2018年-IMF国际货币组织全球_In_Search_of_Information_Use_of_Google_Trends’_Data_to_Narrow_Information_Gaps_for_Low_51页_1mb

报告摘要

本研究探讨了Google Trends的搜索量指数（SVI）在填补低收入发展中国家（LIDCs）信息缺口方面的潜力。传统宏观数据在这些国家中往往存在延迟和缺失，而Google SVI提供了一种基于在线搜索频率的实时信息来源，有助于经济状况的及时评估和政策制定。

SVI与宏观经济变量的相关性
- Google Trends的搜索量指数与LIDCs的宏观经济变量（如实际GDP、通货膨胀、资本流动）存在显著相关性，前提是考虑其他协变量。
- 对于LIDCs，SVI与实际GDP的相关性比夜间灯光数据更强；而在新兴市场国家（EMEs）中，夜间灯光数据与实际GDP的相关性更高。
SVI在预测中的作用
- SVI在样本外预测中略优于传统数据，显示出一定的预测能力。
- SVI能够捕捉到与经济活动相关的正面或负面信息，有助于识别经济变化趋势。
SVI的分类应用
- 通过将SVI按类别划分（如金融、商业与工业、法律与政府、健康、旅游），可以更准确地反映不同经济活动的动态。
- 旅游类别SVI与游客数量呈正相关，而金融和法律政府类别SVI则与负面经济事件相关。
SVI的局限性与挑战
- SVI可能受到混淆因素影响，如自然灾害、冲突等事件可能同时带来正面和负面关注。
- 高相关性可能使区分不同类别的SVI变得困难，尤其是在样本外预测中。
SVI的解释基础
- 本文为SVI的解读提供了理论基础，明确了其与人们注意力之间的关系，以及可能存在的偏差来源。

引言
- 强调LIDCs在数据获取上的困难，以及非传统数据（如Google SVI）的潜力。
国家搜索量指数的构建
- 通过设定国家名称为搜索主题，获取SVI，并进一步按类别细分以提高准确性。
- 使用Google Knowledge Graph解决国家名称歧义问题，确保数据可比性。
SVI在LIDCs预测中的表现
- 样本内回归结果表明，不同类别的SVI与经济活动、价格、资本流动存在显著相关性。
- 比较SVI与夜间灯光数据，发现两者在不同国家类型中表现各异。
样本外预测结果
- SVI在样本外预测中略微提升了预测性能，但效果有限。
- 旅游类别SVI在预测游客数量方面表现较好，而金融类别SVI与通货膨胀相关。
模型扩展与分析
- 探讨了SVI的跳跃效应、滞后效应、国内搜索的影响及在EMEs中的适用性。
- 发现某些类别（如商业与工业、旅游）更常与正面经济活动相关，而金融、法律政府、健康类别则与负面事件相关。
结论与政策建议
- SVI为LIDCs的经济分析提供了新的视角，有助于弥补传统数据的不足。
- 未来研究可进一步探索SVI在不同经济环境下的适用性及改进方法。