計量論文(共16頁)

1、PAGE PAGE 18 關于(guny)我國CPI變動因素的實證分析【摘要(zhiyo)】 居民消費物價指數(shù)(wji zhsh)CPI是反映物價水平的重要價格指數(shù)。近年來，通脹壓力日益上升，商品價格飛速上漲，百姓的菜籃子越拎越沉，這已成為人們生活中日益關注的問題，因此研究CPI變動的主要影響因素具有重要的意義。本文基于計量經濟學的基礎，運用線性回歸方法，在經典假設與模型構建方面，對我國自2008年1月至2012年8月的相關統(tǒng)計數(shù)據(jù)進行分析，試圖尋找生產者物價指數(shù)PPI、貨幣發(fā)行量、城鎮(zhèn)居民可支配收入和國民生產總值GDP這四個變量與CPI變動的相關關系以及對CPI變動的影響程度。 【關鍵詞】

2、CPI變動 影響因素 模型構建 【英文摘要】Consumer price index (CPI) is an important price index to reflect the price level. In recent years, rising inflation pressure and commodity prices, together with peoples heavier food basket ，have been a problem which people focus on increasingly. So it has a great significance

3、to study the primary influences to the change of CPI. Based on the foundation of econometrics, this paper makes use of linear regression method and gives an analysis on related statistical data from January 2008 to August 2012 on the terms of the classical hypothesis and model construction，trying to

4、 find the correlation between the CPI and the producer price index PPI, the volume of currency, the disposable income of urban residents and the GDP as well as the influence degree.【key words】 CPI fluctuation；Influence factors；Model construction1 CPI的相關(xinggun)概念以及變量(binling)的選取CPI，指消費者物價指數(shù)，主要反映消費者

5、支付商品和勞務(lo w)的價格變化情況，也是一種度量通貨膨脹水平的工具。CPI 是一個滯后性數(shù)據(jù)，但它也是市場經濟活動與政府貨幣政策的一個重要參考指標。CPI 穩(wěn)定、就業(yè)充分及GDP 增長往往是最重要的社會經濟目標。在發(fā)達國家，一般說來當CPI3%的增幅時可視為通貨膨脹；而當CPI5%的增幅時，就是嚴重的通貨膨脹。CPI是通過成百上千種不同的代表性商品或服務項目的價格變動進行加權平均計算出來的，反映各類商品或服務項目的總體價格的平均變動情況。我國CPI的調查內容包括食品、煙酒及用品、衣著、家庭設備用品及服務、醫(yī)療保健與個人用品、交通和通信、娛樂教育文化用品及服務、居住八大類。不同收入階層對物

6、價變化的感受也不相同。一般而言，高收入者對貨幣的邊際效用，要低于低收入者。相同物價水平的上升，低收入者會更加敏感。而目前收入分配格局的惡化，則增加了對物價敏感的家庭數(shù)量。所以CPI影響最深的是低收入者的日常生活，這對經濟穩(wěn)定很不利。 現(xiàn)實生活中影響CPI的因素有很多，我們在做計量模型時無法將它們全部囊括進去，因此基于我們個人的經濟學理論基礎以及前人研究的成果和結論，我們只選取了幾個自己認為對CPI影響比較大的因素作為解釋變量，它們分別為：生產者價格指數(shù)（PPI）、貨幣發(fā)行量（M2）、城鎮(zhèn)居民可支配收入和國民生產總值（GDP）。1.1 中國生產者價格指數(shù)生產者價格指數(shù)即我們常說的PPI。PPI是

