统计绩效指标(SPI):第一支柱数据利用得分(0-100分制)

Statistical performance indicators (SPI): Pillar 1 data use score (scale 0-100)

下载数据

指标代码:IQ.SPI.PIL1所属主题:公共部门:Policy & institutionsPublic Sector: Policy & institutions

2024最新有效年份
194最新年份有值国家
265历史上有数据经济体
74%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

The data use overall score is a composite score measuring the demand side of the statistical system. The data use pillar is segmented by five types of users: (i) the legislature, (ii) the executive branch, (iii) civil society (including sub-national actors), (iv) academia and (v) international bodies. Each dimension would have associated indicators to measure performance. A mature system would score well across all dimensions whereas a less mature one would have weaker scores along certain dimensions. The gaps would give insights into prioritization among user groups and help answer questions as to why the existing services are not resulting in higher use of national statistics in a particular segment. Currently, the SPI only features indicators for one of the five dimensions of data use, which is data use by international organizations. Indicators on whether statistical systems are providing useful data to their national governments (legislature and executive branches), to civil society, and to academia are absent. Thus the dashboard does not yet assess if national statistical systems are meeting the data needs of a large swathe of users.

可供参考的中文翻译:数据利用综合得分是衡量统计系统需求侧的复合指标。数据利用维度按五类用户划分:(i)立法机构,(ii)行政部门,(iii)民间社会(包括次国家行为者),(iv)学术界,以及(v)国际组织。每一维度都有相关指标来衡量绩效。成熟的系统在所有维度上都能获得较高得分,而较不成熟的系统则在某些维度上得分较弱。这些差距可以洞察各类用户群体的优先排序,并帮助回答为什么现有服务未能在特定领域导致更高的国家统计使用率。目前,SPI仅涵盖数据利用五个维度之一的表现指标,即国际组织的数据利用。关于统计系统是否为各自国家政府(立法和行政部门)、民间社会和学术界提供有用数据,目前尚无指标。因此,该指标体系尚未评估国家统计系统是否满足了大量用户的数据需求。

数据口径与风险提示

  • 本指标目前仅衡量国际组织对数据的利用情况,未涵盖立法机构、行政部门、民间社会和学术界对数据的利用程度,因此是数据需求侧的不完整测度
  • 该得分为复合指标,聚合了多个维度,分子分母的具体构成可能因年份和数据可得性而异
  • 不同国家的数据可得性和质量差异可能影响得分的横向可比性
  • 由于衡量的是需求侧而非供给侧,得分高低并不直接反映统计数据生产或发布能力的强弱
  • 中国数据起始于2004年,无法与1960年代至1990年代的历史时期进行直接比较
  • 世界平均值数据点缺失,无法进行中国与世界整体趋势的对比分析

中国趋势

趋势解读

中国数据利用得分从2004年的40分起步,在2004至2009年间维持在这一水平,随后在2010年跃升至50分并保持至2014年,2015至2021年间进一步攀升至约83分的峰值水平,2022年起回落至73.4分并保持至今。从2004年至2024年的二十年间,中国该指标累计增长33.4个百分点,末期值为期初值的1.84倍,表明中国统计系统在满足国际组织数据需求方面取得显著进展。然而,2022年以来的回调现象值得注意,可能反映了国际组织对中国数据需求的变化或评估标准的调整。

  • 2004年首次记录得分40分
  • 2004至2009年连续六年维持40分
  • 2010年升至50分并保持至2014年
  • 2015年跃升至70分
  • 2016至2021年达到峰值83.4分
  • 2022至2024年回落至73.4分
  • 从2004年到2024年累计增长33.4分
  • 末期值为期初值的1.835倍

全球趋势

趋势解读

根据现有预计算数据,世界平均数据点数量为零,无法提供有效的世界整体趋势分析。World Bank的SPI数据覆盖范围和完整性因国家而异,部分国家可能缺乏足够的历史数据点来计算具有代表性的世界平均水平。因此,本指标项下无法呈现全球范围内的典型变化模式或基准参考值。

  • 世界平均水平数据不可得,无法进行跨国或跨区域的趋势对比
  • 不同国家加入SPI评估体系的时间存在差异,可能导致全球平均值计算口径的不一致
  • 建议查阅其他World Bank统计绩效指标以获取更完整的全球视角

