GDP 是指一个国家或地区所有常住单位在一定时期内生产活动的最 终成果。“常住单位”说明 GDP 统计的是国内生产活动，包括在国内 从事生产活动的外国人（企业），不包括我国在国外从事生产活动的 主体。“一定时期”说明 GDP 是流量的概念。“生产活动”说明 GDP 统计的是生产而非售出，反映 GDP 的内涵是生产创造价值。“最终成 果”说明 GDP 只统计最终产品而不统计中间产品，这样是为了避免重复统计。

GDP 分为现价值和不变价，不变价 GDP 更能体现经济的实际变化。 现价 GDP 或称名义 GDP，是按照当期最终产品的当期价格计算的 GDP，包含量、价因素。不变价 GDP 或称实际 GDP，是当期物量指 标根据基期价格计算的 GDP，剔除了价格因素。基期每 5 年更换一 次，2021 年至 2025 年不变价 GDP 的基期为 2020 年。现价 GDP 和 不变价 GDP 各自可计算同比表征经济增长。通常不作特别说明的情 况下，GDP 同比指的是不变价 GDP 同比，因为这体现了物量的增长 情况，更直观地反映居民生活水平的提高。政府工作报告同样以实际 GDP 增长作为目标和年内观测指标。

由于总产出=总收入=总支出，对应地 GDP 核算方法也分为生产法、 收入法和支出法。其中生产法和收入法从供应面进行 GDP 核算，这 两种方法统称为 GDP 的生产核算；支出法从需求面进行 GDP 核算， 因此支出法也称为 GDP 的使用核算。 目前我国 GDP 核算以生产法和收入法核算为主，同时也开展支出法 核算，但后者目前仍处于试算阶段。支出法中的最终消费、资本形成 和进出口三大分项季度仅公布对总增速的贡献率和拉动百分比。

1.1、生产法+收入法GDP核算均属于供应面核算方法

供应面的核算方法下，GDP 等于各行业增加值的加总。增加值是供 应面核算的核心概念，即“新创造的价值”。GDP 衡量最终产品的总 价值，而从生产端对中间产品和最终产品进行区分较为困难，因此可 转而采用增加值的方法。也即对某最终产品而言，将该产品每个加工 环节新增的价值进行加总可得到该产品的最终价值；对全社会而言， 将各行各业的增加值进行加总则可得到所有最终产品的总价值，即 GDP。这就是供应面核算的内涵。

生产法和收入法 GDP 核算都属于供应面核算方法，也即二者都是从 增加值的角度核算 GDP。但是二者核算增加值的方法不同。其中生 产法的逻辑较为直接，通过行业的总产出减去中间投入，就能得到行 业新创造的价值，即增加值。 收入法下的增加值=劳动者报酬+生产税净额+固定资产折旧+营业盈 余。收入法则从分配的角度对 GDP 进行核算，反映不同生产要素获 得的回报。

1.2、支出法GDP核算属于需求面的核算方法

支出法 GDP 的分项包括最终消费支出、资本形成总额和货物和服务 净出口。传统经济理论以及一些国家将支出法 GDP 分为私人消费支 出、私人投资支出、政府支出、净出口，我国则将政府支出中的消费 和投资与私人部门合并，因而最终支出法下只有三项。支出法从需求 端出发，也是分析经济的重要视角。 支出法 GDP 核算容易引发市场“质疑”。这是因为市场从月度公布的 社会消费品零售总额、净出口以及固定资产投资三项需求估算 GDP 时，往往与实际值存在较大的距离。而造成这种感受上的差异，主要 原因是由于统计口径上的差异造成的。

虽然社零与 GDP 中的消费在增速走势上相关度较高，但二者统计口 径差异大。GDP 中的消费包括占比 70%左右的居民消费，占比 30% 左右的政府消费，其中居民消费中服务性消费约占 50%。社零未包含 政府消费支出和除餐饮服务外的其他服务性消费，因而绝对体量上缺 少了一大块。另外，社零中不包含自产自销的商品等等。总体来看二 者口径差异大。

