中國工業景氣指數構建與分析

張艷芳　江飛濤　譚運嘉

摘要：目前，我國工業和主要工業行業周期性運行特征的研究及運行態勢的監測和預測明顯不足。利用時差相關分析等方法，從我國工業運行相關的經濟指標中篩選出我國工業經濟運行的先行指標和一致指標，利用合成指數方法構建我國工業部門的景氣指數，對我國工業經濟運行態勢進行季度比較分析，結果表明我國工業經濟運行的整體趨勢良好并將繼續保持穩健上行，但在保持上行趨勢的過程中不可避免地會出現局部循環波動。

關鍵詞：工業景氣指數；先行指標；一致指標；合成指數法；HP濾波法；美國一般商情指數；時差相關系數分析法；經濟周期波動

中圖分類號：F402.4 文獻標識碼：A 文章編號：1007-2101（2015）06-0082-06

一、引言

目前，我國處于工業化的中后期階段，在未來很長一段時間內，工業仍將是國民經濟的主導部門，工業運行態勢將直接影響國民經濟的運行。同時，工業各部門的經濟活動對宏觀經濟周期波動的反應也相當靈敏。在經濟擴張期，受市場需求增長的拉動，工業相關產品的生產、價格及銷售會迅速上升；而當經濟處于衰退階段，這些活動均會隨之下降。因此，隨著國民經濟的周期性運行，工業部門及其內部主要行業的運行態勢也呈現出周期性特征。自2007年金融危機以來，我國工業和國民經濟在較短時間經歷了劇烈的波動。當前，在國際經濟弱勢復蘇過程中不確定性依然較大，我國經濟內在的結構性矛盾有進一步加劇的趨勢，未來幾年我國工業和國民經濟運行依然面臨大幅波動的風險。

目前，我國對于經濟運行監測與景氣指數的研究主要集中在宏觀經濟領域，對于我國工業和主要工業行業周期性運行特征的研究及運行態勢的監測和預測明顯不足。由于缺乏對工業運行及相關數據季節性調整的研究，不能很好地解決春節等傳統節日效應的影響，因而在實際的短期趨勢分析中依然以同比數據為主，缺乏具有一定權威性的季節調整后的同比數據。因此，完善對我國經濟運行數據的季節性調整、研究我國工業運行監測與工業景氣指數，以實現對我國工業部門及其內部主要行業發展態勢的有效監測和預測，不僅具有一定的理論價值，而且對制定適時有效的產業調控政策、加快我國工業結構調整和升級、實現國民經濟平穩、較快、健康發展具有重要的現實意義。為此，筆者在對數據進行季節調整的基礎上，利用時差相關分析等方法，從我國工業運行相關經濟指標中篩選出我國工業經濟運行的先行指標和一致指標，并利用合成指數方法構建我國工業部門的景氣指數，對中國工業經濟運行態勢進行季度比較分析。此外，筆者還運用HP濾波法對工業景氣指數進行分解來分析我國工業經濟運行的周期波動特點。

二、相關文獻回顧

早在19世紀末期，國外就已經出現了定量研究經濟周期波動的經濟景氣方法。1909年，美國巴布森統計公司發表了關于美國宏觀經濟狀態的首個“經濟活動指數”作為美國宏觀經濟狀態的指示器。1910年，美國布魯克邁爾經濟研究所也編制了用于經濟監測的景氣指標，指標內容涵蓋股票市場、一般商品市場和貨幣等方面。1917年，美國哈佛大學提出了“美國一般商情指數”（哈佛指數），該組指數分為投機指數、生產量及物價指數、金融指數三大類，涉及13項經濟指標。“美國一般商情指數”（哈佛指數）自投入使用后，較好地反映了20世紀美國的四次經濟波動，但由于在1929—1933年的大蕭條之前作出誤判而被棄用。但哈佛指數的貢獻在于它為后來的經濟學家研究經濟周期提供了兩個寶貴的思路：（1）多指標分析。因為以前的研究多采用單個指標來反映經濟運行的狀況，但單個指標反映的信息并不全面。（2）剔除季節因素的影響。只有剔除季節性波動的影響，才能準確地測定和分析經濟周期波動的循環項。得到廣泛認可和應用的季節調整方法是由美國的W.M.鉑森斯提出的，之后季節調整方法成為經濟周期波動研究的基本方法[1]。

