消费价格指数（精选12篇）
消费价格指数 篇1
改革开放以来,我国经济结构发生了很大变化,特别是1997年以后,我国经济整体由卖方市场演变成买方市场,在大市场大流通的背景下,市场商品价格逐步趋同。但由于我国各地区在自然资源禀赋、历史沿革、地理位置、经济发展水平、市场发育程度以及政策制度等方面存在差异,因此如何准确分析和把握各地区市场价格变化规律、特点和趋势,对于提高价格总水平调控灵活性、针对性具有十分重要的意义。
一、我国居民消费价格走势回顾及区域差异分析
(一)我国居民消费价格走势回顾
1997年以后,我国经济告别物资短缺时代,商品的极大丰富彻底改变了供求关系,消费品市场由卖方市场转入买方市场。从居民消费价格的总体走势看,呈平稳上升趋势,全国CPI累计上涨21.2%,年均上涨1.5%。从总体来看,1998-2008年期间我国居民消费价格走势大致可分为三个阶段:第一阶段通货紧缩期,时间为1998-2002年,其间价格涨幅明显回落,价格持续走低,经济增长速度放缓,居民消费需求不旺,出现通货紧缩趋势。2000年后由于国家积极的财政政策、稳健的货币政策和启动消费市场、扩大内需等政策的效果逐步显现,通货紧缩的趋势得到有效抑制。第二阶段温和通涨期,时间为2003-2008年,这一时期处在新一轮经济增长周期的上升期,国际国内的农产品市场和矿产资源类产品市场的格局发生改变,局部的卖方市场特征日益明显,同时由于房地产投资过热和贸易顺差造成的流动性过剩,居民消费价格指数保持了稳中有升的态势,从2003年的1.2%增长到2008年的5.9%。这一时期呈现出需求导向型的温和通胀状态,消费、投资、净出口三驾马车拉动经济持续快速的增长。第三阶段价格波动调整期,时间为2009-2010年,从2008年下半年开始,经济增速下降,2009年居民消费价格下跌0.7%;2010年,伴随着国民经济的企稳回升,居民消费价格再拾升势,上涨3.3%。
(二)我国居民消费价格区域差异分析
从居民消费价格年平均涨幅看,1998-2009年全国居民消费价格温和上涨,各地区平均涨幅基本在1%～2%之间。超过全国平均水平的有上海、西藏、新疆、贵州、云南、内蒙古、甘肃、山西、四川、宁夏、湖南、青海12个地区,低于全国平均水平的有河北、陕西、福建、吉林、黑龙江、浙江、海南、天津、辽宁、广西、广东、重庆12个地区。在所有省市中,青海的物价上涨最快,年均上涨2.8%,而广东和重庆的物价上涨最少,年均上涨只有1.0%。
从全国及31个省(区、直辖市)内部CPI的波动幅度看,各省(区、直辖市)内部CPI波动的离散程度大小不一,其中福建、浙江、江西、江苏、辽宁、北京、天津、内蒙古、山东、西藏、上海11个地区的标准差小于全国水平,其他各省区的标准差值均大于全国水平。广西最大,为3.16;上海最小,为1.71。这说明居民消费价格波动幅度省际间还是有差异的。同样,从极值的变化也可以得到此结论(见表1)。
从各年31个省(区、直辖市)居民消费价格指数的波动幅度看,在居民消费价格指数连续低迷的几年后,一些地区为了解决长期积累的价格矛盾,采取积极稳妥措施果断调整相关服务和商品价格,导致地区价格差距有所扩大;但当全国价格普遍上涨时,为抑制通货膨胀,国家会采取积极的财政和货币政策,并严格各地调价项目的出台,这时地区价格差距就会缩小。各年幅度均在0～2之间波动,地区价格波动差距无明显减小趋势。
二、我国居民消费价格指数区域差异的实证分析
(一)变量及模型选取
改革开放以来,我国价格上涨和经济发展之间存在着很高的相关度,价格几乎成了宏观经济变化的指向标。本世纪初,价格上涨对经济增长的影响力在宏观经济政策的作用下才有所收敛,但商品价格在一定程度仍然是市场供需力量对比的晴雨表。面板数据是指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据。因此,面板数据模型相较于只利用截面数据或只利用时间序列数据的模型而言,有着不可替代的作用。它可以从多层面分析经济问题,具有很高的应用价值。面板数据一般有3种:混合模型、固体效应模型、随机效应模型。其中,固定效应模型适合于横截面单位为总体中所有单位的情况。固定效应模型分为变系数模型、变截距模型和混合模型3种形式,基于前文所作初步分析及变量的可量化性、代表性和差异性等因素,本文以31个省(区、直辖市)1998-2009年数据建立个体固定效应变系数模型。其中,因变量为居民消费价格指数的对数(LNCPI),自变量分别为国内生产总值指数的对数(LNGDP)。
(二)全国及31个省(区、直辖市)居民消费价格上涨的实证分析
1. 单位根检验。
单位根检验就是检验面板数据的平稳性,LLC检验是对小样本面板数据进行单位根检验经常用的和实验效果比较高的方法,通过此种方法对面板数据进行单位根检验,得到调整后t值对应的概率P小于0.05,拒绝原假设。由于GDP和CPI(都存在单位根,所以这里分别对两者取对数(见表2)。
2. 模型建立与结果。
估计模型的选择和建立面板数据模型的基本形式为:
其中:Yit为被解释变量,xit为解释向量,βit为参数变量。
利用Eviews5.0软件可以得出模型估计结果,我们采用广义最小二乘协方差估计,为了消除截面数据存在的异方差,使用截面残差的方差作为权重。
该变系数模型估计的R2=0.999592,说明模型的拟合程度较好,表明经济增长在较大程度上能够解释居民消费价格指数变化情况。D.W.统计量等于2.113203,非常接近于2,表明模型估计结果的残差序列不存在一阶序列自相关。从解释变量的系数看,从解释变量系数的显著性看,有11个地区没有通过显著性检验,这主要是由于本文所研究的数据是小样本数据,时间跨度只有12年,与解释变量个数相差不大,因此允许不全部通过检验。
从模型的回归系数和系数的显著性看,全国经济增长与居民消费价格的上涨呈正相关,黑龙江、宁夏、青海、陕西、云南、新疆、河南、贵州、湖北、河北、安徽、江苏、广西、辽宁、重庆、湖南、吉林、江西、天津、四川、内蒙古21个地区的经济增长也与居民消费价格的上涨呈现明显的正相关关系,说明这些地区经济较快增长会带来社会总需求明显增加和商品价格相应上涨。但各地区回归系数大小不一样,黑龙江最大,为1.36,内蒙古最小,为0.28。换句话说,各地区的经济增长对居民消费价格上涨的贡献各有所异。弹性系数最大的10个地区基本集中在中西部和粮食主产区。近年来我国相继出台的实施西部大开发、振兴东北地区等老工业基地、中部崛起战略等政策对这些省市的经济发展形成了影响,经济发展带来社会总需求的明显增加,加上近年来粮食价格上涨的助推,使这些地区居民消费价格的上涨明显高于全国平均水平。而没通过显著性检验的基本上都是经济相对发达的东部地区如北京、上海、浙江、福建、山东、广东等地区,表明这些地区经济增长对居民消费价格上涨的解释力不足,究其原因,主要是由于这些地区经济发展较高、结构相对优化,居民消费价格指数除了受经济增长影响外,还与收入水平、货币供应、国际市场、市场预期、自身惯性等因素密切联系。如2007年以来我国出现明显通货膨胀压力,既有需求拉动、成本推动方面的原因,也有结构性供应短缺和价格上涨引发的原因,还表现出某种程度的外部输入型特征,是经济增长、货币供应、居民收入和消费水平、上下游产品价格传导效应、国际市场等多种因素综合作用的结果。
个体固定效应因子表示一个地区居民消费价格自发涨价能力的高低,由于大多数商品已经放开,地区居民消费价格自发涨价能力主要体现在各地为解决长期以来存在的价格矛盾而采取的措施。北京、西藏、上海、山西、内蒙古、四川、山东、天津、浙江、江西、广东、福建、吉林和湖南14个地区个体固定效应因子为正数,这些地区除西藏外大都处于中东部地区,或开放程度较高,或矿产丰富,经济相对比较发达,居民收入相对较高,各地政府对价格的调控能力较强,即居民消费价格自发涨价的能力较强。相反,其他17个地区个体固定效应因子为负数,这些地区多集中在西部地区,由于居民收入水平仍然偏低和社会保障体系不健全等原因,居民收入预期不稳定,社会需求相对较弱,居民消费价格自发涨价能力也相对较弱。
三、政策建议
(一)把握好经济增长与控制物价的关系
当前,我国将控制物价过快上涨作为宏观调控首要任务之一,这是基于民生考虑做出的决策,根本目的是为了维护经济社会发展的稳定。从模型中得到,目前大部分地区经济的增长,消费的升温,必定带动价格的上涨。而价格上涨会带来一系列的社会问题,进而阻碍经济发展。因此,首先要根据实际情况,把握好经济增长和抑制通货膨胀之间的平衡点,保持价格上涨和经济增长的和谐共存,同时建立有效的价格形成机制,让物价真实体现市场参与各方的成本、收益,反映市场要素的价格。让市场各方积极投身经济建设,确保经济增长,增强经济实力,为改善民生提供物质条件。
(二)价格总水平调控要体现区域差异
从模型中看到,由于我国各地区在自然资源禀赋、历史沿革、地理位置、经济发展水平、市场发育程度以及政策制度等方面存在差异,各地区控制价格自发上涨的能力有强有弱,在价格上涨的时间、成因和上涨幅度等方面不尽一致。因此,在价格调控上,要体现出区域差异性,只要不偏离国家宏观调控目标,就不宜过多行政干预,切实把握好调控的方向、节奏和力度,以提高价格总水平调控的灵活性、针对性和有效性。
四、加快结构调整,调整收入分配格局,为价格改革提供空间
由于我国还处在市场经济的改革期,多年积累下的深层价格矛盾还没有全部解决,在一定程度上引发和加大了市场价格上涨的压力。因此,今后应继续加快经济结构的升级和转型,消除各种不利于结构调整的体制和政策障碍,大力发展第三产业,扩大就业,提高居民收入,促进消费;同时,要发挥社会保障机制作用,扶持救济弱势群体,有效调节收入分配差距,提高中低收入群体的消费能力,为价格改革提供空间。
消费价格指数 篇2
一年来，我县居民消费品价格调查工作在县委、政府的领导下和省市调查新阶段的指导下，在本局领导的关心和支持下，顺利的开展。
2011年11月份我们接受局领导的安排开展这项工作以来，报着求真务实的精神，对全县居民消费物价进行了价格调查。在全县共设采价点79处，调查各类商品共561种，包括蔬菜，衣着、家电、食品等与市民生活息息相关的各种商品。本次调查真实的反映出了礼县居民的消费水平为政府的宏观决策提供了一个可靠的依据。
在调查过程中我们在三位调查员分头行动，每个商品逐一调查，有的商贩警惕性高拒绝提供商品价格。面对这些困难，我们耐心的给他们讲解，说明来意，尽管这样还是引起了不少人对调查的反感，因采价每五天一比较频繁，难免引影响他们的生意。面对这些困难我们都逐一克服，最终完成了2010和2011年两年的物品价格调查。
通过调查我县2011年的居民消费价格平均指数104.3，2到10月份物价较为稳定，从11份份开始，食品，和蔬菜价逐渐上涨，其中12份的CPI指数最高这主要是近关将近，全县物品需求量增大价格大幅上涨所至。
2011我县居民消费价格同比指数第一季度为101.1、第二季度为104.1、第三季度为103.9、第四季度为105。以上数据显示我县物价是逐步上涨的虽然第三季度有所下降但第四季度出现了更大幅度的上涨，经计算2011年我县的通货膨胀率为3.85%物价呈温和型上涨，因此物价上涨对市民生活水平的影响并不太大。
消费价格指数 篇3
【关键词】居民消费价格指数 ARMA 估测
一、居民消费价格指数
居民消费价格指数，即CPI（Consumer Price Index），是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。其衡量的是一定数量具代表性的商品或服务项目的价格随时间变动而变动的程度，通常这一指数也被用于反映居民家庭购买消费商品及服务的价格水平的变动情况。
因此，在考察一国或某一地区宏观经济运行发展状况时，其居民消费价格指数是必不可少的重要数据从指标。这一指标不仅反映一定时期内居民购买的商品和服务价格变动，还体现了在不同时期居民生活费用的变动状况。同时，居民消费价格指数还被广泛应用于判定经济体是否存在通货膨胀，故此，CPI也是市场经济状态的晴雨表。所以，从宏观管理层面讲，居民消费价格指数是各级政府部门了解居民消费价格状况，研究制定价格政策、工资政策、货币政策，以及为国民经济核算的重要依据和关键指标。从投资层面讲，居民消費价格指数是企业增加或减少投资的重要决策依据。从就业层面看，CPI是政府和企业调整雇员工资和津贴的重要指标。本文用过Eviews软件建立ARIMA模型，对我国近年来居民消费价格指数的统计数据进行分析和估计。
二、时间序列模型对居民消费价格指数的分析
（一）应用模型概述
1.时间序列模型。ARMA模型是目前应用较为广泛的平稳时间序列分析模型，模型具体可分为：AR模型、MA模型、ARMA模型。
ARMA模型表达式如下：
Xt=φ0+φ1Xt-1+φ2Xt-2+...+φpXt-p+εt-θ1εt-1-...-θqεt-q
φp≠0，θq≠0
E（εt）=0，Var（εt）=σ2ε，E（εtεs）=0，s=t