GDP 资本形成总额包括固定资本形成总额和存货增加，与月频的固 定资产投资完成额口径差异较大。从统计口径上来看，固定资产投资 不包含存货投资，资本形成总额则包含，存货投资在资本形成总额中 占比不足 5%。月度公布的固定资产投资不含农户，固定资本形成总 额则包含，其中农户固定资产投资占全社会约 2%。对低于 500 万元 的非房地产开发项目，固定资产投资不纳入统计，固定资本形成总额 则包含。 两者还存在其他的一些统计差异。例如，固定资产投资包含土地购置 费、旧建筑物购置费和旧设备购置费等，而固定资本形成总额则不包 含；固定资本形成总额包含无形固定资产、商品房销售增值，而固定 资产投资则不包含。2021 年固定资产投资完成额为 54.5 万亿，而当 前的固定资本形成总额为 49.0 万亿，二者相差 5.5 万亿。

从走势上来看，固定资产投资增速与固定资本形成总额增速相关度不 高，甚至会出现相悖的走势。比如 2017-2018 年固定资本形成总额增 速回升至阶段性高位水平。而由于固定资产投资挤水分，这带来固定 资产投资增速持续下行。二者走势背离。

货物和服务净出口与外管局月度公布的贸易差额指标相关性较强，但 是时效性弱。海关总署公布进出口数据不包括服务贸易。表征出口的 月频指标包括海关总署的贸易数据和外管局的贸易数据。海关总署的 贸易数据通常于每月上旬发布，时效性相对较强，因而作为市场分析 出口的主要指标，但该指标不包含对服务贸易的统计，因此与 GDP 净出口口径有所差异。从净出口绝对额对比来看，海关总署的贸易差 额数据明显较高，这反映我国是货物出口国、服务进口国。外管局自 2015 年起每月末发布上月贸易数据，口径上包含货物和服务，因而 与 GDP 净出口相关性较强，但时效性较弱。 这些口径差异使得在用月度的三大需求数据去从需求面预测季度 GDP 时候，会存在背离。

季度 GDP 核算资料不如年度 GDP 核算资料翔实，更加依赖供应面 核算，增加值更多采用推算的方法。季度 GDP 与年度 GDP 核算有 较大差异，季度 GDP 更依赖增加值的核算方式。另外，季度 GDP 更关注增速，并且要求核算的及时性，对各行业增加值更多采用推算的 方法。不同于年度 GDP 的核算，考虑到资料有限以及保证及时性等 因素，季度 GDP 不再向下计算更细分行业的增加值。 季度 GDP 增加值公布的细分口径包括产业口径和行业口径。除了总 量数据，季度 GDP 也会公布三次产业和 11 个门类行业的数据，其行 业划分标准基于《三次产业划分规定》和《国民经济行业分类》。与 农林牧渔和工业相关的辅助性、服务性活动，其增加值虽然计入行业， 但不计入一产和二产 GDP，而是计入三产 GDP。但这些活动产值规 模较小、占比不大。

预测季度 GDP 应当从供应面出发，即以增加值为基础，对各个行业 进行预测并汇总。对于各个行业增加值的预测应当尽可能参照官方核 算的方法来选取指标。

从支出法的角度预测季度 GDP 可能产生较大的偏误。通过表征消费、 投资、出口的月频指标对 GDP 支出法下的三大分项进行预测，加总 得到季度 GDP 的预测，这种预测方法常见但有失妥当，可能产生较 大的偏误。首先，季度 GDP 核算资料有限，并且支出法 GDP 处于试 算阶段，季度只公布消费、投资和净出口对总增速的贡献率和拉动点 数，不公布各分项核算数和增速，无法对预测进行验证。其次，基于 增加值的核算和支出法核算虽然理论上结果应当一致，但实际核算中 二者仍然存在误差，这使得基于支出法的预测与官方基于增加值的核 算结果存在差距。最后，如前文所述，支出法 GDP 三大分项与月频 指标口径差异较大，特别是固定资产投资与 GDP 资本形成总额走势 经常背离。

