景气指数分为两种，合成指数和扩散指数。但由于扩散指数只能用于判断当前经济活动总体是处于上升趋势还是下降趋势，而不能反映经济周期波动的振幅，因此实践应用中广泛应用的是合成指数。
（一）扩散指数
景气可以分为扩张、收缩两大局面。经济繁荣时，各种经济活动积极向上，大部分经济指标持续上升。但是，当景气迎来成熟阶段后，几个指标开始转变方向，转而下降的指标多了起来，当保持上升的指标与转为下降的指标均等时，即是景气由扩张局面向收缩局面变化的转折点。其后下降的指标逐渐占了上风，经济进入了萧条，大部分指标在收缩期里保持下降趋势。再往后，景气的前景又明朗起来，数个指标又转向上升，景气开始恢复，当仍在下降的指标和转而回升的指标相均等时，即是景气由收缩局面向扩张局面变换的转折点（景气的谷）。因此，扩散指数的基本思想是把保持上升（或下降）的指标占总体指标比率的动向，看做是景气波及、渗透的过程，将其综合来把握整个景气。
所谓扩散指数是（先行、一致或滞后）指标组内第t月扩张指标个数占组内所采用指标个数的比率：
DIt=扩张指标数采用指标数×100%，t=1，2，……，n
这里关键问题是认定扩张与否什么时点相比较而言。一般来说，把本月值与它上个月的值相比是最理想的。但是用与上月比制成的扩散指数有可能因不规则变化而产生偏差，为了避免这种偏差，考虑用3个月作比较间隔。
设一指标序列对应于1月，2月，3月，……的数值为x1，x2，x3，……要求4月份的数值与1月份的数值相比较，即考虑x4-x1.由于：
（x4-x1）3=（x2+x3+x4）3-（x1+x2+x3）3，于是4月份的数值与1月份数值相比较的变化方向同3月份的3项移动平均与2月份的3项移动平均相比较的变化方向一致。后者比较稳定，故在扩散指数的制作中一般要求与前3个月值作比较。具体做时，对属于先行、一致和滞后各组的序列，令当月之值与前3个月之值相比较，若前者大于后者，则记为“+”号，若不增不减则记以0.5个“+”号，若前者小于后者则记为“—”号，然后分别计算先行、一致，滞后指标组各自的“+”号占本组序数的百分比，它们就分别是先行、一致、滞后扩散指数。为了使扩散指数较为光滑，去掉不规则要素的影响，对已得到的扩散指数再进行五项加权移动平均，得到的序列记为MDI。在确定扩散指数的转折点时，一般采用移动平均后的扩散指数MDI序列确定扩散指数的峰、谷日期。当MDI由上方向下方穿过50%线时，取前一个月作为扩散指数峰的日期。而当MDI由下方向上方穿过50%线时，取前一个月作为扩散指数谷的日期。
从扩散指数的图形上观测景气变动不太直观，而且光滑性差，通常使用累积值的曲线。这种累积值的序列叫做累积扩散指数，简称CDI。一般的累积扩散指数是将每月的扩散指数减去50后，再累积得到，用CDI表示：
CDIt=∑ti=1（DIi-50），i=1，2，……，n
令CDI0=0，则可得递推关系式：
CDIt=CDIt-1+（DIt-50），i=1，2，……，n
从每月的扩散指数中减50，是为了使景气上升的变动与累积扩散指数的上升的变动相对应。求出扩散指数各月的数值的累积值，把它画成曲线，得到的曲线不仅变动平滑，中间变动被消除，而且转折点明显了，和人们通常观测的景气变动的峰、谷一致。但需要注意的是累积扩散指数CDI和扩散指数的功能一样，也只能表明景气的变化方向而不反映变化的幅度。先行扩散指数在2009年3月自下向上穿过50%的临界线，显示有超过半数的先行指标的经济活动已经开始呈现上升趋势，表明经济出现复苏迹象，这种回升的趋势逐渐向各个领域渗透，先行指数的回升势头逐步加强。先行扩散指数的平均先行期约为2个月，可以得到这样的结论，经济景气将于2009年5月走出谷底，呈现企稳回升的势头，这与我国宏观经济的实际走势相符。
（二）合成指数
扩散指数虽然能有效地预测经济周期波动的转折点，却不能表示经济周期波动变化的强弱，即不能反映波动的幅度。为了弥补这一不足，本研究进一步合成中国经济波动的合成指数，CI。
合成指数（Composite Index）是现在国际上广泛使用的景气指数。合成指数着重于反映总体经济增长波动的景气程度，在分析判断当前月度经济增长是处于繁荣还是萧条；是适度增长还是过热、过冷，以及过热、过冷的程度方面具有明显的优势。合成指数也分为先行、一致、滞后三种。先行合成指数用于预告一致合成指数的动向，即未来经济运行轨迹的变动趋势；一致合成指数用于显示当前经济运行的方向和力度，一致合成指数的变化方向与经济周期波动方向一致：增加时经济周期处于扩张期段，下降时经济周期处于衰退期段。