Exsεt=0，？坌s 引进延迟算子，ARMA（p，q）模型简记为：φ（B）xt=θ（B）εt， 其中：φ（B）=1-？渍1B-…-？渍pBp。为p阶自回归系数多项式；θ（B）=1-θ1B-…-θqBq为q阶移动平均系数多项式。令q=0，我们就从ARMA（p，q）模型得到了AR（p）模型。 在实际的分析应用中，大多数时间序列均为不平稳的时间序列，只有通过对非平稳的时间序列进行差分，才能获得平稳序列。对差分后平稳时间序列就能够用ARIMA模型进行拟合。 ARIMA（p，d，q）模型方程式如下： φ（B）？塄dxt=θ（B）εt E（εt）=0，Var（εt）=σ2，E（εtεs）=0，s≠t Extεs=0，？坌s 其中：φ（B）=1-？渍1B-…-？渍pBp为平稳可逆ARMA（p，q）模型的回归系数多项式；θ（B）=1-θ1B-…-θqBq为平稳可逆ARMA（p，q）模型的移动平滑系数多项式；{εt}为零均值白噪声序列。 令d=1，p=q=0，ARIMA（0，1，0）模型可写为：xt=xt-1+εt，此模型被称为随机游走模型或醉汉模型。 2.时间序列模型分析步骤。一般，自回归移动平均模型（ARIMA）的建模分析过程包括以下几个步骤： （1）检验原时间序列是否平稳，若非平稳序列则对其进行差分直至平稳； （2）判断序列是否具有季节性，若序列具有季节波动，则通过季节差分消除； （3）对序列进行自相关与偏相关分析，进行白噪声检验，确定阶数p，q拟合ARMA（p，q）模型； （4）估计模型中的未知参数的值并对模型进行适当的检验； （5）模型优化； （6）.利用拟合模型，预测时间序列的将来趋势。 （二）数据的平稳性检验 选取2000年11月至2014年11月我国居民消费价格指数作为样本数据。通过应用Eviews得到居民消费价格指数的时间序列图可知，在不同时段，CPI指数的波动幅度也不尽相同。所以，原居民消费价格指数时间序列是非平稳序列。为进一步证明数据的平稳性，并将数据处理成平稳序列，我们分别对原时间序列和一阶差分后的时间序列进行单位根检验，检验结果如下表所示： 由上表所示，一阶差分序列DX的t统计量绝对值均大于在1%、5%、10%三个临界值下的绝对值，因此，差分后获得了平稳的时间序列。 （三）时间序列模型的建立 获得平稳的居民消费价格指数序列后，用ARIMA（p，d，q）模型对数据进行拟合、预测。DX序列的自相关、偏自相关函数图显示一阶差分自相关和偏自相关函数图特征不明显，因此，设二阶差分序列为W，由W序列的自相关函数图和偏自相关函数图可知，他们均是拖尾的，因此设定为ARMA过程。二阶序列的自相关函数第1阶最为显著，故先设q值等于1。而其偏自相关函数的1至7阶都很显著，从第8阶开始下降很大，因此设定p的值为7。由此，初步建立了关于W序列的ARMA（7，1）模型。 （四）模型的估计 对W序列的ARMA（7，1）进行估计后发现，模型与数据拟合度并不理想。在增加模型滞后长度后，经多次实验，我们确定拟合度等各方面数据最好的模型为ARMA（3，2），其中，模型的DW值约等于2，表明该模型拟合后的残差序列不存在自相关关系；模型的解释变量系数估计值均显著；拟合优度约为0.5，略低，但在可接受范围内；综上，这一模型具有直观意义和经济理论基础。 （五）模型的预测 时间序列预测是通过时间序列的历史数据揭示所研究现象随时间变化而变化的规律，并据此作出未来趋势的预测。在此，我们应用“Static”方法进行估计，预测结果中的Theil不相等系数约为0.42，协方差比例约为0.53，这表明模型预测结果比较理想。因静态预测仅能向后预测一期，故此，我们通过图5中的预测结果不难看出，模型预测的2014年12月居民消费价格指数具有上升趋势。究其原因：一是2014年12月为年底，且接近春节，各种食品价格会有所上升，而食品价、资源价格上涨的成本推动和冬季气候等其他不可预测的自然因素的影响，也都是引起物价上涨的关键因素。 三、总结 通过对时间序列分析方法的使用，本研究在短期内对居民消费价格指数变动趋势进行了基本的分析预测。具体通过对数据进行平稳化处理，进行模型识别和建立，运用最优模型对居民消费价格指数进行估测。最终估测结果显示估测误差较小，该模型能够对居民消费价格指数变动规律进行准确的模拟估测，对居民消费价格指数的短期预测有一定的参考价值。 (一) ARMA模型 设{Xt} (t=…, 1, 2, 3, …) 是一随机时间序列, 如果满足下列条件 ①E{Xt}=μ, μ为常数t=…, 1, 2, 3, … ②E (Xt+k-μ) (Xt-μ) =γk, t=…, 1, 2, 3, … 则称{Xt}为平稳时间序列。 平稳时间序列{Xt}如果满足如下随机差分方程 则称差分方程 (1) 为p阶自回归-q阶滑动平均模型。记为ARMA (p, q) 。用滞后算子表示为 其中 {εt}是白噪声过程, 即{εt}满足如下条件 如果p=0, 模型 (1) 为q阶滑动平均过程, 记为MA (q) ;如果q=0, 模型 (1) 为p阶自回归过程, 记为AR (p) 。 在实际应用中, 我们要求ARMA模型满足平稳和可逆条件, 即Φ (Z) =0和Θ (Z) =0的根在单位圆外。此时模型 (2) 变为 模型 (3) 的无条件均值、无条件方差和条件方差都是常数。条件均值随着时间的变化而变化。所以, 可以利用该模型对未来进行预测, 应该可以得到比平均数更好的预测, 因为该预测会随着新数据的增加而不断调整。 假设我们得到的时间序列是平稳的, 就可以对它建立ARMA模型。 (二) ARIMA模型 上述的ARMA模型是平稳时间序列模型。现实中很多时间序列都存在一定的趋势, 因此是非平稳的。对于非平稳时间序列不能直接建立ARMA模型, 我们可以通过对非平稳序列进行差分以得到平稳序列。 若某时间序列是非平稳的, 通过差分运算, 得到平稳性的序列称为单整序列。如果序列Xt通过d次差分成为一个平稳序列, 而这个序列差分d-1时却不平稳, 那么则称序列Xt为d阶单整序列, 记为Xt~I (d) ;特别地, 如果序列Xt本身是平稳的, 则称为零阶单整序列, 记为Xt~I (0) 。对于非平稳时间序列Xt, 经过d阶差分变换得到平稳序列, 可对其建立ARMA (p, q) 模型, 即 称上述模型为求和自回归滑动平均模型, 记为ARIMA (p, d, q) , 其中, p, d, q分别表示自回归阶数、差分阶数、移动平均阶数, 当d=0时, ARIMA (p, d, q) 模型就是ARMA模型。 (三) ARMA模型的建模步骤 ARMA (p, q) 模型的建模步骤如下: 首先, 对原时间序列进行平稳性检验, 如果序列不满足平稳性条件, 可以通过差分变换或者对数差分等其他变换, 使原时间序列满足平稳性条件。将非平稳时间序列转换为平稳时间序列, 是对非平稳时间序列进行ARMA分析的必要前提。 其次, 对ARMA模型定阶, 即确定p, q。定阶的方法一般有两种:一是通过计算自相关函数和偏自相关函数按如下特征确定: 二是根据AIC和BIC信息准则确定: T为样本长度, 是对噪声项方差的估计, 。判断滞后长度的准则是p和q的函数, 给定它们的值, 可以得到一个AIC值, 开始时, AIC随着p和q的增加而减小, 但由于样本长度有限, p和q越大, 估计精度越低, 增加, 因此AIC值又增加, 所以选择使AIC最小的p和q。 再次, 对模型的未知参数进行估计, 并检验参数的显著性, 以及模型本身的合理性。 最后, 进行诊断分析, 以证实所得模型与所观察到的数据特征相符。 在建模过程中, 需要一些统计量和检验来判断模型形式的选择是否适宜。所需要的统计量和检验包括:①检验模型参数显著性水平的t统计量;②检验序列平稳性的单位根检验;③模型的残差序列是否为白噪声序列, 可采用检验序列相关的方法进行检验。 二、居民消费价格指数ARMA模型的建立 居民消费价格指数 (Consumer Price Index) 是反映与居民生活有关的产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。本文选取了1995—2006年全国居民消费价格指数共49个数据, 建立其时间序列模型。数据的分析与处理均采用Eviews3.1软件。表1为1995—2006年全国居民消费价格指数。 (一) 数据的平稳性检验与处理 利用Eviews软件对表1中的数据做相应的折线图, 如图1所示。 资料来源:中经网统计数据库。 从图2中可以看出, 消费价格指数具有一定的趋势性, 初步判断原序列{CPIt}是非平稳序列, 对其进行ADF检验 (含常数项和趋势项) , 结果显示{CPIt}是非平稳的。对做一阶差分, 得到序列{▽CPIt}, 对{ΔCPIt}做ADF检验 (含常数项) , 结果显示{▽CPIt}没有通过检验, 需要对序列{CPIt}做二阶差分, 二阶差分后得到序列{▽2CPIt}, 对其进行ADF检验 (不含常数项和趋势项) , 结果表明{▽2CPIt}通过ADF检验。{CPIt}、{▽CPIt}、{▽2CPIt}的检验结果如表2。 注:检验形式 (C, T, K) 中的C, T, K分别表示单位根检验方程包括常数项、趋势项和滞后阶数, 0表示不包括。其中滞后阶数的选择根据AIC准则确定。 表2显示, 序列{CPIt}的ADF检验统计值-2.8696大于1%、5%、10%显著性水平的临界值, 说明{CPIt}是非平稳的。序列{▽CPIt}ADF检验统计值-1.8993也均大于1%、5%、10%显著性水平的临界值, 说明{▽2CPIt}是非平稳序列。序列{▽2CPIt}的ADF检验统计值-5.4408均小于1%、5%、10%显著性水平的临界值, 为平稳时间序列。因此, 可以对序列{▽2CPIt}建立ARMA模型。 (二) ARMA模型的建立 ARMA () 模型的识别与定阶可以通过样本的自相关系数和偏自相关系数确定。将记为, 利用Eviews软件得到的自相关系数和偏自相关系数图, 如图2所示。 从图2可以看出, 序列{Xt}的自相关系数 (ACF) 拖尾, 偏自相关系数 (PACF) 在滞后2阶之后截尾, 因此考虑建立模型ARMA (2, 0) 。利用Eviews软件对模型进行估计, 估计结果如表3所示。 由表3估计结果得到回归方程为: 此模型为二阶差分后时间序列的拟合模型。 再看模型实际值和拟合值的情况, 如图3。 (图中上面两条线是Xt的实际值与拟合值, 下面的一条线是残差序列值) 从图3可以观察到, 该ARMA (2, 0) 模型拟合较好, 残差序列基本上也是一个零均值的平稳序列。 (三) 模型的检验 为考核模型的优劣, 需进一步对残差序列进行白噪声检验。若残差序列是白噪声序列, 可认为模型合理, 适用于预测;否则, 意味着残差序列还存在有用的信息没被提取, 需要进一步改进模型。检验可通过残差自相关分析图进行直观判断, 图4为模型残差序列自相关图。 从图4看出, 残差序列的自相关与0无显著不同, 或说基本落入随机区间, 认为残差序列为白噪声序列。模型通过检验。 结语 以上就是用我国居民消费价格指数序列来做的关于时间序列的一系列分析。 时间序列包含很多有用的信息, 如何从中提取这些信息有着重要的意义。时间序列分析为我们提供了挖掘信息的有效方法, 其可以用于很多类似的问题, 可以做市场调查、预测等, 它对我们的开展经济活动是很有帮助的。 参考文献 [1]潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社, 2006. [2]池启水, 刘小雪.ARIMA模型在煤炭消费预测中的应用分析[J].能源研究与信息, 2007, (2) . 1月份，居民消费价格总水平同比上涨4.9%。其中，城市上涨4.8%，农村上涨5.2%；食品价格上涨10.3%，非食品价格上涨2.6%；消费品价格上涨5.0%，服务项目价格上涨4.6%。居民消费价格总水平环比上涨1.0%。其中，食品价格上涨2.8%，食品中鲜菜价格上涨14.4%、鲜蛋价格上涨2.3%。 一、食品类价格同比上涨10.3%。其中，粮食价格上涨15.1%，肉禽及其制品价格上涨10.9%，鲜蛋价格上涨20.2%，水产品价格上涨11.1%，鲜菜价格上涨2.0%，鲜果价格上涨34.8%。 二、烟酒类价格同比上涨1.8%。其中，烟草价格上涨0.4%，酒类价格上涨4.3%。 三、衣着类价格同比下降0.2%。其中，服装价格上涨0.3%，鞋价格下降2.8%。 四、家庭设备用品及维修服务类价格同比上涨1.4%。其中，耐用消费品价格下降0.7%，家庭服务及加工维修服务价格上涨11.4%。 五、医疗保健和个人用品类价格同比上涨3.2%。其中，西药价格上涨0.6%，中药材及中成药价格上涨11.3%，医疗保健服务价格上涨0.8%。 六、交通和通信类价格同比下降0.1%。其中，交通工具价格下降1.3%，车用燃料及零配件价格上涨7.0%，车辆使用及维修价格上涨2.3%，城市间交通费价格上涨3.7%，市区公共交通费价格上涨0.7%；通信工具价格下降12.8%。 七、娱乐教育文化用品及服务类价格同比上涨1.0%。