预测季度GDP的基本思路是对各个行业的不变价增速进行预测，再根据各行业前一年同期增加值的占比进行加权。第一，我们通常对GDP的不变价增速进行分析，现价增速以及增加值并非关键，这种预测方法能够直接得到不变价增速，避免预测步骤过长使得误差在过程中累积。第二，官方核算季度GDP时，除农林牧渔业和建筑业外的行业均采用速度推算法。根据对各行业增速预测再加权得到GDP增速的方法逻辑上与速度推算法相一致。第三，各行业增加值占比季节性较强，各行业用前一年同期增加值的占比作为权重，产生的误差可控。另外，由于官方不公布各行业不变价增加值的具体数值，可用各行业现价增加值权重近似代替不变价增加值权重。从历史来看，采用现价权重对不变价增速进行加权误差较 小。

准确预测工业 GDP是把握整体 GDP增速的关键。工业近年来在GDP 中占比虽有所下降，但占比仍在 30%以上，是占比最高的行业，而其 他重要行业，如批发和零售业、金融业、建筑业等，则相对均匀地平 分剩下的占比，各自占比均不足 10%，重要性不如工业。并且工业具 有增速高、波动大的特点，对 GDP 影响和贡献较大。工业增加值统 计质量高，能够较为精准的预测工业 GDP，进而把握整体 GDP 走势。 我们将在后文对各行业的预测方法做具体介绍。

应当选用月频或更高频指标进行预测，有时需要对相关指标本身进行 预测。对于某些行业而言，官方推算增加值所用指标可能是季频，并 不早于 GDP 发布，甚至不对外公布，并不能服务于预测。因此需要 选择其他相关的月频或更高频指标，通常情况下是月频指标，然后取 季度均值与 GDP 进行拟合。另外，我们对于季度 GDP 的预测常常发 生在季度内，例如在季度的第三个月时点，已经有前两个月的相关指 标数据，这时需要对第三个月的进行预测，或简单地直接取前两个月 均值并做适当调整，输入到 GDP 的预测模型中。用月频指标进行预 测，能够将 GDP 的预测高频化，即构建月度 GDP 增速模型，以便及 时了解经济状况。

3.1、农林牧渔业

农林牧渔业现价 GDP 采用增加值率法核算，不变价 GDP 通过 CPI 缩减得到。农林牧渔业根据总产值和增加值率乘积计算得到现价增加 值，总产值数据来自农村司《农林牧渔业总产值》表。增加值率根据 上年年报资料和当期有关生产情况确定。得到现价增加值后再通过 CPI 进行缩减，得到不变价增加值及其增速。 若采用增加值率思路预测农林牧渔业增速，将引入更多需要预测的指 标，问题会变得更为复杂。农林牧渔业总产值为季频数据，发布并不 早于 GDP，本身也需要预测，并且包含量价因素，波动较大，也没 有较好的与之相关的高频指标，预测难度较大。另外，农林牧渔增加 值率并不明确如何推算，因而难以预测。如果采用增加值率预测，问 题变得更为复杂，并且误差和偏离将随着步骤推进不断积累。

可以直接通过相关的物量指标对不变价增速进行预测，简化问题。由 于不变价增速明显低于总产值增速，反映农林牧渔业产值的变化主要 由价所致，量的波动不大，这使得预测难度有所下降。 生猪定点屠宰企业屠宰量与农林牧渔业 GDP 具有一定的相关性，可为预测提供适当参考。由于数据的缺乏，难以找到用以拟合并预测农 林牧渔业增速的相关物量指标。生猪定点屠宰企业屠宰量作为物量指 标，同比季度均值与农林牧渔业不变价增速有一定的相关性，可为预 测提供适当参考，但预测误差仍然偏高。

