你做150个菜的时候，你买的香菇太少了，当你做150个菜的时候，你买的牛肉太少了，你就会关注这些供应链，之后这些供应链会关注你，然后给你谈。这些数据没有我们看起来像海量阿里巴巴那么多，它直接决定了一个企业，你的餐饮如何做，你可能更有未来和前提。
所以在这个意义上，我觉得最后跟大家强调一下，破除对大数据的简单理解，我认为大数据是从小数据出发，构建中数据多元连接，形成了大数据，或者垄断型的大数据是超级型大数据，普通人获得的大数据结果，不是这个的。而真正的大数据的逻辑构建是小数据出发的多个中数据源构成的大数据，所以我们就有交易机会，交易能力，构成了大数据的交易世界。在这个过程中正因为多元所以数据有竞争，因为竞争才有检验，因为检验才可以优化，而在检验和优化之后的数据会重新构建新的小数据，只有新的小数据才能落实成为，作为一个企业，作为一个部门，作为一个实施单元，你做决策时候的支持依据。简单的说，任何一个具体单位不可能简单的依靠一个单一来源的，表面上看起来数量很多的大数据支持到你微观单元的问题。就像一个普通的淘宝店，它也想上几款走俏的女装，不能简单的依靠阿里巴巴底下所有的大数据加以解决，再加上这个数据本身最你那款女装急需的人群的数据是不掌握的。所以在这个意义上来说，我们所谓大数据实际上进入的是多元数据时代，每个有数据源的人都应该意识到，构建拓展丰富打通这些数据，使这些数据变得越来越大，当它渐渐长大的时候，我们数据交易能力和数据筹码决定了我们今天在DT时代你真正的地位，你在其中牟利的关键。所以每个数据拥有者，或者我们每个人都应该致力于把更多的小数据累积起来，从而构建我们在DT时代的数据竞争力，在这个时代获得更多的数据红利的能力。
谢谢大家。
作者：袁岳，零点研究咨询集团董事长
袁岳：大数据视野PPT
17:12:33 上传
袁岳：大数据视野
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师国务院智囊曝光中国经济统计数据背后惊人真相
本文是国务院发展研究中心宏观经济部巡视员魏加宁在日中国金融四十人论坛（CF40）季度宏观政策报告论证会第29期暨“双周圆桌”第166期“供给侧改革的政策顺序”的发言，来源：中国金融四十人论坛
从“供给侧改革”的改革顺序来看，是不是整个“供给侧改革”的顶层设计出了问题？我认为关于“供给侧改革”的顺序，有两个问题比较重要。
第一是如何得到准确的信息。当前最大的问题，一方面是真实信息不能自下而上顺利地反映上去，另一方面是自上而下的信号出现了混乱。
我们搞经济形势分析的同志应当多接接地气，不能只看统计数据，要到下面和企业家们、和基层政府官员以及老百姓们好好聊一聊、问一问，看看大家到底都在想些什么。现在的情况是，民营企业家都在想移民，甚至可以说大部分有点成绩的都已经办了移民；外资也在“往外跑”。国有企业现在都在政治学习，这样是要坐吃山空的。我也赞成把经济增长速度调低一点，不要像过去那样追求过高的增长速度。但我们要搞改革，不是不要经济增长，不是说经济增长就不重要了，而是要追求长期的可持续增长。所以，增长速度可以慢一些，但是以经济建设为中心不能丢。
现在，不仅外贸出口不行了，民间投资不行了，而且国内消费也出现了下滑的迹象。许多大城市的商场空了，中小城市街道两旁的的底商也都关门了。即使是过去几年一直逆势上行的某些行业，比如说化妆品行业，今年第二季度，有些企业的销售额开始出现了断崖式下滑。
至于说房地产是否影响实体经济，一位研发智能机器人的企业家跟我讲，一些投资者去年跟他讲，再等等，我们再炒几把股票之后再来投资你的项目。今年又跟他讲，再等等，我们再炒几把房子，然后再来投资你的项目。总之，股票好赚，房地产好赚，人家为什么要来投实业呢？！所以说，房地产泡沫对实体经济的影响还是很大的。
而房地产泡沫背后，不仅是大量的看得见的银行贷款，而且还有很多“非标产品”等方式筹集的资金也进去了，虽然合规，但是不在统计范围之内。对此，一些基层监管部门的负责同志很着急，但是上面却不着急。
据基层干部讲，现在许多地方的统计数据都是市委书记、市长们研究出来的，这样的数据怎么可能反映真实情况呢？！