在經濟周期波動研究方面做出較大貢獻的主要有W.C.米切爾和A.F.伯恩斯。1913年，W.C.米切爾發表了被認為是經濟周期波動研究的開創性著作——《商業循環》。1937年，他又出版了《商業循環：問題與調整》，書中詳細總結了20世紀以來經濟周期波動測定和景氣指數建立等方面的進展，并對運用景氣指標監測宏觀經濟周期波動的問題進行了理論探討，還討論了利用經濟變量的時差變動來提前反映經濟波動的問題。1937年，米切爾和伯恩斯對近500項經濟指標進行了詳細研究，提出了由其中21項指標構成的先行指數，預測出的經濟轉折時間被后來的實際經濟波動所證實。1946年，伯恩斯和米切爾出版了《測量商業周期》，討論了一系列景氣監測方法，涉及“循環波動的分離”“趨勢調整”“平滑技術”等，并指出經濟波動在宏觀經濟各部門間呈現出逐步擴散的過程。這為后來“擴散指數”的開發打下了理論基礎[2]。借鑒米切爾和伯恩斯的經驗，由美國國家經濟研究局（The National Bureau of Economic Research，以下簡稱為NBER）的經濟學家G.H.穆爾帶領的研究團隊，從近千個經濟指標中選擇了21個指標，并將這21個指標劃分為先行指標、一致指標、滯后指標三大類，并提出了擴散指數（Diffusion Index，DI）[3]。其中，先行指標用于預測經濟運行轉折點，一致指標用于評價經濟運行及發展水平的現狀，滯后指數用于檢驗經濟運行周期的完整性。NBER對景氣指數的研究使經濟運行監測走上了規范化道路。1961年，美國商務部出版的《經濟循環發展》開始以數據和圖表的形式發布每月的宏觀景氣動向。

由于DI不能反映經濟周期波動的振幅，G.H.穆爾和美國商務部的經濟學家希斯金提出了合成指數（Composite Index，CI）。合成指數計算的突出優點在于將不同種類指標分別進行標準化，從而為不同種類指標的合成奠定了基礎。

20世紀70年代末以來，隨著景氣監測系統的日趨成熟和信息識別理論的發展，景氣監測特別是短期波動研究在全球范圍內得到了日益廣泛的應用。此外，NBER及國際循環研究中心等機構對“長先行指標”進行了研究，將先行指數的先行期由原來的半年左右擴展至一年及一年以上，為政府和企業作出反周期波動決策提供依據。endprint

Stock和Watson（1989，1991，2003）[4]][5][6]提出SW景氣指數法，SW景氣指數是通過對經濟內部所存在的共同趨勢的描述來體現整個經濟系統的景氣狀態，其刻畫了經濟變量在經濟周期中的協同成分。這種方法利用動態因子模型，捕捉到了經濟變量之間的這種協同成分，因此將其稱為SW景氣指數。Fukuda和Onodera（2001）[7]也以SW指數為基礎研究了日本的經濟運行指數的問題，文章中專門就如何提高經濟景氣指數的預測效率進行了論述。Bandholz和Funke（2003）[8]針對德國的經濟運行情況分別建立了包含和不包含狀態轉移（regime switching）兩個模型來監測德國的經濟運行狀況，結果顯示考慮到狀態轉移（即考慮到經濟周期非對稱性的模型）更加符合經濟實際。

隨著經濟計量學的發展，原先被認為是對立的景氣監測方法和經濟計量預測方法受到了重新的審視，并在研究與應用中逐漸形成互補的關系。景氣監測方法以周期理論為基礎，經濟計量預測方法則是通過經濟理論建立結構性模型與關聯關系，由此推出未來經濟發展的可能值。這兩種方法的結合應用拓展了經濟運行監測研究的視野。關于季節調整的方法，美國商務部普查局成功地開發了具有良好適應性和有效性的X-11法。為了解決X-11方法在終端信息量損失過多的問題，20世紀90年代，美國商務部普查局在X-11的基礎上先后提出了能夠進行季節調整的X-12 ARIMA方法，開發了X-12和X-12-ARIMA軟件。該軟件的一項重要進展是，它提供了處理類似中國的春節和端午節等公歷日期在不同年份年年都發生變化的移動假日影響的方法。

