依據模型估算，我們預計1季度GDP同比增速或能夠實現4.4%左右的增長，這為全年經濟增長奠定了良好開局。

估算季度GDP從生產端出發(fā)，先分別估算出第一、二、三產業(yè)的實際GDP同比增速，再擬合出季度GDP同比增速（均為不變價）。

具體來說，第三產業(yè)GDP使用服務業(yè)生產指數估算，第二產業(yè)GDP使用工業(yè)增加值估算，第一產業(yè)GDP因無對應月度數據，故使用歷史均值估算。

從結果來看，工業(yè)增加值與第二產業(yè)GDP的相關性達到0.99，服務業(yè)生產指數與第三產業(yè)GDP的相關性達到0.97，兩者的模型R方均在0.9之上，擬合效果良好。

由于1-2月經濟數據已經公布，我們通過高頻數據來擬合3月工業(yè)增加值增速和服務業(yè)生產指數增速，進而可以得到1季度的GDP增速。

（1）為了匹配服務業(yè)生產指數的不變價口徑，我們選取了“地鐵客運量、擁堵延時指數、乘用車銷量、30大中城市商品房成交面積”這四個數量型高頻指標，來擬合服務業(yè)生產指數同比增速。擬合模型顯示，今年1季度服務業(yè)生產指數同比增速為8.7%，模型R方為0.95。

需要注意的是，雖然擬合結果包含了去年受疫情影響的低基數效應，但基數效應的貢獻也容易被夸大。比如同樣受疫情影響基數偏低的2021年1季度和2季度，以高頻數據估算的服務業(yè)生產指數增速明顯高于官方公布數據（見圖3和圖4）。這可能與高頻數據的波動幅度更大有關。

因此，基于2021年一二季度的經驗，我們在估算今年1季度服務業(yè)生產指數同比增速時，基于2021年的差值做了偏離度調整。調整后的模型顯示，今年1季度服務業(yè)生產指數同比增速為7.5%左右。

（2）在擬合工業(yè)增加值時，同樣出于匹配不變價口徑的考慮，我們選取了“高爐產能利用率、水泥熟料產能利用率、半鋼胎開工率、滌綸長絲開工率”這四個數量型高頻指標，來擬合工業(yè)增加值同比增速。

相比于服務業(yè)生產指數，工業(yè)增加值受去年低基數的影響較弱，原因是去年3月工業(yè)生產受疫情影響相對較小，工業(yè)增加值同比僅從1-2月的7.5%略微回落至1季度的6.5%。所以用高頻數據擬合工業(yè)增加值時，受基數效應誤差的影響不大。擬合結果顯示，今年1季度工業(yè)增加值同比增速為3.4%左右。

（3）在擬合出今年1季度的服務業(yè)生產指數增速和工業(yè)增加值增速之后，我們利用這兩者與第二、三產業(yè)GDP的相關關系，估算出第二、三產業(yè)GDP的同比增速，并基于2021年的估算誤差做了偏離度調整。經調整后，我們預計今年1季度第二、三產業(yè)GDP同比增速分別為3.2%和5.6%。

基于2022年1季度第一、二、三產業(yè)占比數據和2023年各產業(yè)同比增速，我們預計一季度GDP同比增速在4.4%左右。

從同比讀數上看，一季度是相對低點。從環(huán)比上看，一季度是相對高點。

對市場而言，基數效應可能并不重要（如2021年1季度市場更關注兩年同比增速和環(huán)比增速的季節(jié)性強弱，在同比高增下債券市場反而走牛），預計今年也是如此，二季度經濟環(huán)比強弱和政策反應對市場的影響更為顯著。

從全年角度看，如果一季度實現4.4%左右的增速，疊加二季度的低基數，則全年增速或顯著高于5%。