潜在GDP

　　潜在GDP也称潜在产出。潜在GDP，指一个国家或地区在一定时期内可供利用的经济资源在充分利用的条件下所能生产的最大产量，也就是该国在充分就业状态下所能生产的国内生产总值。充分就业时的国内生产总值就反映了在该时期内的最大产出能力。

　　作用：潜在GDP常用来判断经济所处状态，如果潜在GDP大于实际GDP，经济潜力没有发挥出来，资源处于闲置状态，那就是经济紧缩。但如果潜在GDP小于实际GDP，经济的发展超出了潜力，资源超额利用，就会引发经济过热。

　　潜在GDP是经济社会达到充分就业时候的GDP。潜在GDP也称潜在产出或潜在国民收入、潜在的国内生产总值是指一国在一定时期内可供利用的经济资源在充分利用的条件下所能生产的最大产量，也就是该国在充分就业状态下所能生产的国内生产总值。这里的GDP就反映了在该时期内的最大产出能力。

　　下图反映了实际GDP与潜在GDP在经济周期的不同阶段中所表现出的大小关系及其趋势：

　　一个完整的经济周期包括繁荣、衰退、萧条和复苏四个阶段。粗线表示潜在GDP的稳定增长趋势，细线表示实际GDP的变化情况。A点对应着经济萧条，它是经济周期的底部；B点表示经济进入了复苏阶段，随着经济复苏进程的发展，产出到达趋势路径的上方，即图中的C点，此时的经济处于繁荣状态；然后经济进入衰退期，此时产出的增长速度慢于产出增长趋势，甚至产出可能为负增长；E点代表经济萧条，然后经济又开始重新复苏，另一个经济周期重新开始。

　　从宏观上看，经济发展过程就是供给与需求的矛盾运动过程，两者的彼此消长，使经济发展呈现出周期性的特征；从微观上看，内生的或内部的因素是经济周期的主要根源，消费、供给和成本等一系列经济因素让利润变动，最后带来经济大环境周期性变化的循环。

　　实际GDP，是以某一过去年份为基准，用那一年的价格水平来计算当年的全部最终产品市场价值。它去除了价格变动的影响，更能真实反映经济的实际增长情况。

　　潜在增速是潜在产出的增长率，潜在增速可以反映一个经济体的长期供给能力变化，有助于政策制定者把握经济的长期增长趋势。

　　潜在增速属于不可观测的变量，难以从现实数据中直接观测得到，只能通过不同方法或模型进行估算。从已有研究来看，测算潜在增速的方法主要有滤波法、SVAR方法、DSGE模型方法与生产函数法等四种方法。（1）滤波法是假设实际产出围绕潜在产出波动，由此可以通过统计方法分离出产出的周期项和趋势项，后者可视为潜在产出，继而可以基于潜在产出测算潜在增速。（2）SVAR方法测算潜在增速的方式是构建一个包含产出水平、通胀率、失业率等重要宏观经济变量的实证计量模型，假设产出在长期只受供给冲击影响而不受需求冲击影响，通胀率、失业率等其他变量主要是受需求冲击影响。因此，可以将产出分解为由供给冲击决定的趋势成分和由需求冲击决定的周期波动成分，趋势成分就可以代表潜在产出水平，进而测算潜在增速。（3）DSGE模型方法对潜在增速的测算是以新凯恩斯模型为基础，将潜在产出定义为不存在名义刚性（或工资、价格完全弹性）时的产出水平。通过DSGE模型测量产出缺口，再通过与实际产出比较测算得到潜在产出水平。（4）生产函数法基于新古典增长理论，将经济总产出表示为资本、劳动力、TFP等各生产要素的函数。由此，各投入要素充分利用时的产出水平就可以视为潜在产出水平，并在此基础上测算潜在增速。

　　从既有研究对各方法的运用来看，生产函数法是测算潜在增速更为常用的方法。这一点国内外基本一致。生产函数法是经济合作与发展组织（OECD）、国际货币基金组织（IMF）及各国央行等官方机构惯用的潜在增速估算方法。滤波法、SVAR方法与DSGE模型方法等其他三种方法，或方法本身存在一定的局限性，或对中国的适用性不强。

