三、出口增长

估计出口增长是一件不容易的事情。在实际操作中，人们往往会使用一个代理变量，也就是某个国家的出口地区GDP增长率来衡量。但是如同在上一节中所看到的那样，衡量GDP的困难在于它通常是以低频的方式发布的，而且随后的修订往往也有很大的滞后。因此，GDP数据的发布日期往往是所度量时段之后的好几个月。如果我们能够用一个更及时和高频的指标来替代出口国家的GDP，那么就可以用更为及时的实时预测方式来衡量出口增长。在前面我们已经看到用PMI指数来表征GDP，现在我们讨论另外一种方法。

Nie/Oksol（2018）分析了如何应用卫星图像数据来衡量各国的GDP数据，从而进一步衡量美国对外出口的增长。和我们过往使用的卫星图像数据不同，他们着眼于通过卫星图像来衡量夜光（nighttime light）。这种度量方式很直观，简单来说就是当一个国家更加富裕的时候，它的经济活动就会变得更多，因此夜光也会更强。他们使用了美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration/NOAA）地球观测小组（Earth Observation Group）的夜光图像数据集。图片上每个像素大约覆盖1平方公里的面积，这种图像分辨率不足于观测出特定对象，例如汽车或者建筑物，但是可以度量夜光强度。每个像素都有一个表示夜光强度的数值，它介于0 到63之间。一旦确定了某个地理区域，那么就可以用一个指数来衡量这个区域的夜光强度。

Nie/Oksol表明这种衡量GDP的方法对于新兴国家是非常有用的，因为这些地区的官方统计数据并不是很可靠的。表5.4描述了从1993年到2013年出口、夜光强度和GDP三者之间增长率的年度相关系数，从中可以看出对于发达国家而言，出口增长和GDP增长之间具有更强的相关性。他们认为出现这个结果很可能是发达国家的GDP数据得到了更好地度量。

表5.4 出口、夜光强度和GDP三者增长率之间的年度相关性

在估计出口的季度增长率时，Nie/Oksol分别使用了随机游走模型、基于GDP的模型以及基于夜光的模型。考虑到GDP数据只能按季度提供，而夜光数据则可以按月提供，这样基于夜光的模型可以同时进行季度建模和月度建模。表5.5报告了各种模型估计值和实际数据之间的平均百分比偏差。从中可以看出，基于月度的夜光模型在所有经济体中都具有最好的绩效。这表明夜光强度数据确实是估计出口增长的有用方法，特别是在GDP数据存在滞后的情况下。

表5.5 各种模型的预测绩效