其中，教育价格上涨1.7%，文娱费价格上涨1.5%，旅游价格上涨7.6%，文娱用耐用消费品及服务价格下降6.2%。 八、居住类价格同比上涨6.8%。其中，水、电、燃料价格上涨3.9%，建房及装修材料价格上涨4.3%，住房租金价格上涨7.1%。说明： 1、为提高基础数据的可比性，按照制度规定，从2011年1月起，我国居民消费价格指数开始计算以2010年为对比基期的价格指数序列。这是自2001年计算定基价格指数以来，第二次进行例行基期更换，首轮基期为2000年，每五年更换一次，第二轮基期为2005年。 2、根椐2010年全国城乡居民家庭消费支出调查数据和有关部门调查数据，对权数构成进行了相应调整。其中，居住提高4.22个百分点，食品降低2.21个百分点，烟酒降低0.51个百分点，衣着降低0.49个百分点，家庭设备用品及维修服务降低0.36个百分点，医疗保健和个人用品降低0.36个百分点，交通和通信降低0.05个百分点，娱乐教育文化用品及服务降低0.25个百分点。 3、根据各调查市县2010年最新的商业业态、农贸市场以及服务消费单位状况，按照国家统一规定的原则和方法，增加了1.3万个调查网点（包括食杂店、百货店、超市、便利店、专业市场、专卖店、购物中心以及农贸市场与服务消费单位等），目前调查网点为6.3万个。 关键词：CPI VAR 协整检测 脉冲响应 方差分解 中图分类号：C812 文献标识码： A 文章编号：1006-5954（2013）02-64-04 一、研究目的和意义 回首2012年，全国CPI增幅可以用温和来形容，在积极的财政政策和稳健的货币政策以及各种宏观调控的共同作用下，一路飙升的物价终于在12月份回落至2.5%，全年CPI的涨幅守住了4%的宏观预警线。 根据北京市统计局、国家统计局北京调查总队发布数据，纵观2012年北京CPI的月度同比涨幅变动情况，高位出现在1月的4.8%，不过2月即回落至3.5%，经历小幅震荡后又回升至12月的3.5%，全年呈现U型变化趋势。是什么因素致使CPI回落后又有小幅的反弹，通胀的时代是否已经过去了？2013年4%的宏观预警线能否守住，是什么因素影响了CPI的涨幅？今年的物价水平会有怎样的波动？ CPI的周期性波动是通货膨胀或通货紧缩问题研究的重点，也是政府及社会各界关注的焦点。基于以上种种原因，笔者认为探寻北京居民消费价格指数的波动规律，找出其主要驱动因素，预测其发展变化，对于准确分析北京市的价格形势、把握宏观经济运行规律、促进首都经济的健康稳定发展具有十分重要的理论意义和现实意义。 二、论文的研究方法和创新 （一）向量自回归模型及其优势 人们在解决实际问题过程中，通常先确定解释变量X和预报变量Y，然后利用抽样方法采集样本，再对样本进行回归分析，确定回归模型，求出回归方程。但是，我们所选择的联立方程都是结构性的方程，对于同一时期来讲只用同一参数进行估计，当外界变量发生变化的时候，有可能出现方程失效或者参数失效的情况。向量自回归（VAR）模型是一种通过数据反映变量之间动态变化关系的模型，他并不关注现象之间的结构，基于此，笔者拟基于VAR模型对北京CPI进行实证研究。 （二）论文创新之处 本文充分借鉴了前人的研究成果，抛去繁重的变量筛选过程，对所选因子通过定量和定性的分析最终确定入选变量，在变量的选取过程当中有一些新意；本文将采用最新的数据进行实证研究，结合最新的政策因素对CPI进行考量，其研究结果值得政府部门参考借鉴。 三、基于VAR的北京CPI实证研究 （一）指标选取 货币供应量的过度增长、成本推动原材料价格上涨带动的中间产品价格变动，这些因素都会引起CPI的波动，从宏观角度来讲，它们之间存在着一定的因果关系。本文在充分借鉴前人的分析论证基础上，省去因子分析和理论综述等文字赘述，直接选定入选模型因子：CPI、MPI、PPI和M2。 （二）实证分析 1.描述统计 本文使用北京市2005年1月至2012年11月的月度数据建立模型进行分析，为消除数据单位变动和季节性因素变动影响，本文采取对原数据取对数、做除法等方法进行无量纲化处理，再经描述，作出如下统计分析（见图1）。 2.平稳性检验 经单位根检验，入选变量均在1%水平下2阶单整，不存在单位根，这满足了协整的前提，进一步检验MPI、PPI、M2与CPI之间回归残差项，同时满足5%水平下不存在单位根的ADF检验。这证明了变量间存在长期稳定关系，可以考虑进行VAR模型。 3.滞后阶数的确定 通过滞后长标准（Lag Length Criteria）检验，检验长度定为8时，五个检验标准中的四个选择滞后阶数为2，所以模型选择滞后阶数时定为2阶。 4.模型求解 计算得出CPI回归模型如下： CPI=0.96*CPI（-1）-0.033*CPI（-2）+0.01*M2（-1）-0.01*M2（-2）+0.05*MPI（-1）-0.01*MPI（-2）+0.085*PPI（-1）-0.16*PPI（-2）+0.46 在进行结果解释之前需观测模型的拟合程度和预测效果，根据软件输出结果，我们看到了模型的静态拟合预测图，实心线是实际值，空心线是预测值，拟合效果良好，说明模型建立良好，结果解释具有数据说服性（见图2）。 5.模型结果解释 根据VAR回归结果，我们可以得出以下分析结论： （1）CPI对自身的影响 CPI滞后一期对自身的影响系数是0.96，T统计量的值等于0.11；滞后二期对自身的影响系数是负向的，但数值很微弱，只有0.03；这说明CPI当月的变动，无论是增加还是减少，很大程度上都影响下月变动，若是上涨的，那必然推动下期物价指数的上涨，若是下降的，也会带动下月指数下滑，但将在第二个月后得到微量的修正。 （2）M2对CPI的影响 M2滞后一期和二期对CPI的影响都很弱，分别是0.01和-0.01；这表明货币供给对于消费价格通胀率的影响不显著，这再一次证明了货币供应量对CPI来讲是一个长期的考量指标。从分析的结果看，M2对CPI的影响存在两个月的时滞，要到两个月后才能产生一定的影响。 （3） MPI对CPI的影响 MPI滞后一期对CPI的影响系数是0.05，滞后二期为-0.009；这说明在北京原料、能源价格等产业链上游指标的变动对CPI的影响，短期内效果不是很显著。从分析结果看，MPI本期的变动对下期CPI的影响仅为0.05，第二期后恢复平静。 （4） PPI对CPI的影响 较之MPI来讲，工业品出厂价格指数反映的是中间产品价格的变动情况，它是CPI的上游指标。从分析结果看，PPI的滞后一期对CPI的影响是正向的0.1，它的变动可以直接影响CPI下一期的增减，但影响程度不是很大，同样到第二期影响变为负向的0.1。 （三）脉冲响应函数 下面我们用脉冲响应函数来分析加入一个标准差大小的随机信息对模型中内生变量当期及未来几期的影响，在本文的VAR模型中，我们分别讨论CPI、MPI、PPI和M2分别产生一个标准差大小的冲击时，对CPI未来10期的影响程度，分析结果见图3。 从图3可以看出：CPI对自身的影响很敏感，从第一个月开始缓慢上升，直到第五个月以后才趋于平缓，这说明CPI的一次偶然上升，将会影响到接下来五个月的物价指数变动，从第六个月开始到第十个月缓慢下降。 MPI对CPI的影响从第一个月开始到第四个月是一个逐渐增强的过程，前两个月不显著，到第四个月达到最大，从第五个月开始逐渐减小。这说明MPI对价格指数的影响短期内效果不够明显。如果原料、燃料和动力购进价格指数出现一次较大的上升，物价指数将会缓慢增长，在四个月后受到强烈的冲击。 PPI的一个标准信息扰动对CPI的影响很微弱，到第五个月达到顶峰，但也只有0.007，五个月后开始慢慢恢复。 M2的变动对CPI的影响在短期内更为有限，第一期为0，第二期后才逐渐显现效果，这可以理解成M2对CPI的影响有两个月的时滞。 （四）方差分解 以上通过脉冲响应函数了解到各个变量对CPI的影响程度，接下来通过方差分解的方法用数据更直观地反映每个变量未来10期对CPI的贡献度，分析结果见表1。 根据表1分析结果可以看出，CPI对自身的贡献度最大，虽然从第1期开始逐渐减弱，但到第10期仍然有86.7%。其余三项指标当中，各个指标都随着预测期的延长而贡献度增大，但效果都不是很明显，惟一不同的是MPI，随着预测期的延长逐渐增多，第6期后逐渐稳定，到达第10期时贡献度已经达到了11.3%。这说明在北京，除了CPI本身变动外，原料、燃料和动力购进价格指数的上涨会对物价指数产生一定的影响，而且影响程度很高。 （五）北京市2013年居民消费价格指数预测 通过VAR模型输出的静态拟合图我们可以看到，本模型的预测效果良好，接下来利用已知数据对2013年CPI变动情况进行预测（见表2）。 四、模型结果对CPI调控政策的启示 本文选取北京市2005年1月至2012年11月的月度数据建立VAR模型。从模型的结果看，CPI对自身的变动影响效果显著，由2012初至今，CPI经历了由高到低再到高的U型变化过程。结合分析结果，CPI本期的下降将会直接影响下一期物价指数的下降，但是将在第2期得到修正并趋于平缓，这符合2012年全年的变化过程，但从2012年下半年开始CPI增幅回升，势必带动2013年物价增长，从预测结果看，2013年增长4.48%，显示今年增幅明显，相关部门需要把握好CPI的调控力度。 通过模型分析，MPI的变动短期内对CPI的影响不显著，但6个月后影响程度逐渐显现，这说明在北京地区MPI对CPI还是有一定影响的，究其原因，笔者认为：首都北京作为政治文化中心，它对各种物资的需求相对较高，2010年第六次全国人口普查数据显示，北京市常驻人口为1961.2万人，比2000年第五次全国人口普查时增加604.3万人。这就意味着我们需要的各种物资（如蔬菜、食物等）要增加，其中包括与CPI息息相关的食品。食品进京的途径是陆运长途，近年来油价高起，油价变动对交通、农业、林业等部门会带来一定的影响，尤其是给出租、长途运输、公共交通等行业带来了直接的成本压力，虽然短期内物价指数上表现不明显，但是对人们心理的影响还是很强烈的，所以政府部门可以考虑适当适时调整燃油补助等政策。 从2012年的月度数据看，尽管12月CPI的同比增幅与11月持平，但由于目前国内蔬菜、猪肉等食品价格涨幅处于近十年来的较低水平，未来食品价格上涨和反弹的压力较大。据测算，我国食品价格的变化周期为3.5年，从年初的数据看，食品价格开始回升，很可能已经进入反弹的阶段，由于食品在CPI中计算的比重高达31.8%，食品价格上涨将推高CPI的反弹，未来我国物价水平将进入新一轮的上升阶段。 从分析结果看，M2对CPI的影响存在两个月的时滞，短期内影响效果不显著，这就是为什么我们一直在强调要实行稳健的货币政策。流动性的泛滥短时间内不能明显地体现到CPI的涨幅上，这就从思想上麻痹了人们，等到发现为时已晚，那个时候将会导致物价快速上涨，所以货币政策的调控既要稳又要准，并需适时调控。要根据M2对CPI的时滞性，实施稳健的货币政策，消除物价上涨的货币条件。一方面，应对对涨价敏感的低收入人群进行补贴，建立特殊人群价格补贴机制；另一方面，加快市场秩序的治理，防止各种游资利用居民对物价上涨的恐慌心理进行投机活动。还要加大补贴力度，强制推高工薪阶层工资和低收入群体补贴的增速高于CPI水平。 总的来说，要强化政府对货币政策和投资政策的管理，约束和防止地方政府投资冲动带来的信贷倒逼。一方面，政府在舆论上要引导人们形成物价稳定的预期，使人们对未来物价环境充满信心；另一方面，政府应动用储备予以遏制，并协调相关物资的生产和进口计划，缩小供求缺口，避免因供给冲击造成的物价暴涨的出现。同时，对房地产市场进行有效的宏观调控，抑制投机行为，降低公众对物价上涨的预期。 参考文献 [1]董梅，基于VAR模型的CPI影响因素分析及预测[J]，兰州商学院学报， 2010.3： 122-126。 [2] 高铁梅，计量经济分析方法与建模（第一版）[M]，清华大学出版社，2006：249-297。 [3]易丹辉，《数据分析与Eviews应用》[M]，中国人民大学出版社，2008：244-263。 通货膨胀是关系到国民经济能否和谐健康发展、货币政策是否有效施行的核心要素, 更是宏观金融、经济政策调节调控的重要参考指标[1], 通常用消费价格指数来衡量 (CPI) 。CPI通过统计一定时期内居民生活购买的一揽子商品的价格变化情况, 来反映居民生活面临的涨价压力。其波动是价格波动的直观表现, 反映了价格总体水平的相对变化情况, 会对社会公众心理造成一定的冲击, 剧烈波动会增加诸多不稳定因素, 并造成社会心理的失衡。因此, 研究消费价格指数波动的社会影响程度可以为政府宏观决策提供科学依据, 这对构建和谐社会, 维持社会稳定, 提高社会幸福指数具有重大意义。 国内外学者对消费价格指数的研究主要集中在生活成本的度量[2,3], 消费价格指数的短期预测[4], 以及消费价格指数的修正等, 而对消费价格指数波动的社会影响的研究甚少。