我亲耳听到有地方政府官员反映，市里开会时，市委书记就问，我们的五年规划不是说民营经济要占到60%吗？为什么现在才刚刚到50%？于是，市统计局的负责同志赶紧道歉，说我们回去核实。结果，下次开会时，报上来的数据刚好是60%。又比如，为了说明当前经济结构调整的成效，一些地方的统计局就要求学校医院等事业单位把他们召开的学术会议等也都统计上来，于是服务业的比重就提高了。类似情况比比皆是。
现实情况是，一方面，进入信息化社会以后，信息量越来越大；但是另一方面，上级政府所能够掌握的真实信息所占的比重却越来越小！
所以说，“供给侧改革”首先需要拥有能够准确掌握下面真实情况的信息系统。我认为，改革必须首先立信，必须从政府改革做起，而政府改革首先应当从统计制度改革入手，正如当年著名经济学家孙冶方先生讲的：“统计只有独立才可靠”！因此，必须首先把统计部门从政府系列中独立出去，对人大负责，或者作为独立的法定机构，不在各级政府的领导之下。这样的话，统计数据的权威性自然就会得到提升，各级政府的信誉也就自然会得到提升，中国的改革也就一定能够走出“塔西陀陷阱”。
第二是决策机制要规范，要透明。有人说，目前的房价上涨与货币政策有关。但是，中国的货币政策到底是如何决策的呢？过去我一直在坚持央行的独立性，现在我退一万步，即使不再讲中央银行独立性的话，至少也应当告诉市场，究竟是谁在做决策？谁决策谁负责！都有谁在参加决策，最终决策是如何做出的，一定要详细记录在案，然后定期公布。美联储是五年以后公布，日本央行是十年以后公布。
只有这样，才能够保证参与货币政策决策的人能够对人民负责，对国家负责，对历史负责。也有利于今后专家学者们研究过去的经验教训，避免重蹈覆辙。
【推荐】王晓鲁：中国经济数据到底有多少水分
作者：王小鲁，中国经济改革研究基金会国民研究所副所长，来自作者搜狐博客
很长时间以来对中国的经济数据有很多困惑和质疑，围绕经济统计数据或者指标产生的议论和争论原因也有很多，其中有对统计指标的口径、统计方法理解的问题，也有统计数据本身的准确性和真实性的问题，涉及的问题比较复杂。今天我想借这个机会谈一下对一些经济指标的理解。我不是统计学家，只是作为一个经济学者，从经济学的角度谈谈我对经济指标的个人理解，可能有理解得不对的地方，希望大家批评指正。
一、关于经济增长率的统计
长期以来，围绕经济增长率有不少争论。我们的增长率统计是不是可信？是不是准确？我们的GDP增长率统计基本上采用了国际标准，国家统计局做了很大的努力，从各方面来完善这个数据。由于这是一个高度综合性的指标，是由大量的分项指标汇集而成的，而且涉及到全国无数个生产单位和无数个参与经济活动的单位和个人，所以这个指标的统计过程是一个复杂的过程，涉及的方面很多。
GDP是指一个国家在一定时期内全部生产活动的最终结果。通常有三种方法进行统计：生产法、收入法和支出法。各国根据自己的情况采用的方法不一定相同。中国基本是以生产法为主。主要原因是，在过去计划经济时期，我们的统计主要是依靠企业到各级政府层层上报，再进行数据收集汇总形成的。这样的方法和生产法统计比较容易接轨。我们目前仍然是使用以生产法为主的统计，但是也用收入法和支出法进行核算。
从生产过程的角度来统计，还是从生产过程结束以后产生的收入来统计，或者是这些收入是怎样支出的角度来统计，只是三个不同的角度，指的都是同一个东西。所以从理论上讲，三种方法角度不一样，但得到的最终结果应该是一样的。事实上，世界各国谁也不能完全做到这一点。因为统计工作的复杂性，加上方方面面的因素和问题，每一种分项指标的收集整理都有可能存在一定的误差。另外在计算和统计方法上也仍然存在一些值得探讨和需要改进的地方，所以很难做到三种方法完全一致。我们国家以生产法的统计为主，同时也参考收入法和支出法，在三种方法之间应该是有一定程度的调整，所以最终的结果是比较接近的。
生产法是生产部门创造的增加值的汇总。它的基础数据主要是来自企业、农户、个体经营者等等所有这些生产单位。因为小企业和个体经营户、农户的数量太多了，不可能做到一家一家的进行统计，所以对于小企业和个体经营者的统计，通常是通过典型调查的方法，对采集的数据进行推算，再和统计得到企业数据进行汇总来核算GDP。我们的GDP统计历年来做了不少改进，其中经济普查是一个非常重要的方面。因为很多报上来的数据可能会产生偏差，每隔一定的时间，在全国范围进行一次涵盖所有生产单位的经济普查，由此取得的数据相对来说真实程度比较高，比较可信。
