| Contact Us | CHT | Mobile | Wechat | Weibo | Search:
Welcome Visitors | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

Home

News

Forums

Realty

大温餐馆点评

Car

Education

Yellow Page

Travel

中美博弈: 中美GDP总量差距扩大,"70%魔咒"生效了?

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
前几日,国家统计局就中国2023年GDP总量进行了修订。修订后的数据显示,在整个2023年,中国全年国内生产总值为1294272亿元,比原先增加了33690亿元,修改后GDP增幅约为2.7%。


但尽管如此,中美GDP总量之间的差距却并没有缩小,反而拉大了。2023年,美国GDP约为27.72万亿美元,按照当时美元汇率计价,中国GDP只有美国的64.19%,即便是在修订之后,这个数字也没能突破65%。

从过去几年的中美GDP总量对比来看,中国GDP占美国GDP总量的比例呈现出下降趋势。2021年,中国GDP总量达到了美国GDP达到了77%。可此后2年,这一数值却开始不断下落,比如2022年下降到71.3%,2023年下降到不到65%,即使中国发展速度依旧保持在较高的水平。




在过去几年里,即便是在疫情负面效应拖累下,中国经济增速依旧要远高于美国。2020年,中国GDP增速为2.24%,美国为-4.3%;21年中国为8.2%,美国为3.1%;23年中国为5.2%,美国为2.5%。

也就是说,中国过去几年时间GDP增速基本维持在美国2倍的速度。那为什么中国GDP总量占美国GDP总量的百分比却不断下降呢?难道真的是“70%魔咒”生效了?

首先解释一下“70%魔咒”是什么。其是指不管哪个国家,只要GDP总量达到或靠近美国的70%,就一定会遭到美国的无情打压,苏联、日本(专题)乃至欧盟过去都是如此,中国自然也不例外。

那么,我们再说说为何中国GDP总量相较美国,不仅没缩小反而越大的原因。




因为GDP的计算方式受多种因素影响,一个变量发生变动,就会对总体数据产生巨大影响,这也是中国GDP总量和美国相比,这几年被拉大距离的主要原因。


中美GDP统计方式存在不同。美国GDP统计方法是“支出法”,就是通过整个社会的总支出来计算GDP的总量。而中国则是沿用“生产法”的计算方式。

另外,汇率也可能是中美GDP差值进一步拉大的重要原因。疫情期间,美联储为了拯救国家经济,开启无限QE,货币大量超发,一直持续到2022年3月,才结束大水漫灌行为。美元超发导致美元贬值,人民币(专题)相对升值,中国GDP占美国GDP比例出现明显上升,时间表可以说是完美契合。

但到2022年3月之后,美联储大水漫灌带来了巨大的通货膨胀,为了遏制通胀,美联储又开启了加息缩表模式,美国基准利率一度超过5%。而高息吸引大量美元回流美国,又导致美元升值。与之相对应的则是人民币贬值。

在计算GDP总量并进行比价时,通常以美元计价,这就导致二者GDP总量受到汇率因素的影响。比如在2024年11月7,美元对人民币迎来新高,汇率中间价创下改汇以来新高,达到7.45。而在2022年1月,中美汇率的中间价只有6.76。

也就是说,中美GDP总量实际上受到汇率影响最大,在短期内可以影响10%以上的数据差异。
觉得新闻不错,请点个赞吧     已经有 3 人参与评论了, 我也来说几句吧
Note:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • _RELATED_NEWS:
    _RELATED_NEWS_MORE:
    共有 3 人参与评论    (其它新闻评论)
    评论1 游客 [石.专.久.帷] 2024-12-31 21:09
    看了这篇中美GDP对比的文章,才明白;美国的GDP是算出来的,中国的GDP是生产出来的
    Prev Page1Next Page
    _POSTMYCOMMENT:
    Comment:
    Security Code:
    Please input the number which is shown on the following picture
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    Page Generation: 0.1516 Seconds and 3 DB Queries in 0.0012 Seconds