目前计算合成指数主要有五种方法，美国商务部合成方法、日本经济企划厅的合成方法、NBER合成方法、利用主成分合成方法以及利用状态空间模型的合成方法。这些方法其实都是根据一定的标准赋予各个指标不同的权重，如NBER合成指数的构建方法采用的是同等权重法，即每个指标赋予相同的等量权重。每种方法都有自己的优势和缺点。比如主成分方法的优势在于将所有变量的共同变动归结为几个新的变量（即主成分），变量维数的降低既在较大程度上说明了问题，又方便了分析；但这种方法没有考虑到各个指标同基准指标的相关关系。
其他的方法包括回归分析方法和相关分析法等。回归分析法是将各个指标的回归系数作为权重。但这种方法面临一个较大的缺点，即回归方程中的多个指标容易产生多重共线性问题。如果模型存在多重共线性问题，那么参数估计量虽然是无偏的，但标准差增大，因此导致估计量中所包含的信息量减少。相关分析方法是将各个指标同基准指标的相关系数作为权重。这种方法考虑到了各个指标同基准指标的相关关系，在模型的预测方面显得更有优势。
美国商务部方法、NBER方法以及日本经济企划厅的计算方法对数据长度的要求比较高，尤其是在利用期段趋势平均法计算长期趋势时，如果数据长度不够则会产生较大的误差。考虑到中国数据的可得性，因此本研究采用主成分方法合成经济景气指数。
主成分分析的基本思想是用一个或者少数个综合指标来代表多个变量的值，并尽可能地减少信息损失的一种方法。
设（x1，x2，……xp）′是由p个指标组成的p维随机变量，n为样本长度。z为这p个变量的线性组合得到的合成变量：
z=α1x1+α2x2+……+αpxp=α′X（Z是一个标量）
其中：α=（α1，……，αp）
X=（x1，……，xp）′=x11x12……x1n
x21x22……x2n
……
xp1xp2……xpn
为了使合成变量z能很好地代表p个变量，设立以下判断标准：
标准1：合成变量z的方差最大。
标准2：由p维空间中的n个点向直线OZ作垂线，其垂直长度的平方和最小。
标准3：用合成变量z作被解释变量，原变量x1，x2，……xp分别作解释变量，则回归的残差平方和最小。
标准4：合成变量z和原变量x1，x2，……xp的相关系数的平方和最大。
具体计算步骤如下：
第一步：计算主成分。
首先计算合成变量z的方差
var（z）=1n-1∑ni=1（zi=z-）2=∑pj=1∑pk=1sjkαjαk
其中sjk是xj和xk协方差矩阵，
sjk=1n-1∑ni=1（xji-x-j）（xki-x-k）
S是以sjk为元素的协方差矩阵，系数（α1，……，αp）满足条件：
α′α=α21+α22+……+α2p=1，
至此，问题化为以α21+α22+……+α2p=1为约束条件，最大化var（z）的问题。建立拉格朗日函数：
F（α，λ）=α′Sα-λ（α′α-1）
其中，λ是拉格朗日乘子。
对上式求向量α的偏微分，得到：
12 F α=（S-λI）=0
这样就得到矩阵S的特征值。由于S是非负定矩阵，故存在p个非负实特征值λ1≥λ2≥……≥λp，设各特征值所对应的单位正交特征向量为α1，……，αp，则有：
Sαj=λjαj
上式两边左乘α′j，得到：
α′jSαj=α′jλjαj=λj
而λj恰好是zj=α′jX的方差。
用最大特征值λ1对应的特征向量α1=（α11，α21，……，αp1）′作为系数，合成新的变量
z1=α′1X=α11x1+α21x2+……+αp1xp，
将其称为第一主成分（First Principal Component），第一主成分z1的方差是λ1，方差最大表明在所有X的线性组合中，合成变量z1所包含的信息量最多且反映的X的变动部分最大，表明z1能很好地代表p个变量。
如果仅仅第一主成分还不能说明问题，则可以用第二大的特征值所对应的正交特征向量作为系数，合成第二个新的变量：
z2=α′2X=α12x1+α22x2+……+αp2xp
将其称为第二主成分，其方差为λ2.
用同样的方法可以求第三主成分直到第p主成分。方差分别为：λ3，……，λp，线性组合的系数分别为α3，……，αp。
第二步，贡献率、累积贡献率。
考虑下面的关系
λ1+λ1+……+λp主成分方差的和=s11+s22+……+spp原变量方差的和
定义λk/∑pj=1λj为第k主成分的贡献率，∑kj=1λj/∑pj=1λj称为前k个主成分的累积贡献率。
第三步，变量的标准化。
由于方差、协方差和变量观察值的测度单位有关，这样由协方差矩阵的特征向量得到的主成分的系数也依赖于观测值的单位。所以常常把个变量标准化，使其均值为0，方差为1.在这种情况下，协方差矩阵S和自相关矩阵相等。
采用主成分方法构造的先行合成指数。先行合成指数显示，2009年2月我国宏观经济景气达到谷底，随后开始逐步回升，2010年1月和2月，先行合成指数出现回落，先行合成指数的平均先行期约为2个月，这预示我国宏观经济2010年第二季度相对第一季度将会出现回落，但是否会出现二次探底，还需要分析先行指数的回落是否是转折点，这将在本研究中下一部分中通过构建Probit模型进行分析。