7、衡量工業(yè)企業(yè)產品出廠價格變動趨勢和變動程度的指數(shù)，是反映某一時期生產領域價格變動情況的重要經濟指標，也是制定有關經濟政策和國民經濟核算的重要依據(jù)。根據(jù)價格傳導規(guī)律，PPI能夠反映生產者獲得原材料的價格波動情況，推算預期CPI，從而估計通脹風險。PPI對CPI有一定的影響。PPI反映生產環(huán)節(jié)價格水平，CPI反映消費環(huán)節(jié)的價格水平。整體價格水平的波動一般首先出現(xiàn)在生產領域，然后通過產業(yè)鏈向下游產業(yè)擴散，最后波及消費品。PPI對CPI的傳導主要通過以下幾個渠道：一是通過煤、電、油等價格的上漲傳導到農業(yè)生產資料，推動糧食等農產品價格的上漲，進而傳導到食品價格，最終導致CPI上漲；二是通過原材料價格上漲

8、，導致工業(yè)消費品成本上升，最后傳導至CPI上漲；三是通過PPI里的采掘工業(yè)產品如煤炭、燃氣等價格，影響到居民消費的水、電、燃料等消費價格，從而導致CPI上漲。1.2 貨幣(hub)發(fā)行量根據(jù)現(xiàn)代(xindi)貨幣主義代表人物弗里德曼的觀點可以認為通貨膨脹的直接(zhji)原因是貨幣的流動性過剩,多余的貨幣在宏觀經濟層面表示為貨幣供應超過經濟增長, 具體表現(xiàn)為貨幣發(fā)行過多, 供應量過大。當前中國流動性過剩主要表示在以下三方面: 一是由于我國經濟發(fā)展過分依賴外需和投資。這樣使得不斷增加的對外貿易順差在我國現(xiàn)行外匯政策下最終以人民幣的形式進入國內流通范圍, 不斷加劇的對外貿易不平衡在很大水平上導致了

9、當前我國貨幣供應過剩。二是貨幣供應超常增加。 2001年以來, 我國M2增速一直遠遠高于GDP增加速度, 2005 年、2006 年M2分別到達17.6%和16.9% , 2007年增加16.7% , 到達40.3萬億元。三是人民幣升值的情況下, 更多熱錢流入中國市場。在這種資金充足的情形下, 當大量資金流入資本市場和房地產市場時, 就會發(fā)生過多的貨幣追逐較少資產的現(xiàn)象, 必然形成資產價格的迅速上漲, 從而價格上漲由上游產品傳到下游產品, 形成全面通貨膨脹。從我國現(xiàn)實的貨幣供應量的絕對額來看，中國的貨幣供應量在很長一段時間持續(xù)快速增長, 遠高于GDP的增長速度。2010年12月我國M2的余額高

10、達72.5萬億元，約合近11萬億美元，而美國同期貨幣供應量M2只有大概8.8萬億美元，我國GDP只相當于美國的1/3，貨幣供應量卻是美國的1.25倍。李曉.淺析當前國內通貨膨脹的幾個原因.財經視點.2011年10月.161162如此多的貨幣不可避免地促使物價上漲。貨幣投放主要有財政性投放與信貸性投放。2008年以來，我國這兩項貨幣投放均創(chuàng)天量。據(jù)中國統(tǒng)計年鑒2010年的數(shù)據(jù)，2008年各項貸款規(guī)模已達30.34萬億多，2009年新增貸款9.6萬億，總額高達39.96萬億多。2010年新增貸款7.5 萬億，年中開始嚴加調控，但到年底仍實際增貸7.96萬億元。再據(jù)中國統(tǒng)計年鑒2010年的數(shù)據(jù)，貨幣

11、當局的貨幣供應量2007年已達403442.2億元，僅隔一年，2009年即猛增到606225億元。如此巨量的紙幣進入流通“渠道”必定會引發(fā)通貨膨脹螺旋式上升。1.3 城鎮(zhèn)居民可支配(zhpi)收入城鎮(zhèn)居民可支配(zhpi)收入是指被調查的城鎮(zhèn)居民家庭在支付個人所得稅、 HYPERLINK /view/1025912.htm t _blank 財產稅及其他經常性轉移(zhuny)支出后所余下的實際收入。通俗地講，居民可支配收入是指居民能夠自由支配的收入，就是從居民家庭總收入中扣除了繳納給國家的各項稅費，扣除了繳納的各項社會保險，比如 HYPERLINK /view/34297.htm t _bl