杨帆[5]认为消费价格指数持续上升会加剧社会分化、社会矛盾和社会腐败;清华大学人文学院孙立平教授认为经济增长和消费价格指数的持续增长的共同存在对社会结构的变动造成重大影响[6];白小红认为发展中国家的社会动荡和政局不稳定与通货膨胀有着密切的联系[7]。以上学者均是从定性的角度分析描述了消费价格指数波动对社会造成哪些方面的影响, 但没有给出影响程度的大小。 本文拟从定量的角度对消费价格指数波动的社会影响度进行测量, 挖掘出对社会影响较大的动力学演化模式及其社会影响系数, 利用社会网络分析技术测定各个动力学演化模式在网络中的重要程度, 通过构建消费价格指数社会影响度模式计算全国及东部10省市的社会影响度。 1 消费价格指数的社会网络分析 1.1 消费价格指数的粗粒化 粗粒化方法就是将时间序列转化为符号序列的方法。假设第i个地区消费价格指数时间序列为 (Ci (t) , (i=1, 2, …m;t=1, 2…, n) , 其所对应的符号序列为Si (T) , (T=1, 2, …, n-1) ;A (j) , (j=1, 2, …L) , 为包含L个符号的符号串, 即将Ci (t) 符号化的可选符号集合;β (k) , (k=0, 1, 2…, l) , 是时间序列Ci (t) 的l+1个分割点。消费价格指数符号序列的构建是根据指数波动变化, 选定时间间隔尺度Δt为分类区间, 在该区间用参数α来描述消费价格指数的平均变化率[8]。参数α的定义为:若确定一个符号的时间间隔尺度为Δt, 消费价格指数在该时间区间的变化大小为ΔC, 则相应的α为: α在一定程度上反映了相临两个月份价格波动的程度, 当α>0时说明当月价格增长程度高于上月的增长程度, 且值越大表示价格增长程度越大, 如图1 (a) 所示;当α<0时说明当月价格增长程度低于上月的增长程度, 且其绝对值越大表示价格降低程度越大, 如图1 (b) 所示。 本文选择的符号集合为A={C, c, h, H}[9]。当n给定时, 对于l个特征字符的情况下就有ln种不同的n-字串。在本文中l=4, 取n=2, 则有16种2-字串的元结构, 为{HH, Hh, CC, Cc, hH, Hc, cH, CH, Hc, hc, hC, hh, cc, ch, Ch, cC}。这16种2字串以不同的频率出现在符号序列中, 代表不同的消费价格指数动力学模式, 蕴涵消费价格指数系统演化的特征信息。本文以16种动力学模式为节点, 以各动力学模式之间的连接关系为边, 以两模式之间的并联频数为边的权重, 构造全国及东部10省市的消费价格指数加权有向网络。全国和北京的消费价格指数网络分别如图2 (a) 和图2 (b) 所示, 图中方向代表两种模式的时间接续性。 1.3 消费价格指数动力学模式的亲近中心度计算 以L.C.Freeman为代表的一些社会学家用程度中心度 (Degree Centrality) 、亲近中心度 (Closeness Centrality) 、中介性 (Betweenness Centrality) 等来研究网络节点在网络中的中心地位和作用[10]。亲近中心度以距离为概念, 以消费价格指数网络对应的连接矩阵为基础, 计算每一个节点 (即动力学模式) 的重要程度[11]。因此, 消费价格指数网络中不同模式的重要性可以通过社会网络分析方法中的亲近中心度来衡量。亲近中心度的公式如下: 其中d (ni, nj) 代表ni与nj之间的距离, Cc (ni) 是接点ni到其他各接点的距离加总再求倒数, 其值越小表示ni与其他个点的距离越大, 该节点就越边缘化, 也就越不重要;反之则越重要。为了使得不同地区消费价格指数网络的亲近中心度具有可比性, 需将Cc (ni) 标准化为: 本文使用UCINET软件对全国及东部10省市的亲近中心度进行计算, 得到的结果如表1所示。在全国消费价格指数网络中, 动力学模式hh的亲近中心度最大, 表示该模式具有最大的网络拓扑动力学重要性, 模式hc和cc在动力学重要性方面排在其后。通过统计各地区亲近中心度排在前三的动力学模式, 模式hh、ch、hc和cc出现次数占总数的88%, 其中出现次数最多的为模式ch, 占总数的27%, 其次为cc, 占总数的24%。由此可以看出, 消费价格指数网络中重要性节点具有很好的动力学统计稳定性, 同时也反映出上述4种模式是消费价格指数网络中最重要的动力学模式。 注:表中数值为0表示在该地区未出现该模式。 2 消费价格指数的社会影响度测算 社会公众对价格波动具有“看涨不看跌”的心理, 即价格上涨对社会心理产生重大影响, 而价格下跌产生影响甚微, 也就是社会公众都具有期盼价格下跌的心理, 当现实与其心理预期产生差距时就会造成社会心理失衡, 尤其当涨幅越大时社会心理的失衡程度越大。本文在确定16种动力学模式对社会影响程度 (即权重) 时主要参照“看涨不看跌”和“差距影响心理”两个基本原则。根据第一项原则, 模式HH, cH, CH, hh, Ch, ch, Hh和hH会对社会造成较大影响, 称这8种模式为重要社会影响性模式, 而其他8种模式对社会影响很小, 可以忽略不计;根据第二项原则, 8种模式对社会影响大小排序从大到小依次为CH, cH, Ch, ch, hH, HH, hh和Hh。 消费价格指数的社会影响度SID (Social Impact Degree) 为动力学模式的重要程度与该模式的社会影响系数的乘积, 公式为: SID=C′c (ni) ×ω (ni) (5) 其中节点ni∈ (HH, cH, CH, hh, Ch, ch, Hh, hH) , C′c (ni) 为节点ni的标准化亲近中心度, ω (ni) 为节点ni的社会影响系数。 不同动力学模式社会影响系数的确定在某种程度上依赖于专家经验, 完全基于数据来确定是不科学的。因此, 本文根据重要社会影响性模式的次序构建其判断矩阵E, 通过计算得到E的最大特征值λmax=8.29及其对应的特征向量ω, 且一致性比例CR=0.03<0.01。 ω= (0.3313, 0.2306, 0.1571, 0.1059, 0.0709, 0.0478, 0.0327, 0.0237) 从而得到CH, cH, Ch, ch, hH, HH, hh和Hh等8种动力学模式的社会影响系数为ω。最后通过公式 (5) 可以计算得到全国及东部10省市消费价格指数的社会影响度, 见表2。 据表2可以看出, 上海市消费价格指数波动的社会影响度最大, 为0.6218, 原因在于8种重要社会影响性模式除HH没有出现外其他均出现, 且亲近中心度较大, 尤其社会影响最大的模式CH在上海的亲近中心度最大, 从而导致上海消费价格指数的社会影响度最大;北京消费价格指数的社会影响度为0.4391, 位居第二, 其次为河北、天津、福建、海南、浙江、广东、江苏和山东, 其中上海、北京、河北和天津的社会影响度高于全国的社会影响度。江苏和山东排在最后的原因主要在于只有很少的重要社会影响性模式出现, 且亲近中心度较低。 3 结论 本文通过对于全国和东部10省市消费价格指数时间序列的符号化处理, 以2-字串的元结构为网络节点, 构造了消费价格指数的加权有向网络, 方向表示两种连接模式的时间接续性, 权重表示两种相连模式的并联频数, 其中网络中的节点为16种动力学演化模式, 连接节点的边从一定程度上刻画了两种模式之间的动力学过程连接关系;其后, 采用社会网络分析中的网络亲近中心度定量测度各个消费价格指数网络中所包含动力学模式的重要程度, 模式的亲近中心度越大, 其在网络中就越重要, 通过统计各地区亲近中心度排在前三的动力学模式, 模式hh、ch、hc和cc出现次数占总数的88%, 表现出了良好的统计稳定性。 本文最大的创新点在于提出不同动力学模式社会影响大小的判断原则:看涨不看跌和差距影响心理。价格上涨会引起社会公众极大关注, 而价格下跌对社会心理的影响很小, 这一看法在社会上已经达成共识;价格上涨的幅度不同对社会公众的心理影响程度也不同, 对于价格增长程度从极冷状态C (即价格降低幅度过大) 跃迁到极热状态H (即价格增长幅度过大) 的动力学模式CH, 两状态点之间间隔c和h, 差距最大, 因此对社会心理的影响也最大。根据两原则, 本文得到8种会对社会心理造成影响的动力学模式及其排序, 从大到小依次为CH, cH, Ch, ch, hH, HH, hh和Hh。 最后本文构造了消费价格指数的社会影响度SID模型, 通过计算得到全国及东部10省市的SID, 依次为上海、北京、河北、天津、福建、海南、浙江、广东、江苏和山东。上海和北京社会影响度高的原因在于重要性社会影响模式绝大部分均有出现, 且其亲近中心度较大;而江苏和山东社会影响度低的原因在于只有很少的重要社会影响性模式出现, 且亲近中心度较低。因此, 地方政府要充分利用经济手段、法律手段和行政手段等宏观调控手段, 保证消费价格指数波动的温和性, 尽力避免重要社会影响性动力学模式的出现。 摘要：消费价格指数反映了价格总体水平的相对变化情况, 其波动会对社会公众心理造成影响。本文对消费价格指数时间序列进行符号化处理, 以2-字串的元结构为网络节点 (即动力学模式) , 构造消费价格指数的加权有向网络;然后, 根据本文提出的不同动力学模式社会影响大小判断原则:看涨不看跌和差距影响心理, 确定重要社会影响性模式;最后本文构造了消费价格指数的社会影响度SID模型, 通过计算得到全国及东部10省市的社会影响度, 依次为上海、北京、河北、天津、福建、海南、浙江、广东、江苏和山东。 关键词：消费价格指数,粗粒化,亲近中心度,社会影响度 参考文献 [1].张成思.短期通涨率动态机制理论评述[J].管理世界, 2007, (5) :133~45 [2].Konü.A.A.The problem of the True Index of the Costof Living.Translated in Econometica, 1939, (7) :10~29 [3].W.E.Diewert, C.Montmarquette.The Theory of theCost-of-Living Index and the Measurement of WelfareChange.Price Level Measurement, 1983:163~233 [4].陈娟, 余灼萍.我国居民消费价格指数的短期预测[J].决策参考, 2005, (2) :40~41 [5].杨帆.高通货膨胀及其社会影响[J].金融研究, 1995, (1) :1~9 [6].孙立平.经济增长与通货膨胀影响社会结构变动[J].金融信息参考, 2004, (9) :32~33 [7].白小红.发展中国家通货膨胀问题探析[J].集团经济研究, 2007, 05Z:12~13 [8].封国林, 侯威, 董文杰.基于条件熵长江三角洲温度的非线形动力学特征分析[J], 物理学报, 2006, (2) :962~968 [9].李平, 汪秉宏.证券指数的网络动力学模型[J].系统工程, 2006, (3) :73~77 [10].Freeman L C.Centrality in Networks:I.ConceptualClassification[J].Social Networks, 1979:215~239 关键词：居民消费价格指数,隐马尔科夫,预测 居民消费价格指数 (Consumer Price Index, CPI) 反映居民生活中的产品和劳务价格所统计出来的物价变动指标, 是测定一个国家或地区价格水平稳定与否的四大宏观经济价格指数的核心指标。CPI通常被作为观察通货膨胀水平的重要指标。如果指数升幅过大, 表明通胀过度, 会带来经济不稳定, 如果指标出现负增长, 则表明经济进入通货紧缩。CPI是国家制定财政货币政策、出台相关价格和消费政策的重要依据。目前世界金融危机前景尚未明朗, 中国出口受阻, 国家投入巨额资金拉动投资, 但实际效果尚有待进一步验证。内需的增长对于国家经济稳定有着重要的意义[1]。为此, 本文以国家统计局官方网站公布和相关统计年鉴的数据为依据, 运用隐马尔科夫模型对CPI进行建模预测, 为国家经济政策提供参考。 一、马尔科夫模型和隐马尔科夫模型 1、马尔可夫链 马尔可夫 (Markov) 链, 是数学中具有马尔可夫性质的离散时间随机过程。该过程中, 在给定当前知识或信息的情况下, 过去 (即当期以前的历史状态) 对于预测将来 (即当期以后的未来状态) 是无关的。 时间和状态都是离散的马尔可夫过程称为马尔可夫链, 它是随机变量S1, S2, S3, …, 的一个数列。这些变量所有可能取值的集合, 被称为“状态空间”, 而Sn的值则是在时间n的状态。一个马尔可夫链模型可表示为λ= (S, P, Q) , 满足下面两个假设的一种随机过程: ·t+l时刻系统状态St+1的概率分布只与t时刻的状态St有关, 与t时刻以前的状态St-i (i=1, 2, …, t) 无关。即:P (Sn+1=S|S0, S1, S2, …, Sn) =P (Sn+1=s|Sn) 这里S为过程中的某个状态。 ·从t时刻到t+l时刻的状态转移与t的值无关。 