过去在两次经济普查以后，都对GDP数据做了调整。第一次经济普查有一个重大的调整，就是把GDP上调了17%，这主要涉及到第三产业也就是服务业。过去我们的统计对服务业遗漏比较多，通过经济普查补充了这方面的数据，所以做了一次性的调整。调整以后，还要对以前年份的数据根据普查的情况再进行调整，追溯到以前若干年。
最近，国家统计局开始实行全国90万家企业统计数据的网络直报，这是一个比较重要的措施。通过网络直报的方法，可以使企业的数据直达国家统计局，不再需要一级一级上报，这就避免了中间过程可能产生的数据误差和损失。所以总的来说，GDP数据的统计还是在不断改进的，基本上还是一个比较可以信赖的数据。但是，仍然存在着一些问题。
一是表现在全国每年GDP增长率和全国31个省市自治区统计的GDP增长率不一致。每年地方统计的GDP增长率基本上都比全国增长率平均水平要高出2-3个百分点。这是一个比较突出的问题。
从2008年到2012年，如果我们把各省的经济增长率简单平均一下，把得到的结果和全国GDP增长率来加以比较，可以看到每年相差大约在3个百分点左右。各省的增长率一般都高，有些年份甚至是所有省份的增长率都高于全国的增长率。这个现象是怎么造成的？一个是一些地方政府倾向于夸大自己的政绩，因此干预统计工作，尽量报高不报低。这个现象各级都有发生，特别是在基层单位就更突出。比如每个县都有统计局，他们对本县经济状况统计得出的初步结果，通常要上报给县委县政府。县里主要领导可能会说，你们的数据是不是统计得太低了？为什么我们的增长率这么低？邻近的那个县怎么就比我们高？你们是不是再重新算一算。这样一来，重新计算的结果通常就把GDP算上去了。
为了解决这个问题，国家统计局采取了一些措施,在每年GDP统计过程当中，要做所谓“挤水份”的工作。要通过数据分析发现一些不实的、虚假的成分，把这部分剔除，如此一来就会导致全国统计的GDP数据低于各省的统计。这项工作只做到全国统计，国家统计局现在还不能够直接去修改各省的数据，所以就造成了数据的差别。各地统计局在行政上隶属于地方政府，不是直接隶属于国家统计局。地方统计局行政上受地方政府领导，和国家统计局之间只是业务上下级的指导关系，所以这个数据问题和行政管理体制有关系。
当我们看经济增长率，全国和地方的数据到底哪一个更准确一些？在我看来，全国的更准确一些，也就是挤过水分的数据更准确一些。但是也不排除这样一种情况，我们现在的统计仍然存在一些遗漏。刚才我说了过去曾经通过经济普查对服务业的遗漏有过重大的修正。尽管如此，现在是不是仍然有遗漏？我认为不排除这种情况。因为存在遗漏，数据就有可能在某种程度上低估了，而有些地方政府又倾向于高估统计数据，这两种情况在某些场合下可能起到某种互相抵消的作用。
我刚才说到，国家统计局在上一次对GDP的数据做重大修正以前，如果我们把修正以前的各地方统计的GDP加总，再来和修正以后的全国数据比较，两者在总量上倒是比较接近，而修正以前的全国统计数据显得偏低，这是因为统计遗漏造成的。现在是不是仍然存在这种情况？我认为不排除一定程度的统计遗漏。但总的来看，全国的GDP统计准确性还是高于各地的统计。这种情况和地方政府的政绩追求动机有关，和地方政府的政绩观也有关。李克强总理在辽宁省担任省委书记的时候，有人问他有关GDP的统计，他曾经讲GDP是一个人造的数据，他更相信的是一些实物数据。比如说发电量、货运量等等。后来就有人把这几个指标叫做李克强指数。这样说也未必准确，但是在实物数据和综合性的GDP数据之间，确实存在着一个很密切的相互关系。有的时候我们通过对实物数据的分析判断经济形势，可能要更准确一些。
1992年、1993年我国经济出现过热，然后采取了从紧的宏观政策，这个政策持续了几年，到1997年已经开始出现经济下滑的趋势。比如1997年的电力消费增长率下降到了4.8%。通常年份电力消费的增长和工业产出的增长，和GDP的增长具有比较强的因果关系，因为你要生产就要耗电。由于效率提高、节能减排等等原因，我们的经济增长率可能会高于电力的增长率，但不会差太多。1997年电力消费增长率降到4.8%，铁路货运增长率下降到0.7%，说明经济增长出现了显著放缓趋势，但是当年报告的经济增长率是9.3%，继续保持着高水平。由于各项数据都很好，仍然保持高增长低膨胀，说明现行政策不用做大的调整。结果使我们的决策层错失了一个在亚洲金融危机的冲击到来之前提早调整宏观政策的机会。事实上，人们感受到当时的情况已经发生了变化。
