GDP 支出估计误差（按现价本币单位）

Discrepancy in expenditure estimate of GDP (current LCU)

指标代码：NY.GDP.DISC.CN所属主题：经济政策与债务：国民账户：Local currency at current prices：Expenditure on GDPEconomic Policy & Debt: National accounts: Local currency at current prices: Expenditure on GDP

2024最新有效年份

148最新年份有值国家

265历史上有数据经济体

53%总体缺失率

指标解释

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

Although the SNA ensures there is perfect consistency between the three measures of GDP, this is a conceptual consistency that in general does not emerge naturally from data compilations. This is because of the wide disparity of data sources that must be called on and the fact that any error in any source will lead to a difference between at least two of the GDP measures. In practice it is inevitable that many such data errors will exist and will become apparent in exercises such as the balancing of supply and use tables. This indicator is expressed in current prices, meaning no adjustment has been made to account for price changes over time. This series is expressed in local currency units.

可供参考的中文翻译：尽管国民账户体系（SNA）确保 GDP 三种核算方法在概念上完全一致，但这种一致性通常不会在数据汇总过程中自然实现。这是因为 GDP 核算需要调用大量数据来源，而任何来源中的错误都会导致至少两种 GDP 核算方法之间产生差异。在实践中，许多此类数据错误不可避免地存在，并在供给使用表平衡等工作中显现。该指标以现价表示，意味着未对随时间的价格变化进行调整。本序列以当地货币单位表示。

数据口径与风险提示

本指标反映三种 GDP 核算方法（生产法、收入法、支出法）之间的统计残差，而非可直接观测的经济现象
正值表示支出法 GDP 高于收入/生产法 GDP，负值表示支出法 GDP 低于其他方法
数值大小受各国统计体系成熟度、数据来源覆盖率和核算方法差异影响，跨国直接比较需谨慎
本指标以现价本币计，受汇率波动和通货膨胀影响，不宜用于时间序列真实量分析
该误差是国民账户平衡过程中的技术调整项，其正负符号本身不代表经济健康与否
伊朗、印尼等排名靠前国家数值极大，可能反映其统计体系特殊性或数据报告口径差异
数据缺失年份较多，1960-2024 年间中国仅 65 个数据点，趋势解读需注意连续性
该指标通常随统计方法改进趋于收窄，但结构性转型期可能出现异常波动

中国趋势

趋势解读

中国 GDP 支出估计误差在 1960-2024 年间呈现显著的波动特征。初期 1960 年为约 -36.2 亿元，1964-1969 年间转为正值，1970 年代维持正向误差但规模有限。1980-1989 年再次转负，1990 年代波动加剧，1993 和 1999 年分别出现约 252 亿和 2252 亿元的正向峰值。2000-2009 年出现大幅震荡，2008 年正向误差达约 9544 亿元，2010 年更飙升至约 3628 亿元的历史极值，但 2005、2006、2007 年又出现数千亿元的负向误差。2011 年后剧烈下行，2013 年负向误差扩大至约 -2.46 万亿元，2020 年达到约 -7.38 万亿元的极端负值。2024 年收窄至约 -2516 亿元。该误差在 65 个有效数据点中呈现出明显的非平稳特征，正负交替频繁，可能反映了中国统计体系在不同发展阶段的数据来源质量和核算方法调整。

1960 年误差值约为 -36.2 亿元，2024 年约为 -2516 亿元
最大正值出现在 2010 年，约为 3628 亿元
最大负值出现在 2020 年，约为 -7.38 万亿元
1980 年代多数年份为负值，1988 年短暂转正
2008-2010 年连续三年维持较大正值，其中 2010 年为历史峰值
2012-2015 年连续四年为负值，2013 年负值规模最大
2021-2023 年转为正值后，2024 年再度转负
从首年到末年绝对值变化约为 6.94 倍，但符号多次反转

