中国装备制造业形势指数测度及预警行为研究

黎骅逸 王 超

（1.中国电子信息产业发展研究院产业政策所，北京 100846；2.国研大数据研究院有限公司，北京 100010）

装备制造业是我国参与全球经济循环和竞争的支柱产业。防范风险并推动装备制造业稳定增长是我国实现高质量发展的有力支撑。及早识别、及时预警是防范和降低风险因素对装备制造业影响的前提，因此对行业信息进行实时监测，提高信息的分析效率是做出前瞻性研判、展望行业运行和识别行业风险的有效手段。

经济金融形势指数或行业先行指数能有效汇聚宏观数据信息和产业数据，行业指数成为描述经济形势、研判行业发展的重要工具。张莉莉等[1]通过构建中国宏观经济先行指数以预警经济运行的转折点。刘玉红[2]基于“宏观经济监测预警系统”建立中国多维经济景气运行指数。在构建和测算行业先行指数方面，最具代表性的是从系统性风险冲击的视角构建金融状况指数（FCI），对金融风险进行监控[3]。此外，王小平和张玉霞[4]编制了由13 个先行、一致和滞后指标构成的我国服务业景气指数，对服务业周期性波动进行分析。高铁梅等[5]利用合成指数构建中国钢铁工业景气指数。张峰等构建电力生产景气指数，对我国发电行业进行运行分析和预测。余韵和陈甲斌[6]以重要矿产供需、市场价格等为表征，反映矿业综合指数，分析矿业运行情况。对装备制造业的运行测度和风险预警的研究较少，孔宪丽等[7]采用时差相关分析法对我国装备制造业各项数据指标进行筛选，建立装备制造业景气指数评价体系，对装备制造业运行态势的周期性波动进行分析。

1 模型与数据

1.1 装备制造业形势指数（ECI）动态因子模型

动态因子模型如公式（1）～公式（4）所示。

式中：Xth和Yth分别为N1×1N2×1 维的行业经济指标；分别为N1×1N2×1维的系数向量；B=[β1，β2，...βN1+N2]（N1+N2）×1维因子载荷；ft为装备制造业形势指数；L为滞后算子；ut为（N1+N2）×1 维异质性因子。

动态因子模型的原理是将装备制造业形势指数视为不可观测的一个状态变量，同时将该变量作为潜在因子。当观测频率相同时，宏观经济信息和行业经济指标建立同频装备制造业形势指数的模型。

1.2 数据

基于2018—2022 年国家统计局数据库和万德（WIND）数据库，该文选择代表宏观经济基本面与装备制造业运行的指标，所选取指标的数据来源和基本信息见表1。

表1 选取指标的数据来源及其基本信息

该文选取宏观基本面指标包括采购经理指数（PMI）、消费者物价指数（CPI）以及生产者价格指数（PPI）。PMI反映市场需求端和供给端以及市场主体活力，也是经济监测的先行指标，如图1 所示。CPI 和PPI 为市场的整体物价水平，其中，PPI 处于生产前端，属于先行指标，CPI 处于消费末端，属于滞后指标，通常PPI 波动将通过产业链逐级转导至消费端，从而导致CPI 波动。在分析装备制造业形势的过程中，PPI 波动能否畅通传导至需求末端，或者形成“两头堵”的困境，直接决定了装备制造企业的承压。固定资产投资特别是工器具投资直接反映对装备制造业的需求活力。

图1 采购经济指数和消费者价格指数

行业维度指标包括行业增加值、出口交货值、用电量、应收账款、资产负债率以及库存等。行业用电量作为必要的生产要素，直接反映了装备制造业开工情况。例如2021 年夏季，我国东部、中部地区出现“电荒”，严重影响装备制造业稳步运行。企业应收账款和产成品库存等指标会对装备制造业形势指数变化发挥作用，例如原材料价格上涨会通过库存动态变化直接体现，影响滞后多期的供给能力。

2 实证分析

2.1 装备制造业形势指数（ECI）动态因子模型参数估计

该文选取的经济行业变量包括PMI、CPI、PPI、行业增加值增速、行业出口交货值、行业用电量、行业应收账款以及行业资产负债率。通过动态因子模型对参数的估计结果见表2。参数的估计结果具有较高的显著性，表明ECI动态因子模型在统计学中具有较好的解释力和合理性。除了因子载荷β8外，其他因子载荷均在1%的显著性水平上，说明PMI、CPI、PPI、生产增加值、出口、用电以及应收账款对装备制造业形势指数有显著影响。此外，装备制造业形势指数的自回归系数ϕf为0.5543 且在1%的显著性水平上显著，同时与特定因子方差相比，装备制造业形势指数的方差估计结果σf相对较小。由此可见，我国装备制造行业运行存在一定的惯性且波动较小，说明我国的装备制造业行业韧性较强。

