KNOWECON WIKI

ARTICLE

基期

基期 (Base Period) 基期是指在经济、金融或统计指数计算中作为比较基准的参照时期。基期通常设定为某一具体的年份、季度或月份，所有后续时期（称为报告期或当期）的指数值均以基期水平为分母进行相对比较。基期的选择直接决定了指数数列的数值尺度、可比性和经济解释力，是指数编制理论与实践中最为关键的环节之一。 基期方法的核心思想在于：通过将一个时期的水平标准

浏览 3 更新 2025-10-26

基期 (Base Period)

基期是指在经济、金融或统计指数计算中作为比较基准的参照时期。基期通常设定为某一具体的年份、季度或月份，所有后续时期（称为报告期或当期）的指数值均以基期水平为分母进行相对比较。基期的选择直接决定了指数数列的数值尺度、可比性和经济解释力，是指数编制理论与实践中最为关键的环节之一。

基期方法的核心思想在于：通过将一个时期的水平标准化为基准值（通常记为 100），使得不同时间点的变化幅度和速度能够在统一的量纲下进行直观比较。其数学表达为：

It=VtV0×100I_t = \frac{V_t}{V_0} \times 100

其中 ItI_t 为时期 tt 的指数值，VtV_t 为报告期水平，V0V_0 为基期水平。基期指数值被设定为 100，而非 1，属于约定俗成的惯例——这使百分比变化能够被直接读出：指数为 120 即表示相对于基期上涨了 20\%。

基期的类型

根据指数编制的目的和数据的性质，基期可选择不同的设定方式：

  1. 固定基期：选择一个特定的时期作为基准，在相当长的时间内不予更换。例如中国居民消费价格指数（CPI）以 2020 年为基期，美国 GDP 平减指数以 2012 年为基期。固定基期的优势在于时间序列的连续性和可比性，但随着时间推移，基期与报告期的距离越来越远，拉氏指数中固定权重与实际消费结构的偏差（即替代偏差）将不断累积，可能导致指数与真实生活成本的背离。
  2. 链式基期：每个报告期的指数以前一时期为基期，各期的环比指数通过连乘形成定基指数序列。这即链式加权方法，亦称费雪指数或理想指数的实现策略。美国自 2003 年起将实际 GDP 的编制方法由固定基期法改为链式加权法，以应对固定基期下产业结构变化带来的偏差。链式基期的优势在于权重随经济结构自动更新，但代价是指数序列失去可加性——各分项指数的加权和不再精确等于总指数。
  3. 移动基期：基期随报告期的推进而前移，常用于短期环比分析。例如月度 CPI 的环比指数以上月为 100。这种设计在剔除季节因素后的短期波动监测中尤为常见。

基期选择的原则

统计实践中，基期的选择并非随意，需要遵循一系列操作规范：

经济代表性原则。基期应尽量选取经济结构相对稳定、未受重大外部冲击（如战争、金融危机、自然灾害）的年份。偏离常态的基期会导致指数基准失真：例如以 2008 年金融危机前夕作为基期编制房价指数，后续年份的指数将会系统性偏低，掩盖长期趋势。

时效性原则。基期不宜过旧。中国国家统计局每五年对 CPI 的基期进行一轮更新：从 2010 年→2015 年→2020 年，每次更新时同步调整商品篮子的构成项目和各类别的权重。美国劳工统计局的做法类似，CPI 的支出权重每两年进行一次更新。这种周期性更新的经济学直觉在于：消费者的偏好和技术进步持续改变着实际消费结构，如果不更新基期，拉氏指数将夸大通胀——此即 Hausman (2003) 所指出的 CPI 中存在的系统性高估偏差。