12、ank 醫(yī)療養(yǎng)老保險、失業(yè)保險等余下的收入。收入增加會促進人們消費，使得人們的需求增加，進而使得全社會的總需求增加。從經濟學的角度來講，需求的增加會促使價格上升。從而我們推測城鎮(zhèn)居民可支配收入的增加，會促使物價水平上漲，使得CPI上升。1.4 國民生產總值國內生產總值（簡稱GDP)是指在一定時期內（一個季度或一年），一個國家或地區(qū)的經濟中所生產出的全部最終產品和勞務的價值，常被公認為衡量國家經濟狀況的最佳指標。它不但可反映一個國家的經濟表現(xiàn)，還可以反映一國的國力與財富。用支出法量度的國內生產總值是最終消費與資本形成總額以及凈出口之和,其中最終消費包括居民消費和政府消費兩個部分,因此,國內生產總

13、值的變化必然對價格指數(shù)產生重要的影響。GDP的增長反映了經濟的增長，而經濟的增長使得國民收入增加，人民生活水平普遍提高，社會需求增長較快，此時價格上漲從而使得CPI上升。綜上，基于以上的分析，我們最終(zu zhn)確定了PPI、貨幣(hub)發(fā)行量、城鎮(zhèn)居民可支配收入(shur)和GDP為影響本文模型中CPI的主要變量。2 變量數(shù)據(jù)的收集和整理及相關分析2.1 變量數(shù)據(jù)的收集和整理通過國家統(tǒng)計局官方網(wǎng)站和中國經濟網(wǎng)，我們得到了2008年1月至2012年8月的PPI、貨幣發(fā)行量、城鎮(zhèn)居民可支配收入和GDP的具體數(shù)據(jù)，并整理后得到表2.1。調整后的CPI為被解釋變量，調整后的PPI、貨幣發(fā)行量、

14、城鎮(zhèn)居民可支配收入和GDP為解釋變量。表2.1 2008年-2012年間各變量的數(shù)據(jù)統(tǒng)計結果時間調整后的CPI調整后的PPI貨幣發(fā)行量GDP總量城鎮(zhèn)居民可支配收入YX1X2X3X42008年1月=1002008年1月=100億元億元元2008年1月100100417846592008年2月102.6100.5421037.84662844385.592008年3月101.8818101.8065423054.53662844385.592008年4月101.9837102.621429240.91741943679.412008年5月101.5757103.44194

15、36221.6741943679.412008年6月101.3726104.4763443141741943679.412008年7月101.474105.8345446362.27654838002008年8月101.3725106.5754448846.77654838002008年9月101.3725105.7228452898.77654838002008年10月101.0684104.0312453133.3970193915.682008年11月100.2598100.4941458644.7970193915.682008年12月100.059398.1828475166.697

16、0193915.682009年1月100.959896.8082496135.3698174833.852009年2月100.959896.1306506708.1698174833.852009年3月100.65795.8422530626.7698174833.852009年4月100.455796.0339540481.2783874022.012009年5月100.154396.1299548263.5783874022.012009年6月99.653596.4183568916.2783874022.012009年7月99.653597.3825573102.9830994117.4

17、22009年8月100.151898.1615576699830994117.422009年9月100.552498.7505585405.3830994117.422009年10月100.451898.8492586643.31096004201.372009年11月100.753299.4423594604.71096004201.372009年12月101.7607100.43686062251096004201.372010年1月102.3713100.9389625609.382613.45308.012010年2月103.5997101.3427636072.382613.4530

18、8.012010年3月102.8745101.8494649947.582613.45308.012010年4月103.0803102.8679656561.292265.44449.12010年5月102.9772103.4851663351.492265.44449.12010年6月102.3593103.1747673921.792265.44449.12010年7月102.7688102.762674051.597747.94576.722010年8月103.3854103.173687506.997747.94576.722010年9月104.0057103.792696471.59

19、7747.94576.722010年10月104.7338104.5186699776.7128886.14775.612010年11月105.8858105.9819710339.03128886.14775.612010年12月106.4153106.7237725851.8128886.14775.612011年1月107.4794107.6842733884.897101.25962.822011年2月108.7692108.5457736130.997101.25962.822011年3月108.5516109.197758130.997101.25962.822011年4月108.

