我国CPI变化规律实证研究

1我国CPI变化规律实证分析（全国统计建模大赛初赛提交论文）天津市统计局代表队2008-7-252我国CPI变化规律实证分析摘要对于当前我国经济运行中存在的通货膨胀压力，很多学者进行了深入研究，设计出了各种各样的度量指标和检验模型，得出了不同的结论。考虑到当前我国CPI受粮食、能源供给等真实性冲击，以及投资、货币供给等名义性冲击的影响，本文通过建立向量自回归(VAR)模型，从实证角度分析了CPI上涨与其他经济变量之间的关系，并对2008年我国CPI涨幅进行了预测。分析结果表明，当年CPI、投资和货币供给的变动对下一年的CPI都有显著的正向影响，而粮食、能源供给等外在因素对CPI的直接冲击并不显著；根据模型测算，2008年我国CPI涨幅约为7.6%。昀后，本文根据模型的结果，有针对性地提出了一些具有可操作性的政策建议。关键词：CPI投资货币供给VAR模型3一、研究背景和目的改革开放以来，我国经济持续快速增长，期间出现过几次高通货膨胀。其中，1985年的通胀主要是由于货币发行过多造成的；1988年发生严重通胀，其主要原因是负利率和价格改革；1993年的通胀与投资的高速增长有相当大的关系，当年全国固定资产投资比上年增长了61.8%；1994年的高通胀集中体现在消费领域，导致物价涨幅过高的原因不是需求拉动而是成本推动。自2003年初开始，随着我国经济进入新一轮快速增长的周期，通货膨胀的压力也日益增强，其加速上升的势头似乎大大超出了人们的预期。居民消费价格指数（以下简称CPI）是衡量一个国家或地区通货膨胀水平昀重要的指标，也是反映经济稳定性的重要标志之一。2008年2月份，我国CPI指数同比上涨8.7个百分点，为十年来昀高水平，引起各方强烈关注。因此，分析并把握我国CPI的影响因素及变化规律，对于相关机构特别是政府职能部门，意义非常重大。本文试图通过对我国CPI及相关数据的分析，建立一个合理的计量经济学模型来回答以下两个问题：第一，CPI的变化是否有规律，如当年的CPI同过去几年的CPI及其他指标是否有关系？如果有，是什么样的关系？第二，如何基于CPI的变化规律对以后的CPI作合理的预测？二、现有研究成果的简要回顾近年来，我国外汇储备增长迅速，在强制结汇制度下，巨额外汇占款便成为众矢之的。大多数学者将通胀压力归于增长异常的外汇储备。周浩、朱启贵（2006）运用协整分析方法与误差修正模型对我国外汇储备与物价指数之间的关系进行了研究，结果表明外汇储备与物价指数之间存在着正相关关系，且长期内存在稳定的均衡关系，外汇储备每增加1%，物价指数上涨0.09%。此外，王少平、李子奈（2004）通过货币需求的协整分析得出结论，货币政策的重点应为防范通胀，为了缓解通胀压力，建议采用加息政策进行调控。而事实上央行也照此调整了银行间同业拆借的基准利率和存款贷款基准利率，但效果并不明显。为此，有些学者提出还要提高加息幅度。但也有学者提出了不同的看法，如刘霞辉（2004）认为频繁的货币供给量波动会引起经济的大起大落，其隐含的意义就是，货币政策不是对付经济波动(比如通胀)的良方，相反是引起波动的原因。吴晓灵（2007）在第三届中国金融年会论坛上指出：“构成物价上涨压力的因素包括当前投资、4信贷回落的基础还不稳固，国际收支不平衡等因素。”安佳（2005）认为，2004年我国物价指数的升幅为4.7%，从数字上尚且不足考虑，但是这个数字是中国政府采取了多种调控手段的结果，尤其是中央银行通过大规模的公开市场业务操作使货币回笼；实际上这种控制政策下的价格稳定并不表示价格上涨压力的减轻。国家发改委与国家统计局侧重分析CPI构成，认为目前的物价上涨主要是结构性上涨，即物价上涨主要由食品价格上涨所推动。国家统计局（2007）发言人认为，近期国内肉禽及其制品、蛋类价格上涨的原因主要是粮食价格上涨，其他商品价格上涨并不突出。