在模型中, P={Pij}n×n是系统的状态转移概率矩阵, 其中Pij表示系统在时刻t处于状态i, 在下一时刻t+l处于状态j的概率, N是系统所有可能的状态的个数。对于任意i∈s, 有∑jnpij=1。 Q=[q1, q2, …qn]是系统的初始概率分布, qi, 是系统在初始时刻处于状态i的概率, 满足∑inqi=1。 2、隐马尔科夫模型 (Hidden Markov Model, HMM) HMM是一个双重随机过程:一个是观测随机序列事件, 另一个是隐藏于其间的状态转移序列, 即Markov链。根据观测序列不同, HMM可以分为离散隐Markov模型和连续隐Markov模型两类, 本文针对离散隐Markov模型的建立进行研究。 一个HMM常用五元参数组来描述:λ= (S, O, A, B, π) , 其中: (1) S:状态的有限集合, S={S1, …, Sn}, n为模型中Markov链的状态数; (2) O:观测值的有限集合, O={O1, …, Om}, m为每个状态对应的可能的观测值数目; (3) A:状态转移概率矩阵, A= (aij) n×n, 其中, aij=P (St+1=θj/St=θi) ; (4) B:观测值概率矩阵, B= (bjk) m×n, 其中, bjk=P (Ot=vk/St=θj) ; (5) π:初始概率分布矢量, π= (π1, π2, …, πn) ; HMM模型主要解决3个问题: (1) 评估问题:计算由给定模型λ产生观测序列O的概率。 (2) 解码问题:对给定模型λ和观测序列O, 求可能性最大的状态序列S。 (3) 学习问题:对给定观测序列O在最大似然度下学习得到最佳模型参数。 在马尔科夫链中, 每个状态只有一个输出, 根据观察到的输出序列就可以决定模型中的状态转换序列。但在很多其他的经济社会事件中, 每个状态能按照特定的概率分布产生多个输出。如果给定一个观察序列, 不能直接确定状态转换序列, 因为状态转移过程被隐藏起来了。所以这类随机过程被称为隐马尔科夫过程。 二、隐马尔科夫模型预测居民消费价格指数 1、CPI波动分析 在众多的经济指标中, CPI是一个广受关注的指标。它随着经济的波动呈现明显的波动。如何对CPI进行分析和预测具有重要意义。图1是2000年1月到2009年8月的中国CPI走势图。从图中我们可以看出, 从2000年1月到2002年1月, CPI一直低位运行, 但基本都在100以上;但从2002年年初开始, CPI经过波动后降入谷底, 在整个2002年基本都在100以下。从2003年开始, CPI开始了长达2年的增长, 并在2004年中期达到顶峰, 105左右;随后有所回调, 并在2005年和2006年期间保持稳定在101左右, 经济呈现高增长低通胀的良好局面;从2007年开始, CPI急剧上升, 有102左右上升到2008年第一季度的109左右, 经济形势明显过热。但随后由于受到世界金融危机的影响, 中国经济形势开始恶化, CPI连续下降一年多, 从109左右陡降到98附近, 创近十年来新低。目前CPI仍在100以下波动。 文[2]通过马尔科夫链对CPI进行了分析和预测。但是, 实际上正如前面所言, 由于CPI只是一个经济状态的一个可能输出, 而不是唯一的输出。即使在相同的经济状态下, CPI仍可能会以不同的概率呈现多个可能表现。以马尔科夫链进行预测, 存在不足。为此, 本文拟采用隐马尔科夫模型进行CPI分析预测。 2、HMM对CPI建模分析预测 为了验证本模型的可靠性, 文章以2000年1月到2008年11月的CPI数据作为建模训练, 以2008年12月至2009年5月的半年数据来作为检验, 验证模型的可靠性。具体建模步骤如下: 首先, 根据CPI的表现和中国经济运行情况, 将每月的经济状况分成过热、正常发展和缓慢发展3种状态, 见表1。 然后, 按照CPI的增速表现, 按照其表现分成5类, 按照百分位进行划分。即最低的20%为第一类, O1;位于20%和40%之间的为第二类, O2;…, 以此类推, 位于位于80%和100%之间的为第五类, 也就是百分之二十最大的CPI, O5, 见表2。 由此, 我们已初步完成模型的前期准备工作。接下来将具体进行参数计算和结果分析。 采用Matlab2009a进行建模, 初始状态概率π随机确定。根据上述的状态序列S和观察值序列O, 采用MA TL AB自带的“hmmestimate”概率估计函数估计状态转移概率矩阵A和观测值概率矩阵B表3和表4所示。其中HMM的初始概率权值π选取MATLAB默认值。 由此可以看出, 在状态1下, 只能出现观察值1, 而在状态2和状态3下, 多个观测都以不同的概率出现, 这也验证了本方法较文[2]的科学性。 在得到状态转移概率矩阵A和观测值概率矩阵B后就可以对后续的CPI建模预测了。 表5是计算得到检验数据部分 (2008年12月至2009年5月) CPI各类观察值出现的概率分布。由表5可以看出, 在2008年12月和2009年年初, 预测CPI零增长和缓慢增长, 而后续的预测均表明CPI处于负增长区间, 这与实际相吻合。 表6是实际预测的CPI的增长率。由于实际预测的CPI是观测表现, 是离散值。在现实生活中, CPI都是连续的。为了与实践相吻合, 这里将CPI还原成连续值。采用的方法为:和上面CPI分类相反, 通过将不同的CPI表现概率乘以其分类点的均值。如, 对于2008年12月的CPI预测, 取2008年12月观察值的概率分布O (0.07, 0.31, 0.34, 0.24, 0.05) 乘以分隔常数P, 这里P= ( (Qua0+Q ua0.2) /2, (Q ua0.2+Qu a0.4) /2, (Qua0.4+Qua0.6) /2, (Qua0.6+Qua0.8) /2, (Qua0.8+Qua1) /2, ) 。 从表6可以看出, HMM对CPI的观察表现基本预测正确, 只在2009年2月稍微有偏差, 这可能是由于2月份春节消费的影响。将CPI换算成连续预测值 (表6第5列) , 发现预测CPI基本符合实际情况, 大部分预测误差都在2%以内, 只是在2009年2月预测偏高。 三、结论 本文通过引入HMM对中国CPI进行预测分析, 在预测之前先将CPI离散化, 然后对状态转移矩阵和观察值分布概率矩阵进行估计, 并由此建立HMM。最后通过已建立的HMM对未来的CPI进行了估计, 案例表明, HMM能够很好地分析CPI的变动规律, 对我国宏观经济分析预测有一定的指导意义。 参考文献 [1]、孙慧钧.从CPI看我国物价上涨的成因和走势, 价格理论与实践, 27-28. 居民消费价格指数是用来测定一定时期内居民支付所消费商品和服务价格变化程度的相对数指标。它既是反映通货膨胀程度的重要指标, 也是国民经济核算中的缩减指标[1], 并与经济运行有着密不可分的联系。在市场经济运行中, 居民消费价格指数同时扮演着“市场调节器”与“宏观经济运行指示器”的双重角色[2]。因此, 居民消费价格指数的波动一直是各界普遍关注的焦点之一。物价的波动牵动着我国的经济, 影响着普通民众的生活, 为此, 把握我国近年来居民消费价格指数的基本现状和研究我国居民消费价格指数的波动趋势有着极其重要的现实意义。 1 全国居民消费价格指数 全国居民消费价格指数是一个国家的居民消费价格水平变动情况的宏观经济指标。就我国来说, 它可以反映出我国居民家庭购买消费商品及服务的价格水平的变动情况。 1.1 基本现状描述 为了解我国近年来CPI的基本情况, 笔者找到近十年 (2006—2015) 我国CPI的数据 (见表一) 。可以看出, 这段时间我国CPI的起始 (2006) 和末尾 (2015) 表现得较为一致, 而中间年份的CPI则表现出跌宕起伏的状况。从图一可以更加直观地看出, 十年来我国的CPI大致呈一个M型的走势, 从2006年开始, 我国的CPI节节攀升, 在2008年达到了105.9%, 为近十年来的一个峰值, 然而在之后一年的时间里, 又急剧下降到99.3%。在触及近十年的最低点后, 我国的CPI在2009—2011年出现了较大幅度的反弹, 2011年以后, 全国CPI缓慢下降, 不断趋于平稳。 数据来源:2006—2015年国家统计局数据库 1.2 波动趋势分析 从近十年的全国CPI波动趋势来看, 全国CPI从2006年3月的100.8%至2008年2月的108.7%, 经历了一次7.9%的大幅度增长, 从国内环境来看, 这在很大程度上归因于国内石油等能源类商品的价格上涨和粮食减产带来的主要粮食价格上涨, 加之2008年初我国受冰雪灾害的困扰, 部分地区农产品供给不足, 导致了CPI急剧攀升;另一方面, 当时国际环境也对我国CPI产生了一定程度的影响, 2008年, 国际市场初级产品的价格进入到上升期, 铁矿石、大米、小麦的价格均创下阶段性新高, 世界粮食价格在2008年初涨幅达到近9%, 这带来了农产品和工业产品生产成本的上涨, 从而引发全国CPI的大幅增长。在2008年全国CPI触及近十年的顶点后, 随着美国金融危机对世界的影响逐步加深, 国际农产品价格和原油价格逐步下探, 我国的粮食和水电燃气价格也随之走低[3], 加之政府对房价的调控, 全国CPI开始回落, 直至近十年的最低点。2009年, 全国CPI开始回升, 这可能是因为国家“四万亿”计划和十大产业振兴规划的实施较大程度地刺激了投资和消费, 缓解了金融危机所带来的负面作用。2010年, 市场投机炒作和严重的自然灾害推动了一些农产品和生活必需品价格的持续上涨, 全国CPI由此逐渐走高。2011年中旬, 猪肉价格同比上涨57%, 食品类价格同比上涨约9%, 物价继续走高, 加之个税起征点的提高带来了居民购买力的增强, 全国CPI在两年的时间里出现了“V型”反转。2012年, 国际原油价格的高位回落和国家拉动内需政策影响的淡化, CPI有所回调, 在国家稳健的货币政策的控制下, 全国CPI在后续几年趋于平稳。 2 城乡居民消费价格指数 由于城市居民和农村居民在收入水平和消费构成上存在着较为明显的差异, 因此, 我国的居民消费价格指数可分为城市居民消费价格指数与农村居民消费价格指数, 它们分别反映城市居民和农村居民生活水平的实际变化情况[4]。 2.1 基本现状描述 为探究我国城市CPI与农村CPI的走势是否一致、是否存在差距, 笔者同样找出了近十年 (2006—2015) 我国城乡CPI的数据 (见表二) 。从表二中数据可以得知, 在大部分年份里, 我国城乡CPI都或多或少地存在差距。从图二可以更加清晰地看出, 无论是城市CPI, 还是农村CPI, 其走势都与全国CPI大致相同。进一步看, 2006—2011年, 我国的农村CPI一直高于城市CPI, 直到2012年, 城市CPI超过农村CPI, 但两者差距并不大, 只有0.2%。2012年以后, 我国农村CPI与城市CPI交替领先, 但差距较小, 整体稳定在0.3%以内。 数据来源:2006—2015年国家统计局数据库 2.2 波动趋势分析 从近十年的城乡CPI波动趋势来看, 前六年里, 我国农村CPI一直高于城市CPI[5]。这种局面可能是由以下几个原因所致:一是因为随着中国加入世界贸易组织, 城市化的迅速发展使得工业对农业进行反哺, 城市居民收入不断增长, 支付能力强, 其收入价格弹性小, 即对物价不敏感, 这些造成了农村CPI高于城市。二是因为农村价格调控能力偏弱。当CPI受到巨大波动时, 各地都会采取措施进行价格调控。城市在价格调控上资源、手段均由于农村、农村执行力度不如城市, 所以价格调控是弱于城市地区的。三是因为农村市场竞争不充分。由于地域原因, 农村商品的进货成本高于城市, 并且农村市场规模小, 商家数量也没有城市多, 这些都使得商品价格很难下降。四是农村基础建设不如城市。对于农村而言, 来自政府层面的公共品供给不足, 农村有较重的公共品建设负担, 从而降低了农村的消费品购买能力。五是因为城市和农村的边际消费倾向不一样。农村居民大多靠农产品获得收入, 而只有当农产品出售时, 农村居民才有收入。而消费却是连续性的, 因此农村居民的收入需要分配到全年的消费[6]。而对于城市居民来说, 大多有稳定且连续的工资, 所以农村居民边际消费倾向低于城市, 农村CPI从而也比城市要略高[7]。另外, 随着我国城镇化进程的迅速推进, 近年来城乡一体化的速度不断加快, 其所产生的效果可能是致使城市CPI与农村CPI差距不断缩小、趋于稳定的因素之一, 加之国家政策对“三农”问题的支持力度不断加大和社会主义新农村建设的脚步不断加快, 我国城乡CPI之间的差距可能会延续当前逐步缩小的趋势。 3 八大类居民消费价格指数 2001年, 国家统计局建立了新的居民消费价格指数的体系, 把编制居民消费价格指数的全部商品和服务项目共分为八个大类———食品类、烟酒及用品类、衣着类、家庭设备及服务类、医疗保健和个人用品类、交通和通信类、娱乐教育文化用品及服务类、居住类, 它们所对应的CPI分别反映了相应商品价格水平的变化程度[8]。 