本网讯（通讯员邹建文）2018年5月30日晚上19点，2018年经济学院第三十五次学术讲座在经济学院405会议室举行，西密歇根大学经济系教授C. James Hueng做了题为“Measuring Real Business Cycle in China”的汇报。

C. James Hueng指出，传统上构建经济周期指出最常用的是真实GDP，但是使用真实GDP测度中国经济周期会面临三个困难：一是可获得性，真实GDP只有季度的数据，没有更高频的数据；二是只是用真实GDP不科学，现在主流的做法都是要使用多个变量来构建指数，其中这些变量应该包含真实产出的信息和劳动力市场的信息；三是可靠性，中国的统计数据一向被人怀疑和诟病，这也是研究中国问题想要发表在英文期刊必定会面临的难题，比如2017年时吉林省省长承认数据有水分，比如李克强构建克强指数。

在没有先验知识的情况下，我们可以使用许多变量，用主成分分析或FAVAR来得到经济周期指数，但C. James Hueng指出，在已经知道有些变量不可靠的情况下，依赖统计方法考虑所有变量不一定会更好，因为我们可以把这些不可靠的变量给剔除出去。C. James Hueng剔除了四类变量，一是名义变量，比如货币供给等，二是“flagship”变量，比如GDP，失业率等，三是从官方统计中构建的变量，如投资数据、销售数据、收入数据等，四是平减后的真实变量，如真实收入、真实消费等。最后，C. James Hueng选择了四个月度变量，分别是主要港口货运量，铁路货运量，乘客运输量，电力产出，同时选择个一个季度变量，工作与求职者的比率。

现有的关注中国数据可靠性的研究使用了两种数据，一是其他国家对中国的进出口，二是夜间灯光数据。C. James Hueng指出，其他国家对中国的进出口只能包含中国的进出口，而这只是产出的一部分，至于夜间灯光数据，这只有年度的数据，是很低频的数据。

C. James Hueng使用动态混频状态空间模型去估计中国经济景气指数，使用卡尔曼滤波和卡尔曼平滑进行估计，同时处理了季度数据一年有八个月的数据存在缺失的问题，这样就得到了月度和季度的中国经济景气指数。

C. James Hueng介绍了一下混频模型，指出状态空间模型最大的优势在于其自变量存在不可观测的变量，比如这里面的月度指数和季度指数，在很多宏观、金融等很多领域都存在广泛的应用。

得到估计的指数后，C. James Hueng把2000年以来的季度指数和季度真实GDP增长率进行了对比，可以发现，在2004年以前，相比估计得到的指数，真实GDP增长率是被低估了，在2004年到2008年，真实GDP增长率是被高估了，并且真实GDP增长率先是增长，从2007年到2008年则发生剧烈的下滑，而估计的景气指数从2004年以来就一直下滑，在2008年以后，真实GDP增长率是软着陆，更为平滑，而估计的景气指数不太平滑，在2014年-2015年发生下滑，在2016年以后回升。与工业增加值增长率、OECD指数、国家统计局指数进行对比，结论是类似的，与其他国家对中国的进出口数据进行对比，经济周期更为相似。

C. James Hueng指数，所有测算指数的研究都会面临的最大的问题就是，如何证明你的指数比别人的要好，为什么你的指数是准确的，而真实GDP是不准确的。C. James Hueng做了样本外预测，对比估计的指数与其他变量或指数对采购经理人指数的预测效果，这里的采购经理人指数使用财新网对中小企业的调查数据。样本外预测结果显示，国际统计局数据和OECD数据表现最差，TFE（贸易伙伴出口）和VAI（工业增加值）次之，估计的指数的表现最好，有最低的平均预测偏误。

最后，C. James Hueng与在场的老师同学就经济周期指数、混频状态空间模型、应用宏观计量等进行了交流和讨论。