国家发改委（2007）则进一步指出食品价格上涨的主要原因有三个：国际市场价格的带动、生产成本推动与供求结构失衡。商务部部长助理黄海（2007）认为：“此次猪肉价格上涨，昀根本的原因是猪肉供不应求。我国生猪以散养为主，由于信息传导不畅，经常发生‘供不应求’和‘供大于求’交替出现的周期性波动。”在这方面，李敬辉、范志勇（2005）将粮食价格波动作为价格指数变动的重要因素纳入分析范围值得重视。而唐震斌(2007)认为虽然本轮物价上涨是由食品价格引发的，但其中包含了经济增长较快、货币投放过多、投资反弹压力较大、城乡居民收入上升、消费增速加快等诸多因素。三、模型的建立（一）变量选取本文在上述研究成果的基础上进一步思考，认为研究CPI的波动应当从货币供给量、固定资产投资、粮食和能源价格变动的相互联系中入手。1．选用居民消费价格上涨率作为自身的内生变量，用RCPI表示，它在数量上等于CPI减去100。2．根据货币数量论，通货膨胀率来自货币增长率，而货币增长率要支撑一定的经济增长率，所以它在一定程度上具有内生性。在模型中，将狭义货币供给(M1)增长率作为内生变量，用M表示。3．由于固定资产投资增长率部分决定于利率，从而部分决定于货币供给的变化，因此我们将固定资产投资增长率也作为内生变量，用I表示。4．将来自粮食和能源两方面的供给冲击作为外生变量，一个是影响粮价变动的粮食种植面积缩减率，用S表示；另一个是燃料动力价格上涨率，用F表示。模型所选用的原始数据见表1，数据处理主要使用马克威软件。5表1与模型有关的宏观经济数据tRCPIMISF19903.123.22.4-1.12410.719913.424.223.91.01512.919926.435.944.41.56216.4199314.738.861.80.04636.7199424.126.230.40.87318.0199517.116.817.5-0.4718.719968.318.914.8-2.26110.219972.822.18.8-0.3239.31998-0.811.913.9-0.775-0.91999-1.417.75.10.5500.920000.415.910.34.15215.420010.712.713.02.1970.22002-0.818.416.92.0640.120031.218.727.74.3137.420043.914.126.6-2.2099.720051.811.826.0-2.63015.020061.517.523.9-0.75811.920074.821.024.8-0.4694.3数据来源：根据《中国统计摘要2008》有关指标计算整理。（二）描述性统计首先，我们通过时间序列图来获取对RCPI的直观印象，如图1所示。图1RCPI时间序列图从图1我们可以看到，在过去的18年（1990-2007）中，我国居民消费价格上6涨率差异较大，显然是非平稳的时间序列，对其直接进行统计分析的结果是缺乏预测能力的，因为只有基于平稳的时间序列数据的统计模型才具有良好的预测能力。由于原始数据中含有负数，无法进行对数变换，因此我们考虑对数据进行差分处理，其一阶、二阶、三阶差分的时间序列如图2所示。图2RCPI各阶差分时间序列图由图2可知，同原始数据相比，一阶差分数据的平稳性相对较好，因而在以后的分析中我们将着重考虑RCPI的一阶差分。应用马克威的描述统计对RCPI及其一阶差分作简单的描述性分析，得到RCPI的平均值（以中位数计）为2.95%，昀大值为24.1%，昀小值为-1.4%，标准差为6.9%；对于一阶差分的RCPI来说，平均值为0.3%，极值从-8.8%到9.4%，标准差为4.8%，波动范围要小于原始数据，如图3所示。7图3RCPI及其一阶差分的盒状图（三）模型设定传统的经济计量方法是以经济理论为基础来描述变量关系的模型。但是，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端使得估计和推断变得更加复杂。