3.1 基本现状描述 近十年的八大类CPI数据如表三所示, 可以发现, 与全国CPI相类似, 食品类和居住类CPI在近十年的起始 (2006) 和末尾 (2015) 表现得较为一致, 其中居住类CPI只相差0.2%, 食品类CPI则完全一致, 同为102.3%。从图三可以进一步看出, 食品类和居住类CPI近十年的走势与全国CPI大致相同, 同样, 2008年达到十年来的最大值, 2009年为最小值, 其中食品类CPI波动相对较大, 居住类CPI则波动相对较小。而其他六大类CPI与食品类、居住类CPI相比, 波动则没有非常明显, 并且其走势与全国CPI相比也没有很强的相似性。 数据来源:2006—2015年国家统计局数据库 3.2 波动趋势分析 从近十年八大类CPI的波动趋势来看, 食品类和居住类CPI与其他类别的CPI相比具备更大的波动幅度和更类似于全国CPI走势的波动趋势。由此可以认为, 食品类和居住类CPI可能是全国CPI走势的主要影响因素, 换言之, 食品类和居住类CPI的走势在很大程度上决定了全国CPI的大致趋势。为进一步验证, 利用Eviews7.0软件进行操作, 结果发现除了食品类和居住类CPI, 其他六大类CPI对全国CPI的影响并不显著。然后将影响不显著的变量一一剔除, 最后做全国CPI与食品类、居住类CPI的回归分析。结果表明, 回归结果较好, 食品类CPI的权重是0.313050, 居住类CPI的权重是0.223532。这从实证分析的角度证明了食品类和居住类CPI是影响全国CPI波动的主要因素, 其中食品类CPI是最主要的影响因素, 食品类价格的波动在很大程度上将影响我国CPI的波动[9]。 4 结束语 通过上述三个层面对我国近十年CPI的基本现状和波动趋势的分析可以看出:第一, 我国自身市场机制的不完善, 受外部国际环境的影响较大, CPI的波动也由此显得不太稳定;第二, 我国突出的城乡二元结构特征是城市CPI与农村CPI出现较大差距的主要原因, 而近年来随着城乡一体化加速和国家政策的影响因素, 城乡CPI差距逐渐缩小且平稳运行;第三, 食品类和居住类CPI在很大程度上决定了全国CPI的大致走势。因此, 对食品价格和住房价格的合理控制是我国CPI平稳运行的主要保障。 摘要：本文分别从全国居民消费价格指数、城乡居民消费价格指数和八大类居民消费价格指数三大方面对我国居民消费价格指数近十年 (2006—2015) 发展的基本现状和波动趋势进行归类分析, 以探求在过去十年间每一阶段我国居民消费价格指数的波动原因, 分析我国城市与农村居民价格指数的波动差异, 以及发现影响我国居民消费价格指数走势的主要居民价格指数类型。 关键词：居民消费价格指数 (CPI) ,基本现状,波动趋势 参考文献 [1]陈娟, 余灼萍.我国居民消费价格指数的短期预测[J].统计与决策, 2005, (02X) :40-41. [2]任洁.中国居民消费价格指数波动的实证研究[D].昆明:昆明理工大学, 2008. [3]任兴洲, 漆云兰.2008年CPI分析及对2009年变动趋势的预测[J].发展研究, 2009, (03) :11-14. [4]周丽晖.中国居民消费价格指数的有关问题研究[D].成都:西南财经大学, 2006. [5]王敏.中国城乡居民收入差距对消费需求影响研究[D].沈阳:辽宁大学, 2011. [6]沈.中国城市和农村CPI差异研究——基于2001—2014年的数据分析[J].价格理论与实践, 2015, (04) :42-46. [7]张彦利.我国居民边际消费倾向问题研究[D].石家庄:河北经贸大学, 2015. [8]安娜.居民消费价格指数影响因素差异性研究[D].太原:山西大学, 2014. 关键词：居民消费价格指数,食品类生产价格指数,房屋销售价格指数 一、经济理论 由于物价的稳定、就业充分及经济增长等是我国最重要的社会经济目标, 因此, 研究影响CPI的变动因素对于我国宏观经济调控具有深远意义。资料显示, 2010年第一季度GDP较上年同期增长11.9%, 大大高于2009年第一季度修正后的6.2%。而与此同时, 2010年第一季度CPI较上年同期增长2.2%, 全国房地产价格较上年同期上涨11.7%, 食品类价格与去年同期比平均上涨1.9%。本文认为关系百姓日常生活的食品价格指数、房屋销售价格指数对居民消费价格指数会产生较大影响, 并通过建立计量模型研究这些因素对其的影响程度。 二、数据与模型的建立 根据经济意义, 建立初步的回归模型: LnCPIt=β0+β1LnX1t+β2LnX2t+ut t=2002Q1, 2002Q2, ……, 2009Q4 (Q表示季度) ;CPI系居民消费价格指数 (上年=100) ;X1系食品类生产价格总指数 (上年=100) ;X2系房屋销售价格指数 (上年=100) 。 回归模型的估计方程为: 1、数据来源及处理 本文采用时间序列数据, 收集了2002—2009年8年共32个季度的样本数据。数据来源为中经网统计数据库。其中选取了我国居民消费价格指数、食品生产价格指数、房屋销售价格指数三个指标数据 (均为以上年=100为基期的环比季度数据) 。为了消除时间序列中存在的异方差现象, 对变量进行对数变换, 变换后不影响原序列的相关性。分别用Lncpit、Lnx1t、Lnx2t表示取自然对数后的居民消费价格指数、食品生产价格指数、房屋销售价格指数。 2、单位根检验 首先进行时间序列的单位根检验, 对原序列检验, 我们发现, 居民消费价格指数、食品生产价格指数、房屋销售价格指数 (取对数后的值) 的ADF检验值均小于在5%显著性水平下的临界值, 所以原序列为平稳序列。因此, Lncpit、Lnx1t和Lnx2t三个序列满足协整关系的前提, 如表1。 (注: (c, t, n) 分别表示在ADF检验中是否有漂移项、时间趋势和滞后期。) 3、协整检验 通过对Lncpit、Lnx1t、Lnx2t进行最小二乘法回归, 可知可决系数达到了87.45%, 说明拟合优度较高。若变量序列Lncpit、Lnx1t、Lnx2t存在协整关系, 则模型估计式的残差序列E应该是平稳的, 因此对E做单位根检验, ADF检验结果见表2。 由此可知, 残差序列的ADF检验统计量为-5.48, 小于显著水平的临界值, 因此可以认为残差序列E是平稳的, 这表明选取的变量之间存在协整关系, 而且是唯一的, 说明食品生产价格指数、房屋销售价格指数对居民消费价格指数有明显的影响, 两者同居民消费价格指数存在长期稳定的关系。通过对回归函数系数的考察可知, 长期来说, Lnx1t每变动1%, Lncpit变动0.28%, 而Lnx2t每变动1%, Lncpit变动0.06%。 4、误差修正模型 协整检验结果表明食品生产价格指数、房屋销售价格指数和居民消费价格指数存在长期稳定的均衡关系, 但是变量的这种长期均衡与其短期波动之间的关系, 以及三变量之间短期波动的关系, 还需要进一步验证。因此, 在协整分析的基础上, 需建立居民消费价格指数与食品生产价格指数、房屋销售价格指数之间的误差修正模型。三变量的ECM模型为: DLnCPIt=1.73+0.18DLnX1t+0.06DLnX2t-0.56ECMt-1 该模型反映了LnCPIt受LnX1t、LnX2t影响的短期波动规律, 表明短期内食品生产价格指数、房屋销售价格指数并不偏离它们和居民消费价格指数的长期均衡水平。由上式可以看出短期内食品生产价格指数变动1%将引起居民消费价格指数同方向变动0.18%;房屋销售价格指数短期内变动1%将引起居民消费价格指数同方向变动0.06%;ECMt-1的系数反映了对偏离长期均衡的调整力度, 上一季度的非均衡误差以0.56的比率反向修正本季度的居民消费价格指数的偏离, 因此, LnCPIt处在不断修正中发展。 总之, 误差修正模型更好地纳入了长短期信息, 说明居民消费价格指数与食品生产价格指数、房屋销售价格指数存在动态均衡机制。 三、脉冲响应函数和方差分解 1、脉冲响应函数 由于VAR (p) 模型是一种非理论性的模型, 它无需对变量作任何先验性约束, 因此在分析VAR (p) 模型时, 往往不分析一个变量的变化对另一个变量的影响如何, 而是分析当一个误差发生变化时, 或者说模型受到冲击时系统的动态影响, 这种方法称为脉冲响应函数方法。 图1是对居民消费价格的冲击引起的其本身变化的脉冲响应函数图, 从图1可以看出, 当在本期给居民消费价格一个正冲击后, 引起居民消费价格平缓的上升, 并在第3期达到最高点, 以后开始逐渐下降。这表明, 居民消费价格受到自身的一个冲击, 会迅速给居民带来同向的冲击, 冲击效应在第3年时达到最大, 之后下降并趋于稳定。即居民消费价格的正向冲击对自身的增长具有显著的促进作用, 并且这一显著的促进作用具有较长的持续效应。 图2是对食品价格冲击引起的居民消费价格变化的脉冲响应函数图, 从图2可以看出, 当在本期给食品价格一个正冲击后, 引起居民消费价格的向上波动, 并在第3期以后达到最大, 此后逐步下降并趋于稳定。这表明, 食品价格受到外部的一个正冲击, 引起居民消费价格的波动, 直到第6期以后这一影响才开始趋向缓和平稳。可见, 食品价格的冲击对居民消费价格的近期影响较大。 图3是对房屋价格的冲击引起的居民消费价格变化的脉冲响应函数图, 从图3可以看出, 当在本期给房屋价格一个正冲击后, 引起居民消费价格的波动, 并在第3期达到最高峰, 但在第3期后回落, 波动较大, 但最后趋于稳定。表明房屋价格受到外部的一个正冲击, 所以对居民消费价格的近期影响较大, 又由于之后的波动相比来说较大, 趋于稳定的周期较长, 所以在长期内房屋价格对居民消费价格影响也较大。 2、方差分解 脉冲响应函数是反映系统对一个内在变量的冲击效应, 而方差分解是将系统的均方误差分解成各变量冲击所做的贡献。表3为对Lncpi的方差的分解结果。 由方差分解结果显示, 从居民消费、食品价格和房屋价格对居民消费价格增长的贡献度来看, 无论是在短期, 还是在长期, 居民自身消费对居民消费价格增长的贡献都很大, 这也说明, 居民消费的倾向和购买力对居民消费价格的增长是最重要的因素。从模型中还可以看出, 选择的食品价格和房屋销售价格两个变量对居民消费价格的影响是长期的, 并且贡献率呈上升状态, 尤其是房屋价格的影响在长期更加显著。总之, 居民消费价格的增长不仅与当期有关经济变量有关, 还与滞后期的这些经济变量有关, 而且这些经济变量其的影响是长期越来越显著的。 四、结论 通过检验结果可以看出, 食品类生产价格对居民消费价格的影响较大, 且存在长期平稳的关系。因此, 在目前通货膨胀严重的情况下, 国家应该尽可能地稳定关系人们日常生活的食品的价格, 可以适度地动用储备粮食以及坚决打击对粮食的投机行为, 保障百姓的基本生活。虽然房屋销售价格对居民消费水平的影响不如食品价格, 但是也是重要的长期影响因素, 尤其是现在房屋价格高居不下, 人们住房难问题现在还没解决, 房屋已经成为居民生活的巨大的一项开支。政府应该落实国家出台的“国5条”等政策, 切实的降低房价, 从而在保障百姓基本生活的前提下, 稳定物价。 同时, 本文所建立的模型仍存在着一定缺陷。由于影响消费水平的因素有很多, 而我们从中仅仅挑选了两个变量, 所以解释起来显得相对单薄, 且没有从宏观方面把握影响因素, 诸如国内生产总值, 居民可支配收入等。如果真要使模型更加优化, 就必须增加多个变量, 不断完善结果。 参考文献 [1]郭庆旺、贾俊雪:中央财政转移支付与地方公共服务提供[J].世界经济, 2008 (9) . [2]郭庆旺、贾俊雪:财政投资的经济增长效应:实证分析[J].财贸经济, 2005 (12) . [3]李子奈、潘文卿:计量经济学[M].高等教育出版社, 2001. 11月20日，国务院办公厅通过中国政府网发布《国务院关于稳定消费价格总水平保障群众基本生活的通知》，要求各地和有关部门及时采取16项措施，进一步做好价格调控监管工作，稳定市场价格，切实保障群众基本生活。 16项措施包括：大力发展农业生产、稳定农副产品供应、降低农副产品流通成本、保障化肥生产供应、做好煤电油气运协调工作、发放价格临时补贴、建立社会救助和保障标准与物价上涨挂钩的联动机制、继续落实规范收费的各项规定、积极稳妥推进价格改革、规范农产品经营和深加工秩序、加强农产品期货和电子交易市场监管、健全价格监管法规、加强价格监督检查和反价格垄断执法、完善价格信息发布制度、切实落实“米袋子”省长负责制和“菜篮子”市长负责制、建立市场价格调控部际联席会议制度。 01 央行：再次上调存款准备金率 为加强流动性管理，适度调控货币信贷投放，中国人民银行决定，从2010年11月29日起，上调存款类金融机构人民币存款准备金率0.5个百分点。这是央行本月内连续第二次，也是央行今年以来第五次全面提高存款类金融机构人民币准备金率。本次上调后，我国金融机构存款准备金率将达18%，再创历史新高。如果算上此前两次差别上调后的累计利率，此次上调之后，一些大型金融机构的准备金率已经高达18.5％至19％的历史高位。 