國內相關方面的研究始于20世紀80年代中期。在1988年以前，主要以理論研究為主，包括我國經濟循環波動的長度研究、波動原因研究等，如劉樹成、董文泉等[9]。1988年之后展開了實證研究。袁興林（1988）[10]和黃運成（1988）[11]使用DI（擴散指數）和CI（合成指數）的方法對我國工業生產景氣循環的基準日期進行了計算。中國經濟體制改革研究所宏觀經濟監測與分析研究組（1988）選擇了35個月度經濟指標進行監測，其中包括13個先行指標、13個一致指標和9個滯后指標。該研究組使用DI方法對三組指標分別進行了測算并獲得了三組指標各自的基準循環日期。國家統計局科學研究所宏觀經濟監測課題組（1988）設計了6組綜合監測預警指數，每組指數的運行區間分別被劃分為5個燈區，通過燈區標識經濟循環波動中的冷熱狀態。畢大川、劉樹成（1990）對我國宏觀經濟周期波動問題進行了理論與應用研究。國家統計局（1990）在《經濟周期和預警系統》課題研究的基礎上開發了相關的綜合軟件系統，用以監測、預報經濟變量并分析政策效用。國家統計局、國務院發展研究中心、《經濟日報》于1993年開始合作，以卡斯特經濟評價中心的名義，自1993年8月起在《經濟日報》開辦了“景氣觀察”欄目。吉林大學數量經濟研究中心宏觀經濟監測預警課題組（2004）對我國20世紀80年代末以來的經濟波動及主要經濟變量的動態變化情況進行了對比分析。

近年來，也有學者運用合成指數法對部分行業進行景氣周期循環研究，如孔憲麗、陳磊（2009）[12]對中國裝備制造業景氣波動特征及影響因素進行了實證分析；孔憲麗、張同斌、高鐵梅（2012）[13]根據月度經濟指標構建了工業部門的景氣指數；王志鳳、楊豐肅（2013）[14]合成指數法構建了蘭州市房地產業的景氣指數，根據其波動態勢具體分析了蘭州市房地產業的周期波動特征。國內學者也對SW指數進行了大量的研究。陳磊和高鐵梅（1994）[15]利用狀態空間模型對1981年1月到1994年4月的經濟運行狀況進行了監測。董文泉、高鐵梅、陳磊和吳桂珍（1995）[16]對SW指數的理論方法進行了詳細的闡述，并在此基礎上給出了相應的實證分析結果。王金明、程建華和楊曉光（2007）[17]利用中國1997年1月到2006年5月的月度數據探討了建立SW指數的可能性，結果認為SW一致指數能較好地反映經濟運行情況，而SW先行指數則存在著不穩定的特性。

三、指標篩選與方法介紹

（一）指標篩選

對季節調整后的變量，計算它們的同比增長率，并通過時差相關系數分析法從近五十個指標中篩選出用于建模的經濟指標。具體方法如下：計算每一個變量的同比增長率序列同工業增加值同比增長率序列之間的時差相關系數（季度數據計算前后分別各8期的時差相關系數）；記錄每一組時差相關系數中最大的那個系數所對應的先行（或滯后）期數，根據該先行（或滯后）期數來判斷某變量是（相對于工業增加值的）先行變量還是滯后變量；結合經濟意義，在先行（和滯后）變量中選擇時差相關系數最大的幾個變量作為入選的先行（和滯后）經濟指標，運用季度數據篩選出的經濟指標如表1所示。

從表1中可以看出，在先行指標中，生鐵、粗鋼和固定資產投資完成額各自同比增速數據同工業增加值的同比增速數據的時差相關系數較高，其中生鐵和粗鋼相對于工業增加值先行一期的時差相關系數最大，而固定資產投資完成額相對于工業增加值先行兩期的時差相關系數最大。在一致性指標中，重工業、輕工業和發電量各自的同比增速序列同工業增加值同比增速序列的相關系數較大。工業制成品出口同工業增加值的相關系數并不高，只有0.49，此時之所以把它作為相關指標是為了體現出國際市場的沖擊對于中國工業運行的影響。

不同于國內之前許多研究中采用月度、季度同比增速作為基礎指標然后再進行季節性調整的做法，筆者主要以絕對量作為基礎性指標，然后再進行季節性調整。這一做法更為符合季節性調整方法的基本原理，也能更為敏銳地反映經濟運行的變化。在本文中，筆者主要采用固定資產投資額（價格調整）、水泥產量、生鐵產量、粗鋼產量、工業制成品出口額（價格調整）、工業增加值（價格調整）與發電量作為基礎性指標。