全球趋势

趋势解读

世界汇总层面的 GDP 支出估计误差数据在当前数据集中不可用（有效数据点为 0），无法提供世界整体的趋势分析。GDP 支出误差作为各国统计体系特定产物，世界银行在汇总全球或区域数据时可能采用不同处理方式，或因数据覆盖不完整而未予公布。排名靠前的国家如伊朗、印尼、伊拉克等具有极大的误差数值，但这主要反映其本国统计核算特点，不代表全球普遍水平或趋势。

世界汇总数据点数量为 0，未获取有效统计
最新排名基于 2024 年数据，伊朗以约 4.43 万亿元本币单位居首
印度尼西亚、伊拉克、越南、乌干达等发展中国家位列前十
日本、英国等发达经济体误差数值相对较小
排名前列国家多为新兴市场或转型经济体
由于世界汇总数据缺失，无法进行中国与全球趋势的横向对比
各国误差排名仅反映该指标在当地货币单位下的绝对规模，与 GDP 规模占比无关
伊朗等排名靠前可能反映其特殊的统计核算体系或数据报告惯例

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-2.8x	-	该时期中国误差倍数约为 -2.80 倍，数值由负转正再转负，波动剧烈，误差符号的多次反转可能反映统计体系建立初期数据来源不稳定和核算方法调整，而非特定经济事件的影响。
1970-1979	1.0x	-	该时期中国误差倍数约为 0.96 倍，期末与期初值接近，误差整体维持正向区间，可能表明该阶段支出法核算相对稳定，但正负交替的特征仍显示数据质量存在一定波动。
1980-1989	-0.1x	-	该时期中国误差倍数约为 -0.14 倍，期末绝对值大幅收窄，多数年份为负值，可能反映统计方法向国际标准接轨过程中对数据的系统性修正，误差符号趋于一致。
1990-1999	-1.6x	-	该时期中国误差倍数约为 -1.56 倍，1993 年出现大幅正向异常值后回落至负值区间，1999 年正向反弹，可能反映经济高速增长期数据来源多元化带来的暂时性协调困难。
2000-2009	3.2x	-	该时期中国误差倍数约为 3.22 倍，为所有十年期中最高，2008-2009 年正向误差急剧扩大后 2005 年出现极端负值，误差在正负两极大幅摆荡，可能反映加入全球贸易体系后进出口数据核算复杂度上升对支出法的影响。
2010-2019	-0.2x	-	该时期中国误差倍数约为 -0.23 倍，期末绝对值大幅低于期初，2012-2015 年持续负值且规模庞大，可能反映统计体系规范化建设使得三种核算方法趋于一致，但分母端（GDP 规模）增长远快于误差绝对值。
2020-2029	0.0x	-	该时期中国误差倍数约为 0.03 倍，数值极度收敛，2020 年出现极端负值后快速回正，可能反映特殊年份统计调整的一次性冲击，以及随后数据质量的快速修复。