02 农业部：要求确保主要农产品供给 11月21日，农业部发出通知，要求各级农业部门采取有效措施进一步“保种保供”，大力发展农业生产，尤其是“菜篮子”产品生产，确保主要农产品种足种好和有效供应。通知提出扩大冬种特别是蔬菜种植面积，力争实现今年冬春蔬菜面积增加800万亩，达到12560万亩，冬种马铃薯面积增加200万亩，达到2200万亩以上。大力开发南方冬季农业，引导农民利用冬闲田发展冬油菜、鲜食玉米、冬马铃薯、蔬菜等高效作物。 03 住建部：排查建筑施工消防隐患 针对中国部分地区接连发生重特大火灾事故，住房城乡建设部近日要求各地立即组织开展对在建工程项目，特别是对既有建筑的改、扩建项目施工消防隐患排查治理工作。住房城乡建设部还要求严厉打击建筑施工违法违规行为，加强消防安全宣传教育和培训，切实加强对施工现场一线操作人员，特别是电工、焊工等特种作业人员的消防安全知识培训，进一步提高安全意识和自防自救能力。 04 银监会：防止向开发商变相输血 近日，银监会下发通知要求信托公司对房地产信托业务进行合规性风险自查；当地银监局要对自查情况进行核实，于12月下旬将房地产信托的核查及处理结果书面上报银监会。信托公司自查内容包括：对信托公司发放贷款的房地产开发项目是否满足“四证”齐全，开发商或其控股股东是否具备二级资质等。监管部门还要求对以信托公司受让债权等方式变相给房地产公司提供贷款的情况予以甄别；自查和核查中发现的问题，应立即采取措施责成信托公司予以纠正。 05 证监会：“严打、防控”内幕交易 国务院办公厅日前发布通知，转发了证监会等部门《关于依法打击和防控资本市场内幕交易的意见》。证监会表示，近年来上市公司数量不断增加，内幕信息交易涉及范围更广，防控内幕交易的任务更为复杂。下一步证监会将协同多部委，从完善制度、健全机制、打防结合等方面入手，严厉打击内幕交易行为。自今年下半年开展打击内幕交易专项工作以来，证监会集中立案查处了一批内幕交易案件，初见成效。 06 外管局：实施进口付汇核销制度改革 日前，国家外汇管理局发布了《关于实施进口付汇核销制度改革有关问题的通知》，决定自2010年12月1日开始推广实施进口付汇核销制度改革。进口付汇核销制度改革的主要内容为：企业的正常业务无需再办理现场核销手续，贸易项下对外支付得到极大便利；取消银行为企业办理进口付汇业务的联网核查手续，减轻银行负担，便利银行日常业务操作等。 中南传媒登陆上交所 10月28日，中南出版传媒集团股份有限公司在上交所挂牌上市，证券简称为“中南传媒”，证券代码为“601098”。中南传媒此次发行股份数量为3.98亿股，发行价格为10.66元/股，对应发行市盈率为41.22倍，其中网下发行7960万股，占本次发行数量的20%；网上发行数量为3.184亿股，占此次发行数量的80%。中南传媒此次拟募集资金42.43亿元，将主要用于出版、发行、印刷、信息系统建设等项目。 青云创投投资宁波沁园 11月9日，青云创投宣布，由青云创投管理的义云清洁技术基金已经决定向宁波沁园集团有限公司投资8000万元人民币，相关协议的签署工作已于日前完成。青云创投方面表示，国内家用净水设备市场正在蓬勃发展，近几年市场增长率超过60%，参照欧美、日本等发达国家70%以上的普及率，未来市场空间仍非常巨大。义云对沁园集团的投资，是青云创投在家庭饮用水净化市场的重要布局。 阿里巴巴宣布收购一达通 11月15日，阿里巴巴宣布收购深圳市一达通企业服务有限公司，但并未透露具体的交易金额。交易完成后，一达通等小企业出口配套服务都将整合进“2011版出口通”，构成阿里巴巴“Work at alibaba”外贸平台。据介绍，深圳一达通公司是国内首家结合专业进出口代理和电子商务功能的中小企业进出口环节外包服务提供商，借助互联网一站式为中小企业提供通关、运输、保险、码头、外汇、退税、融资、认证等全程的进出口服务。 33% 美国时间11月10日，中国第三方独立理财机构——诺亚财富成功挂牌美国纽约证券交易所，代码为“NOAH”。此次IPO共发行840万份ADR，发行价最终定于12美元，总共融资逾1亿美元。上市首日涨幅达到33.25%。10月20日，诺亚财富向美国证券交易委员会（SEC）提交了首次公开发行（IPO）申请，承销商为摩根大通、美银美林、Oppenheimer和Roth Capital。 130家 截至2010年10月22日，共计130家企业在创业板上市，占同期中国企业上市总数近三分之一。在这130家创业板企业中，有73家在上市前曾获得创投和私募股权投资，占上市总数的56.2%，此比例远高于境内其他资本市场。其中，上海证券交易所同期VC/PE支持上市企业占上市总数的21.7%，深圳中小企业板的占比则为34.7%。 1.5亿元 审计署日前公布“19个省市2007年至2009年政府投资保障性住房审计调查结果”。审计署公告显示，2007年至2009年间，1.5亿元廉租房保障金被挪用，2132户不符合条件的家庭获得租赁补贴或廉租住房；6个城市套取中央投资补助基金6129万元，南京等13城市在廉租住房建设中，存在配套设施不完善，工作程序不够规范等问题；北京、上海等22个城市从土地出让净收益中提取廉租住房保障资金的比例未达标。 11月11日，国美电器控股有限公司发表声明称，已与黄光裕方面签署谅解备忘录，一致同意将国美董事会席位从11个增加到13个，黄光裕胞妹黄燕虹及黄氏家族律师邹晓春将入驻董事会。该备忘录系国美与在黄光裕控制的Shinning Crown Holdings Inc.签署而成。根据备忘录条款，国美同意任命邹晓春和黄燕虹分别担任执行董事和非执行董事。 韓瑞麒将任福特中国CEO 10月27日，福特汽车公司宣布一系列高层任命，这是福特中国的一次重量级人事调整。福特亚太及非洲区总裁韩瑞麒将兼任福特汽车(中国)有限公司董事长兼首席执行官。福特亚太及非洲区总部和福特中国总部均位于中国上海。他的任命已于2010年11月1日生效。 李旭利离任阳光私募 10月22日，目前国内最大的私募基金——上海重陽投资管理有限公司合伙人、首席投资官李旭利已经离职。一年前，他辞去交银施罗德基金的投资总监职位，转投阳光私募。据了解，重阳投资已经接受了他的离职申请，并就此对客户发出了《告投资者书》。《告投资者书》称，李旭利是因为个人原因离开重阳投资的。 王健林南京豪捐10亿 11月8日，大连万达集团董事长王健林向南京金陵大报恩寺捐赠10亿元。据悉，该笔捐赠是迄今为止中华慈善史上最大数额的单笔个人捐赠。王健林以280亿元的财富，在最新发布的“胡润房地产富豪榜”中居首位。此次捐赠，是迄今为止中华慈善史上最大数额的单笔个人捐赠。 土豆网CEO王微陷官司 土豆网海外IPO前夕，其创始人兼CEO王微却卷入了一场和前妻杨某之间的诉讼。据知情人士介绍，杨某近日向上海徐汇区人民法院提起诉讼，要求保全相应的土豆网股权。监管文件披露，土豆网股权结构中管理层持股总计41.3%，其中王微持股比例为13.4%。 “存款准备金率目前已经达到历史高位，但，一方面CPI已经达到4.4%，通胀压力有增无减；另一方面，资产价格泡沫依然存在。这一切表明，光靠调整存款准备金率还远远不够。” ——11月16日，从高盛退下来的胡祖六第一次以春华资本董事长兼创始人的身份出现在公众面前，他在接受媒体采访时，对尚未采用加息工具进行政策调控表达了不解。 “是改革解开了捆在我们身上中国人身上的绳子，这就是计划经济的绳子，让企业家、让所有的人都能充分地施展自己的聪明与智慧。” ——“2010世界企业家论坛”将“世界企业家”的大奖授予联想的创始人柳传志。联想已成为正在全球崛起的“中国企业”的绝佳代表。以上为柳传志的获奖感言。 “中国的民营企业要让13亿人富起来，这就是最大的社会责任，也是最大造福全球的事情。” ——日前，复星集团董事长郭广昌接受媒体采访表示，中国的民营企业已经崛起，承担了国家经济最重要的一块，当下正是需要冲出品牌的当口，最大责任是要让13亿人富起来。 创新 通用有望成为全美最大IPO 近期，美国通用汽车公司将把融资总额增至158亿美元，再加上计划发行的优先股，通用此次上市有可能成为美国最大的IPO。由于投资者的认购需求高于预期，通用决定将普通股的发行量扩大30%，达到4.78亿普通股，而筹资规模也将扩大到158亿美元。如果将通用汽车计划发行的优先股也考虑在内，再加上超额配售权，该公司此次IPO所筹集的资金规模将达到224亿美元。 爱国者正式发布物联网战略 爱国者日前正式对外宣布，率先采用IPV6技术开启物联网全新战略，全面推出一系列融入物联网技术的数码设备，把最先进的技术，以最快的速度，让消费者第一时间享受到物联网新生活。数码相机、数码相框、平板电脑（aigopad）、MP5、MP6等等常见数码设备，在融入新一代互联网（IPV6）技术之后，不用通过PC就能“上网”，且同类型数码产品、不同类型数码产品之间都能实现互通互联。 富士康拟布局软件行业 11月17日，在深圳高交会富士康的展台中，有很大一部分被用来展示它们的“智能消防安全监控系统”。据鸿海科技集团PCEBG事业部介绍，公司从3年前就开始组建软件的研发团队，到现在已经具备一定规模。目前该系统还只是在富士康内部使用，但等到“内部玩转了”以后，公司计划将把这一系统投入市场，由于软件产品与公司的代工产品没有冲突，因此不排除使用自主品牌。 ADP发布首个移动薪酬管理程序 近日，ADP在苹果公司的在线商店(App Store)上发布了首个移动薪酬管理程序RUN。通过RUN，客户可以进入系统查看员工以及合同工的薪酬管理及承包商的费用明细。薪酬支付可以通过支票或直接存款；计算联邦、州和地方税费和支出情况，在支付之前考核工作时间确保薪酬管理的准确性；查看薪金责任和现金需求，确认支出平衡；查看当前和近期薪酬管理报告。企业经理人可以随时随地通过iPhone、iPad和iPod轻松享用ADP移动薪酬支付程序所具有的各项强大功能。 联想乐Pad将在第四季度发布 2010亚洲移动互联网高峰论坛日前在深圳召开，联想集团副总裁联想中国区总经理陈旭东透露，乐Pad平板电脑将于下个季度发布，现在处在内部试用阶段。陈旭东在谈到国内很少厂商跟进苹果公司推出Ipad类似产品时表示，因为软件资源的限制使很多厂商不能及时推出，这也是Ipad的核心优势。据了解，乐Pad和乐phone的平台将实现无缝对接，共享应用资源。 戴尔Inspiron Duo混合本近期开售 之前业界曾经介绍过戴尔的一款令人纠结的Inspiron Duo产品，它结合了上网本和平板电脑的特性。国外媒体报道称，这款产品近期将正式开售。在本周开张的一家微软旗舰店中，戴尔Inspiron Duo就有望提前亮相。11月23日，戴尔Inspiron Duo在网上便可正式接受预订。戴尔这款Inspiron Duo产品看上去是一款上网本，实际上配置也和上网本保持一致。不过，屏幕部分支持触摸旋转，可当作平板电脑来使用。 “引渤入疆”引发巨大争议 中国工程院近日召集曾参与《新疆可持续发展中有关水资源的战略研究》项目组的主要成员共同召开新闻发布会。会上，10多位院士、专家认为近期广受关注的引渤海 水入新疆工程“不可行”“不可想象”。 中国工程院院士、中国工程院原副院长沈国舫表示，如果大量抽取渤海的海水，渤海的水量将从黄海补充，而黄海海水的盐分比渤海高，这样一来势必会给渤海的整个生态带来灾难性的影响。“那么多的海水调过去，渤海和新疆的生态最终都会恶化。”鉴于近期公众对新疆水资源问题的关注，项目组决定召开这次发布会，并将尽快公布全部的研究成果。 环首都经济圈获批前不上新项目 在日前举行的“河北省环首都经济圈规划编制座谈会”上，河北省委常委、常务副省长赵勇表示，在环首都经济圈规划正式批准之前，原则上河北省环北京13个县的新项目不再审批，土地也不再供应，要等新规划出台之后按照新规划进行审批和布局。赵勇指出，环首都经济圈规划不是在现有基础上延续、嫁接和改造，而是另起炉灶，做一个完全崭新的规划，发挥后发优势，达到世界一流。赵勇表示，在环首都经济圈规划批准前，现有项目可以继续进行，新项目可以商谈，可以论证，但不要开工建设。新规划批准后，新项目都按照新规划落实。 江苏启动低碳示范区建设 江苏省低碳示范区暨建筑节能和绿色建筑示范区、低碳科技创新基地启动仪式日前在常州举行。江苏省低碳示范区规划面积达27.8平方公里，分滨湖生态片、生活与服务片、东北部与东南部的制造产业片等四大功能片区，拟建成以低碳产业发展为重点、以低碳研发机构和研发人员为支撑、以低碳社区建设为载体、以低碳环境营造为保障的低碳经济示范区以及低碳制造业、低碳现代服务业的集聚区，并成为国际低碳新技术交流推广和产业化的基地。 上海发布“四个中心”建设白皮书 上海市近日发布《2009/2010年上海国际经济、金融、贸易、航运中心发展报告》，总结并谏言上海“四个中心”建设。未来20年，上海将完成四大战略转变：向服务经济结构战略转变、向世界级城市群核心战略转变、向全球城市网络节点战略转变、向现代城市发展模式战略转变。