近年来，农林牧渔业在经济中占比持续下降，波动性也趋于下降。因 而对农林牧渔业 GDP 的预测误差，对整体 GDP 影响小。随着经济 的增长，农林牧渔业在经济中占比下降是国际普遍趋势，我国也不例 外，农林牧渔业增加值占 GDP 比例从 2000 年的 14.5%下降至 2020 年的 7.8%，在经济中重要性明显下降。另外，若不考虑突发疫情因 素，即 2020 年疫情增速深坑以及在低基数下 2021 年的高增速，整 体来看近年来农林牧渔业增速波动性下降，上下波动不超过 2 个百分 点，对 GDP 增速影响不超过 0.16 个百分点，这减小了农林牧渔业预 测误差造成的影响。

3.2、工业

工业包括采矿业、制造业和电力、热力、燃气及水生产和供应业，是 GDP 预测中最重要的行业。近年来工业 GDP 占比虽有所下降，但占比仍在 30%以上。工业增加值不变价增速通过规上与规下工业增速加权平均而得。不变 价工业增加值增速的核算方法为规模以上工业（简称规上）与规模以 下工业（简称规下）不变价增加值增速加权平均，权重为上年年度各 自现价增加值占比。 统计局月度公布的规上企业工业增加值与工业 GDP 高度相关，可以 用回归拟合对工业 GDP 进行预测。虽然官方未公布规下工业增加值 增速以及规上和规下各自占比，但规上增速季度均值与季度工业 GDP 增速高度相关。因此可以通过对月度的工业增加值增速进行预测，再 取季度均值，通过回归拟合对工业 GDP 进行预测，模型的拟合优度 R² 为 0.98。

工业增加值的近月预测，可以选取当月与工业生产相关的指标进行预 测。选取重点企业粗钢产量、高炉开工率、汽车半钢胎开工率和 PMI 生产项对当期工业增加值进行拟合。结果显示，拟合优度 R² 达到 0.76。这 4 个指标能够较好的预测当月工业增加值增速。工业增加值环比具有明显的季节性，在做远月预测的时候，可以利用 这一季节性得到一个预测准确度较高的结果。工业增加值定基指数环 比增速季节性较强。利用定基指数过去 5 年环比均值作为对当月工业 增加值环比的预测值，并可通过环比转化同比，实现对工业增加值同 比的预测。从历史来看，该预测方法效果较好。

3.3、建筑业

建筑业以房屋建筑业、土木工程建筑业为主，此外还包括建筑安装工 程和建筑装饰工程等。建筑业在 GDP 中占比在 6%-7%。 建筑业现价 GDP 采用增加值率法核算，不变价 GDP 通过建筑安装 工程价格指数缩减得到。建筑业现价增加值通过建筑业总产值和增加 值率相乘得到，建筑业总产值为季频数据，而增加值率取自上年度， 即上年度建筑业增加值占总产值比重。得到现价 GDP 后，可通过建 筑安装工程价格指数缩减得到，该指数为季频数据，并且 2019 年后 便不再对外公布，其走势和 PPI 总体较为接近。因此，在预测时我们也用 PPI 季度均值作为替代指标进行缩减。

可直接采用经过 PPI 缩减后的基建+房地产增速对建筑业不变价增速 进行预测。建筑业总产值与 GDP 同为季频数据，因此需要寻找其他 相关高频指标预测。建筑业中基建和房地产开发活动占大部分，因此 基建+房地产开发投资与建筑业 GDP 较为相关。若采用增加值率的思 路预测，则步骤较多，每一步都或多或少产生偏离，并且总共需要两 次回归，误差将逐步累积。因此，可另辟蹊径，用 PPI 对基建+房地 产投资增速进行缩减，得到不变价增速，再与历史建筑业 GDP 增速 回归，通过回归系数得到预测结果。

基建+房地产投资通过 PPI 缩减，得到的不变价增速与建筑业 GDP 较为相关。2008 年以来，PPI 缩减后的基建+房地产投资增速与建筑 业 GDP 较为相关，从回归结果来看，该预测效果较好，R² 为 0.73。 另外，未经平减的基建+房地产投资增速与建筑业 GDP 也较为相关， 也可直接用于预测。