表2 ECI 模型参数估计结果

2.2 装备制造业形势指数的测度与分解

图2 展示了通过动态因子模型对我国装备制造业形势指数的测度结果。当装备制造业形势指数估计结果为正值时，说明装备制造业形势整体向好；反之，当装备制造业形势指数估计结果为负值时，说明整体装备制造业形势恶化，存在一定程度的风险冲击。为进一步检验装备制造业形势指数的有效性，将测度结果与装备制造业增加值增速进行对比。如图2 所示，装备制造业形势指数与装备制造业增加值增速的变动趋势基本一致，能够在一定程度上预判装备制造业增加值的趋势拐点，可见装备制造业形势指数能够对我国装备制造业的运行趋势进行研判和有效预测。例如2022 年上半年我国多地出现疫情，生产与物流随之停滞，在这段时间装备制造业形势指数持续下跌，说明当时装备制造业状况不佳。装备制造业平稳恢复，形势指数所有好转。

图2 装备制造业形势指数

2.3 装备制造业形势指数预警行为分析

该文将通过格兰杰因果检验证明装备制造业形势指数对行业发展起到了预警作用。为检验装备制造业形势指数在不同经济运行形势下的有效性，将数据样本分为3类，并分别与行业景气指数进行相关性分析，主要包括皮尔逊相关系数与斯皮尔曼相关系数对比。装备制造业形势指数在皮尔逊系数视角下显示与行业景气指标的相关性较强（见表3）且均在1%的显著性水平上具有显著性，但在斯皮尔曼系数视角下显示与景气指标无显著相关性。此外，在“好”和“差”两种不同的行业运行形势下，装备制造业形势指数和行业景气指数间的相关性与全样本情况下的相关性基本一致。从图2 可以看出，ECI 指数的变化拐点与装备制造业增加值增速的拐点相比要早一期，从而有助于对装备制造业的运行形势进行预判和风险预警。值得注意的是，当行业运行形势处于“差”的区间时，ECI指数与行业景气指标间的相关系数为0.9254，在较“好”的形势下的相关性明显增强，表明当行业运行处于下行区间或面临风险冲击时，ECI 指数能够更明显地表现行业运行及宏观经济基本面的基本特征，两者之间的关联性更密切。

表3 装备制造业形势指数与行业景气指标的相关性

该文进一步采用格兰杰因果检验，分析ECI 指数与行业景气指标间的因果关系。报告结果发现（见表4），在10%的显著性水平上，ECI 指数是行业景气指标的格兰杰原因，但没有拒绝行业景气指标并非ECI 指数格兰杰原因的原假设。这表明ECI 指数是行业景气一致性指标的领先因子，可以对行业基本面变化趋势发挥预警作用，尤其在经济衰退行业下行周期内可以更好地发挥预警作用。

表4 ECI 指数与行业景气指标之间的格兰杰因果检验

2.4 稳健性检验

该文将用电量和应收账款替换成固定资产投资和产成品存货指标，讨论模型估计结果的稳健性，结果见表5。

表5 ECI 模型参数估计结果：基于固定资产投资和产成品库存

表5 记录了基于固定资产投资和产成品库存的ECI 指数动态因子模型的参数估计结果。通过与表2 对比，可以发现以下几点：首先，通过替换代理变量，动态因子模型对ECI 指数的测度、参数估计值及其显著性水平均未发生显著变化。因子载荷β1，β2，…，β7依然是显著的，再次说明PMI、CPI 等指标对装备制造业形势指数有显著影响。自回归系数ϕf的估计结果表明ECI 指数仍具有较强连续性。其次，替换前后的估计结果几乎无差异，说明在替换代理变量后，该文构建的ECI 指数评价模型依然可以得到较为稳健的估计结果，从而证明上述分析是可靠的，可以通过稳健性检验。

3 结论

该文基于国家统计局和万德数据库的月度数据构建同频动态因子ECI 模型，预测装备制造业形势指数，讨论了同频ECI 指数的预警功能且指数的测度结果通过稳健性检验，得到以下结论：首先，同频ECI 指数的测度结果表明我国装备制造业处于加速恢复的阶段且ECI 指数具有明显的顺周期特征。其次，ECI 指数与行业景气度指标具有强相关性，当宏观经济和行业发展处于下行区间时，ECI 指数与行业景气一致性指标具有更强的相关性。格兰杰因果检验结果表明，ECI 指数是行业景气一致性指标的领先因子，对未来行业基本面走势发挥预警作用。最后，ECI 指数评价模型的参数估计通过稳健性检验。该文提出2 个建议：1）加强运行监测和分析，构建装备制造业形势指数的指标须包括多维度的前瞻性的数据信息，以提升预警的效率和准确度，更好地发挥预警作用。2）基于生产端、需求端和企业资金流动测算的ECI 指数能够反映行业运行状况、发展态势以及宏观经济走势。因此，需要重视供给端、需求端活跃度以及应收账款等与产业政策的关联性。