En Ru
Вход
ISSN: 0320-8095
ISSN: 0320-8095
En Ru
Расширенный поиск
ИНСТИТУЦИОНАЛЬНАЯ ЭРОЗИЯ И СТРУКТУРНЫЕ ИСКАЖЕНИЯ: СТАТИСТИКА ВВП ИНДИИ И КИТАЯ В XXI ВЕКЕ

ИНСТИТУЦИОНАЛЬНАЯ ЭРОЗИЯ И СТРУКТУРНЫЕ ИСКАЖЕНИЯ: СТАТИСТИКА ВВП ИНДИИ И КИТАЯ В XXI ВЕКЕ

Статья на сайте ELibrary.ru
Скачать в формате PDF

Поступила: 14.07.2026

Принята к публикации: 16.10.2026

Дата публикации в журнале: 30.10.2026

Ключевые слова: Индия; Китай; надежность данных по ВВП; институциональная эрозия; структурные искажения; политическая экономия статистики

DOI: 10.55959/MSU0320-8095-13-70-3-10

Доступно в on-line версии с: 30.10.2026

Для цитирования статьи

Клюкин Б.Д. ИНСТИТУЦИОНАЛЬНАЯ ЭРОЗИЯ И СТРУКТУРНЫЕ ИСКАЖЕНИЯ: СТАТИСТИКА ВВП ИНДИИ И КИТАЯ В XXI ВЕКЕ // Вестник Московского университета. Серия 13. Востоковедение 2026. Т. 70. № 3. С. 144-160 https://doi.org/10.55959/MSU0320-8095-13-70-3-10.

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция-Некоммерчески») 4.0 Всемирная
Номер 3, 2026
Клюкин Б.Д. (МГУ имени М.В.Ломоносова)

Аннотация

В данной статье исследуется достоверность официальной статистики ВВП в Индии и Китае — двух ключевых, но статистически непрозрачных экономиках. Хотя скептицизм в отношении данных обеих стран широко распространен, автор утверждает, что причины этого принципиально различны. В Индии недоверие обусловлено техническим и методологическим ухудшением статистического аппарата — институциональной эрозией, которая ставит под угрозу качество данных, хотя само это ухудшение тесно связано с политическим давлением, направленным на представление благоприятных сценариев роста. В Китае сомнения коренятся в системных политических стимулах, которые структурно поощряют манипулирование данными на нескольких административных уровнях, порождая системные искажения, а не просто технические ошибки. Обе страны признали эти пробелы в достоверности и инициировали реформы. Между тем, исследователям необходимо придерживаться прозрачных методов работы, четко указывая на ограничения данных, используя условные формулировки и расписывая спецификацию данных. Полноценный анализ требует перекрестной проверки официальных данных с альтернативными показателями, такими как производство электроэнергии, железнодорожные грузоперевозки, индексы менеджеров по закупкам и корпоративные отчеты. По мнению автора, статистическая непрозрачность Индии и Китая открывает новые возможности для исследований на стыке социальных наук, датасаенс и эконометрики. В первую очередь — сбор перечней наиболее оптимальных альтернативных данных и разработка методологии их обработки с помощью таких инструментов, как компьютерное зрение и обработка естественного языка, чтобы заглянуть за ширму политизированных данных.

