工业生产与产能利用率：读懂美联储 G.17

美联储在每月 G.17 报告中同时发布工业生产（IP）指数和产能利用率，因为两者描述的是工业活动中相关但不同的方面。IP 衡量实际产出相对于基准期的水平；产能利用率则将产出与相关行业估算的可持续生产能力相比较。前者是产出指数，后者是以百分比表示的比率。[美联储 G.17 概览]({source:fedG17About})说明了两项指标的定义及共同覆盖范围。

当产出和生产能力都在变化时，两个指标的方向可能不同。产出增加会带动 IP 上升，即便估算产能增长得更快、利用率因此下降。若产出减少，而估算产能按更大比例收缩，利用率也可能上升。这种变化本身不代表数据出错，因为两项指标回答的是不同问题：实际产出如何变化，以及估算的可持续产能有多少正在使用。

名称也容易造成误解。工业生产指数为 103，不代表产能利用率是 103%；利用率为 80%，也不代表产出下降了 20%。阅读 G.17 标题时，先确认数字是指数还是比率，再核对基准期、季节调整状态和所属行业总类。

IP 衡量制造业、采矿业以及电力和天然气公用事业的实际产出。在 2026 年 9 月的报告中，基准年为 2017 年：相应序列在该年的平均产出设为 100。因此，指数为 103 表示该序列的测量产出约比基准年平均水平高 3%。这不表示最近一个月产出增长了 3%，也不表示工厂以产能的 103% 运作。[美联储工业生产说明]({source:fedG17IndustrialProductionNotes})介绍了产出概念和指数编制方式。

该指数旨在追踪生产数量，而非销售额的美元价值。在适用时，美联储会使用产品数量等实物产出指标。某些行业缺乏直接的月度产出指标，便会借助生产投入指标估算；例如，生产工人的工时可用于估算部分行业的产出。有些序列采用其他方法。因此，IP 是综合多种来源编制的统计指标，并非每月对所有产品逐件清点。

行业序列采用费雪指数方法汇总，权重与各行业增加值相关。因此，大型行业变化 1% 对总 IP 的影响可能高于小型行业同幅度的变化。总指数也可能掩盖制造业、采矿业和公用事业之间不同的走势。IP 不等同于工业名义销售额、美国全部生产或 GDP；它针对特定工业范围，并力求在产出衡量中剔除价格变化。

基准年只是缩放指数的约定，并不表示该年具有典型性，也不意味着 100 是目标值。美联储重新设定基期或修订指数时，基准年可能变化。截至 2026 年 9 月 27 日，G.17 使用 2017=100，并公告计划进行年度修订，将新基准年设为 2022 年。跨报告比较时，应查看表中标注的基准年和修订通知，不要假设指数基期始终不变。[当前 G.17 报告]({source:fedG17CurrentRelease})提供基准年和修订信息。

对某个行业或汇总类别，计算方式如下：

产能利用率 = 经季节调整的产出指数 ÷ 对应的产能指数 × 100

分子代表产出，分母代表估算的可持续产能。分母不是已安装机器的数量，也不是工厂绝对的工程极限。美联储将产能定义为：在现实的工作安排下，考虑正常停机时间，并假设有足够投入来使用现有资本时，企业能够持续维持的最高产出水平。详见[美联储产能利用率说明]({source:fedG17CapacityUtilizationNotes})。

因此，利用率是估算值，不是对每条生产线逐月直接读表得出的数值。美联储综合多种产能数据，包括部分行业的物理产能资料、许多制造商的调查信息，以及直接观测有限行业的估算方法。产能指数依据定期来源资料构建并随时间更新；月度利用率将这些指数与月度产出估算结合起来。按美联储的定义，90% 表示测得的产出指数为相应估算产能指数的 90%。

总利用率还反映各行业的权重，不一定是各行业利用率的简单平均。两个行业的利用率即使相同，其产出权重也可能差异很大。部分行业仍有闲置产能时，总利用率仍可能上升；小行业的高利用率对总数的影响也可能有限。要确认数据指的是整个工业部门、制造业、采矿业、公用事业还是更细的行业类别。

美联储将 G.17 的工业部门界定为制造业、采矿业以及电力和天然气公用事业。制造业采用北美行业分类体系，并纳入一些历史上一直涵盖的活动：伐木，以及部分报纸、期刊、图书和名录出版活动；仅在互联网上出版的内容则不包括在内。采矿业和公用事业也各有明确的行业边界。[当前报告说明]({source:fedG17CurrentRelease})概述了这些分类。

建筑业本身并非总 IP 的三个组成行业之一。G.17 可能公布建筑用品等市场类别指数，这些指数代表建筑活动使用的产品，而非建筑项目或整个建筑业的产出。市场类别按产品和材料的种类或用途归类；行业类别则按生产这些产品的企业归类。混淆这两种视角，会让人误以为 G.17 覆盖的经济活动比实际更广。

