政府统计数据质量内涵的演化与启示

内容提要：本文选取政府统计数据质量内涵为研究对象，基于国际统计数据质量标准和各国统计部门成功实践经验，对其发展历程中所形成的“传统与现代”、“狭义与广义”、“绝对与相对”、“一般与特殊”四组范畴进行梳理，进而总结出政府统计数据质量管理工作的若干要点，并对进一步提高中国统计数据质量管理水平提出了建议。
    关键词：政府统计数据质量成本收益分析全面质量管理中国统计
    作者简介：聂富强（1964-），男，四川峨边县人，1986年毕业于西南财经大学，获经济学硕士学位，现为西南财经大学统计学院教授、博士生导师，西南财经大学经济信息工程学院执行院长、四川省金融智能与金融工程重点实验室副主任，研究方向为金融统计与分析；崔名铠（1986-），男，山东烟台人，西南财经大学统计学院2010级博士研究生，研究方向为宏观经济统计；向蓉美（1949-），女，四川成都人，1985年毕业于西南财经大学，获经济学硕士学位，现为西南财经大学统计学院教授、博士生导师，中国国民经济核算研究会常务理事、成都市统计学会副理事长，研究方向为国民经济核算（成都611130）。
    一、引言
    20世纪末两次世界范围内的金融危机使国际货币基金组织（IMF）意识到“向公众提供及时、全面的经济和金融数据能够促进稳健宏观经济政策和投资决定的制定与执行，进而减少未来金融市场剧烈动荡事件发生的次数并缓解其程度，”[1]随后分别于1996年、1997年、2003年相继推出了《数据公布特殊标准（SDDS）》、《数据公布通用系统（GDDS）》和《数据质量评估框架（DQAF）》，由此引发了全球对统计数据质量问题的关注。2007年爆发的次贷危机又重拾这一话题。中国政府于2002年加入GDDS，自难置身于此潮流之外。现虽已初步建立起适应社会主义市场经济需求的、国际可比的统计体系，然而未来改革之路上挑战依然严峻，“提高统计能力、提高统计数据质量、提高统计公信力”仍是当前乃至今后一段时期统计工作的中心任务[3]。
    在统计“入世”与统计体制改革双重背景之下，统计数据质量研究凸显其重要之处。本文选取政府统计数据质量内涵为研究对象，基于国际统计数据质量标准和国外统计部门成功实践经验，对其发展历程中所形成的四组范畴进行细致梳理，力图总结出政府统计数据质量管理工作的若干要点，并就此对进一步提高我国统计数据质量管理水平提出些许思考。
    二、结果评价维度从单一走向多元
    多年前，统计语境下的“质量”特指统计数据的“准确性”，用“均方误差”来度量[4]。这一传统定义几经演化早已改变其原有面貌。现代定义主要借鉴“全面质量”的思想，美国《统计科学百科全书》将其表述为“统计数据自公布后多大程度上满足用户对统计信息需求和期待的各个方面。”
    在评估中，通常采用将质量依次分解为不同层面的“阶式结构”，这在IMF所推出的DQAF中得到了充分的体现——“通用框架”由“质量的前提条件”和5个“方面”构成，在每个质量方面中还包括了3至5个良好做法的“要素”，并在每个要素中构建了若干“指标”。然而就质量方面的具体界定各方还尚未达成统一——DQAF定义的5个方面分别是“保证诚信”、“方法健全性”、“准确性和可靠性”、“适用性”以及“可获得性”；美国《统计科学百科全书》给出的划分是归为“报告内容”、“准确性”、“及时性”、“一致性（特别是可比性）”、“可获得性”5个维度；欧盟统计局（Eurostat）则认为数据质量指代“相关性”、“准确性”、“及时性和准时性”、“可获得性与清晰性”、“一致性和可比性”5组内容[5]。此外，即便就某一定义单独来看，其所包含的各方面之间也存在着相互制衡，不能被视为独立变量而同时取得最优。其中，以“相关性与准确性”、“相关性与及时性”、“相关性与一致性”、“相关性与时间可比性”、“地区可比与时间可比”和“准确性与及时性”6组矛盾尤为突出[5]。