從經濟意義上講，根據時差相關系數法選擇出來的固定資產投資完成額、水泥產量、生鐵產量和粗鋼產量這4個先行指標較工業制成品出口額、工業增加值和發電量這3個一致指標具有一定的先行性。李蕪[18]的一些觀點可以對這幾個先行指標的先行性進行一些解釋：（1）從生產決策到實際產出需要時間，產量的變化一般預示著經濟活動的變化；（2）市場預期的影響，有些時間序列指標對未來經濟活動的預期較為敏感，如對生產企業來說，固定資產投資額主要體現在新建廠房、機器設備等基礎原材料的購買需求上。這些購買需求的增長意味著企業的產出水平在未來一段時間內將會有顯著增加。endprint

（二）季節調整

本研究依據美國普查局消除復活節、勞動節、感恩節效應的原理，在X-12-ARIMA季節調整程序的基礎上，根據中國的實際情況進行了模型的改進，構造了中國移動假日的回歸變量，消除了流量數據的春節效應、端午節效應、中秋節效應。

中國的移動假日中，最重要的傳統節日是春節，而農歷年在公歷日期中的跨度又較大，變化區間為1月21日到2月20日，也就是說農歷新年與公歷新年之間的時滯最長的可能長達51天?？紤]到春節對我國居民的消費及工業生產影響較大，本研究在構造回歸變量時，將春節的影響進一步細化，劃分為春節前效應、春節中效應、春節后效應并依據不同行業不同領域構造了其不同的影響期間。本研究中采用regARIMA對導入X-12-ARIMA中的數據進行預處理，主要是發現并修正各種類型的異常值以及估計出日歷因素的影響。

（三）合成指數方法介紹

合成指數（Composite Index，CI）方法彌補了擴散指數的不足，既能反映經濟運行趨勢，又能考察經濟波動幅度。

假設有n個指標，其中的第i個指標記為xi（t）（i=1，2，…，n）。合成指數的主要步驟為：

1. 計算對稱變化率

ci（t）=200■，t=2，…，n

當xi（t）中包含0、負值，或xi（t）本身就是以百分數計的指標時，對稱變化率的計算公式為：

ci（t）=xi（t）-xi（t-1），t=2，…，n

對稱變化率的取值范圍為[-200，200]。

2. 對ci（t）進行標準化

si（t）=■

經過標準化，各類指標在合成指數的時候具有相同的重要性。否則，合成指數將受波動幅度大的指標影響較為顯著，穩定指標的作用可能會受到忽視。

3. 對標準化變化率si（t）進行加權平均

R（t）=■

其中，Wi為指標i的權重。如果在t月沒有指標i的數據，則令該月的Wi為0。

4. 對R（t）進行組間標準化

V（t）=■

其中F為標準化因子：

F=■

其中{P（t）}為同步指標組。

組間標準化以同步指標組為標準，因此只需要對另外兩組指標實施本步驟即可。

5. 計算初始合成指數

I（1）=100

I（t）=I（t-1）■，t=2，…，n

6. 對V（t）進行趨勢調整

V′（t）=V（t）+（G-T）

其中，G為同步指標組的趨勢，T為初始合成指數的趨勢。

趨勢G的計算方法為：

（1）計算CCI（t）的始循環和末循環平均值CI和CL

CI=■■

CL=■■

其中，mI和mL分別為始循環和末循環的月數。

（2）使用復利公式計算G

G=■-1×100

趨勢T的計算方法同上。

經調整，各組指數的變動趨勢與同步指標組相同，以便進行比較。該步驟不需對同步指標組實施。

7. 計算合成指數CI（t）

I′（0）=100

I′（t）=I′（t-1）■，t=2，…，n

CI（t）=100■

其中，■′為基年平均值，I0′（t）為I′（t）基年t月的值。

■′=■■I0′（t）

使用上述方法可計算領先合成指數（LCI）、一致合成指數（CCI）、滯后合成指數（GCI）。

四、中國工業景氣指數構建與分析

（一）中國工業經濟季度合成指數計算結果

根據前述方法、指標及數據，計算出1998年第一季度至2014年第一季度的季度合成指數（如圖1所示）。

在圖1中，從總體趨勢上來看，先行合成指數與一致合成指數的運行趨勢一致。先行合成指數具有一定的先行性，比一致合成指數先行約1個季度。其中，2008年以后的季度先行合成指數的先行性較為顯著且相對穩定，較好地提前反映了工業經濟運行的波動情況，期間主要轉折狀態先行指數對一致指數的反映如表2所述。