每十年变化摘要

十年区间中国变化世界变化提示
1960-1969--该时期无中国数据记录,无法评估中国在统计绩效起步阶段的表现,也缺乏世界平均值进行对比参考。
1970-1979--该时期无中国数据记录,全球统计系统建设尚处早期阶段,世界平均数据同样不可得。
1980-1989--该时期无中国数据记录,无法分析改革开放初期中国统计能力与国际接轨的程度差异。
1990-1999--该时期无中国数据记录,市场经济转型期的数据需求侧表现缺乏可比较的历史基准。
2000-20091.0x-中国该十年期期初期末值均为40分(倍数1.0),表明2000年代初期中国在数据利用方面尚未出现显著变化,可能反映国际组织对中国数据需求的初期磨合阶段,或评估标准在该时期内保持相对稳定。世界数据缺失,无法判断中国与国际整体趋势的相对位置。
2010-20191.7x-中国该十年期期初期末值之比为1.668,意味着2010年末的得分约为2010年初的1.67倍,反映出中国统计系统向国际组织提供数据的能力在此期间有实质提升。鉴于世界数据不可得,尚无法判断该增长是否快于或慢于全球平均增速,可能需要结合同期中国SPI其他支柱指标验证数据基础设施改善对数据利用的带动作用。
2020-20290.9x-中国该十年期期初期末值之比为0.88,表明以当前趋势推算2029年得分将低于2020年水平。这一下降趋势可能反映国际组织对中国数据的评估标准收紧、需求结构变化,或中国在国际数据合作层面的策略调整。由于缺乏世界数据,尚无法确定这一变化是中国特有现象还是全球普遍趋势的局部表现,建议结合第一支柱指标的计算方法变更和其他SPI支柱指标进行综合验证。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组,仅保留国家参与比较。排名高低应结合指标口径解释。

排名国家代码数值
1Albania
阿尔巴尼亚
ALB100.0
2Austria
奥地利
AUT100.0
3Belgium
比利时
BEL100.0
4Bulgaria
保加利亚
BGR100.0
5Canada
加拿大
CAN100.0
6Chile
智利
CHL100.0
7Costa Rica
哥斯达黎加
CRI100.0
8Croatia
克罗地亚
HRV100.0
9Cyprus
塞浦路斯
CYP100.0
10Czechia
捷克
CZE100.0
11Denmark
丹麦
DNK100.0
12Dominican Republic
多米尼加共和国
DOM100.0
13Ecuador
厄瓜多尔
ECU100.0
14Estonia
爱沙尼亚
EST100.0
15Finland
芬兰
FIN100.0
16France
法国
FRA100.0
17Georgia
格鲁吉亚
GEO100.0
18Germany
德国
DEU100.0
19Greece
希腊
GRC100.0
20Iceland
冰岛
ISL100.0

使用建议、常见误用与研究场景

数值较高通常意味着什么

得分越高通常意味着该国统计系统越能有效满足国际组织的数据需求,表明数据在跨国比较、政策协调和全球治理等场景中被较高程度地采纳和利用,可能反映统计数据的透明度、时效性和方法论规范性达到国际认可水平。

数值较低通常意味着什么

得分较低通常表示该国统计系统在向国际机构提供可比较、高质量数据方面存在不足,可能受限于数据生产方法、数据发布频率、开放获取程度或与国际标准的接轨程度等因素,但不宜简单将此解读为统计能力薄弱,因为该指标仅涵盖国际组织维度。

鍙e緞闄愬埗

  • 该指标仅衡量国际组织的数据利用情况,未涵盖立法机构、行政部门、民间社会和学术界等国内用户群体,数据利用需求侧评估存在明显缺口
  • 得分变化可能受到国际组织评估方法学调整的影响,而非完全反映被评估国统计系统的实际变化
  • 不同国家进入SPI评估体系的时间不一致,可能导致横向比较时存在口径差异
  • 该指标是复合得分,具体的加权方式和子维度贡献未在指标层面透明呈现
  • 由于衡量的是需求侧使用情况,得分与统计系统供给能力(如数据生产质量、发布频率)之间的关系并非线性直接
  • 中国数据起始于2004年,无法进行更早时期的历史纵向比较

使用建议

  • 使用时应结合SPI其他四个支柱指标(数据服务、数据产品、数据来源、数据基础设施)进行综合评估,以获得对统计系统整体绩效的完整认识
  • 关注数据的时间序列变化而非单一年度数值,以识别趋势性和结构性变化
  • 进行跨国比较时应考虑各国加入SPI评估体系的时间差异和评估方法版本变更
  • 分析中国表现时应结合国内统计体系改革进程和相关制度变量进行验证,避免将该单一指标作为统计能力的唯一判断依据
  • 对于政策研究用途,建议将本指标作为解释变量或控制变量时,同时引入其他制度质量指标进行稳健性检验
  • 解读变化原因时应区分是国际组织评估标准调整还是被评估国实际表现的改变