    统计数据质量不仅限于文字表述，还可进行量化反映——Eurostat就分别针对其所界定的5个质量方面建立起一套“质量及表现指标”（见表1），将其纳入到“统计报告”中。《欧洲统计系统统计报告手册》对每组指标的具体含义、计算方法及适用条件进行了规定，并辅之以案例，以期推动欧盟成员国统计质量报告的规范性与相互可比。
    三、客体评价维度由数据向过程拓展
    将质量依次分解为不同方面属横向扩展。除此之外，统计流程这一纵向视角也固然存在——在专家领导小组（LEG）①呈报给欧盟统计计划委员会（SPC）的报告中就写道：“产品质量是产出的质量，从统计机构的角度是指所提供数据和服务的质量。这些产品生成自一个基本过程或过程序列，因此该产品的质量可能受到过程质量的影响……在理论上，高质量的产品可以通过评估和返工来取得。然而，这不是一个可行的途径，因为它昂贵且费时。可行的替代办法是通过改善过程质量来提高产品质量[4]”。在其后续开发的《数据质量评估方法和工具手册》中，进一步明确了质量概念所呈现出的三种不同状态[6]——“统计产品的特征”、“用户对于统计产品的感知”和“统计生产过程的不同特征”。
    具体而言，产品质量通常由“质量报告”和“质量及表现指标”来反映（见表1）。为了解用户对统计产品的感知，Eurostat主要依托现有11种用户调查来完成[6]。过程质量不如数据质量直观，借鉴《欧洲统计守则》可从两个角度对其进行分解[5]，即统计工作的“机构环境”（Institutional Environment）和“具体统计流程”（Individual Statistical Process），前者比后者着眼的范围更宽（见表2）。
    
    
    针对“机构环境”的质量标准又被称作“机构框架”（Institutional Framework），如联合国统计司编写的《官方统计基本原则》和《统计组织手册》；而“质量保证框架”（Quality Assurance Framework）关注具体统计指标及其生产过程，加拿大统计局、瑞典统计局、英国统计局等机构均有相应的质量保证框架[6]。
    我们现在所惯常使用的“统计质量”这个词，已经被悄然替换为含产品质量、过程质量、用户感知等多个方面的广义概念了。
    四、效率评价开始进入国家实践
    不同质量方面之间存在着相互制约的关系，在本已难取舍的情况下，广义质量定义又引入成本有效性等因素，使得矛盾更加错综复杂。为破解这一难题，国外统计机构主要借鉴“成本收益分析”（Cost-benefit analysis，简称CBA）的方法。它不同于传统意义上只盯住收益方（绝对质量）的做法，而将成本要素纳入考量，体现了“相对质量”内涵的要求，运用最成功的当属英格兰银行（BoE）②。
    CBA所遵循的原理较为明了——古典企业模型中的收益最大化（成本最小化）原则。然而就统计数据这类公共产品（无市场价格）而言，无法对其成本与收益进行直接的度量，因而也就不能使用“边际成本=边际收益”计算出最优解。为此，BoE分别构建了相对成本和相对收益模型。
    成本方面主要考虑的内容是报送成本（见表3），通过成本模型③可以得到不同报送方式的成本估计，进而算出不同报送方式的成本占总成本的比重（相对成本）。针对新设立的项目还需考虑相应的建立成本。尽管统计数据的处理及发布过程相对于报送过程的成本要小得多，但当视野扩展到整个机构时，仍可以对机构的内部成本进行一个把握。BoE主要通过对管理者及项目负责人进行调查，了解他们在不同项目（交流、汇总、分析、编制、公布、简报等）上所花费的时间，以此对内部成本进行观测。相对收益的不可比性更强，相对成本也更不易度量。BoE采用的方法是预先对统计数据的各类需求赋权（见下页表4），在用户评分结果的基础上初步测算出不同统计项目的相对收益，在进一步交流之后给出最终判断。
    
    
    至此，经过成本收益测算的不同项目被汇总至一个包含4个象限的二维图中（见下页图1）。落入第1象限的项目被视为改进的突破口，而第3象限的相对质量较高④。该框架既可用于修订已有数据采集也可对新生数据需求进行评估。通过引人CBA，BoE报送成本较2004年降低了35％，年度数据收集单元格数目减少了1/3之多。
    