上海市发改委副主任肖林表示，今后白皮书将按年度发布，忠实地记录下这历史性转变过程的每一点突破。 无锡新区打造六大千亿级产业 关键词：居民消费价格空间指数,EKS,MST,GK 一、引言及文献综述 居民消费价格指数(CPI)是一个反映居民家庭购买消费商品和服务价格水平变动情况的宏观指标,不仅与人们的生活息息相关,还是政府进行经济分析和决策的重要参考指标。 CPI—直是国内外专家研究的重要内容,现阶段关于CPI的研究主要集中在以下两个方向:一是CPI的联动性分析,主要包括CPI和PPI、GDP的关系,如周文等(2012)发现总体上我国经济增长与通货膨胀呈现出同向变动的特点,董直庆等(2009)得出中长周期CPI和PPI呈现同步波动特征的结论;二是CPI的编制,主要有CPI编制的国际比较和CPI编制的问题,如高艳云(2009)对中国CPI的编制及公布进行了国际比较,分析了所存在的差距,并提出了几点结论及建议,徐强(2013)从更精确质量调整的CPI、不同目标人口群体的CPI、测度核心通货膨胀的核心CPI等方面,提出了改进中国CPI编制和数据发布的建议。 上述文献虽然从多个角度对CPI进行了研究,但我国现在公布的各地区CPI均以上年为基期计算得到,它只能用于比较各地区的价格水平变动即通货膨胀率,而不能用于比较各地区的价格水平差异。居民消费价格空间指数的提出很好地解决了这个问题,它不仅可以对不同地区的价格水平差异进行计算和测度,比较某一时期不同地区各种商品价格的综合差异程度;还可以消除各地区价格因素的影响,得到代表真实价格水平的数据,如各地区实际工资水平、实际人均收入以及实际居民消费支出等,这对我国宏观经济政策的制定有十分重要的参考价值。 二、居民消费价格空间指数的测算方法 居民消费价格空间指数的实质是在不同地区购买相同的生活消费品和服务项目所需花费本地区货币数量的比值,即为相同生活消费品和服务在不同地区的价格比率。价格比率的构造思路是某一地区相对于参照地区(指同时期经济实力最强的地区)的比较。常用的主要有三种——拉式、派氏和费氏指数。 用j表示地区(j=1,2,…,J),i表示商品编号(i=1,2,…,n),k表示参照地区。假定pij和qij分别表示j地区第i类商品的平均价格和消费量,eij=pijqij表示j地区第i类商品的消费总额,表示第i类商品在j地区的价值份额。则三种方法的计算公式表示如下。 拉氏价格指数: 派氏价格指数: 费氏价格指数: 总体来看如果要建立中国各地区价格空间指数,一般以北京为参照地区,估算其他地区相对于北京的综合价格水平,而其他各地区间综合价格水平的估算则要通过北京这个“媒介”间接获得,但由于这三种方法都不具有可传递性,因此间接计算的其他各地区的价格空间指数不等于直接计算的结果,失去了内在一致性。为克服这个缺点,本文提出EKS法、MST法和GK法。 (一)EKS法 EKS法的思想是将某个地区的价格与反映所有地区价格水平的一个综合价格比较,得到该地区的价格空间指数。EKS法的计算思路为:第一步是计算任意两个地区的价格指数,通常采用费氏指数;第二步是对所有与某一地区有关的价格指数进行几何平均,即得到该地区的EKS法价格空间指数。 假设某一组(或区域)中有D个地区,k表示地区编号(k=1,2,…,D),Pkj表示j地区相对于k地区的价格指数,则j地区的EKS法价格空间指数为: EKS法的最大优点是确保了价格空间指数的结果具有可传递性,即内在一致性。EKS法的缺点是它对数据的要求非常高,必须计算任意两个地区间的价格指数,很可能会由于数据缺失而对最终结果产生不良影响。 (二)MST法 MST法也是一种以双边比较为基础的多边比较方法。MST法的基本思路是在生成树方法的基础上,选择地区组合建立最小生成树,以保证比较结果的偏差最小。MST法的计算思路为:第一步是建立D个地区的最小生成树;第二步是根据最小生成树的地区组合,计算D-1组地区的价格指数;第三步是找一参照地区,通过连接这两个地区的其他地区间接得出每个地区的价格指数。 本文根据克鲁斯卡尔算法完成MST法计算的第一步,建立一个最小生成树,第二步选用费氏指数计算相互连接的两地区间的价格指数,第三步选取北京为参照地区计算其他地区的价格指数。 (三)GK法 GK法以虚拟地区为参照地区,将虚拟地区作为全部地区平均价格水平的载体,再将其他地区与之相比较,从而得到该地区的价格空间指数,计算公式如下: 其中,表示j相对于虚拟地区X的价格空间指数,piX为GK法构建的虚拟地区某项商品i的价格,其满足以下公式: GK法价格空间指数虽然满足可传递性,但GK法在构建虚拟地区的价格时,以各地区各商品消费量的比重为权重,使得那些消费量较大地区的价格所占权重较大,结果也就倾向于这些地区,因此GK法更适用于经济发展水平和消费水平相当的地区之间进行比较。 三、实证研究 (一)数据来源 构建价格空间指数需要我国31个省(市、区)居民日常生活消费的商品和服务项目的价格以及相关权重这两方面的数据,本文采用中国价格信息网站上公布的2015年3月中旬31个地区居民主要消费商品和服务的价格作为价格数据,考虑到研究的可行性,本文选取的价格都是城镇价格,城镇价格的调查数据比较完整,数据衔接性较好,也比较有代表性。8大类居民消费支出下的小类支出数据来源于国家统计局公布的2013年统计年鉴中11-15“分地区城镇居民人均每人全年现金消费支出(2012)”,为了和价格数据相一致,本文将会剔除或者合并权重表的一些项目并保证各大类的权重之和为1,将调整后的权重表作为计算权重的最终依据。 本文将商品和服务项目分为三个层次:大类、基本分类和具体的商品或服务项目。为了把权重数据和价格数据统一到同一个商品和服务项目的分类框架中,本文将来自发改委的价格数据中的各商品和服务项目,对应到国家统计局中消费支出中的基本分类。最终将商品与服务项目分为8个大类,18个基本类,60个具体项目,得到如表1的商品和服务项目的分类框架。 (二)我国居民消费价格空间指数的构建 1. 基期(参照地区)的确定。 价格空间指数基期的选择原则如下:指数的基期一般为经济发展较稳定的地区,该地区的价格波动较小,并且该地区的价格与其他地区的价格变动有较大的联动性和相关性。按照此原则,笔者对我国各地区2004—2013年的价格波动情况和价格波动相关性进行分析。 由2004—2013年中国31个省(市、区)的CPI(以2004年为基期)中可以看到,北京市的CPI波动最小,并且CPI的值大部分在接近100%的区域,这表明北京市的综合消费价格最稳定,而且北京市和其他地区CPI之间有很强的相关性,且P值都近似为0,这说明相关关系是显著的。因此,把北京市作为此次计算的参照地区。 2. 各地区价格指数的计算。 第一步,计算每一个具体商品或服务项目的平均价格,这里采用简单算术平均法计算。公式为: 其中,pij表示j地区第i个具体的商品或服务项目的平均价格,Pijs表示在j地区第s个调查点得到的第i个具体商品或服务项目的价格,q为调查点总数。 来源:中国价格信息网。 第二步,在式(7)的基础上,计算j地区与k地区第i个具体的商品或服务项目价格的相对数,得到具体项目分类价格指数。公式为: 第三步,根据具体项目分类价格指数,用几何平均法计算基本分类价格指数。公式为: 其中,表示第t个基本分类商品的价格指数,表示第i个具体项目的价格指数,n表示同一基本分类商品下具体项目的数量。 第四步,利用获得的权重信息,计算大类价格指数和综合价格指数。根据前文讨论过的方法,本文做如下6种处理,具体如下: (1)根据公式(1)～(3),用拉氏指数、派氏指数和费氏指数计算,以北京市为参照地区,利用相应的中类价格指数和权重信息计算。 (2)根据EKS法、MST法和GK法的计算过程和公式计算,其中涉及两地区价格指数的均采用费氏指数,MST法以北京为参照地区。最终计算结果见表3。 (三)结果分析 (1)同一地区的派氏居民消费价格空间指数小于拉式居民消费价格空间指数,这与上文的结论“一般情况下,拉氏CPI倾向于大于派氏CPI的”相一致。由于本文在此处选择以北京地区的消费结构为基础,而北京经济相对发达,生产技术较先进,商品种类齐全,生活水平较高,因此同种商品的价格相对其他地区低,消费量也较大,所以拉氏指数倾向于大于派氏指数。 (2)EKS法和GK法更具有稳定性。由表3的数据看到,参照地区为北京和上海,得到的拉氏指数不同。同理,派氏指数、费氏指数也会随着参照地区的变化而变化,这就导致价格指数的不稳定性。但是,EKS和GK法得到的居民消费价格空间指数和参照地区的选择没有关系,其更具有稳定性。这是由于EKS法将某个地区的价格与所有地区的价格水平相比较,GK法是将某个地区的价格与反映所有地区价格水平的一个综合价格(虚拟价格)相比较,这就决定与多边比较法相比,EKS法和GK法更具稳定性。 (3)居民消费价格空间指数可以用来比较某一时期不同地区各种商品价格的综合差异程度。例如6种方法都表明在4个直辖市中,天津、上海、重庆的消费价格空间指数均高于北京,表明这3个直辖市的综合价格水平比北京高。又如EKS法消费价格空间指数表明上海市的综合价格水平最高,青海省最低,前者约是后者的1.479倍,这也反映出我国各地区之间综合价格水平的差异不是太大。 (4)由各地区的EKS法消费价格空间指数可得如下几点。一是东部沿海省份和西藏地区的综合价格较高。东部沿海省份的经济发达,收入水平高,这些地区的综合价格高不足为奇,但西藏地区和东部沿海地区的情况恰恰相反,通过分析数据,笔者发现在食品、交通通信、医疗保健这三大类中,西藏的综合价格较很多地区都高,特别是医疗保健,西藏地区的价格约是北京的3.26倍,这也是由于西藏交通不便利,优惠政策不够好导致的。二是中部各地区、东北三省的综合价格水平较接近,并且与中部大部分地区相比,东北三省的综合价格水平较高。三是青海省、江西省的综合价格水平最低。青海省和江西省在教育、住房的价格都非常低,特别是青海省,其教育价格不及北京的1/4。 除了上面的结论外还可以比较6种方法计算得到的居民消费价格空间指数的相似性。这可以用相似性指数Lab度量,公式如下: 其中,表示使用方法a得到的d地区的消费价格空间指数,它可以衡量任意两种方法的相似性。表4是计算居民消费价格空间指数时使用的6种方法中任意两种方法的Lab值。 由表4可知:派氏指数是一个主要的离群值,它的波动性最大,从4.36到13.38,而且它与其他方法的相似性都较小;EKS法和费氏指数的相似性最大,这是因为EKS法是以费氏指数为基础计算的;拉氏指数和派氏指数计算的消费价格空间指数相似性最小,这可能是由于其他地区和北京地区的消费结构以及消费水平的差异是不可忽视的;GK法和EKS法的相似度也较高,这是因为EKS法和GK法都是以所有地区价格水平的一个综合价格为基准比较的。 综合表3和表4可知:在计算各地区的CPI时,由于拉氏指数、派氏指数以及费氏指数不具有可传递性,当出现a、b、c三个地区时,不能由Pab>1和Pca>1得到Pcb>1。也就是说只能得出各个地区和参照地区综合水平的大小差异,而不能得出各个地区综合水平的大小差异,但是EKS法、GK法、MST法满足可传递性,所以这三种方法较优,但是由于GK法解多个非线性方程的复杂性以及地区数量对MST法复杂度的约束性,在实际应用时EKS法是最优的。 四、结论 本文梳理了构建居民消费价格空间指数的6种方法,介绍了各种方法的原理和计算公式,最后用6种方法构建我国31个省(市、区)的居民消费价格空间指数并比较各种方法得到结果的相似性。本文通过研究,主要得到以下结论。①一般情况下拉氏指数倾向于大于派氏指数。EKS法、GK法和MST法都满足可传递性,保证了指数的内在一致性,不同地区之间的价格指数是唯一的,不会由于参照地区的不同而改变,这三种方法是编制居民消费空间价格指数的较好方法。②从我国各地区的居民消费价格空间指数来看,东部沿海省份和西藏地区的综合价格较高,青海省、江西省的综合价格水平较低,中部各地区、东北三省这两个集群内的价格差异较小。③6种方法中EKS法和费氏指数的计算结果相似性最大,拉氏指数和派氏指数的相似性最小。 与现有研究相比,本文的主要目的和贡献:一是将EKS法、GK法和MST法引入并用于计算居民消费价格空间指数,丰富了价格空间指数的实践计算方法;二是实证研究部分,用6种方法构建中国31个省(市、区)的居民消费价格空间指数,比较各地区的综合价格水平差异,丰富完善了现有CPI的内容,可以从价格水平和价格水平变化两方面对各地区进行分析比较。 【消费价格指数】推荐阅读： 居民消费价格指数09-06 居民消费价格06-02 居民消费价格09-02 居民消费价格空间指数05-11 消费者价格指数06-02 水产品消费价格指数07-06 三季度张家界消费价格调查报告07-13 消费物价指数05-29 消费者信心指数06-01 消费品物价指数CPI07-19居民消费价格指数的时间序列分析 篇4
1月份居民消费价格同比上涨4 篇5
消费价格指数 篇6
消费价格指数 篇7
消费价格指数 篇8
消费价格指数 篇9
消费价格指数 篇10
国务院重拳稳定消费价格等 篇11
消费价格指数 篇12