據圖1中先行指數的走勢及表2中的先行期判斷，我國2014年第二季度工業運行繼續回調。

由于合成指數序列中既包含中國工業經濟運行的趨勢因素，又包含工業經濟運行的周期循環因素，所以直接通過合成指數序列對工業經濟運行情況進行分析并不是很直觀。因此，通過圖1只能對其中較為顯著的狀態變化進行判斷。要想分析整個計算期內中國工業經濟的周期循環波動情況，則有必要使用濾波將合成指數中的趨勢項和循環項分離出來，以便單獨考察中國工業經濟運行的周期波動特點。本研究使用HP濾波對合成指數進行分解，對我國工業經濟運行的周期波動特點進行分析。

（二）季度合成指數HP濾波分析

1. HP濾波趨勢分解。筆者使用HP濾波對中國工業經濟運行季度合成指數進行分解，其中分解出來的先行指數運行趨勢如圖2所示，一致指數運行趨勢如圖3所示。

從圖2和圖3中可以看出，HP濾波的分離結果較好地擬合了先行指數的趨勢和一致指數的趨勢。季度先行指數趨勢及季度一致指數趨勢已剔除了價格因素、季節因素、不規則因素、循環因素等各項因素，反映我國工業經濟運行的實際趨勢。從圖2和圖3所示的趨勢上來看，自1998年以來，我國工業經濟運行呈持續上行的總體趨勢，工業經濟運行形勢良好。此外，根據先行指數的趨勢可以判斷，我國工業經濟仍將繼續保持上行趨勢，在上行的同時出現局部波動和調整。

2. HP濾波循環分析。對我國工業經濟運行季度合成指數使用HP濾波分解出來的先行指數循環項和一致指數循環項如圖4所示。endprint

從圖4中可以看出，HP濾波的分離結果直觀地反映了季度先行指數與季度一致指數的循環波動。

先行指數循環及一致指數循環均已剔除了價格因素、季節因素、不規則因素及趨勢等各項因素，能夠反映我國工業經濟運行的真實循環波動狀況。經HP濾波分離后的先行指數循環項的先行性強于先行指數本身的先行性。其中，2008年以后的各季度先行合成指數循環的先行性較為顯著且相對穩定，較好地提前反映了工業經濟運行的循環波動情況，期間先行指數循環與一致指數循環的主要反映詳見表3。

比較表2和表3可以看出，在先行循環項的先行期相對穩定的2008—2013年，HP濾波后的結果與未濾波時的結果基本一致，且先行循環項的先行性較未濾波時更為顯著。

從圖4來看，先行指數循環中出現波峰或者波谷的時間比一致指數循環中出現對應波峰或者波谷的時間早約1個季度，且保持較穩定的先行期。

根據圖4中先行指數的走勢及表2中的先行期判斷，我國2014年第二季度到第三季度工業經濟運行繼續回調。這一判斷與使用未濾波前指數的判斷是基本一致的。

（三）景氣指數構建

為了更直觀地反映工業經濟運行的景氣情況，筆者以季度合成指數為基礎，按照如下方式構建中國工業景氣指數：

工業景氣指數=季度合成指數/季度合成指數經HP濾波后的趨勢項×100

根據上述公式可以得到1998年以來先行工業景氣指數的值（見圖5）。該值是一組圍繞100上下波動的數據，該值大于100時，表示工業經濟處于景氣階段，工業增長速度加快，呈上升發展趨勢；該值小于100時，表示工業經濟處于不景氣階段，工業增長速度減緩或停滯，呈下滑的發展趨勢。

由圖5可知，2007年以來我國工業經濟運行經歷了景氣與不景氣交替出現的狀態。2011年以來，先行景氣指數與一致景氣指數均顯示出回落趨勢。2011年第四季度先行景氣指數回落至100以下，之后一直處于不景氣階段，僅在2013年第三季度時反彈至100.1，隨后先行景氣指數又繼續回落至100以下，2014年第一季度先行景氣指數降至99.5；而一致景氣指數在2011年第四季度時回落至100以下，2012年第一季度略有反彈至100.0，之后繼續回落至不景氣區間，2013年第一季度一致景氣指數升至100.2后又繼續處于不景氣階段，2013年第四季度略反彈至100.0，2014年第二季度至第三季度我國工業運行仍處于不景氣階段。