Литература

  1. Anand A., Felman J., Subramanian A. India’s 20 Years of GDP Misestimation: New Evidence // PIIE Working Paper, Vol. 26, N. 3. 2026. Доступ: https://www.piie.com/sites/default/files/2026-03/wp26-3.pdf (дата обращения: 01.07.2026).
  2. Base year change pushes GDP growth to 6.9% in 2013–14 // The Times of India. 2015. Доступ: https://timesofindia.indiatimes.com/business/india-business/base-year-change-pushes-gdp-growth-to-6-9-in-2013-14/articleshow/46069577.cms (дата обращения: 01.07.2026).
  3. Bhattacharya P. How India’s statistical system was crippled // Live Mint. 2019. Доступ: https://web.archive.org/web/20190507202019/https://www.livemint.com/news/india/how-india-s-statistical-system-was-crippled-1557250292753.html (дата обращения: 08.07.2026).
  4. Chaudhary A. Revisiting India’s GDP Revisions: Methodological Changes and the Debate on Manufacturing Growth // Journal of Public Sector Auditing and Accounting of SAI India, Vol. 1, N. 1. 2025. Доступ: https://cag.gov.in/uploads/journal_articles/article-06a2297c43af618-35670331.pdf (дата обращения: 01.07.2026). 5 Датасаенс (Data Science) — междисциплинарная область информатики, объединяющая анализ данных, математику, статистику и искусственный интеллект. Ее главная цель — извлечение полезных знаний и закономерностей из огромных массивов информации (Big Data) для решения бизнес-задач и прогнозирования.
  5. Chen W., Chen X., Hsieh C., Song Z. A forensic examination of china’s national accounts // NBER Working Paper Series. No. 25754. 2019. Доступ: http://www.nber.org/papers/w25754 (дата обращения: 09.07.2026). DOI: 10.3386/w25754.
  6. Clark H.L., Pinkovskiy M.L., Sala-i-Martin X.X. Benefits of Infrastructure Spending Not So Clear-Cut, Economists Say // Liberty Street Economics. 2017. Доступ: https://libertystreeteconomics.newyorkfed.org/2017/04/is-chinese-growth-overstated/ (дата обращения: 04.07.2026).
  7. Database on Indian Economy (DBIE) // Reserve Bank of India. Доступ: https://data.rbi.org.in/DBIE/ (дата обращения: 16.01.2026).
  8. GDP Base Year Revised to 2022–23 // Drishti IAS. 2025. Доступ: https://web.archive.org/web/20250620071015/https://www.drishtiias.com/daily-updates/daily-news-analysis/gdp-base-year-revised-to-2022-23 (дата обращения: 11.07.2026).
  9. GDP data revision: Niti Aayog’s role raises eyebrows; some feel it was best avoided // The Times of India. 2018. Доступ: https://timesofindia.indiatimes.com/business/india-business/gdp-data-revision-nitis-role-raises-eyebrows-some-feel-it-was-best-avoided/articleshow/66863679.cms (дата обращения: 08.07.2026).
  10. GDP growth or grand delusion? Sabeer Bhatia’s blunt take sparks controversy // Policy Circle. 2025. Доступ: https://web.archive.org/web/20250430163349/https://www.policycircle.org/economy/india-gdp-growth-sabeer-bhatia/ (дата обращения: 08.07.2026).
  11. Ghoshal D. Unpalatable numbers: statistician who rocked Indian government had to take a stand // Reuters. 2019. Доступ: https://www.reuters.com/article/world/unpalatable-numbers-statistician-who-rocked-indian-government-had-to-take-a-sta-idUSKCN1PT0PA/ (дата обращения: 08.07.2026).
  12. He Y., Du X., Jia Y. Government statistics should be open to scholarly scrutiny: a deep data dive with Xu Xianchun // The East is Read. 2023. Доступ: https://web.archive.org/web/20230922151219/https://www.eastisread.com/p/government-statistics-should-be-open (дата обращения: 11.07.2026).
  13. Holz C.A. The quality of China’s GDP statistics // China Economic Review, Vol. 30. 2014. pp. 309–338. DOI: 10.1016/j.chieco.2014.06.009 (дата обращения: 11.07.2026).
  14. India’s 2026 GDP Base Year Revision and Its Global Impact // Vajiram & Ravi. 2025. Доступ: https://vajiramandravi.com/current-affairs/indias-2026-gdp-base-year-revision-and-its-global-impact/ (дата обращения: 08.07.2026).
  15. Jia Y., Han A. Xu Xianchun explains GDP calculation in China // The East is Read. 2024. Доступ: https://www.eastisread.com/p/xu-xianchunexplains-gdp-calculation (дата обращения: 09.07.2026).
  16. Kapur D., Sircar N. CAA-NRC-NPR controversy throws up new challenge for Census 2021 — collecting credible data // The Print. 2020. Доступ: https://web.archive.org/web/20200304025952/https://theprint.in/india/caa-nrc-npr-controversy-throws-up-new-challenge-for-census-2021-collecting-credible-data/361427/ (дата обращения: 08.07.2026).