为了解决这些问题而出现了用非结构性方法来建立各个变量之间关系的模型，其中之一就是向量自回归(VAR)模型。基于数据的统计性质，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测昀容易操作的模型之一，并且在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。正是基于VAR模型能较好地处理多变量时间序列的这一特点，本文拟运用该模型来分析我国CPI的变化规律。首先，我们观察RCPI一阶差分的自相关系数图，如图4所示。8图4RCPI一阶差分的自相关系数图由图4可知，只有前五个滞后期的自相关系数较为显著，因此我们首先考虑五阶滞后的自回归模型。其中，当年RCPI的一阶差分同前一年高度正相关，而同前二至五年微弱负相关。换言之，影响当年RCPI一阶差分的主要是前一年的该指标，从数值上看，前一年的RCPI一阶差分约有44.9%会传递到当年。由于第二至第五个滞后期的自相关系数相对较小，有可能并不需要用到五阶滞后的自回归模型。因此，我们用马克威软件对RCPI及其他指标进行单位根检验，在检验序列平稳性的同时，根据AIC标准确定滞后长度，如表2所示。表2时间序列的单位根检验变量序列ADF检验值检验类型（C，T，K）5%显著性水平结论RCPI-2.6487(c,0,1)-3.0000不平稳ΔRCPI-3.1781(c,0,1)-3.0000平稳M-2.0090(c,0,1)-3.0000不平稳ΔM-4.6525(c,0,1)-3.0000平稳I-2.6765(c,0,1)-3.0000不平稳ΔI-3.3675(c,0,1)-3.0000平稳S-2.3185(c,0,1)-3.0000不平稳ΔS-4.1341(c,0,1)-3.0000平稳F-2.2259(c,0,1)-3.0000不平稳ΔF-4.0474(c,0,1)-3.0000平稳注:Δ、2Δ分别表示一阶、二阶差分序列，检验类型(c，t，k)表示ADF检验模型中是否包括常数项c、时间趋势项t以及滞后阶数k。由于我们所研究的变量表现为相对数，所9以在模型中均不含趋势项；根据AIC准则取昀小值，同时保证序列平稳，确定滞后长度为1。本表数据根据马克威软件计算结果整理。对各序列的ADF检验表明，原始序列均为非平稳序列；但一阶差分后，所有变量序列都在5%的水平下显著，趋向于平稳；所以各变量都为I(1)序列，符合协整检验的条件。然后应用Johansen方法对三个内生变量之间的协整关系进行检验，选择滞后阶数为1，有常数项无决定趋势，得出的检验结果见表3。表3特征值轨迹检验特征值检验统计量临界值无协整关系0.684341.316135.1927至多1个0.573422.869920.2618至多2个0.43869.23809.1645特征值轨迹检验用来检验变量之间可能存在的协整关系，如表3所示，假设无协整关系时，检验统计量大于临界值，拒绝原假设，认为有协整关系；假设至多1个协整关系时，检验统计量大于临界值，拒绝原假设，认为协整关系多于1个；假设至多2个协整关系时，检验统计量仍大于临界值，再次拒绝原假设，认为协整关系多于两个。由此可知，各变量之间存在两个以上的长期协整关系。在确定变量间存在协整关系之后，仍然有必要继续深入挖掘的是，变量间的长期均衡关系是否也构成某种因果关系，这种因果关系的方向又如何。对此，我们利用Eviews5.0对原始数据在一阶滞后期的条件下进行granger因果检验，结果见表4。表4granger因果检验PairwiseGrangerCausalityTestsDate:07/23/08Time:19:00Sample:19902007Lags:1NullHypothesis:ObsF-StatisticProbabilityIdoesnotGrangerCauseRCPI173