3.4、批发和零售业

批发和零售业包括批发业和零售业，近年来随着经济发展和国民收入 水平提高，行业占比也呈上升趋势，当前批发零售业占 GDP 的比例 已接近 10%，重要性上升。批发和零售业 GDP 核算采用速度推算法，选用价格指数平减后的销 售额作为相关指标推算。批发业和零售业用商品零售价格总指数（RPI） 对各自销售额进行缩减，并适当调整推算的增加值增速，再进行汇总 得到整个行业 GDP。 社会消费品零售总额经 PRI 缩减后的增速与批发和零售业 GDP 拟合 效果较好。销售额数据年度公布且滞后，而较为相关的社会消费品零 售总额为月频数据，经过 RPI 缩减后，增速与批发和零售业 GDP 较 为相关，因而采用回归模型进行预测效果较好，R² 为 0.88。另外， 未经平减的社零增速与批零业 GDP 也较为相关，也可直接用于拟合 回归预测。

3.5、住宿和餐饮业

住宿和餐饮业 GDP 占比不足 2%，20 年以来因为疫情的冲击，其占比 仍在下降，对 GDP 的重要性低。 住宿和餐饮业 GDP 增速通过营业额不变价增速推算。住宿和餐饮业 选择平减后的营业额增速作为推算 GDP 增速的相关指标，平减指数 选择住宿价格指数和在外用膳食品价格指数。 经 RPI 食品指数缩减的社零餐饮收入增速与住宿和餐饮业 GDP 相关 性较高，预测效果较好。由于营业额和价格指数数据并不可得，而社 零中的分项餐饮收入是较为相关的月频数据，可用于预测。餐饮收入 增速用 RPI 食品价格指数缩减后，得到的实际增速与住宿和餐饮业 GDP 高度相关。将两者构建一元回归模型，结果显示 R² 为 0.94，说 明预测效果较好。

3.6、交通运输、仓储和邮政业

交通运输、仓储和邮政业通过各运输业周转量增速以及邮政业务总量 增速推算。交通运输、仓储和邮政业在 GDP 中占比不足 5%，核算的 增加值包括五个部分：铁路运输业、公路运输业、水上运输业、航空 运输业和邮政业。四大运输业需要将各自行业的旅客周转量和货物周 转量通过一定的转换比例计算总周转量再计算增速，最后做适当调整 后得到各运输业 GDP 增速。而邮政业 GDP 增速通过邮政业务总量增 速推算，最后将五个细分行业的增速进行加权得到整个行业的 GDP 增速，权重等于上年度各细分行业增加值占整个行业比重。

各细分行业权重无法获取，需要通过回归拟合确定权重系数，但预测效果一般。官方选用的五个相关指标均为月频指标，并且每月下旬发布上月数据，这使得按照官方的方法预测具有可行性。但由于GDP并不公布更细分行业的增加值数据，因此交通运输、仓储和邮政业中 的五个细分行业权重无法确定，可通过将代表五个细分行业的相关指标增速与整个行业GDP增速进行回归确定系数，但这样隐含假设了各细分行业权重保持不变。实际上各细分行业权重的变化将导致预测产生误差。从回归预测结果来看，预测精准度尚可，Adjusted R²为0.80。

工业增加值和PPI也可用于预测交通运输、仓储和邮政业GDP增速， 该方法数据处理较为简单，并且二元回归较五元回归系数稳定。工业 越景气和活跃则对运输仓储等的需求也越强，而价格决定的企业利润 可能也影响企业经营活动，进而影响运输需求。因此，工业增加值和 PPI 与交通运输、仓储和邮政业增速相关性较好，将这两个指标与 GDP 做二元回归，预测精准度与通过五个相关指标的回归较为接近，Adjusted R²为 0.55。基于工业增加值的预测方法又具有操作简单、回 归系数相对稳定的优势。

3.7、金融业

金融业包括银行业、证券业、保险业和其他金融活动。随着中国金融 市场的发展，金融业 GDP 占比不断上升，已超过 8%。纵向来看，中 国金融业 GDP 占比小幅高于美国和英国，明显高于日本。

