CPI测算升级引入房价因素的必要性研究.docVIP

PAGE PAGE 16 CPI测算升级：引入房价因素的必要性研究 浙江工商大学 贺洁琼、何毓彬、余雯哲 摘要 本文针对目前房价与CPI“脱钩”的热点，结合国家统计局考虑加大居住类在CPI中权重的背景，深入研究了两者之间的内在联系。 首先，本文从两方面证明了房价因素对CPI具有极为重要的影响。1）空间角度，选取了与CPI具有密切关联的9项指标，对我国26个省市自治区的数据进行因子分析，提出了综合可支付性因子、享受资料因子、饮食消费因子和发展因子，通过共同度分析，以及旋转后的四个因子的方差贡献率，得出主要由房价因素组成的综合性可支付因子对居民消费影响最大的结论。2）时间角度，建立RBF神经网络模型，对考虑房屋销售价格指数及不考虑房屋销售价格指数的两种情况下对CPI的预测精度进行研究，将计算机模拟结果与实际CPI值进行比较，得出在加入房屋销售价格指数后，CPI的预测精度将有明显提高。 其次，为进一步探究房价因素与CPI之间的内在传导机制，本文将房屋销售价格指数分解为新建商品住房价格指数以及二手住房价格指数，将月度环比数据转换成月度定基比数据，建立VAR模型，通过格兰杰检验、脉冲响应函数的建立、方差分解，认为二者都是CPI的内在变量，对CPI的冲击均具有滞后性，且无论是拉动程度还是贡献度，均有相似的较高水平，并有相当长的持续性。相比之下，前者对CPI的冲击程度稍弱，但方差贡献更大。因此认为在测算CPI时，适当考虑房价因素是有意义的。 最后，本文针对房价与CPI的传导机制，结合模型结果，提出了CPI测算体系提升建议。 【关键词】：CPI 房屋销售价格指数 因子分析 RBF神经网络 VAR模型 目录 TOC \o 1-4 \h \u HYPERLINK \l _Toc31214 一、 引言 PAGEREF _Toc31214 1 HYPERLINK \l _Toc27360 二、 文献综述 PAGEREF _Toc27360 2 HYPERLINK \l _Toc17706 （一）CPI影响因素及传导机制 PAGEREF _Toc17706 2 HYPERLINK \l _Toc22042 （二）CPI与房地产关系 PAGEREF _Toc22042 3 HYPERLINK \l _Toc3659 三、 问题描述 PAGEREF _Toc3659 4 HYPERLINK \l _Toc1385 四、 模型的建立、求解及检验 PAGEREF _Toc1385 4 HYPERLINK \l _Toc24307 （一）空间角度——基于因子分析的房价因素对CPI的重要性分析 PAGEREF _Toc24307 5 HYPERLINK \l _Toc31705 1. 指标体系的构建 PAGEREF _Toc31705 5 HYPERLINK \l _Toc13832 2. 数据的收集与整理 PAGEREF _Toc13832 6 HYPERLINK \l _Toc27782 3. 因子分析 PAGEREF _Toc27782 6 HYPERLINK \l _Toc4830 （二）时间角度——基于RBF神经网络法的房价因素对CPI的重要程度 PAGEREF _Toc4830 9 HYPERLINK \l _Toc6027 1. RBF神经网络工作原理 PAGEREF _Toc6027 9 HYPERLINK \l _Toc25302 2. 改进的最近邻聚类学习算法 PAGEREF _Toc25302 11 HYPERLINK \l _Toc29621 3. RBF神经网络实证分析 PAGEREF _Toc29621 12 HYPERLINK \l _Toc11462 （三） 房价因素与CPI的传导机制 PAGEREF _Toc11462 14 HYPERLINK \l _Toc12983 1. 指标选择 PAGEREF _Toc12983 14 HYPERLINK \l _Toc28909 2. 数据来源 PAGEREF _Toc28909 14 HYPERLINK \l _Toc23518 3. 数据处理 PAGEREF _Toc23518 14 HYPERLINK \l _Toc10561 4. VAR模型 PAGEREF _Toc10561 15 HYPERLINK \l _Toc22946 （1）ADF检验 PAGEREF _Toc22946 15 HYPERLINK \l _Toc30032 （2）初始向量自回归模型 PAGEREF _Toc30032 16 HYPERLINK \l _Toc30854 （3）确定滞后阶数 PAGE