为210个国家制定一个全面的人均GDP时间序列,从1950年到2015年

为210个国家制定一个全面的人均GDP时间序列，从1950年到2015年摘要背景：收入作为健康的一项决定因素已被广泛的研究和利用。

有些收入来源用人均国内生产总值（GDP）表示，但却没有一个为210个有数据的国家建立从1950年到2015年完整的时间序列。

建立从1950年至2015年完整的全球性时间序列模型有利于人口健康的研究。

方法：以恒定的美元和国际货币（使购买力平价）表达的人均GDP估计值来自于七个数据库。

我们分别为1950年到2015年的七大来源序列数据建立了几个阶段的模型，包括普通最小二乘回归和混合效应模型。

3种美元数据和4种国际货币数据分别产生了两个新的人均GDP序列。

结果与讨论：有效的使用了210个国家从1950年到2015年的9个完整序列。

这些序列可以为各种分析目的的研究服务，并可以说明许多经济发展的趋势和特点。

两个新序列的推导，使研究者避免对一些特定序列产生偏见。

数据库每年更新数据也可用此灵活的建模方法来估计。

结论：人均GDP是研究人口健康的必要工具，我们发展和实施的新方法可实现迄今为止最全面的时间序列。

关键词：GDP，人均GDP，收入，社会决定因素，协变量，指标背景人均收入已广泛运用于社会经济的健康预测中，收入和健康的关系也被广泛的研究。

在普雷斯顿[1]1975年的开创性工作中，他制定了收入和健康相关联的三种方法，而重点在将死亡率做为健康的评判标准。

普雷斯顿曲线表明收入水平影响健康水平和健康变化率，收入变化率影响健康变化率。

此外，经济和人口的研究也说明了他们的紧密关系[2-9]。

人均GDP广泛运用于衡量国家收入水平[10]，健康产出[11]，死亡率趋势[12,13]，特殊死因的死亡率估计[12]，卫生系统绩效和财务状况[13,14]，和其他一些有趣话题的建模。

多年来，这些研究的意义在于通过经济政策及经济增长培养一个以改善健康为主旨的全球热点。

相反的，也就是健康对经济的影响也被宏观经济学家广泛的研究[15-18]。

在2000年，世界卫生组织（WHO）建立了健康宏观经济委员会[19]，通过健康对经济完整性的影响研究动力学。

该委员会的成立标志着新的目标和指导方针，这表明健康介入导致伤残调整生命年在2010年减少3.3亿，到2015年每年将由此节省高达1800亿美元的费用。

而后在2005年，世界卫生组织（WHO）建立了健康问题社会决定因素委员会[20]，试图制定一个更全面的框架来预测健康和突出经济福利在改善健康中的关键作用。

鉴于收入和健康之间的重要关系，人均GDP是人口健康研究中使用最广泛的协变量之一。

它也是测量经济最常用的指标，估计每季或每年国家以及机构如世界银行（WB）[21]，联合国统计司[22]，国际货币基金组织（IMF）[23]还有一些体系如宾夕法尼亚大学[24]和格罗宁根大学[25]的产出。

目前可用的数据源遭到了一系列的限制。

首先，GDP计算的来源[26]各不相同（虽然GDP通常被定义为私人消费总和，总投资，政府支出和净出口[出口减去进口][27]）。

第二，每个人均GDP的信息源提供了一系列国家年的估计，但没有一个为所有国家和年份提供完整数据组的独立信息源，而这往往是健康研究人员所需的。

第三，任何国家年根据不同数据源估计的人均GDP相差甚大[26]。

这种差距在低经济基础设施和经济状况不稳定的发展中国家被放大[28]，这引起了国家人口健康研究人员极大兴趣。

最后，地缘政治事件可能导致国家获得或丧失主权，从而在更长的时间内缺失GDP估计。

最明显的是前苏联的情况，从苏联共和国到苏联解体都没有GDP估计。

这意味着任何涉及人均GDP的组合问题研究将会遭受重大变故，并且完整性取决于使用的数据源和国家时间周期的兴趣。

为了解决这些限制，本文提出了可实现以下两个目标的方法。

目标1是使用每个可用序列填补所有国家从1950年到2015年缺失的国家年。

目标2是在210个国家从1950年到2015年的最全面竞争数据源序列的基础上创建新美元（USD）序列和新国际美元（ID）（购买力平价[PPP])序列。

方法资料来源我们定义了七个人均GDP序列。

从宾夕法尼亚大学（Penn）生产、收入、价格的国际比较中心[24]，WB世界发展指标[21]，联合国统计司（UNSTAT）[22]，IMF世界经济展望报告[23]和格罗宁根大学经济系安格斯·麦迪逊的研究主页[25]下载人均GDP时间序列。

