统计绩效指标（SPI）：第三支柱数据产品评分
Statistical performance indicators (SPI): Pillar 3 data products score (scale 0-100)
下载数据指标解释
World Bank official description / 世界银行官方说明
The data products overall score is a composite score measureing whether the country is able to produce relevant indicators, primarily related to SDGs. The data products (internal process) pillar is segmented by four topics and organized into (i) social, (ii) economic, (iii) environmental, and (iv) institutional dimensions using the typology of the Sustainable Development Goals (SDGs). This approach anchors the national statistical system’s performance around the essential data required to support the achievement of the 2030 global goals, and enables comparisons across countries so that a global view can be generated while enabling country specific emphasis to reflect the user needs of that country.
可供参考的中文翻译：数据产品整体评分是一项综合衡量指标，用于评估国家是否能够产出相关指标，主要涉及可持续发展目标（SDG）。数据产品（内部流程）支柱分为四个主题领域，按可持续发展目标的分类方式组织为：（一）社会、（二）经济、（三）环境和（四）机构维度。这一方法以国家统计体系绩效为核心，围绕支持实现2030年全球目标所需的基本数据展开，并能够进行跨国比较，在生成全球视角的同时反映特定国家的用户需求。
数据口径与风险提示
- 该指标仅覆盖数据产品维度，不反映统计系统的整体绩效，需结合SPI其他四个支柱综合评估
- 数据可追溯至2005年，无法进行更长周期的历史趋势分析
- 世界平均水平数据缺失，无法直接进行中国与全球的横向对比
- 跨国比较受限于各国统计基础和用户需求差异，评分高低不直接等同于统计能力强弱
- 该指标主要围绕SDG相关指标产出，侧重于数据覆盖而非数据质量本身
- 评分采用0-100分制，分数变化受评分方法论调整影响较大
- 数据更新频率为年度，可能存在数据滞后情况
- 新兴经济体和发达经济体在统计起点和路径上存在结构性差异，数值直接对比需谨慎
中国趋势
中国统计绩效指标第三支柱数据产品评分从2005年的47.3分提升至2024年的76.6分，整体呈现持续上升趋势，累计提升约29.3个百分点。2005至2019年间增速相对平缓，年均提升约1-2个百分点；2020年后出现显著跃升，2021年达到77.5分的阶段性高峰，随后虽有小幅波动但整体维持在高位。2023年录得历史最高值78.7分，2024年略有回调至76.6分。该指标反映了中国在SDG相关统计数据产出能力方面的结构性改善，但近年来增速趋缓可能意味着边际提升空间收窄或进入高质量发展调整期。
- 2005年首年数据为47.3分，2024年最新数据为76.6分
- 历史最高分为2023年的78.7分
- 2005至2024年间累计提升29.3个百分点
- 2005至2019年间提升约12.4个百分点
- 2020至2024年间提升约11.6个百分点
- 近一年（2023至2024年）下降约2.1分
- 数据仅从2005年开始，无法分析更早时期的变化
- 缺少与全球平均水平的直接对比基准
全球趋势
该指标的世界平均水平数据不可得，无法提供全球趋势分析。根据可获取的排名信息，全球统计绩效表现处于较高水平，2024年墨西哥以92.2分位居首位，前列国家普遍在85-92分区间，表明全球统计能力整体较为成熟，中国76.6分的水平在全球范围内处于中等偏上位置。
- 2024年排名数据显示全球前列国家得分普遍在85分以上
- 墨西哥以92.2分位列第一
- 20名左右国家得分在86-87分区间
- 中国以76.6分未进入全球前30名
- 世界平均数据缺失，无法计算全球整体变化趋势
- 排名仅反映2024年当年静态位置
- 不同国家统计体系成熟度差异较大，横向对比存在结构性限制
每十年变化摘要
| 十年区间 | 中国变化 | 世界变化 | 提示 |
|---|---|---|---|
| 1960-1969 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1970-1979 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1980-1989 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 1990-1999 | - | - | 该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。 |
| 2000-2009 | 1.1x | - | 该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。 该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。 |
| 2010-2019 | 1.2x | - | 该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。 该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。 |
| 2020-2029 | 1.2x | - | 该阶段只有中国具备可比变化率，适合先观察本国供需结构变化，不宜直接推断全球差异。 该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。 |