20、6602108.651757384.6108674.25078.672011年5月108.7688108.977763409.2108674.25078.672011年6月109.0951108.977780820.9108674.25078.672011年7月109.6406108.977772923.6513115443.75259.362011年8月109.9695109.0859780852.3021115443.75259.362011年9月110.5194109.0859787406.2038115443.75259.362011年10月110.6299108.3223816829

21、.2489150344.65508.932011年11月110.4086107.5641825493.9445150344.65508.932011年12月110.7399107.2414851590.9001150344.65508.932012年1月112.401107.1341855898.891079956796.312012年2月112.2886107.2413867171.421079956796.312012年3月112.5131107.563895565.51079956796.312012年4月112.4006107.7781889604.041191035712.23201

22、2年5月112.0634107.347900048.771191035712.232012年6月111.391106.5956924991.21191035712.232012年7月111.5024105.7428919072.40191263825918.462012年8月112.1715105.2141924894.58651263825918.462.2 相關(xinggun)分析相關分析主要研究隨機變量間的相關形式及相關程度。由表2.1的數(shù)據(jù)我們可以得到解釋(jish)變量和被解釋變量的相關系數(shù)（見表2.2），該系數(shù)(xsh)反映了變量間的線性相關程度。其中Y代表CPI，X1、X2、X

23、3、X4分別代表PPI、貨幣發(fā)行量、GDP和城鎮(zhèn)居民可支配收入。由表2.2可以看出X1、X2、X3、X4與Y呈現(xiàn)出較大的相關系數(shù)，說明X1、X2、X3、X4與Y具有較強的線性相關程度。表2.2 解釋(jish)變量和被解釋變量的相關系數(shù)YX1X2X3X4Y10.8143136568807510.9097798059994670.7364509582804310.865990405989076X10.81431365688075110.6435841341441540.6103387572516910.567891679922069X20.9097798059994670.64358413414

24、415410.7931818716013440.844437284491622X30.7364509582804310.6103387572516910.79318187160134410.529270368513905X40.8659904059890760.5678916799220690.8444372844916220.5292703685139051在進行回歸分析之前(zhqin)，首先對Y和X1、X2、X3、X4的關系(gun x)通過觀察圖形進行初步分析。其中，圖2.1為CPI和PPI的線性圖，由圖中可以看出由于金融危機，PPI在2008年和2009年表現(xiàn)出了巨大的波動，之后持續(xù)

25、上漲，但在2012年開始下降。相比較來說，CPI自2008年以來，一直處于持續(xù)上升的趨勢。圖2.2為CPI與貨幣發(fā)行量的關系圖，由圖中看出，CPI與貨幣發(fā)行量呈現(xiàn)嚴格的正相關關系。圖2.3為CPI與GDP的關系圖。可以看出，因為2008年CPI的巨大波動，導致二者的關系初期比較混亂，但是隨著2009年之后CPI的一路攀升，CPI和GDP呈現(xiàn)共同上升的趨勢，大體上可以看做是正相關的。圖2.4為CPI與城鎮(zhèn)居民可支配收入的關系圖，趨勢基本上和圖2.3一致。圖2.1 CPI和PPI的線型圖圖2.2 CPI與貨幣(hub)發(fā)行量的關系圖圖2.3 CPI與城鎮(zhèn)居民可支配收入(shur)的關系圖圖2.4