1998年，时任国务院总理朱镕基提出经济增长目标是8%。这一年电力只增长了2.8%，铁路货运量降到了负4.6%，说明经济是在下滑。但事后公布的统计结果，当年的经济增长率是7.8%，仍然是比较高的增长速度，和政府提出来的8%的增长目标只相差了0.2%。这种情况在我看来是不真实的，根据当时电力、铁路货运和主要工业品实物量的增长等一些数据来推算，恐怕得不出7.8%这样一个增长率。如果要进行估算的话，在3%-4%比较可信。说明国家统计局年的数据在某种程度上是不真实的。2002年朱镕基总理视察国家统计局，留下了四个字的题词叫做“不出假数”，这说明当时的领导人也意识到了统计容易出现不真实的问题，而且这种不真实对宏观政策和整个经济的发展是不利的，有时会造成相当严重的结果。
在以后年份里，这种情况变得相对好一些，但在某些年份也出现过类似的问题，只是程度上没有差那么多。举例讲，2008年-2009年全球金融危机，从2008年第四季度到2009年出口大幅度下滑，记得是掉下来20%左右，对我们的出口产业是一个非常重大的打击。2007年电力消费增长率是14.4%，2008年降到5.6%；2007年铁路货运量的增长率是9%，2008年降到5.1%，2009年是0.9%。电力和货运是和经济增长关系最直接的两个指标，虽然两者都出现了大幅度增长率下滑，但2008年的经济增长率仍然保持在9.6%，2009年是9.2%。在我看来这两年的数据也是偏高的，不太真实。
我们发现，分析增长数据似乎存在这样一个规律：当经济过热的时候，实物增长率通常非常高，而GDP的增长率的上升相对缓和。在经济不景气的时候，一些实物数据增长率有大幅度下降，而GDP的增长率下降的幅度相对比较小。让人感觉我们的统计部门在统计的时候，似乎是做了某种平滑处理，上涨的时候往下修一修，下跌的时候往上修一修，这个处理方式是有益还是无益的呢？我看是无益的。当数据出现大幅度跳动的时候，我们的统计分析人员有时候可能确实很难判断究竟是数据误差，还是实际情况真的发生了大幅度变动，于是在某些情况下可能会把它当做数据误差来进行修正。但是不排除有另外一个可能性，我们统计部门的工作人员也面临行政上的压力。
1998年朱镕基总理提出目标的是8%，如果当年统计出来增长率是3%、4%，会很难看。国家统计局一直在对统计数据做“挤水分”的工作，挤的时候就存在一些人为因素的空间，有的时候多挤一点，有的时候少挤一点。这就可能导致前面说的结果。如果存在这种情况，领导人当时可能会高兴一点，统计部门的压力也会轻一点，但对经济决策是很不利的。在数据不真实的情况下，政府领导人容易做出不正确的决策，而这种不正确的决策容易导致国民经济本身蒙受损失。当然，我们不能把板子都打在统计部门身上，根本原因是某些各级领导人存在过度追求GDP发展的政绩观，这就跟我们的政绩指标、考核体系有关。如果考核的东西都和GDP有关，事实上就是在鼓励各级政府追求GDP，有时候甚至是不惜手段，用不正确的手段来虚报数据等等。
我们一直在讲政府职能转变，各级政府的政绩考核也做了很多改变，虽然GDP已经不是唯一的考核指标，但是很多考核指标仍然和GDP有密切的联系。比如说要看你的投资，看你的城市化率，看你就业的情况，多看一些指标应该说有所改进，但是这些指标有很多和GDP有关，投资是直接和GDP相关的，城市化率的存量很难一下子改变，每年城市化率提高多少也是和经济增长相关的一个指标。还有短期的就业也同GDP相关。所以现在地方政府的激励机制仍然没有根本的改变，还需要付出很大的努力。
二、关于工业增加值的统计
在统计里面有两个不同的工业增加值指标。工业统计中有工业增加值，GDP核算也有工业增加值，前者增长率通常比后者高2-3个百分点。原因在哪？在我看来恐怕还是一个挤不挤水份的问题。工业统计中的工业增加值增长率，基本上是从地方各级取得数据的汇总，而GDP中的工业增加值这部分，它的增长率是经过了所谓“挤水份”，因此就造成了两个指标的差别。