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
1	Iran, Islamic Rep. 伊朗	IRN	4,432,292,135,816,032
2	Indonesia 印度尼西亚	IDN	814,390,340,000,000
3	Iraq 伊拉克	IRQ	31,990,821,205,300
4	Viet Nam 越南	VNM	27,590,297,557,800
5	Uganda 乌干达	UGA	21,685,701,144,100
6	Cambodia 柬埔寨	KHM	5,546,768,304,400
7	Kazakhstan 哈萨克斯坦	KAZ	5,070,494,900,000
8	Russian Federation 俄罗斯	RUS	2,923,392,157,700
9	Mongolia 蒙古	MNG	454,677,780,000
10	Rwanda 卢旺达	RWA	86,214,766,200
11	Kenya 肯尼亚	KEN	80,815,000,000
12	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	71,221,900,000
13	Nepal 尼泊尔	NPL	63,333,305,966
14	Zambia 赞比亚	ZMB	53,451,328,000
15	Mauritius 毛里求斯	MUS	43,769,000,000
16	Thailand 泰国	THA	31,301,000,000
17	South Africa 南非	ZAF	12,076,150,700
18	Libya 利比亚	LBY	8,943,900,000
19	Botswana 博茨瓦纳	BWA	7,669,304,400
20	Singapore 新加坡	SGP	3,917,600,000
21	Japan 日本	JPN	3,300,000,000
22	Ireland 爱尔兰	IRL	2,803,658,000
23	United Kingdom 英国	GBR	2,128,000,000
24	Israel 以色列	ISR	1,179,806,000
25	Brunei Darussalam 文莱	BRN	970,044,387
26	Canada 加拿大	CAN	899,000,000
27	Austria 奥地利	AUT	779,844,000
28	Finland 芬兰	FIN	403,000,000
29	Belarus 白俄罗斯	BLR	373,400,000
30	Solomon Islands 所罗门群岛	SLB	355,171,420
31	Estonia 爱沙尼亚	EST	278,486,000
32	Benin 贝宁	BEN	100,000,000
33	Comoros 科摩罗	COM	34,778,200
34	Egypt, Arab Rep. 埃及	EGY	20,000,000
35	Chile 智利	CHL	4,350,000
36	Australia 澳大利亚	AUS	1,000,000
37	Cuba 古巴	CUB	1,000,000
38	Norway 挪威	NOR	1,000,000
39	Saudi Arabia 沙特阿拉伯	SAU	1,000,000
40	Uruguay 乌拉圭	URY	1,000,000
41	Oman 阿曼	OMN	351,784
42	Timor-Leste 东帝汶	TLS	345,732
43	Bahrain 巴林	BHR	189,400
44	Congo, Rep. 刚果（布）	COG	99,500
45	Sri Lanka 斯里兰卡	LKA	6,300
46	Mali 马里	MLI	5,314
47	Zimbabwe 津巴布韦	ZWE	2,100
48	Cyprus 塞浦路斯	CYP	1,000
49	Cote d'Ivoire 科特迪瓦	CIV	100.0
50	Ecuador 厄瓜多尔	ECU	100.0
51	Equatorial Guinea 赤道几内亚	GNQ	100.0
52	Maldives 马尔代夫	MDV	100.0
53	Montenegro 黑山	MNE	100.0
54	Senegal 塞内加尔	SEN	100.0
55	Cabo Verde 佛得角	CPV	20.1
56	Ghana 加纳	GHA	7.80
57	Paraguay 巴拉圭	PRY	0.59
58	Brazil 巴西	BRA	0.03
59	Venezuela, RB 委内瑞拉	VEN	0.01
60	Madagascar 马达加斯加	MDG	0.01
61	Gabon 加蓬	GAB	0.00
62	Sierra Leone 塞拉利昂	SLE	0.00
63	Georgia 格鲁吉亚	GEO	0.00
64	Peru 秘鲁	PER	0.00
65	Albania 阿尔巴尼亚	ALB	0.00
66	Algeria 阿尔及利亚	DZA	0.00
67	Angola 安哥拉	AGO	0.00
68	Armenia 亚美尼亚	ARM	0.00
69	Azerbaijan 阿塞拜疆	AZE	0.00
70	Bolivia 玻利维亚	BOL	0.00
71	Bulgaria 保加利亚	BGR	0.00
72	Chad 乍得	TCD	0.00
