2019年大数据在cpi统计中的应用研究.ppt

* * * * * * * 拉氏指数权数固定为基期，无法体现权数结构变化。 派氏指数使用报告期权数，结构变化较大时会影响指数平稳性。 费雪指数综合使用基期和报告期权数，充分汲取两者优势。 * * 数据比较评估 指数比较 拉氏、派氏、费雪指数与CPI差异度比较 * * 数据比较评估 指数评估 分 类 与CPI差异度绝对值（%） 拉氏指数 派氏指数 费雪指数 乳制品 1.178 1.305 1.165 饮料 1.160 1.775 1.453 厨房调料 1.196 1.343 1.206 大家电 3.669 3.285 3.270 奶粉系列 1.948 2.790 2.281 床上用品 4.597 3.920 4.266 手机通讯 3.543 3.408 3.476 糖果/巧克力 1.233 2.252 1.378 缤纷彩妆 1.504 1.532 1.504 美容工具 1.294 1.001 1.148 酒 2.132 1.388 1.763 饼干/糕点 1.942 2.675 2.159 平均 2.116 2.223 2.089 1号店分类指数与CPI的差异度较小，与CPI衔接性较强。 费雪指数优于拉氏、派氏指数。 样本量偏少，无法深入评估。 * * 数据比较评估 指数评估 长期数据测算，加入同比指数，更好的比较评估。 加快测算周期频率，加入旬指数、周指数，甚至日指数。 扩大分类体系，关注网络新兴消费领域和服务项目。 推广至更多网络销售平台。 研究如何将网络价格纳入CPI统计中。 * * 数据比较评估 后期方向 大数据应用应从点上突破，先行先试，后图推广。 大数据统计方法研究应注意与传统方法衔接。 数据研究过程： * * 数据比较评估 心得体会 数 据 筛 选 数据整理 指标选取 分类分层 奇值过滤 数 据 处 理 标准化 平滑处理 季节处理 滞后处理 方 法 选 取 计算 方法 计量 模型 结论 评估 谢谢！ * * * * * * * * * * * * * * * * * * * * * * * * * * 大数据在CPI统计中的应用 ——以1号店价格指数为例 * * 主要内容 居民消费价格（CPI）统计简介 大数据物价统计的应用现状 1号店价格指数编制方法研究及实例 数据比较评估 城乡居民购买并用于日常生活消费的商品和服务项目的价格。 调查内容按用途划分为八大类、262个基本分类。 包括食品、烟酒、衣着、家庭设备用品及维修服务、医疗保健 和个人用品、交通和通信、娱乐教育文化用品及服务、居住。 * * 居民消费价格（CPI）统计简介 调查内容 分类固定——国家规定 代表品抽样——地方自定 消费量较大的消费项目。 价格变动具有较强的代表性。 同基本分类下代表品异质性越大越好。 合格产品。注册商标、产地、规格等级等标识齐全。 * * 居民消费价格（CPI）统计简介 抽样原则 2014年，上海CPI代表品共抽选1300多种 调查方法：采用定人、定点、定时的方法直接采集代表品价格。 调查频率：与居民生活密切相关、价格变动频繁的商品，五天一次。 一般性商品（服务），每月2-3次。 政府统一定价或价格稳定的商品（服务），每月一次。 报告周期：月度，每月10日前公布上月数据。 * * 居民消费价格（CPI）统计简介 方法频率 2014年，上海每月采集价格笔数为35000多笔 权数测算：主要根据居民家庭消费支出资料，辅以典型调查。 权数五年固定不变。 计算方法：先计算代表品月度时点平均价格变动幅度，代表品之间 几何平均得出基本分类月度变动幅度，基本分类以上按 逐级拉氏加权平均得出各级分类月度变动幅度。 * * 居民消费价格（CPI）统计简介 计算方法 抽样代表性：代表品、网点抽选仍以重点、典型性为主。 ——抽多少，怎么抽？ 权数变动性：五年固定，拉氏加权计算。 ——消费结构变动如何体现？ 计算科学性：代表品之间几何平均计算。 ——相当