26、CPI與GDP的關系(gun x)圖3 回歸(hugu)分析3.1 模型(mxng)建立的過程在本文中我們假設擬建立如下多元回歸模型：Y=0+1X1+2X2+3X3+4X4+表3.1為我們采用Eviews軟件用普通最小二乘法對表2.1中的數(shù)據(jù)進行回歸分析的計算結果。表3.1 CPI的四元回歸估計結果(ji gu) Dependent Variable: YMethod: Least SquaresDate: 12/12/12 Time: 21:30Sample: 2008M01 2012M08Included observations: 56VariableCoefficientStd. Er

27、rort-StatisticProb.C48.084704.30352411.173330.0000X10.3890000.0473608.2136220.0000X29.32E-062.69E-063.4644260.0011X31.48E-051.25E-051.1844280.2417X40.0018560.0003685.0430780.0000R-squared0.945759Mean dependent var104.9215Adjusted R-squared0.941505S.D. dependent var4.495615S.E. of regression1.087302A

28、kaike info criterion3.090321Sum squared resid60.29351Schwarz criterion3.271156Log likelihood-81.52900F-statistic222.3110Durbin-Watson stat0.522540Prob(F-statistic)0.000000從回歸估計的結果(ji gu)看，X3的t檢驗(jinyn)不通過（給定的顯著性水平0.05），表明在95%的置信度下接受變量X3不顯著的假設，因此去掉變量X3。在去掉變量X3后，繼續(xù)對Y與X1、X2、X4用普通最小二乘法進行回歸分析。得到表3.2的回歸分析

29、結果。表3,2 CPI的三元回歸估計結果Dependent Variable: YMethod: Least SquaresDate: 12/12/12 Time: 21:46Sample: 2008M01 2012M08Included observations: 56VariableCoefficientStd. Errort-StatisticProb.C47.455234.28709411.069320.0000X10.4039390.0458278.8145190.0000X21.16E-051.88E-066.1689910.0000X40.0016570.0003295.0384

30、180.0000R-squared0.944267Mean dependent var104.9215Adjusted R-squared0.941051S.D. dependent var4.495615S.E. of regression1.091506Akaike info criterion3.081743Sum squared resid61.95202Schwarz criterion3.226411Log likelihood-82.28879F-statistic293.6718Durbin-Watson stat0.515600Prob(F-statistic)0.00000

31、0從回歸估計的結果看，解釋變量的經濟意義和t檢驗都過關，模型擬合較好，調整后的可決系數(shù)為0.94105，并且F統(tǒng)計量的數(shù)值表明該模型的線性關系成立。下面(xi mian)對模型進行異方差(fn ch)性檢驗(jinyn)，用懷特檢驗的方法對模型進行異方差檢驗得到表3.3。見下表：表3.3 懷特檢驗的結果White Heteroskedasticity Test:F-statistic2.124281Probability0.046465Obs*R-squared16.44136Probability0.058218Test Equation:Dependent Variable: RESID2

32、Method: Least SquaresDate: 12/12/12 Time: 21:48Sample: 2008M01 2012M08Included observations: 56VariableCoefficientStd. Errort-StatisticProb.C-371.1929158.9710-2.3349720.0240X17.4209663.3811362.1948140.0333X12-0.0396200.018278-2.1676980.0354X1*X2-1.13E-061.14E-06-0.9906570.3270X1*X40.0002980.0001472.

33、0256130.0486X27.71E-050.0001140.6764900.5021X22-1.90E-114.80E-11-0.3951090.6946X2*X41.20E-081.67E-080.7158520.4777X4-0.0140560.013549-1.0374160.3050X42-2.34E-061.64E-06-1.4242320.1611R-squared0.293596Mean dependent var1.106286Adjusted R-squared0.155386S.D. dependent var1.321666S.E. of regression1.21