　　就滤波法而言，早期的滤波法主要采取单变量的HP滤波或BP滤波，其优点在于简便易行，但缺点在于只依赖实际产出单一指标提供的数据信息，容易遗漏一些重要变量的信息，影响估计结果的准确性（董进，2006）。郑挺国和王霞（2010）系统地比较了不同滤波方法在中国数据应用上的优劣，发现HP滤波的测算结果可靠性较弱。由此，后续采用滤波法的研究主要是使用多变量滤波法来测算潜在增速，利用潜在产出与可观测变量之间的已知关系（如奥肯定律、菲利普斯曲线等）构建状态空间模型对潜在增速进行测算。与单变量相比，多变量方法对信息利用更充分，估计结果更稳定。刘斌和张怀清（2001）、石柱鲜等（2004）和许召元（2005）较早采用多变量滤波法对中国潜在增速与产出缺口进行测算研究，以生产函数模型为基础，更多是将滤波法作为一种辅助的测算方法。

　　就SVAR方法而言，其需要建立在非加速通胀失业率（NAIRU）与实际产出之间的稳定关系之上（杨天宇和黄淑芬，2010），这一点在中国难以成立。而且，以往中国公布的城镇登记失业率由于仅覆盖城镇户籍人口等原因，难以全面反映劳动力市场的失业状况。从2018年开始正式公布的调查失业率的时间序列长度有所不足，这使得SVAR方法估计得到的结果可靠性不强。因此，仅赵昕东（2008）、郭红兵和陈平（2010）等少量研究使用SVAR方法对中国产出缺口与潜在产出进行估计。

　　就DSGE模型方法而言，其核心是测算实际产出与潜在产出的缺口，即产出缺口。该方法在国外研究中的应用相对更为广泛（Christiano et al.，2005；Smets&Wouters，2007），运用DSGE模型方法估计中国产出缺口与潜在产出的研究并不多。究其原因，一是，DSGE模型方法对数据的样本量和完整性要求比较高，测算结果对于结构性参数的估计与校准敏感性较强。二是，DSGE模型方法普遍采取对数线性化的求解方式，假定经济已经处于稳态附近。这更适用于经济增长已基本处于稳态的发达经济体，对于中国的适用性不高。徐忠和贾彦东（2019）综合比较了滤波法、生产函数法与DSGE模型方法等多种方法下的测算结果也表明，基于DSGE模型测算得到的潜在增速结果与其他方法的偏离较为明显。

　　与滤波法、SVAR方法与DSGE模型方法相比，生产函数法具有以下几方面的优势。一是，相比于滤波法与SVAR方法，生产函数法不依赖于经济产出本身的历史变化趋势，而是从各生产要素的变化推算整个潜在产出水平的变化，具有更好的经济理论基础。二是，相比于DSGE模型方法，生产函数法包含的结构参数较少且经济学含义更为明确，估计结果更加稳健。三是，生产函数法能够测算各生产要素对于经济增长的贡献率，拆解经济增长动力，从而更好地把握经济增长在供给端的核心特征。并且可以基于增长动力的变化趋势，来预测未来经济的潜在增速变化。客观上看，生产函数法也有其不足。在模型设定上，现实经济的运行难以时刻都满足常用的柯布-道格拉斯（Cobb-Douglas，C-D）生产函数形式。同时，生产函数法本质上是一个单部门模型，没有较多地考虑经济结构等方面的问题（严成樑，2020）。在测算方法上，主要是对历史数据进行回归计量，本质上是将历史数据的增长趋势视为生产要素充分配置的结果。但历史数据的增长趋势只是既定经济结构下的趋势值，生产要素“充分利用”的最理想情况应是最优结构下的生产要素配置，两者之间存在偏差。但相比于其他测算方法而言，生产函数法的测算结果更为稳健、经济含义更为明确。

　　20世纪90年代，既有研究就开始使用生产函数法对中国经济潜在增速与各生产要素对经济增长的贡献率进行测算（张军扩，1991；李京文，1992；沈利生，1999）。早期的生产函数主要是考虑资本、劳动力和TFP三种投入要素。在此基础上，王小鲁（2000）、邱晓华等（2006）、王小鲁等（2009）借鉴内生增长理论，将人力资本引入生产函数之中对中国经济潜在增速进行了重新估计。含有人力资本的生产函数可以单独地估计人力资本积累对经济增长的作用，而在资本、劳动力和TFP的三要素生产函数中，人力资本的贡献往往会被计入TFP之中。由此，相比于三要素生产函数，含有人力资本的四要素生产函数在潜在增速的估计结果上不会有明显变化，但可以更准确地甄别各个经济增长动力。含有人力资本的生产函数也是目前使用最为广泛的潜在增速分析框架。从既有研究来看（参见表1），使用生产函数法估计潜在增速的结果展现了其稳定的特征，不同研究的结果基本一致，而且得到了普遍认可。