金融业 GDP 主要通过存贷款余额、股票交易额和保费收入指标核算。 金融业季度 GDP 核算包括三个子行业：货币金融服务及其他金融业、 资本市场服务、保险业，将三个子行业的增速加权平均可得金融业 GDP 增速，权重为上年度各子行业不变价增加值占比。1）货币金融 服务及其他金融业通过缩减后的存贷款余额增速推算，存贷款余额增 速为存款增速和贷款增速经加权形成，权重比为两者余额之比。2） 资本市场服务：通过缩减后的股票交易额增速推算。3）保险业：通 过缩减后的保费收入增速推算。上述所用缩减指数均采用 CPI 和固定 资产投资价格指数取算术平均，而后者与 PPI 较为相关。

金融业 GDP 可通过存贷款余额、股票交易额和保费收入三个指标缩 减后的增速建立回归模型进行预测。在官方核算金融业 GDP 选择的 指标中，存贷款余额增速和保费收入为月频指标，股票交易额为日频 指标，但由于未公布各子行业上年度增加值的占比，因而无法确定权 重。另外，由于固定资产投资价格指数为季频并且 2019 年后不再公 布，因此用 PPI 代替，将 CPI 和 PPI 取均值作为缩减指数。可用三个 相关指标与金融业 GDP 构建三元回归模型，作为对金融业 GDP 的预 测，模型 Adjusted R² 为 0.54，可见模型还有改进空间。 一方面，金融业发展使得各行业权重可能发生变化，另外，金融业 GDP 的核算本身也在不断调整和改善，例如早期曾将金融银行相关行 业的营业税纳入相关指标，这也是预测模型产生误差原因之一。未来 还需要继续观察模型的稳定性。

更简化地，可直接用股票成交金额增速做一元回归预测金融业 GDP 增速，该方法下操作简单而不失精准度，回归系数较稳定，并且股票 成交金额更高频。虽然证券业在金融业中占比不大，但由于证券市场 行情变得使得股票成交金额波动较大，并且能够影响主体其他金融行 为，因此股票成交金额增速对金融业 GDP 的解释力度较大。一元回 归模型 R² 为 0.53，预测效果和结果与三元回归较为接近。该方法简单，并且一元回归较多元回归系数稳定。另外，由于股票成交金额更 高频，能更及时地追踪并用于预测。

3.8、房地产业

房地产业经济活动包括房地产开发经营、物业管理、房地产中介和居 民自有住房服务。房地产业占 GDP 比重也呈上升趋势，到 2020 年已 超过 7%。这里的房地产业只是代表地产服务业属于第三产业。地产 建筑业在第二产业中核算。因而不能代表整个房地产业占 GDP 的比 重。20 年 7 月开始，地产调控开始收紧，“三道红线”、和涉房贷款集 中度管理，房企融资受限，地产业走弱，这导致房地产 GDP 占比在 21 年开始回落，预计 22 年回落速度将加快。

房地产业增加值核算时包括两部分：房地产业（K 门类）和居民自有 住房服务。对于这两个核算部分，居民自有住房服务部分不变价增速 固定为 5%核算，因此房地产业核算的重点放在房地产业（K 门类）。 房地产业（K 门类）相当于一个子行业，也通过增速推算法核算 GDP， 即通过两部分增速加权得到相关指标增速：一是房地产开发经营业，二是物业管理活动、中介服务活动、其他房地产活动，权重取自上年 度两部分各自占房地产业（K 门类）不变价增加值比重。对于第一部 分采用商品房销售面积增速代替，第二部分采用房地产业从业人员增 速和 CPI 缩减后的工资总额增速的平均值代替。两者加权后，得到中 间指标增速，再根据上年度房地产业（K 门类）增速与这个中间指标 增速的比例做调整，得到房地产业（K 门类）不变价增速。

商品房销售面积增速与房地产业 GDP 相关性较强，回归预测效果较 好。从业人员、工资增速以及行业内的权重数据不可得，因此无法加 入预测模型。但是房地产业 GDP 的主要部分为房地产业（K 门类） 中的房地产开发经营业，该部分增加值采用商品房销售面积增速作为 相关指标。整个房地产业 GDP 也与商品房销售面积增速较为相关。 构建一元回归模型，从历史拟合结果来看，预测效果较好，R² 高达 0.83。