从2007年-2013年GDP核算数中的工业增加值增长率，比工业统计的工业增加值增长率要低2-3个百分点。2007年按照GDP核算，工业增加值增长了14.9%，按照工业统计数增加了18.5%，相差明显。现在来看两者的差别小了一些，2013年GDP核算工业增加值增长率是7.8%，工业统计增加值增长率是9.7%，但两者之间还是有明显差别的。比较而言，我还是更相信GDP核算的工业增长率。
三、关于就业率的统计
关于就业统计指标的理解，经常出现一些问题，比如统计中有一个指标叫做“城镇单位就业人数”，还有一个指标是“城镇就业人数”，这两个指标之间有非常大的差别。包括有些经济学家在内也不太懂得这个差别，有时候这两个指标混用，用城镇单位就业人数来代替城镇就业人数，这样的用法是非常错误的。
大家看一下表。2012年城镇就业人数37102万人，城镇单位就业人数只有15236万人，连前者的一半都不到。差别在哪呢？第一，城镇单位就业人数没有包括私营企业；第二，所有的个体经营者也都没有包括在内，还有其它小的统计口径的区别，因此造成了这么大的一个差别。如果把2012年城镇私营企业就业和个体就业加在一起是1.3亿人，和单位就业人数合并是2.8亿人，和城镇就业人数的3.7亿人还差了8000多万人。根据统计指标的解释，其中可能存在几方面的问题，一个是城镇单位就业人数不包括下岗和离岗人员，不包括业余打工的学生、实习生，不包括企业通过劳务外包使用的人员，剩下8000万人的差额有一部分可能是这样的。是不是能够全部解释这8000多万人的差别，我还有一点疑问，我感觉城镇单位就业人数的统计可能存在偏低的情况。
城镇就业人数这个统计相对来说比较好，因为它和历次的人口普查是衔接的。通过人口普查，能够全面了解城乡人口和就业的情况，这个普查数据通常会反映在城镇就业人数统计数据里。当普查结果和历年的常规统计不一致的时候，统计局通常要重新调整。总的来说，城镇就业人数这个数比较可信，但是仍然不排除偏低的可能。为什么说偏低？这里有几种原因，主要原因是流动人口。国家现在统计的城镇常住人口，是指在城镇居住半年以上的人口。就业统计也应该和这个指标相衔接，就业半年以上也应该被统计在城镇就业人数里面。
但是，这个统计即便是在人口普查过程中也有可能存在遗漏。比如人口普查是按照街道、按照区域、挨家挨户进行的，理论上是每家每户都要走到。但是有很多农民工住在临时性的工棚里，也没有门牌号码，普查的时候会不会遗漏？如果遗漏了一处建筑工地的工棚，就可能漏掉了几百人，甚至更多。还有一些农民工没有正式居住场所，住在打工的餐馆里，住在地下室里，还有的住仓库里，这些都不是正式的居住场所，所以普查时都有可能被遗漏。再加上农民工的流动性比较高，如果找不着本人，就很难搞清楚这个人到底是不是常住人口。这些情况，都有可能造成人口普查的过程中发生遗漏。我们也做过一些推算，认为确实存在一部分遗漏。
由于人口普查可能对流动人口和流动的就业人员产生遗漏，因此我们现在的城市化率是不是很准确？可能要打一个问号。我们做了一个推算，根据国家统计局对农民工的监测数据和经济普查数据进行对比，发现经济普查比农民工监测数据还少了一些。监测数据专门针对农民工，收集信息比较详细，因此应该比普查数据中的这部分数据更准确。2012年城镇就业按照目前统计是37102万人，如果把这个因素考虑进去做一个修正，进行计算得出的结果是，在3.7亿人之上还要再增加4000多万人，接近4.2亿。相应的农村就业人员要减少3000多万人。城市化率有可能比官方公布的数据还要高个2-3个百分点，2012年超过55%。
四、关于居民收入统计
居民收入是大家关心的问题，在这方面争议也比较多。现在的统计中就存在两套不同的居民收入数据，一个是国家统计局的城乡住户调查数据。最近国家统计局做了一项工作，把城乡两个调查合并成一个调查，样本进一步扩大了，这是一个很好的改进。如果我们看历年城乡住户调查数据，再根据住户调查数据推算居民收入，以2011年为例，推算的结果全国居民可支配收入19.6万亿元。国家统计局还有另外一个数据，是资金流量表数据，它提供的居民可支配收入是28.6万亿元，这两个指标差了9万亿，差别相当大。