    五、管理重心逐步由全面总体向局部重点落实
    事实上，IMF在颁布DQAF“通用框架”的同时还推出了涉及国民账户统计、消费者价格指数、生产者价格指数、政府财政统计、货币统计、国际收支统计和外债统计7个领域的“具体数据组框架”。两类框架保持着良好的衔接——“通用框架”提出的方面、要素、指标3个层次适用于所有“具体数据组框架”。随后，根据不同数据组的需要提出更详细和更具体的内容，即焦点问题和要点，由此阶式结构由3级扩展到5级——这种总分式架构反映出另一组统计数据质量范畴，即通用标准普适情况下的“一般性”与应对不同部门具体问题的“特殊性”。
    DQAF主要关注经济部门的统计数据质量问题，然而其他关键领域亦存在对统计质量的客观诉求。比如政府间气候变化专门委员会（IPCC）。IPCC不仅就温室气体排放清单的编制方法进行了相关规定[7]，同时对清单的质量也提出了明确的要求，包括透明性、完整性、一致性、可比性和准确性五个方面。为达成这一目标，数据报送方需要执行质量保证/质量控制和验证程序。
    六、结论与启示
    （一）结论
    “传统与现代”、“广义与狭义”、“绝对与相对”、“一般与特殊”四组范畴共同谱写出统计数据质量的丰富内涵：现代定义与广义定义偏重于理想模式，贯彻全面性的理念；而相对定义和特殊定义则更契合实际，突出操作性和重点性。政府统计数据质量内涵的演变既是全球范围内不断提高数据质量的国家实践经验的总结，也体现了发达国家统计数据质量管理的理念和时代发展催生的趋势性要求。借此可进一步就国外政府统计数据质量管理工作的走向归纳如下：
    1.政府统计数据质量管理以用户需求为导向。“政府统计数据质量”这个词频繁出现不过是最近20、30年的事情，主要原因是统计服务范围扩大。具体而言，只有当统计数据真正成为提供给全社会的公共产品，不同用户方才会对其提出优劣的评判，由此才能引申出统计数据质量这一命题。统计服务方向转变在国外同样是一个艰巨而漫长的过程。统计数据质量管理仅是手段而非目的，提高统计数据质量最终是为更好地满足不同用户需求。
    2.引入现代质量管理理论，加速政府数据质量管理工作现代化进程。现代质量管理方法从休哈特博士提出统计过程控制理论（SPC）算起，至今已有近百年的发展史。全面质量管理（TQM）当属最新进展，其较之于SPC改进体现在两个方面：“‘全面’意味着此概念应用于一个组织的所有部分，不仅限于制造阶段；‘管理’强调各种功能而不仅仅指统计质量控制中的过程控制或检验手段。”[8]它在国外被迅速应用于各行各业，政府统计工作也不例外。然而这一过程并非简单复制，需要结合统计工作自身的特性建立相应的统计数据质量管理方法论。
    3.相对质量逐渐成为政府统计数据质量管理绩效考核的标准。西方“私人财产不可侵犯”的观念根深蒂固，纳税人对财政收支进行严格把关，致使政府在制定各项政策、计划或项目时必须对成本和收益进行权衡。除BoE的案例之外，美国白宫管理与预算办公室下设的统计政策委员会同样以“产品质量”（包含相关性、准确性、及时性）和“项目表现”（包含成本、发布、任务完成情况）为参照对其协调之下的商务部人口普查局和经济分析局、劳工部劳工统计局等13个统计部门进行考核，以制定下一年度的预算安排[10]。
    4.统计数据质量管理对国民经济重点领域及关键环节予以特别关注。相关重点的划定取决于各国国情及部门各自的判断，但在全球化背景下某些内容甚至会跨越国界成为时代所共同关注的主题——20世纪上半叶大萧条、世界大战等历史事件，亟须宏观管理手段的出台，由此推动了国民经济核算在官方统计中的正式确立，统计数据的准确性、可获得性是该时期所主要关注的方面；随后金融危机频繁发生，及时性、可比性等因素开始被纳入进来；进入21世纪以来，日渐突出的环境问题又使得各方在完善环境与资源统计核算方法的同时对其统计数据质量提出了相应的要求。
    （二）若干思考