  17. Kennedy S., Mei Q. Measurement Muddle: China’s GDP Growth Data and Potential Proxies // Big Data China. 2023 Доступ: https://bigdatachina.csis.org/measurement-muddle-chinas-gdp-growth-data-and-potential-proxies/ (дата обращения: 04.07.2026).
  18. Koch-Weser I.N. The Reliability of China’s Economic Data: An Analysis of National Output // U.S.-China Economic and Security Review Commission. 2013. Доступ: https://web.archive.org/web/20130313002855/https://www.uscc.gov/sites/default/ files/Research/TheReliabilityofChina’sEconomicData.pdf (дата обращения: 04.07.2026).
  19. Lyu C., Wang K., Zhang F., Zhang X. GDP management to meet or beat growth targets // Journal of Accounting and Economics, Vol. 66, N. 1. 2018. pp. 318–338. DOI: 10.1016/j.jacceco.2018.07.001. (дата обращения: 09.07.2026).
  20. Ma B., Song G., Zhan L., Sonnenfeld D.A. Explaining sectoral discrepancies between national and provincial statistics in China // China Economic Review, Vol. 30. 2014. pp. 353–369. DOI: 10.1016/j.chieco.2014.07.004 (дата обращения: 04.07.2026).
  21. Magnier M. Benefits of Infrastructure Spending Not So Clear-Cut, Economists Say // The Wall Street Journal. 2015. Доступ: https://www.wsj.com/articles/benefits-of-infrastructure-spending-not-so-clear-cut-economists-say-1422819575 (дата обращения: 09.07.2026).
  22. Misra U. Why govts revise GDP base year and methodology, why the proposed 2026 revision matters for India’s global standing // The Indian Express. 2015. Доступ: https://web.archive.org/web/20250613044044/https://indianexpress.com/article/explained/explained-economics/why-govts-revise-gdp-base-year-and-methodology-10060239/ (дата обращения: 11.07.2026).
  23. Nagaraj R., Sapre A., Sengupta R. Four years after the Base-Year Revision:Taking stock of the debate surrounding India’s National Accounts Estimates // Indira Gandhi Institute of Development Research. 2021. Доступ: http://www.igidr.ac.in/pdf/publication/WP-2021-006.pdf (дата обращения: 01.07.2026).
  24. PIB Delhi. New Series of Gross Domestic Product (GDP) Estimates With Base Year 2022–23 // Ministry of Statistics & Programme Implementation. 2026. Доступ: https://www.pib.gov.in/PressReleasePage.aspx?PRID=2233518&reg=48&lang=2 (дата обращения: 11.07.2026).
  25. Rajakumar J.D. Private corporate sector in new NAS series: Need for a fresh look // Economic and Political Weekly, Vol. 50, N. 29. 2015. Доступ: https://www.academia.edu/14189581/Private_Corporate_Sector_in_New_NAS_Series_Need_for_a_Fresh_Look (дата обращения: 01.07.2026).
  26. Sengupta R., Pramanik S. India’s GDP makeover: What is changing? // Ideas for India. 2026. Доступ: https://www.ideasforindia.in/topics/macroeconomics/indias-gdp-makeover-what-is-changing (дата обращения: 01.07.2026).
  27. Sharma N.K., Kumar S., Hussain S. Along With the Base-Year Revision of GDP, We Need Transparency // The Wire. 2025. Доступ: https://thewire.in/economy/along-with-the-base-year-revision-of-gdp-we-need-transparency (дата обращения: 11.07.2026).
  28. Sinha J. Delay could make 7th Economic Census data trivial, says House panel // Business Standard. 2022. Доступ: https://web.archive.org/web/20230118002129/https://www.business-standard.com/article/economy-policy/delay-could-make-7th-economic-census-data-trivial-says-house-panel-122080801607_1.html (дата обращения: 08.07.2026).
  29. Subramanian A. India’s GDP Mis-estimation: Likelihood, Magnitudes, Mechanisms, and Implications // CID Working Papers. 2019a. Доступ: https://growthlab.hks.harvard.edu/files/growthlab/files/2019-06-cid-wp-354.pdf (дата обращения: 01.07.2026).
  30. Subramanian A. Validating India’s GDP Growth Estimates // CID Faculty Working Paper. 2019b. Доступ: https://web.archive.org/web/20191105030721/https://growthlab.cid.harvard.edu/files/growthlab/files/2019-07-cid-wp-357-india-gdp.pdf (дата обращения: 01.07.2026).
  31. Zeng J., Zhou Q. Mayors’ promotion incentives and subnational-level GDP manipulation // American Economic Association. 2023. Доступ: https://www.aeaweb.org/conference/2024/program/paper/6zRNknzS (дата обращения: 09.07.2026).
  32. Zhong R., Kala A.V. India Changes GDP Calculation Method // The Wall Street Journal. 2015. Доступ: https://www.wsj.com/articles/india-changes-gdp-calculation-method-1422622762 (дата обращения: 01.07.2026).
  33. 国家统计局.国家数据 [Национальное бюро статистики Китая. Национальные данные.] Доступ: https://data.stats.gov.cn/dg/website/page.html#/pc/national/quarterData (дата обращения: 16.01.2026).