这是什么原因？可以说，其中有一部分是统计口径的差别。我们在进行住户调查的时候，居民收入和支出都是按照现金收入、现金支出进行调查。而在资金流量表数据里，它的核算是你虽然住自己的房子，既没有房租收入也没有房租支出，但这和你租住别人的房子统计不一样，因此在统计上把这块要加进去。根据统计理论，要把它计算作你的虚拟租金收入，这个收入是你付给你自己的。现在虚拟租金收入计算是偏低的，这个计算虽然会导致两个数据之间有一定程度的差别，但不会那么大。
至于为什么会有这么大的统计差别，主要的原因还是调查遗漏。比如说，住户调查对居民收入有重大的遗漏，原因有两个。一个原因是住户调查在形成样本的时候，是通过随机抽样。比如抽到某个区、某个街道的某个门牌号码的那一户，你要求他参加调查，作为国家统计局固定的观测样本。这户人家愿意做或者不愿意做？通常很多高收入居民不愿意做。你就得再另外找一户，如果碰到拒访还要另外再换样本，最后换到有人愿意做了，他的收入水平和前面的拒访者收入水平一样吗？很可能不一样。这种情况也比较多。
中等收入和低收入居民拒访率比较低，因为他的收入很简单，主要就是工资收入。而高收入居民收入来源很多，其中可能有他自己认为比较敏感的收入。即便来源都合法，也不一定愿意讲。这种情况就会造成样本中间遗漏相当一部分高收入居民。第二个原因是有些居民同意调查，但填表的时候一年50万的收入只报了10万、20万，这种情况也是存在的，而且发生率相当高。出现这种情况通常没有办法再去核查，你只有相信他报的数据。造成的结果就是，取得的高收入居民数据，明显低于真实的情况。
这里涉及到一个重要的问题就是灰色收入问题。灰色收入问题也是我过去几年的研究课题。我发现我们的统计数据在居民收入方面反映的情况不够真实，没有反映出实际的居民收入，特别是高收入群体。所以几年来我们在全国各省市区的60多个大中小城市，做了三次城镇居民的抽样调查。我们采用不同的调查方法，尽可能做到数据比较真实可靠，在这个基础上再来进行模型推算，推算我们国家实际的居民收入到底有多少。
刚才说到2011年有两个数字，一个是城乡住户调查数据，全国居民收入19.6万亿元，一个是资金流量表数据，全国28.6万亿元。我们在调查的基础上经过数据分析和模型推算，得到的结果是34.7万亿，比住户调查数据高了15.1万亿，比资金流量表数据高6.2万亿。这几次调查都有报告，在报告里我把高于资金流量表数据的6.2万亿称为灰色收入。因为资金流量表数据来自经济普查，覆盖是全面的。如果有一部分收入没有被资金流量表数据包括，它的来源就是不清楚的，不知道它到底从哪里来，也不知道到底是不是合法收入，我们把这种情况称为灰色收入。它的来源和是否合法不能界定。我们的分析结果说明，这部分灰色收入，加上住户调查数据的统计遗漏和误差，主要都集中在高收入居民。
这张图是2005年所做的推算结果。城镇居民按照国家统计局的分类，分做最低收入、较低收入、中下收入、中等收入、中上收入、较高收入和最高收入，共7组。中间三组每组占20%，两头的四组各占10%。按这样的分类方式对居民收入做重新推算，可以发现差别最大的是右边的最高收入组，人均收入推算结果大约是统计结果的三倍以上，而其它的组相差不太大。
下面2008年的结果基本上一样，最高收入这一组相差了三倍左右。2011年的结果还是基本上一样，最高收入这一组推算结果是人均年收入18.8万元，而统计数据只有5.8万元。
如果我们城镇居民中10%的最高收入居民，人均年收入只有5.8万元，会不会有那么多人买房子？会不会有那么多人买汽车？会不会有那么多人出国旅游？会不会有那么多人在国外市场上大量购买奢侈品？如果按照现在最高收入居民可支配收入的统计，这些情况恐怕都不会发生，房价也不会不断上涨，因为没有人买得起这么贵的房子。事实上说明，高收入居民的真实收入远远高于统计数据。
图里表现的是推算结果和统计数据的差别，低收入居民得到的推算结果和统计结果是比较接近的。按照统计调查，2011年城镇10%最高收入居民和10%最低收入居民，家庭人均收入之比是8.6倍，不到9倍，而按照推算结果来计算，两者相差20.9倍。实际收入差距要远大于统计数据所显示的收入差距。