服务业、农业和大部分建筑活动都不计入工业部门总量。这不表示它们对经济不重要，而是 IP 并非衡量全部生产的指标。若要查看更广泛的生产指标，应参考 GDP 等国民经济核算数据，并说明它们在频率、范围和编制方法上的差别。实际 GDP 增长率和名义 GDP 与实际 GDP指南介绍了这些不同指标。

来看一个完全假设的两期示例。假设 A 期经季节调整的 IP 指数为 108，对应产能指数为 120，则利用率为 108 ÷ 120 × 100 = 90%。假设 B 期产出升至 110，估算产能升至 125，则利用率为 110 ÷ 125 × 100 = 88%。

生产指数变化为 (110 ÷ 108 − 1) × 100，约为 1.85%。但产能利用率从 90% 降至 88%。由于产出增长速度低于产能估算值，两种结果可以同时成立。产能指数增长约 4.17%，而 IP 增长约 1.85%。

描述变化时要区分百分比和百分点。从 90% 降到 88% 是下降 2 个百分点；相对于原有的 90% 比率，则约下降 2.22%。报告中应明确采用哪种计算方式。不要把利用率的变动从产出增长率中扣除，仿佛它们是同一序列的变化。

这些数字只是用于课堂演算的示例，不是美联储数据、预测或特定行业的证据。分析实际报告时，应使用彼此对应且经过季节调整的产出和产能序列，并注意公布值可能已经四舍五入。美联储使用未四舍五入的指数计算百分比变化，因此用显示的舍入值重算，可能无法完全复现报告数字。

<!-- learn:illustration -->

工业产出有反复出现的季节性模式。例如，公用事业需求可能随季节变化；假期、车型换代安排和计划停工也会影响工厂生产。季节调整旨在剔除可预测的日历模式，让月度变化更容易与前一个月比较。美联储对单项序列进行季节调整，再汇总成经季节调整的总量；[工业生产说明]({source:fedG17IndustrialProductionNotes})介绍了调整流程。

G.17 的产能利用率使用经季节调整的产出除以对应的产能指数。比较月度 IP 水平或变化时，应使用调整方式一致的序列，并查看表格标题。经季节调整的环比变化与未经季节调整的同比变化回答的问题不同。不要把一张表中的经季节调整分子与另一张表中的未经调整分母随意配对，再假定其比率可比。

季节调整不会消除所有短期扰动，也不会解释产出变化的原因。罢工、恶劣天气、供应中断或异常停工对活动的影响，可能不同于常见季节模式。在把单月变动视为广泛转折之前，应查看行业细项和报告说明。引用百分比变化时，也要考虑序列频率和比较期间。

某月的首次估算通常在次月中旬左右公布，并标为初步值。后续会取得更多来源数据，因此美联储会在接下来五个月的每次月报中修订该估算。年度或重大修订还可能更新指数、季节因子、权重、分类和方法。[月度流程摘要]({source:fedG17MonthlyProcedures})介绍数据编制流程；[修订历史说明]({source:fedG17RevisionHistory})则展示如何记录初值和后续估算。

若分析时间点很重要，应注明使用的数据版本。当时的评论可能采用发布日可见的数字；如今的历史图表则可能包含后续修订。两者对应不同的信息集。若要评估当时分析人士掌握的信息，不要悄悄用当前修订值替换原始估算。比较较长历史区间时，应使用一致的当前版本，并说明美联储可能已对更早数据进行较大范围的修订。

当前报告会标注初步值或修订值；有较大范围更新时也会发布通知。例如，2026 年 9 月的通知计划于 2026 年 11 月 24 日进行年度修订，纳入新来源数据和季节因子，并更改基准年。这是说明序列可能变化的一个有日期的例子，不代表固定日程。请在[当前 G.17 报告和通知]({source:fedG17CurrentRelease})中核对数据版本与现行基准年。

描述 G.17 所覆盖行业的实际产出变化时，用 IP；说明产出相对于估算的可持续产能有多少时，用产能利用率。结合阅读有助于区分产出动能和现有产能的使用程度。例如，若产能增长更快，产出上升时利用率仍可能下降；若产能估算值减少，产出持平时利用率也可能上升。

任何一项指标都不能单独概括整个经济。利用率高并非通用的通胀门槛，也不能保证产出必然下降。利用率下滑不能证明经济衰退，IP 也不涵盖所有服务业或建筑活动。应结合历史、行业细项和其他指标，围绕实际问题阅读报告。G.17 提供历史平均值和行业分项，但比较时应确保口径一致。

引用数据前，记录五项信息：序列和行业类别、数字是指数还是比率、起止日期、季节调整方式及报告版本。引用指数水平时要写明基准年。描述两个利用率之间的差值时使用“百分点”。若问题涉及整体经济产出或消费价格，应选用为该问题设计的指标；[生产者价格指数与消费者价格指数指南](/learn/ppi-vs-cpi-producer-prices-vs-consumer-inflation-explained)讨论的是另一类统计。