麦迪逊、Penn、IMF和WB的估计可在国际货币序列中使用购买力平价率。

UNSTAT、IMF和第二个WB序列可用恒定或流通的美元。

因此，4种ID和3种USD都是可用的。

表1为每个信息源序列提供了货币和国家年覆盖的细节。

Penn和WB ID序列标准化为2005 ID。

IMF ID序列标准化为“当前”或“历史”ID和当地固定货币单位（LCUs），而不是立即与其他序列比较。

把序列换算成2005 ID，现行的ID是各国2005 ID，用来自恒定LCU序列的增长率对该值做向前和向后的链估计。

由此创建了IMF 2005 ID序列。

麦迪逊序列提供的部分GDP估计是我们分析中不可或缺的，但他也有两个主要缺点。

首先，麦迪逊序列标准化为1990 ID，并且，因为没有可靠的方法将他转换成2005 ID，我们只在建模中用这个序列预测其他序列丢失的部分。

虽然该系列标准化为1990 ID，但这种限制不会降低模型估计的准确度。

其次，它是基于2010年3月前发布的最新国民账户数据。

其他GDP估计是基于最近更新的数据集。

尽管数据年代久远，但我们的分析中还是包含了麦迪逊序列，因为它提供了8,693个国家年的估计（可能缺失15,780个国家年），其中包括了其他GDP数据源所没有的。

因此，我们的模型中有更多的数据，尤其是1980年前和前苏联的数据。

下面将做更详细地描述。

统计司的新美元序列标准化为2005 USD。

用相同的方法将IMF现行的新美元序列标准化为2005 USD序列，并用上面提到的IMF ID来描述。

WB 2005 USD 序列的建立是用2005年汇率将WB 2005 LCU人均GDP序列转化为2005 USD序列。

这个阶段得到3种2005 USD序列和4种2005 ID序列。

图1所示的例子是索马里的原始数据。

以索马里为例展示运用本文方法建立各国完整的时间序列。

以索马里为例是因为从1950年至2015年索马里的数据是不完整，既没有WB和IMF 的估计值，现有序列也没有横跨整个时间框架。

表2列出了索马里现有数据序列。

附件1中提供各阶段建模过程的估算在数据评估和开发建模方法过程中，我们发现大量异常值。

当模型里包括一些异常高或异常低的数据时预测值被大大的改变，在一个特定的国家序列年中。

因此，当没有异常突出的地缘政治或经济事件时，在建立估计模型前去掉异常点。

在48,781个数据中定义111为离群值。

附件2列出了特定的国家序列年数据。

表1可用数据源和GDP估计的时间跨度序列麦迪逊Penn WB IMF UN现行LCUs - - . ×-- - ×(2005) +.(多年) -固定LCUs（基准年）现行USD - - . . ×- - ×(2000) - .(2005)固定USD（基准年）现行ID - C×+ -+(1990) +(2005) +(2005) - - 固定ID（基准年）覆盖的年份1950-2008 1950-2009 1960-2009 1980-2015 1970-2009 ×=序列存在+=用于国际货币序列. =用于美元序列图1索马里现有的人均GDP数据。

WB和IMF没有估计值，但其他数据源提供了各年的估计值。

表2索马里各数据源序列可用数据的时间跨度序列有数据的年份IMF 国际货币，以2005为基准年-Penn 国际货币，以2005为基准年1970-2008WB 国际货币，以2005为基准年-麦迪逊国际货币，以1990为基准年1950-2008WB 美元，以2005为基准年-IMF 美元，以2005为基准年-UNSTAT 美元，以2005为基准年1970-2009模型目标1的实现通过插补各序列从1950年到2015年的缺失值和预测序列，如果特殊信息源不包括某一国家的估计值，执行以下步骤。

用现有序列插补缺失值我们在七个数据源序列分布不均的48,670个国家年序列数据（去除异常值和国家前称如前南斯拉夫）中展开项目。

一些国家序列完全丢失或收入估计的时间框架受局限。

例如，无论是WB序列或IMF序列提供的索马里的估计。

阿富汗IMF序列仅有2002年到2015年。

一些国家数据覆盖稀疏，特别是小国家，如阿鲁巴、特克斯和凯科斯群岛，只有UN序列的估计。

如上所述，从苏联共和国到苏联解体完全缺失了估计值。

本文的建模方法试图建立各国从1950年到2015年共97,020国家年序列数据的时间序列。

换句话说，我们的数据库缺失大约50％的估计值。

从完整的数据库中，我们计划建立两个新的人均GDP序列健康指标和评估研究所（IHME）。

在第一阶段，用现有序列插补数据缺失的年份，提出假设1）GDP 增长率在各数据源间可能略有不同，但整体上给定数据源增长率和其他数据源增长率关系可靠，2）对各数据源回归分析结果求平均可增加预测的稳定性。

我们汇集了所有国家年数据以及估计了各国各序列每年的增长率。

在各GDP 序列的指数增长率回归分析（EGR ）中采用了普通最小二乘回归（OLS ），各GDP 序列作为结果和预测变量，也就是说，对各序列做增长率的回归分析。

例如，要估计K 序列t 年的指数增长率在估计t 年的T 序列，我们建立了以下模型：j k EGR EGR t j k j k j t k j ≠∀+=,,,,1,,0,,ββ这个阶段各序列产生了六个增长率 - 一是每一对序列间的关系。

然后，对所有其他序列的增长率求平均产生各序列增长率的估计值（模型下标同上）：∑≠=k j t k j EGR L,,t k,j,1EGR Predicted 一个完整的例子：UNSTAT 指数增长率的估计是从对IMF ID ，IMF USD 、麦迪森、WB ID 和WB USD 进行回归分析得到的，每个都是单独的模型。

对六个回归模型的增长率预测求平均得到UNSTAT 增长率估计。

用平均增长率，预测出缺失的国家年数据。

例如，七大序列中索马里1950年到2008年的估计值有不同的时间跨度，但不是所有的序列在这段时间跨度的每一年都有估计值。

用估计的增长率我们预测并回溯各序列缺失年份的数据。

当缺失数据年份前后几年均有估计值（例如，当一个序列1950年到1970年和1980年到1990年的数据是完整的，但缺少1970年到1980年的估计值），用链式向前和链式向后预测这个时间段的均值。