这么大的收入差距问题出在哪？首要的问题就是腐败和收入分配不公，这是最大的问题。我们现在正在大力度反腐，也取得了初步的成效，我们希望这种情况能够继续下去。但要根本解决腐败和收入分配不公的问题，不是单纯靠行政手段反腐就能解决的，更重要的问题是要解决制度上的问题。比如政府的管理体制，如何做到更加公开透明；财政体制如何做到更加规范化，更加管理有序，更加公开透明，能够受到全社会老百姓的监督，让老百姓有发言权、监督权。我认为这是财政体制改革的一大任务。只有解决这些制度方面的问题，才能从根本上杜绝腐败、收入分配不公等等问题。
五、关于居民消费统计
关于居民消费统计也存在一些争议。比如2012年按照我们的支出法GDP核算，居民消费26.2万亿元，占GDP的比重是36%。有学者也有商界人士质疑这个数太低了，说居民消费不可能就这么少，应该更多，他们也举出了很多例子，比如奢侈品消费。这些质疑我认为有一定程度上的合理性，但要区分两个情况。
一是居民消费总额是不是被低估了？我觉得有可能偏低。刚才说到的居民收入统计，即使按资金流量表数据，根据我们的推算也还是低估的。所以居民消费相应也会有一定程度的低估。
二是消费率是不是被低估了？居民消费现在占GDP的比重36%，这个36%是高估还是低估呢？有些人推论说居民消费被低估了，消费率肯定也被低估了，应该是40%或者是50%。我不同意这种说法，原因是当居民消费被低估的时候，居民储蓄也被低估，遗漏的程度有可能更大。我们很多高收入居民的消费率通常低于中低收入居民，他的储蓄率更高。高额收入中有相当一部分是拿来储蓄和投资的。经济学讲的储蓄，并不只是包括银行存款，所有用于投资的支出都是你的储蓄。
高收入居民的储蓄率要远高于中低收入居民，消费率要低于中低收入居民。如果它的收入统计低了，遗漏掉的既包括消费也包括储蓄，而且储蓄被遗漏的成分更多，这是我们在调查中发现的情况。因此在我看来，居民消费总量统计上有可能有一定程度低估，但是居民消费率并没有被低估，甚至有可能实际的居民消费率比现在的统计数据还要低，原因就在于有更大的一块是居民储蓄的遗漏。
六、关于CPI的统计
经常听到一些老百姓说CPI统计得太低了，他们实际感受到的通胀率，比公布的CPI，2%、3%，要高。为什么会有这个差别？有几个不同的原因可以来解释一下。
第一个原因，在CPI的构成中，上涨最快的部分是食品价格，而工业品价格上涨慢、不上涨甚至是下降。中低收入居民对食品价格更敏感，因为他们的收入总量低，用于食品支出的比重会更高。这个比重叫恩格尔系数，恩格尔系数越高说明你的收入水平越低。低收入居民的收入大部分都用来买吃的了，他们的恩格尔系数就高。当你的收入水平高了，除了用于食品开支，你还可以有大量的收入用于文化娱乐、旅游和各种其它消费，所以你恩格尔系数就会下降。在这种情况下，只有低收入群体对食品价格更敏感，食品价格上涨比其它的幅度要大，低收入居民感受到的通货膨胀的压力就会比公布的CPI更大。因为CPI是一个综合的指标，它包括各类消费品。
第二个原因，很多老百姓觉得房价是一个非常沉重的负担，房价在不断涨，越看越买不起。房价涨这么快，但CPI好像没有反映出来。实际上房价并不包括在CPI里面。有人批评统计局，说你不包括房价不对，这个有点冤枉了，因为按照国际统计惯例，房价是不包括在CPI里面的。在国际统计体系中间，是把居民买房子作为投资行为，而不是消费行为，所以在统计消费品价格的时候不统计在CPI。你感受到了房价的压力，但是CPI并不反映这个情况。当然，这不等于说可以不统计房价。房价应另外统计。
第三个原因，存在某些统计困难。CPI统计也是一个比较复杂的事情。谁也不可能把全国万亿种消费品的价格变动全都统计出来，所以只能统计有代表性的一些大宗消费品。统计局可能选择其中的几百种做代表，其中有吃的、穿的、用的各类消费品都有。但是统计的时候还是会面临困难。当我们在统计CPI的时候，要算的是今年的价格比去年上涨了多少，如果你碰到某种新产品，是今年才出来的，你就没法计算它比去年上涨多少。所以我们要统计的商品，必须是持续的和稳定的，去年有，今年有，明年还会有，比如大米、白菜等等商品就容易统计，也能算得出来它比去年价格上涨了多少。但是一款新牌子手机，今年刚刚出来，去年没有，就没法算。
这样就会导致统计上的困难。大宗的、稳定的商品，一般来说涨价慢，但新的产品，比如新牌子的手机比旧牌子贵，有它的道理，因为新牌子手机功能更多，样式也更漂亮了。新牌子的电视也是一样，所以你需要花更多的钱。但有的时候，只是样子变了，功能相差不多。这种情况在CPI统计里面没有办法区分，因为不完全是同一种产品，就不可比。这种情况也会使大家觉得物价要比公布的CPI高。