常见错误用法

错误做法:将本指标得分等同于中国统计数据的整体质量或准确性的全面衡量

正确做法:认识到该指标仅反映国际组织对数据的利用程度,应结合数据服务、数据产品等其他SPI支柱指标综合判断

该指标是需求侧指标,衡量的是国际组织是否使用了中国的数据,而非数据本身的生产质量或方法论水平,单独使用可能产生对统计能力的过度简化判断

错误做法:直接比较中国得分与其他国家得分,认为得分高就是统计体系更成熟

正确做法:在进行跨国比较时考虑各国加入SPI评估体系的时间差异、评估版本变化以及数据可得性差异

各国参与SPI评估的起始年份不同,且评估方法学可能在不同阶段发生过调整,直接比较可能掩盖结构性差异而非真实的能力差距

错误做法:将2016至2021年的高分解读为中国统计能力达到国际最高水平的标志

正确做法:将该时期的高分与第一支柱指标的具体子维度表现和SPI其他支柱指标相结合进行解读

SPI第一支柱目前仅涵盖国际组织数据利用一个维度,且评估标准可能存在阶段性调整,峰值表现不一定代表全面超越

错误做法:忽略本指标未涵盖国内用户数据需求的事实,将得分变化直接归因于单一政策或事件

正确做法:分析变化原因时应考虑评估方法学调整、国际合作框架变化等多重因素

该指标仅反映国际组织维度,国内政策变化对得分的影响可能通过间接渠道实现,且评估方的标准变化可能独立于被评估国的实际表现

实际应用场景

  • 统计绩效对外国直接投资流入的影响研究:研究一国统计系统表现是否影响跨国企业的投资决策,选取数据利用得分作为解释变量 解释变量 可结合CPIA制度评级、营商环境指标等作为控制变量,通过面板回归分析统计绩效与FDI流入量的关系,注意控制经济发展水平和市场规模等混淆因素
  • 政府统计透明度与政策可信度关系分析:探讨政府统计数据发布质量如何影响国际市场对政策信号的理解和解读 机制变量 可将本指标作为中介变量,分析经济透明度对政策有效性传导机制的中介效应,同时引入预算透明度指标进行对比验证
  • 中国统计体系改革绩效的多维评估:利用SPI五个支柱指标综合评估中国统计体系在不同改革阶段的整体表现变化 被解释变量 以五个SPI支柱指标构建综合评价体系,分析2010年代以来统计改革措施对各支柱的差异化影响,注意区分改革驱动因素与外部评估标准变化的贡献
  • 数据治理能力与数字经济发展水平的跨国比较:比较不同国家数据治理能力(含统计绩效)与数字经济发展阶段的关系 控制变量 在回归模型中将SPI数据利用得分作为数据治理能力的代理变量之一,同时控制互联网普及率、人力资本存量等数字经济发展相关因素
  • 统计绩效指标的测量稳健性检验:验证SPI各支柱指标之间的内部一致性和相互预测能力 稳健性检验变量 通过因子分析或多指标多因素模型检验第一支柱得分与其他支柱得分的关联程度,评估指标体系的结构效度

统计绩效指标(SPI):第一支柱数据利用得分(0-100分制)常见问题

SPI数据利用得分是怎么计算的?中国得多少分?

该得分是World Bank通过评估一国统计系统向国际组织提供数据的频率、质量和可比较性综合计算得出的复合指数。中国该指标从2004年的40分逐步提升,2016至2021年达到峰值83.4分,2022年起回落至73.4分。

为什么中国2022年后得分下降了?

得分变化可能与国际组织评估标准的调整、中国与国际机构数据合作的策略变化或数据需求结构的变化有关。由于评估方方法学可能发生调整,建议结合其他SPI支柱指标综合解读这一变化。

这个指标能说明中国统计数据质量高低吗?

不完全能。该指标衡量的是国际组织对数据的利用程度,而非数据生产质量的直接测度。要全面评估统计数据质量,建议结合SPI其他支柱指标和专门的统计数据质量评估框架。

为什么很多国家都是100分满分?

在2024年排名中,包括阿尔巴尼亚、奥地利、加拿大、日本等在内的多个国家显示为100分。这可能表明这些国家在国际组织数据利用方面达到了当前评估框架的最高标准,也可能反映评估方法在满分处理上的技术设定。

中国在世界上排名多少位?

根据预计算数据,2024年排名靠前的国家多为100分满分,中国以73.4分未进入所列的前35个国家和地区。排名受评估国家数量、评估方法和数据年份等因素影响,建议以World Bank官方排名为准。

SPI五个支柱有什么区别和联系?

SPI五个支柱分别评估数据利用、数据服务、数据产品、数据来源和数据基础设施五个维度。第一支柱(数据利用)衡量需求侧表现,其他四个支柱更多从供给侧评估统计系统的能力建设和运行效率,共同构成对统计体系整体绩效的多维评价。

下载数据

免费获取世界银行WDI完整数据集,包含统计绩效指标(SPI):第一支柱数据利用得分(0-100分制)等所有指标,支持按国家、指标或主题下载CSV、Excel和XML格式数据。

下载数据