34、4649Akaike info criterion3.387220Sum squared resid67.86714Schwarz criterion3.748890Log likelihood-84.84217F-statistic2.124281Durbin-Watson stat2.358322Prob(F-statistic)0.046465從以上檢驗模型的回歸結果可以看出， 檢驗模型的R2檢驗不通過，說明原模型不存在異方差。在表3.2中，由于0DW=0.5156001.49，說明原模型存在序列相關，且為正相關。我們選擇用廣義差分法進行修正，首先進行一階差分得到表3.4的一階差分的估計

35、結果。見下表：表3.4 一階差分的估計結果Dependent Variable: YMethod: Least SquaresDate: 12/12/12 Time: 21:52Sample (adjusted): 2008M02 2012M08Included observations: 55 after adjustmentsConvergence achieved after 113 iterationsVariableCoefficientStd. Errort-StatisticProb.C601.327113667.930.0439950.9651X10.2054410.08699

36、72.3614810.0221X2-1.25E-059.71E-06-1.2885350.2035X40.0006080.0001963.1035400.0031AR(1)0.9994150.01557064.190440.0000R-squared0.984496Mean dependent var105.0110Adjusted R-squared0.983256S.D. dependent var4.486438S.E. of regression0.580540Akaike info criterion1.836793Sum squared resid16.85135Schwarz c

37、riterion2.019278Log likelihood-45.51181F-statistic793.7549Durbin-Watson stat2.012758Prob(F-statistic)0.000000Inverted AR Roots1.00從一階差分的估計結果可以看出，DW=2.0128，說明模型已經不存在序列相關。而由于X2的t檢驗不合格，按照(nzho)檢驗的原則，我們應該將變量(binling)X2去掉。但是，從經濟學的角度(jiod)來講，我們認為貨幣發(fā)行量對CPI的影響作用不容忽視，且CPI的二階滯后變量仍有可能對現(xiàn)期的CPI有影響，因此我們又繼續(xù)做了二階差分，表

38、3.5即為二階差分的估計結果。表3.5 二階差分的估計結果Dependent Variable: YMethod: Least SquaresDate: 12/12/12 Time: 22:01Sample (adjusted): 2008M03 2012M08Included observations: 54 after adjustmentsConvergence achieved after 27 iterationsVariableCoefficientStd. Errort-StatisticProb.C59.332136.3063039.4083860.0000X10.270242

39、0.0590094.5796900.0000X22.07E-053.28E-066.3092700.0000X40.0007290.0001774.1214720.0001AR(1)0.6197320.1160165.3417720.0000AR(2)0.2439390.1171602.0820960.0427R-squared0.988897Mean dependent var105.0556Adjusted R-squared0.987741S.D. dependent var4.516215S.E. of regression0.500043Akaike info criterion1.

40、556195Sum squared resid12.00208Schwarz criterion1.777193Log likelihood-36.01727F-statistic855.0489Durbin-Watson stat1.909345Prob(F-statistic)0.000000Inverted AR Roots.89-.27從二階差分的估計結果可以看出，模型的建立進一步改善。DW=1.9093，模型不存在序列相關，各變量的t檢驗值也合格，并且調整后的可決系數(shù)為0.9877，表明CPI變動的98.77%可由PPI、貨幣發(fā)行量和GDP的變動來解釋。因此，我們選擇了二階差分后的估

41、計結果作為最終要建立的模型。3.2 模型(mxng)最終(zu zhn)結果Estimation Command:=LS Y C X1 X2 X4 AR(1) AR(2)Estimation Equation:=Y = C(1) + C(2)*X1 + C(3)*X2 + C(4)*X4 + AR(1)=C(5),AR(2)=C(6)Substituted Coefficients:=Y = 59.33212865 + 0.2702417414*X1 + 2.068342694e-005*X2 + 0.0007292142168*X4 + AR(1)=0.6197317324,AR(2)=0.2439390153其中(qzhng)：X1-PPIX2貨幣發(fā)行量（億元）X4城鎮(zhèn)居民可支配收入（元）對模型的系數(shù)進行經濟意義的解釋X1系數(shù)的經濟意義