七、关于固定资产投资和固定资本形成统计
这样两个指标看起来很像，但有统计口径的差别。主要是固定资本形成的统计，不包括投资中的土地价值，这是最主要的一个差别。比如说我要搞一个投资项目，先要买地，然后在地上盖房子，我花的所有的钱都要计算在固定资本投资里。但固定资本形成统计，需要剔除投资中的土地价值。在理论上讲这是有道理的，固定资本形成算的是新形成的价值，而土地是原来就存在，它不是新形成的。
但是这里面会造成一个重大的差别，地价天天在涨，像北京这样的城市地价非常贵，固定资本投资中有大笔的钱花在这里面，而固定资本形成却不计算这部分。我们把GDP做一个拆分，其中一部分是消费，一部分是固定资本形成，还有一部分是净出口。这里面土地价值没有算。虽然在理论上有道理，但是原来的土地没有那么贵，不值这么多钱，现在土地价值高了，增值的这部分怎么算？
如果你看个别交易过程，可以把土地增值看成随机波动，把它忽略掉。但在我们国家城市化快速推进大的背景之下，这里面就可能会有问题。城市地价在上涨，反映的是整个城市经济的发展变化。随着城市经济的发展，从宏观经济的角度来看，会产生溢出效应，体现在土地价值上。在某种程度上，至少其中的一部分在我看来应该被认为是新形成的价值，因为土地生产率提高了。在经济学里迄今为止还没有解决这个问题，经济学仍然系沿袭原来的传统，土地既然是原来就存在的，土地价值就不算在新形成的价值里。这是统计里的一个问题，不只是我们没有解决，全世界都没有解决这个问题。
这两个统计指标的差别，还不限于刚才我说的这个因素，还有其它因素。2012年全国固定资本投资总额是37.5万亿元，固定资本形成总额只有24.2万亿元，固定资本形成占固定资产投资的比重只有65%，两者相差13.3万亿元。能不能都看成土地价值的差别？我认为不能。因为当年的全部土地出让收入，我的印象里不到三万亿元。这显然解释不了13万亿的差别。这部分差别发生在哪？某种程度上也涉及我刚才说的统计水份的问题。我们各级政府在做投资统计的时候，也存在一个想要表现政绩的问题，就高不就低，尽可能说多一点，让工作成绩更显著一点。国家统计局在做GDP核算的时候，也需要对这些数据进行分析和过滤，剔除掉他认为不可靠的部分，这恐怕也是导致两个数据差别大的原因。
八、关于房价的统计
上面这张图说统计局在统计方面做得很糟糕，这话有点偏激。图中的房价统计用了中原地产北京、上海、广州三个城市的二手房价统计。2007年到2011年，这三个城市的二手房价按照中原地产的统计，涨到原来的220%到280%左右，涨幅是120%到180%。但是根据统计局二手房价的统计，这三个城市的房价涨幅只有20%左右，差得有点太远了。不能说中原地产的统计一定就准确，但是和大家的感受相差不多，而20%恐怕是不能让人信服的。我想这方面的统计亟待改进。
前面我谈到的这些统计问题，有的涉及到我们对统计指标的理解，有的涉及到统计指标的复杂性，还有的涉及到统计指标和政府政绩观之间的问题。因为统计工作很专业，很复杂，对有些统计指标我们不太理解，容易发生误解，这种情况容易存在。我们的统计工作本身也很困难，因为13亿人口这么大的一个国家，你要把方方面面的情况和数据都搞的那么准确，实在是很困难的事情。
同时，统计工作面临最大的压力还是来自各级政府，常常会涉及到政绩问题，这种情况对统计影响比较大。这是我们现在行政管理体制存在的问题，也恰恰是我们改革需要解决的问题。如何端正政府的政绩观，如何纠正政府的这套激励机制，让它把劲用在该用的地方，用在为老百姓提供服务，而不要一味的追求GDP，更不要去追求虚假的GDP。这是我们改革政府管理体制和转变政府职能是关键。
对统计部门来讲，需要秉承一个基本的原则，就是客观、中立、唯实，这也算是我的希望。以上是我对统计指标的一些个人感受，谢谢大家。
感谢原创者为本文付出的辛苦，如有侵权或误标来源，请联系本号小编及时删除（zhangbo661966）
小报告（ifengxbg）为凤凰财经旗下
宏观经济解读栏目，
提供最前瞻、最权威的经济大势分析点评！
觉得文章不错？长按扫描关注
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点