五、結論

根據季度合成指數并使用HP濾波分解，在此基礎上對我國工業經濟運行情況進行分析，可以得到如下主要結論。

第一，我國季度合成指數能夠較好地反映我國工業經濟運行的整體趨勢。從使用HP濾波分解后的合成指數趨勢可以看出，我國工業經濟運行的整體趨勢良好，將繼續保持穩健上行；但在保持上行趨勢的過程中，將會不可避免地出現局部循環波動。

第二，我國工業經濟季度先行指數能夠對工業經濟運行情況進行預警。直觀地看，根據季度先行指數、HP濾波后的先行循環項判斷，我國在2013年第二季度至第三季度工業經濟運行繼續回調的可能性較大。

第三，以季度合成指數為基礎構建的中國工業景氣指數表明，2014年第二季度至第三季度我國工業運行仍將處于不景氣階段。

參考文獻：

[1]W.C.米切爾.商業循環問題及其調整[M].北京：商務印書館，1962：253.

[2]董文泉，高鐵梅，姜詩章，陳磊.經濟周期波動的分析與預測方法[M].長春：吉林大學出版社，1998：8.

[3]G.H.Moore.Statistical Indicators of Cyclical Revivals and Recessions，Business Cycle Indicators（Volume I）[M].Princeton University Press，Princeton，1950.

[4]Stock J. H.， Watson，M.W..New Indexes of Co-incident and Leading Economic Indicators[C].In：NBER Macroeconomics Annual，ed.Blanchard，O.and S.Fischer.Cambridge：MIT Press，1989：351-394.

[5]Stock J. H. and Watson M.W..A Probability Model of the Coincident Economic Indicators[C].In：Leading Economic Indicators：New Approaches and Forecasting Records，ed. Lahiri K G. H. Moore.Cambridge： Cambridge University Press，1991：63-89.

[6]Stock J. H. and Watson， M. W.. Understanding Changes in International Business Cycle Dynamics[R].NBER Working Paper，2003：9859.

[7]Shinichi Fukuda，Takashi Onodera. A New Composite Index of Coincident Economic Indicators in Japan：How Can We Improve Forecast Performances？ [J].International Journal of Forecasting.

[8]Harm Bandholz，Michael Funke. In Search of Leading Indicators of Economic Activity in Germany [J].Journal of Forecasting，2003，（22）：277-297.

[9]董文泉，等.我國經濟循環的測定、分析和預測（I）——經濟循環的存在和測定[J].吉林大學社會科學學報，1987，（3）.

[10]袁興林.經濟循環波動的分析與預測[J].統計研究，1988，（3）：1-7.

[11]黃運成.中國工業的經濟周期及其動態特征[J].統計研究，1988，（3）：8-12.

[12]孔憲麗，陳磊.中國裝備制造業景氣波動特征及影響因素的實證分析[J].統計與決策，2009，（9）：99-102.

[13]孔憲麗，張同斌，高鐵梅.基于景氣指數的我國工業經濟周期性波動特征及本輪波動特點研究[J].數學的實踐與認識，2012，（4）：17-27.

[14]王志鳳，楊豐肅.基于合成指數的蘭州市房地產景氣周期循環研究[J].中國市場，2013，（8）：67-68、71.

[15]陳磊，高鐵梅.利用Stock Watson型景氣指數對宏觀經濟形勢的分析和預測[J].數量經濟技術經濟研究，1994，（5）：53-59.

[16]董文泉，高鐵梅，陳磊，吳桂珍.Stock—Watson型景氣指數及其對我國經濟的應用[J].數量經濟技術經濟研究，1995，（12）：68-74.

[17]王金明，程建華，楊曉光.SW型先導性景氣指數建設的實證研究[J].中國管理科學，2007，（15）：116-123.

[18]Frank de Leeuw.“Toward a Theory of Leading Indicators” in Leading Economic Indicators-New Approaches and Forecasting Records，Kajal Lahiri and Geoffrey Moore，Cambridge University Press，1991.

責任編輯、校對：李金霞endprint