大数据在CPI统计中的应用研究.pptxVIP

;2020/9/23;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。;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。;

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。

;

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。

;

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。

——相当与等权计算？

数据及时性：月度指数存在滞后性。

——如何反映短期波动？

;2020/9/23;2020/9/23;2020/9/23;2020/9/23;

以现行CPI编制框架为基础，确保数据可比性和衔接性

充分利用大数据，改进现行CPI不足：

抽样代表性？——代表品抽选更有依据√

权数变动性？——权数设置更为灵活√

计算科学性？——计算方法更加多样√

数据及时性？——指数周期更趋高频√

;2020/9/23;实例：

分类筛选过程：

第三级目录数量较大（1500多个）、稳定??不高×

不符基本要求的分类，如集团消费、团购消费、购物卡、礼品等×

消费未成气候的分类，如生鲜食品、服装、交通工具、珠宝饰品等×

消费量大、有特色分类，如休闲速食食品、进口食品、母婴产品、

厨卫清洁、家居用品等√

研究初期，不宜纳入过大规模的分类目录

;实例：

分类筛选结果：

10个一级分类

45个二级分类

;2020/9/23;实例：

使用固定金额的方法，比例定为七成。

优点：有足够的代表性

有足够的稳定性

留出一定数量作为备用

最终选取结果：各二级分类下的平均代表品数量在100个左右，

食品、厨卫清洁等商品繁多的分类在200-300个。

;2020/9/23;2020/9/23;2020/9/23;2020/9/23;实例：

;2020/9/23;2020/9/23;2020/9/23;实例：

现行CPI备用虚拟法

;实例：

1号店价格指数后备代表品更替法

;签署战略合作协议，数据保密协议。

统计局提供编制方法，1号店负责实际测算操作。

测算结果由统计局负责评估。

定期以1号店名义发布指数，统计局协助数据分析，宣传推广。

;

利用1号店的销售数据测算8个月有关商品分类的环比价格指数。

分别使用拉氏指数、派氏指数、费雪指数方法测算出三套结果。

其中乳制品、饮料、厨房调料、大家电、奶粉系列等12类与现行

CPI口径一致，可进行比较。

;拉氏和派氏指数结果比较

;

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。;拉氏、派氏、费雪指数与CPI差异度比较;