73	Colombia 哥伦比亚	COL	0.00
74	Congo, Dem. Rep. 刚果（金）	COD	0.00
75	Costa Rica 哥斯达黎加	CRI	0.00
76	Croatia 克罗地亚	HRV	0.00
77	Czechia 捷克	CZE	0.00
78	Djibouti 吉布提	DJI	0.00
79	Eswatini 斯威士兰	SWZ	0.00
80	Ethiopia 埃塞俄比亚	ETH	0.00
81	France 法国	FRA	0.00
82	Germany 德国	DEU	0.00
83	Haiti 海地	HTI	0.00
84	Honduras 洪都拉斯	HND	0.00
85	Hungary 匈牙利	HUN	0.00
86	Lithuania 立陶宛	LTU	0.00
87	Luxembourg 卢森堡	LUX	0.00
88	Malaysia 马来西亚	MYS	0.00
89	Mauritania 毛里塔尼亚	MRT	0.00
90	Moldova 摩尔多瓦	MDA	0.00
91	Morocco 摩洛哥	MAR	0.00
92	Netherlands 荷兰	NLD	0.00
93	Pakistan 巴基斯坦	PAK	0.00
94	Philippines 菲律宾	PHL	0.00
95	Poland 波兰	POL	0.00
96	Portugal 葡萄牙	PRT	0.00
97	Romania 罗马尼亚	ROU	0.00
98	Serbia 塞尔维亚	SRB	0.00
99	Seychelles 塞舌尔	SYC	0.00
100	Slovak Republic 斯洛伐克	SVK	0.00
101	Somalia, Fed. Rep. 索马里	SOM	0.00
102	Spain 西班牙	ESP	0.00
103	Sweden 瑞典	SWE	0.00
104	Turkiye 土耳其	TUR	0.00
105	Ukraine 乌克兰	UKR	0.00
106	Uzbekistan 乌兹别克斯坦	UZB	0.00
107	Latvia 拉脱维亚	LVA	-0.00
108	Panama 巴拿马	PAN	-0.00
109	Slovenia 斯洛文尼亚	SVN	-0.00
110	Malta 马耳他	MLT	-0.00
111	Dominican Republic 多米尼加共和国	DOM	-100.0
112	Guinea-Bissau 几内亚比绍	GNB	-100.0
113	Nicaragua 尼加拉瓜	NIC	-100.0
114	Tanzania 坦桑尼亚	TZA	-100.0
115	Guinea 几内亚	GIN	-150.0
116	Denmark 丹麦	DNK	-1,000
117	Iceland 冰岛	ISL	-1,000
118	Switzerland 瑞士	CHE	-1,000
119	Kosovo 科索沃	XKX	-2,000
120	Mozambique 莫桑比克	MOZ	-5,000
121	Namibia 纳米比亚	NAM	-16,500
122	El Salvador 萨尔瓦多	SLV	-20,000
123	Greece 希腊	GRC	-35,000
124	Guatemala 危地马拉	GTM	-37,700
125	Belgium 比利时	BEL	-100,000
126	Italy 意大利	ITA	-100,000
127	Tunisia 突尼斯	TUN	-100,000
128	North Macedonia 北马其顿	MKD	-300,000
129	Niger 尼日尔	NER	-1,248,100
130	Marshall Islands 马绍尔群岛	MHL	-8,398,018
131	Sudan 苏丹	SDN	-23,471,100
132	Bahamas, The 巴哈马	BHS	-54,000,000
133	West Bank and Gaza 约旦河西岸和加沙	PSE	-60,600,000
134	Belize 伯利兹	BLZ	-95,463,500
135	Samoa 萨摩亚	WSM	-110,098,758
136	Cameroon 喀麦隆	CMR	-200,000,000
137	Burkina Faso 布基纳法索	BFA	-700,532,000
138	Bosnia and Herzegovina 波黑	BIH	-1,562,673,500
139	Gambia, The 冈比亚	GMB	-1,721,583,759
140	New Zealand 新西兰	NZL	-1,923,000,000
141	China 中国	CHN	-25,163,580,200
142	Argentina 阿根廷	ARG	-53,771,947,600
143	Central African Republic 中非共和国	CAF	-237,161,390,300
144	Bangladesh 孟加拉国	BGD	-444,040,769,200
145	United States 美国	USA	-451,543,869,269
146	Korea, Rep. 韩国	KOR	-479,000,000,000
147	Mexico 墨西哥	MEX	-1,485,386,932,000
148	India 印度	IND	-6,484,481,123,200