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。
使用建议、常见误用与研究场景
数值较高通常意味着什么
该评分越高，表示国家统计体系在SDG相关数据产品产出方面能力越强，能够提供更丰富的指标数据支持政策制定和监测评估。
数值较低通常意味着什么
该评分越低，表示国家统计体系在数据产品产出方面存在不足，可能面临指标覆盖不全、数据更新滞后等问题。
鍙ｅ緞闄愬埗
- 该指标仅测量数据产品维度（第三支柱），不涵盖数据使用、数据服务、数据来源和数据基础设施等其他维度
- 跨国比较受限于各国发展阶段和优先领域的差异，高分不等于统计体系全面优于低分国家
- 数据可追溯年限有限，历史趋势分析受限
- 该指标侧重于SDG相关数据产出，非SDG领域的数据能力可能未充分反映
- 评分方法论可能随时间调整，跨期比较需考虑口径变化
- 数据来源和数据质量本身不直接体现在该指标中
使用建议
- 使用时应结合SPI其他四个支柱指标（如数据使用、数据服务、数据来源、数据基础设施）综合评估统计体系整体绩效
- 进行跨国比较时应考虑国家体量、发展阶段和统计传统的差异，不宜简单以分数高低论优劣
- 分析时间趋势时应关注评分变化的背景因素，如统计方法论调整、政策环境变化等
- 将该指标与具体的数据质量指标（如数据缺失率、调查频率等）配合使用，可获得更全面的统计能力画像
- 在区域比较或分组比较时，应建立发展水平相近的国家参照系
常见错误用法
错误做法：将该指标评分等同于国家统计数据质量， 认为高分国家发布的统计数据必然更可靠
正确做法：该指标衡量的是数据产出能力和SDG指标覆盖范围， 不直接反映数据的准确性和可信度
数据产品的数量和覆盖度与数据质量是两个不同维度， 高评分可能掩盖数据收集过程中的潜在偏差或质量控制问题
错误做法：仅凭该指标判断统计体系是否完善， 忽略其他四个SPI支柱的重要性
正确做法：应综合考量SPI五个支柱的表现， 包括数据使用、数据服务、数据来源、数据基础设施和数据产品
统计体系是一个有机整体， 单一维度的提升不代表整体能力增强， 其他维度的不足可能制约数据产品的实际效用
错误做法：将该指标在不同发展水平的国家间直接对比， 认为发达国家必然优于发展中国家
正确做法：考虑国家发展阶段、统计传统和优先领域差异， 建立发展水平相近的比较参照系
评分标准可能未充分考虑发展中国家在统计资源、数据基础等方面的客观约束， 直接对比会产生系统性偏差
错误做法：用该指标的年度变化评估短期政策效果， 认为分数提升即政策成功
正确做法：关注中长期趋势变化， 结合统计体系改革的阶段性特征分析评分变动
统计能力提升是一个渐进过程， 受方法论调整、数据可得性改善等多重因素影响， 短期波动不宜直接归因于特定政策
错误做法：将该指标作为衡量SDG进展的直接替代指标
正确做法：该指标反映的是统计能力而非SDG实际进展， 应结合具体的SDG指标数据使用
数据产品评分衡量的是产出数据的能力， 而非数据所反映的发展结果， 两者在概念和用途上存在本质区别
错误做法：将中国的分数与某一特定国家（如美国）进行直接对标， 认为差距即为不足
正确做法：结合中国的统计发展阶段和优先领域， 与发展水平相近或统计体系特征类似的国家比较
不同国家在统计体系成熟度、SDG本地化重点和数据产品结构上存在差异， 一对一比较可能忽略这些结构性因素
实际应用场景
- 数据能力对政策评估准确性的影响研究：研究一国统计能力与其政策效果评估可靠性的关系时，可将该指标作为控制变量，剔除统计能力差异对政策评估的干扰 control 将数据产品评分作为统计能力代理变量纳入回归模型，控制国家在数据产出能力上的系统性差异，使政策效果的估计更加干净
- SDG监测能力与可持续发展进程的关系：分析国家统计能力是否影响其SDG进展的监测和报告质量时，可将该指标作为核心解释变量或机制变量 mechanism 通过中介效应模型或调节效应分析，考察数据产品评分如何影响SDG监测的完整性和时效性，进而对可持续发展进程评估产生作用
- 统计能力提升路径的跨国比较：比较不同国家在统计能力提升方面的路径差异时，可将该指标作为被解释变量，分析影响因素 explanatory 利用面板数据回归或事件研究法，识别推动数据产品评分提升的关键因素（如制度变迁、资源投入、技术进步等），为统计能力建设提供实证依据
- 统计绩效指标体系的稳健性检验：在其他研究中将SPI五个支柱的综合得分或加权得分作为稳健性检验变量时，可单独考察第三支柱的一致性 robustness 通过单独使用数据产品评分与综合评分的对比，验证主要结论是否对指标选择敏感，增强研究结论的可靠性
- 数据治理能力与公共决策质量的关联：研究统计能力是否影响公共决策质量时，可将该指标作为数据治理能力的重要组成部分 outcome 将数据产品评分作为解释变量之一，考察其在统计能力与公共决策质量之间的传导路径，区分不同维度的统计能力对决策质量的差异化贡献
统计绩效指标（SPI）：第三支柱数据产品评分常见问题
SPI数据产品评分是什么意思？
SPI第三支柱数据产品评分是衡量一国统计体系能否产出SDG相关数据的能力指标，评分范围0-100，分数越高表示该国在社会、经济、环境和机构四大领域的数据产品产出能力越强。
中国的SPI数据产品评分在全球处于什么水平？
2024年中国该指标得分为76.6分，位列全球前30之外，表明中国统计体系在SDG数据产出方面已达到中等偏上水平，但与得分90分以上的领先国家（如墨西哥、比利时等）仍有差距。
统计绩效指标SPI有几个支柱？
世界银行SPI体系包含五个支柱：数据使用、数据服务、数据产品、数据来源和数据基础设施。数据产品评分是第三支柱，主要衡量SDG相关指标的产出能力。
数据产品评分越高意味着什么？
评分越高表示该国统计体系能够产出更多、更全面的与可持续发展目标相关的统计数据，支持政策监测和评估的能力更强，但并不直接等同于数据质量更高。
中国统计绩效近年来提升了多少？
中国该指标从2005年的47.3分提升至2024年的76.6分，累计提升约29.3分。其中2020年后出现显著跃升，2021年达到77.5分，反映了统计能力的快速进步。
SPI数据产品评分和统计质量是什么关系？
两者不是同一概念。数据产品评分衡量的是产出SDG相关指标的能力和覆盖范围，而统计质量涉及数据的准确性、时效性和可信度。高评分国家的数据质量不一定更高，需结合其他指标综合判断。
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）：第三支柱数据产品评分等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据