数据可得性原则。基期的选定需要确保该时期拥有完整、可靠且来源一致的统计资料。对于发展中国家或历史数据残缺的经济体，基期往往受制于数据覆盖质量。

基期在经济计量分析中的角色

在计量经济学中，基期的设定方式和处理策略直接影响模型估计与推断。

平减与实际化。名义变量的实际化处理是基期概念最经典的应用：名义 GDP 除以基期价格恒定的 GDP 平减指数即得实际 GDP。若基期不恰当，实际 GDP 的增长序列将被价格结构的系统性变化所扭曲。

指数回归。当使用时间序列数据进行回归时，基期效应的存在可能导致伪相关。常见处理方法包括：(1) 引入基期虚拟变量以控制不同基期定义下的水平差异；(2) 对指数序列进行对数差分以消除基期依赖；(3) 使用链式指数以避免固定基期带来的权重僵化。

面板数据中的基期效应。在国际比较项目（ICP）中，不同国家的价格水平以美元为基准进行折算，而基准年（基期）的选择会显著影响以购买力平价（PPP）衡量的各国相对经济规模。Deaton 与 Heston (2010) 指出，PPP 转换中基期年份的不同可使发展中经济体的相对 GDP 出现 10–20\% 的差异，这种"基期效应"（base year effect）是国际比较中不容忽视的系统性不确定性来源。

基期更新与指数衔接

当统计机构更新基期时，新旧指数序列的衔接（或称链接，linking）是一个技术性很强的操作。常用的方法包括重叠期链接法（overlap linking）：选择一段新旧基期共存的时间窗口，将二者在重叠期的比值作为衔接因子。设旧基期指数序列为 ItoldI_t^{\text{old}}，新基期指数序列为 ItnewI_t^{\text{new}}，在重叠期 t∗t^* 计算链接因子：

L=It∗newIt∗oldL = \frac{I_{t^*}^{\text{new}}}{I_{t^*}^{\text{old}}}

则衔接后的完整序列为：

It={Itold×L,t≤t∗Itnew,t>t∗I_t = \begin{cases} I_t^{\text{old}} \times L, & t \leq t^* \\ I_t^{\text{new}}, & t > t^* \end{cases}

这种方法的隐含假设是重叠期内旧指数与新指数之间的差异仅源于基期和权重的不同，而不包含其他结构性断裂。若该假设不成立（例如新旧基期的商品篮子和统计口径发生了实质性变化），则衔接可能引入系统性误差。

基期选择的理论争议

围绕基期选择的讨论构成了指数理论中的一条核心线索。拉氏指数（固定基期、基期数量权重）与帕氏指数（报告期数量权重）之间的差异，归根结底源于基期选择的不同。费雪在《指数编制》（The Making of Index Numbers, 1922）中证明了：在一般情况下，拉氏指数与帕氏指数分别构成真实生活成本变化的上界和下界，而二者的几何平均（即费雪理想指数）能够绕过基期选择所固有的替代偏差问题。

从现代角度来看，基期问题本质上是加总问题（aggregation problem）的一个侧面：当相对价格发生变化时，不存在一个独立于基期选择的、完美反映经济总量变化的指数。这一见解可以追溯到阿罗不可能定理在福利经济学中的延伸——在跨期比较的语境下，不存在能够同时满足总量一致性、确定指数性和基期独立性三项要求的指数编制方法（Balk, 2008）。正因如此，任何指数都必须被理解为基期选择下的一种近似刻画，而非绝对真理。

应用实例

以中国 CPI 编制为例：现行 CPI 以 2020 年为基期（100.0），涵盖 8 大类、268 个基本分类的商品和服务。每逢基期更新（2001、2005、2010、2015、2020），统计局不仅更换基期年份，还会对商品篮子进行重大调整——例如 2020 年基期修订中新增了外卖、网约车服务等新型消费类别，同时上调了医疗保健和教育文化娱乐的权重，下调了食品烟酒的权重。这一调整既反映了经济结构从生存型消费向发展型消费的转型，也给前后数据的可比性带来了衔接上的挑战。历史研究者若以统一基期换算各阶段的实际值，必须仔细处理这些结构性断裂，否则可能得出误导性的增长趋势结论。