    从1949年7月21日成立的中央财政经济委员会在计划局内设立统计处算起，中国统计已走过了60多个年头。由我国制度转型的特殊历史背景决定，其间不仅要经历由低级阶段向高级阶段的自然提升，还面临统计机构改革的艰巨任务。如何正确认识市场经济体制下统计这一生产要素及其在提高市场配置资源效率方面的作用是目前所要解决的核心问题。作为统计工作的重要组成部分，政府统计数据质量管理也应与此保持一致：
    1.继续推进统计服务方向的转变，同时应更加关注“统计生态环境建设”。“统计的服务方向发生了重要变化”是改革开放30年中国统计改革所取得的重要成绩之一[11]。然而过程中仍受到诸多因素的干扰，质疑最多的当属地方官员干预统计数据。2010年1月1日施行的新《统计法》连同之前公布的《统计违法违纪行为处分规定》必将对减少统计造假现象起到积极的作用。但要彻底解决这一问题不能只在统计系统内部找原因，还应更加关注“统计生态环境建设”问题，“包括与政府统计系统的改革以及统计数据质量的保障息息相关的各种社会因素，即统计的思想观念环境、体制制度环境、社会信用环境、法制环境、国际环境、社会舆论环境等等。[12]
    2.推进现代化统计质量管理体系的建设，尽快制定并出台中国的官方统计质量标准。近年来，提高统计数据质量被国家统计局摆到了统计事业发展的战略地位，加大了管理力度[13]：“对于统计数据质量概念的理解从狭义转向广义；建立了主要统计指标数据质量的定期评估制度；在立法上体现了保障数据质量的宗旨。”中国统计于2002年加入GDDS，更加快了与国际统计质量标准接轨的步伐，但我们仍应充分认识到中国统计质量管理与国外存在的巨大差距[14]。而且在发展的初期阶段选择加入GDDS等国际标准、借助外脑外力加速国内统计改革不失为一条绝佳的路径，但从长期来看却未必能一劳永逸，应尽快制定中国的官方统计数据质量标准，为统计质量管理工作提供明确的目标指引，以防止各项改进工作流于形式。
    3.探索成本收益分析在统计实践中的应用。我国统计学界已经陆续开展对统计成本问题的理论研究。在后续追踪中可借鉴BoE等机构的成功经验，在我国典型地区、典型部门进行试点，将CBA付诸实践。尤其是近期为贯彻温家宝总理在国务院第三次廉政工作会议上做出“完善财政预算制度，推进预算公开透明”的重要指示，中央部委先后在各自的官方网站上公布了部门预算，国家统计局也于2010年4月1日发布了“财政部批复国家统计局2010年部门预算”的通知。尽管项目还不够细化，但已具有重要意义。CBA成功运用进而大幅提高部门绩效水平更能推动这一进程。
    4.对于国民经济重点领域及关键环节的统计数据加强质量管理，以此为突破口，带动全局发展。次贷危机打破了传统金融危机爆发于以银行为主的间接融资市场的思维定势，致使各方不能提早防范，而金融市场统计缺失亦被指责为其原因之一。反观我国金融市场统计领域，统计范围不够全面、调查体系相对滞后、指标相对单一等问题同样不容忽视[15]。目前，亟须加强对国民经济重点领域及关键环节统计数据的质量管理工作。各统计部门应结合自身工作性质及实际情况做出数据质量管理的重点安排，以此为突破口带动全局发展。
    注释：
    ①1999年，在瑞典统计局的倡议下成立了以提高欧洲统计系统质量为目的的专家领导小组（LEG）。17位来自国际组织与国家相关统计部门的专家对欧洲统计系统质量管理实际情况进行了考察，最终形成了包含22条改进建议的报告，在2001年9月召开的SPC第42次会议上获得批准并成立执行小组实施这些建议。
    ②英国统计局与英格兰银行货币与金融统计司（MFSD）联合向其他国家22个有关机构开展调查，了解CBA在统计工作中使用情况。在2005年7月由MFSD举办的国际研讨会上，来自MFSD、英国统计局、欧洲中央银行、英国财政部等机构的专家详细阐述了他们的经验。2006年，BoE正式推出了《货币与金融统计的成本收益分析：一个操作指南》，介绍其在货币与金融统计数据收集过程中使用CBA的方法及实践，为其他同行在执行相关操作时提供参考。