使用建议、常见误用与研究场景

数值较高通常意味着什么

当该指标数值为正时，表示支出法计算的 GDP 明显高于生产法和收入法核算结果，意味着支出端数据来源可能存在系统性高估，或收入端数据捕获不够完整。此类情况通常出现在数据来源多元化程度高、统计协调机制尚不健全的发展阶段。

数值较低通常意味着什么

当该指标趋近于零或为负且绝对值较小时，通常表明三种核算方法趋于协调一致，统计体系相对成熟，数据质量较高。但负值本身并非绝对好事，需结合具体统计方法论背景解读。

鍙ｅ緞闄愬埗

该误差反映的是统计平衡过程中的残差，而非可直接观测的经济现象，其正负符号本身不代表经济健康与否
正值仅表示支出法高于其他方法，不必然意味着支出法数据有问题，也可能是收入法数据低估所致
现价本币计价方式使数据受价格水平变化和汇率波动影响，大数值年份可能部分源于通胀而非误差实际扩大
跨国直接比较存在局限性，不同国家统计体系、数据报告口径和核算方法存在结构性差异
该误差的波动主要反映数据来源质量变化，而非实体经济活动的真实波动
部分国家数据缺失较多，趋势解读需注意连续性和可比性问题

使用建议

在使用前应充分了解 GDP 三种核算方法（生产法、收入法、支出法）的基本原理及各自的局限性
建议结合 GDP 规模和误差占比综合判断，单纯的绝对值比较意义有限
进行跨国研究时应选取统计方法论相近的国家子集，并说明选择依据
对历史趋势的分析应重点关注统计方法变革节点（如 SNA 版本更新），而非简单归结为经济因素
对于正负交替频繁的数据，不宜使用简单算术平均，而应分段描述或采用中位数
解读时应结合各国统计年鉴和官方说明，了解不同时期的核算方法调整背景

常见错误用法

错误做法：直接将该指标的正负解读为经济好坏或政策有效性的证明

正确做法：将其理解为统计核算过程中的技术平衡项，关注其反映的统计体系完善程度

该误差本质上反映数据来源质量和核算协调程度，与实体经济基本面无直接因果关系，将其作为经济指标会导致严重的政策误判

错误做法：使用不同国家或同一国家不同时期的该指标绝对值进行简单排名对比

正确做法：考虑 GDP 规模后计算相对比率，或选取统计体系相似国家进行有条件的横向比较

误差绝对值受 GDP 规模影响巨大，伊朗等国排名靠前主要反映其 GDP 规模和数据报告口径，而非统计质量差异

错误做法：将现价本币计价的误差值直接用于时间序列真实量分析，未做任何价格调整

正确做法：根据需要使用 GDP 平减指数进行价格调整，或明确说明现价数据的局限性

现价数据受通货膨胀和汇率影响，高数值年份可能部分反映价格上涨而非误差扩大

错误做法：将符号的多次正负反转解读为统计精度持续改善或恶化

正确做法：关注误差绝对值相对于 GDP 的占比变化，以及不同时期的统计方法论调整

符号反转往往反映数据来源结构变化或核算方法调整，而非简单的精度提升或下降

错误做法：在回归分析中将其与经济变量直接关联而未控制统计体系发展阶段

正确做法：引入统计制度变量或分阶段建模，避免遗漏重要背景因素

统计体系成熟度是该指标的重要决定因素，忽略这一背景会导致伪回归或错误因果推断

实际应用场景

统计方法论与数据质量评估：评估某一国家或地区在不同历史时期的 GDP 数据质量变化被解释变量，用于衡量统计体系成熟度变化可构建时间序列模型观察误差绝对值相对于 GDP 比重的变化趋势，识别统计方法改革的节点效应，注意控制价格水平变化的影响因素
统计体系转型与经济数据的跨国比较：比较不同发展阶段国家的 GDP 核算协调程度控制变量，用于剥离统计体系差异的影响在跨国经济增长比较研究中，将其作为控制变量可减少统计体系异质性带来的偏误，但需注意选取统计方法论相近的国家子集以确保可比性
核算方法调整对经济数据的影响机制：分析中国从 MPS 体系向 SNA 体系转型期间统计数据的结构性变化机制变量，解释统计方法变革如何影响数据协调性利用该指标可识别 1980 年代至 1990 年代中国统计方法改革的阶段性影响，为理解转型经济体数据质量变化提供经验证据
数据协调性与宏观经济的稳健性检验：在宏观经济模型中对 GDP 数据质量进行敏感性分析稳健性检验变量可将该指标作为数据质量代理变量纳入宏观模型的稳健性检验，评估基础数据协调性变化对计量结果的影响程度