CPI指数计量模型分析.docx

_ CPI 指数的影响因素分析 _ _ 摘 要 通货膨胀压力日益上升，食品价格飞速上涨，成为中国当前最为棘手的问题。本文选取了 2003 年至 2012 年的 CPI 数据，对影响 CPI 数据的各种因素进行规范性的计量分析，对我国相应部门做出正确的宏观决策有积极意义。本文搜集大量的相关数据，首先对历年 CPI 数据进行多重共线分析，找出对 CPI 影响最为深远和重要的解释变量；然后对其进行异方差检验和序列相关检验；建立回归模型，对 CPI 的影响因素进行更加深入的认识。 关键词：CPI 指数；多重共线分析；异方差；序列相关 研究背景及目的 研究背景 消费者物价指数（Consumer Price Index），英文缩写为 CPI(以下简称 CPI)，是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。如果 CPI 升幅过大，表明通货膨胀已经成为经济不稳定因素。一般来说，当 CPI＞3%的增幅时，我们称之为通货膨胀；而当 CPI ＞5%的增幅时，我们将之称之为严重的通货膨胀。 CPI 是一个滞后性的数据，但它却往往成为市场经济活动与政府货币政策的一个重要参考指标。而且，CPI 稳定与就业充分、GDP 持续增长又是最重要的社会经济目标。 研究目的 因为 CPI 是判断通货膨胀和分析市场经济活动和政府制定货币政策的一个重要参考指标，所以本文通过对 CPI 的影响因素进行显著性分析，得到对于目前通货膨胀的整体性认识。 本文对 2003 年至 2012 年的 CPI 影响因素进行多重共线性分析、异方差检验、序列相关检验，并建立虚拟变量，最后选出最优的回归模型，并依次模型剖析当前物价水平，为国家制定宏观经济政策提出建设性意见。 相关概念 CPI 指数 CPI，居民消费价格指数（Consumer Price Index）的简称，是反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果[1]。 多重共线性 从解释变量的空间上讲 ,多重共线性可定义为 :如果存在某些常数 C 0 、 C ， 1 C，C ， … , C C 2 3 p ,使得C X1 1 X + C2X2 + ? + CPXP = C0 成立，则说这组解释变量 X ， 1 X，…,X 是完全共线的[2]。 X 2 P 多重共线性可分为完全多重共线性和近似多重共线性，在近似多重共线性的情况下，模型参数是可估的，但估计量的准确性下降。多重共线性普遍被认为是数据问题或者说是一种样本现象[2]。 异方差性 如果在回归模型中 , 无论 Xi 取何值 ,ui 的方差 Var(ui)=E(ui2)= σ 2(i= 1,2,…,N),就说随机扰动项 ui 具有同方差性[3]。异方差性是一个普遍现象。用时序数据进行分析也存在异方差性问题。 序列相关性 所谓序列相关，就是指前后期误差项的值之间出现相关的情况，也称自相关。若前期为正的误差时，本期更可能出现正的误差，那么出现序列正相关，反之为序列负相关[4]。 数据搜集与处理 数据的搜集 本文数据来源于中国国家统计局网站（ /），选取了自 2003 年至 2012 年的 CPI 数值以及对 CPI 产生影响的 8 个因素：食品、烟酒及用品、衣着、家庭设备用品及服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务、居住(见表 1)。利用这些数据，我们可以拟合多个因素对一个变量的影响。 表 1 2003—2012 年 CPI 统计数据 year cpi foo d cigwine clothes equi p medic trans educa house 2003 101. 103.4 99.8 97.8 97.4 100.9 97.8 101.3 102.1 2 2004 103. 109.9 101.2 98.5 98.6 99.7 98.5 101.3 104.9 9 2005 101. 102.9 100.4 98.3 99.9 99.9 99 102.2 105.4 8 2006 101. 102.3 100.6 99.4 101.2 101.1 99.9 99.5 104.6 5 2007 104. 112.3 101.7 99.4 101.9 102.1 99.1 99 104.5 8 2008 105. 114.3 102.9 98.5 102.8 102.9 99.1 99.3 105.5 9 2009 99.3 100.7 101.5 98 100.2 101.2 97.6 99.3 96.4 2010 103. 107.2 101.6 99 100 103.2 99.6