3.9、信息传输、软件和信息技术服务业

信息传输、软件和信息技术服务业增速高，对 GDP 影响较大。2015 年至 2018 年 1 季度，该行业 GDP 增速不断攀升，2018 年三季度增速一度达到 29.6%，虽然行业占 GDP 比重仅 4%左右，但也贡献超过 1% 的 GDP 增长。这与互联网行业的快速发展相关。但之后该行业 GDP 增速便震荡回落，截至 2022 年二季度增速为 7.6%。但相比于其他行 业，其增速依然处于较高水平，对 GDP 同比的贡献也仍处于较高水 平。

信息传输、软件和信息技术服务业 GDP 通过电信业务总量增速推算。 信息传输、软件和信息技术服务业 GDP 核算采用物量推算法，相关 指标选择电新业务总量增速，并通过国家换算系数进行调整，国家换 算系数等于上年度该行业增加值增速与电信业务总量增速比值。 可直接用电信业务总量增速拟合回归预测行业 GDP。电信业务总量 是来自工信部的月度数据，是指以货币形式表示的电信企业为社会提 供的各类电信服务的总数量，是不变价数据。具体计算方法是以各类 业务的实物量分别乘以相应的不变单价，求出各类业务的货币量加总 求得。 信息传输、软件和信息技术服务业 GDP 自 2015 年开始公布，在 2020 年以前与电信业务总量增速相关性较高。2020 年来疫情及低基数效应 使得两者相关性有所降低，但大方向上仍保持一致，基于回归的预测 依然能够提供指示作用。

3.10、租赁和商务服务业

租赁和商务服务业 GDP 通过行业增值税推算增速，但增值税相关数 据并未公布，因而预测较为困难。租赁和商务服务业使用速度推算法 核算 GDP，相关指标采用 CPI 服务价格指数缩减后的增值税。但由于 官方未公布细分行业的增值税数据，因此该行业 GDP 预测较为困难。 由于该行业占比仅为 3%左右，并且增速 2015 年以来最高仅 10%左右， 对GDP的影响仅0.3个百分点，因此该行业在国民经济中重要性较低。

可选用服务业 PMI、租赁和商务服务业投资增速作为拟合变量，从而 为预测提供大方向的参考。PMI 反映环比变化，将服务业 PMI 取 12 月移动平均做同比化处理，接着取季度均值与租赁和商务服务业 GDP 增速进行对比，可以发现两者有一定的相关性，相关系数为 0.74。另 外，投资作为 GDP 的一部分，租赁和商务服务业固定资产投资增速 也有一定的参考性，其季度均值与行业 GDP 增速相关系数为 0.56。 将这两个相关指标与行业 GDP 构建二元回归模型，Adjusted R²为 0.75。

3.11、其他行业

GDP 核算中的其他行业包含 8 个行业，比如科学研究和技术服务，水 利、环境和公共设施管理业，教育，卫生和社会工作，文化、体育和 娱乐业等。可以看出主要以非营利性服务行业为主。虽然这些行业各 自重要性都不高，但合计占比较高，近年来占比仍不断上升，截至 2019 年已达 16%。由于行业较多，核算繁杂并且多数核算指标不对外公布， 因此难以预测增速，这成为 GDP 预测中最大的不稳定因素。

这些非营利性服务业与三产中的其他营利性服务业存在相关性。从经 验上来看，其他项增速与三产中剩余项目平均增速走势相关度较高。 2015 年以来二者拟合效果较好，拟合优度为 0.71。因而对于其他项的 预测可以放到最后，并根据三产中剩余项目的预测来对其他项进行预 测。前面我们详细介绍了各行业 GDP 的核算和预测方法，我们汇总如下。 得到各行业的增速后，采用上年同期各行业 GDP 权重便可得到季度 GDP 增速预测值。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）