    ③成本模型假定规模（或业务范围）不同的银行具有相同的成本，同时亦不考虑跨时期数据报送的难易差别、编制者与报送者之间的交流成本以及银行内部信息系统与组织结构差异等因素。因此，该模型仅提供了对报送成本的一个初步认识，后续还需要结合实际情况进行调整。
    ④需要强调的是：BoE的CBA模型测量的是相对成本与相对收益，所以不能认为落入第1象限的项目就应取消而落入第3象限的项目无需改进，因为存在绝对质量（成本）同时高（低）的情况。
    参考文献：
    [1]IMF. The General Data Dissemination System: Guide For Participants and Users[M]. Washington, D. C.: IMF Publication Services, 2007.
    [2]International Monetary Fund. Addressing Information Gaps[M]. Washington, D. C.: IMF Publication Services, 2009.
    [3]马建堂.开拓进取再续辉煌——在中国统计学会成立30周年纪念大会暨第十五次全国统计科学讨论会上的致辞[J].统计研究.2010(1)：3-6.
    [4]LEG. Summary Report from the Leadership Group(LEG)on Quality[M]. Eurostat Publication, 2001.
    [5]Eurostat. ESS Handbook for Quality Reports[M]. Eurostat methodologies and working papers, 2001.
    [6]Ehling, K rner. Handbook on Data Quality Assessment Methods and Tools[M]. Eurostat Publication, 2007.
    [7]Bank of England. Cost-benefit Analysis of Monetary and Financial Statistics: A Practical Guide[M]. Bank of England, 2006.
    [8]H. S. Eggleston, L. Buendia, K. Miwa, T. Ngara和K. Tanabe.2006年IPCC国家温室气体清单指南[M].日本全球环境战略研究所。
    [9]H. V. Roberts. Total Quality Management[A]. S. Kotz, C. B.Read, N. Balakrishnan, B. Vidakovic. Encyclopedia of Statistical Sciences[M]. 2nd Edition. A Wiley-Interscience Publication, 2006.
    [10]Office of Management and Budget of U. S. A. Strengthening Federal Statistics[A]. Analytical Perspectives[M]. Washington, D. C.: U. S. Government Printing Office, 2007: 37-43.
    [11]庞皓.科学发展观引领中国社会经济统计的改革——改革开放30年中国统计改革的回顾[J].财经科学.2008(10)：19-22.
    [12]庞皓.政府统计生态环境建设的系统分析[J].统计研究.2010(9)：3-8.
    [13]余芳东.外国统计数据质量的涵义、管理以及对我国的启示[J].统计研究.2002(2)：26-29.
    [14]金勇进，陶然.中国统计数据质量理论研究与实践历程[J].统计研究.2010(1)：62-67.
    [15]聂富强、崔名铠.构筑完善的宏观金融市场统计体系[J].金融发展评论.2010(2)：154-158.