价格指数分析(精选12篇)
价格指数分析 篇1
1 引言
居民消费价格指数是一个反映居民家庭一般所购买消费商品和服务价格水平变动情况的指标, 居民消费价格指数的研究, 对我国经济发展具有重要意义, 文献[1,2]利用各种方法对居民消费价格指数进行了研究。主成分分析是利用数学上处理降维的思想, 将实际问题中的多个指标设法重新组合成一组新的少数几个综合指标来代替原来指标的一种多元统计方法, 在实际问题的研究中越来越成为人们广泛应用的多元统计分析方法[3], 本文利用主成分分析方法研究居民消费价格指数。
2 主成分分析
2.1 数学模型
假定有n个样本, 每个样本共有P个指标 (变量) 描述, 这样就构成了一个的数据资料矩阵:
2.2 计算步骤
通过上述对主成分分析方法的基本思想及数学模型的介绍, 我们可以把主成分分析方法的计算步骤归纳如下:
(1) 将原始数据资料阵标准化。
(2) 计算变量的相关系数矩阵:
其中为原来变量xi与xj的相关系数。
(3) 计算R的特征值及相应的特征向量。
(4) 写出主成分
3 我国各地区居民消费价格分类指数的主成分分析
3.1 评价指标的建立
因为要研究城镇居民家庭平均全年消费支出, 所以我们选取文献[4]中“各地区居民消费分类价格指数 (2009年) ”的数据资料, 评价指标分别为食品x1、烟酒及用品x2、衣着x3、家庭设备用品及服务x4、医疗保健和个人用品x5、交通和通信x6、娱乐教育文化x7、居住
3.2 数据的主成分分析
前四个成分的累计贡献率达79.9065%, 说明前四个主成分分析包括了全部指标具有的信息, 不需再计算其他的主成分。
3.3 主成分分析结果分析
(1) 第一主成分中八个指标的系数除第二项以外负值, 且都在0.2500以上, 说明第一主成分中每个指标的影响是差不多的, 这反映了这些指标在人们的生活中的重要性, 每个指标都是不可或缺的, 不过有着影响大小的差别, 同时可以看到F1的值越大, 则居民家庭平均消费水平越高, F1值越小, 则居民家庭平均消费水平越低。故第一主成分可以认为是综合消费性支出成分。
(2) 第二个主成分的系数表明, 它是x1, x2与x6, x7的对比, F2的正负代表了各个地区居民家庭平均消费水平两种不同的类型, 也就是说不同的评价指标在不同的消费人群中的影响的重要性是不一样的。x3, x8的系数很小, 其中x3与其他的评价指标系数相比可以基本忽略不计, 而x8则反映出房价过高, 很多人不愿在此消费, 符合我国国情。而在这三类评价指标中, x7占的比重又相对较高, 这也恰恰符合了我国当前的基本国情。
(3) 对第三主成分分析, 它是x3, x4与其他指标的对比。它也反映了不同地区居民家庭消费方向不同的类型, 家庭设备用品和衣着占大的交通和通信占的相对较少, 基本成反比。这反映了城镇与农村的对比。
(4) 对第四主成分分析, 它反映了医疗保健和个人用品与其他指标的对比。医疗保健, 人们的生活水平不断提高, 开始注重医疗, 注重平时的生活保健, 这也是当今社会经济发展的表现。
4 结论
通过数据的处理可以看出, 不同地区消费需求的重点是不同的, 因此及时把握国民经济发展格局中居民消费需求变动趋势, 制定符合我国现阶段情况的国民消费政策, 对于提高我国经济增长的速度和质量都有十分重要的意义。
摘要:增加消费需求成为促进国民经济平稳较快增长的关键。运用主成分分析对各地区居民消费价格指数的分析, 及时把握国民经济发展格局中居民消费需求变动趋势, 制定符合我国现阶段情况的国民消费政策, 对于提高我国经济增长的速度和质量都有十分重要的意义。
关键词:主成分分析,消费价格指数
参考文献
[1]陈敏, 罗庆云, 曹文明.我国居民消费价格指数的混沌特性分析及预测研究[J].商场现代化, 2009 (4) :41-42.
[2]方燕, 尹元生.基于VAR模型的居民消费价格指数传导机制研究[J].北京工商大学经济学院学报, 2009 (1) :70-74.
[3]刘孝超, 黄承锋, 王亮.主成分分析在地区经济社会发展综合评价中的应用[J].重庆交通大学学报, 2007 (2) .
[4]国家统计局编.中国统计摘要2010[M].中国统计出版社, 2010.
价格指数分析 篇2
2012年02月15日
如何判断玉器价格?这里说的玉器价格,不是让你判断某一个具体的玉器价格,而是指玉器在整体运作中的平均价位判断,从而大致了解玉器在不同的销售环节中的价格走向,为自己的选购提供价格参考
要了解玉器的价格,首先要知道玉器销售渠道的几个环节:
首先是最原始的矿石价格,一般都是按公斤计算,特别优质的翡翠帝王玉或者和田籽儿一级白等按克拉或者克计算这一步的价格计算,一般区别不大,同一批玉石,成色相当,价格就一定相当,可以有大致的标准定价,进货的时候,一般来说,是论堆儿的,这一堆,多重,多少钱,喜欢的就拿走回去后,再自己进行详细分类,把其中较好的和较差的分开,分成不同档次的雕刻原料,这时候每块石头的价格就跟当初的平均价格有差别了
进入玉器批发厂后,需要进行大致的切割,得到可以进行雕刻的原石,再经过不同级别的雕刻工人或者艺人进行创意雕刻,才形成玉件,这一关更把同样的玉石价格大大的拉开了,比如一个小挂件,雕工好的,一般要300元左右的工钱,雕工一般的,也要100元左右,更差的,雕工也就50元上下,这基本都是学徒工练手的,当然学徒工手中的料子也比较差些,因为好的料子,一定要工好的师傅来下手,免得糟蹋另外还有一些很粗陋的雕工,价格可以忽略不计,如果雕工差劲,那么这块玉就算废了,连原来的玉石钱都不值不会再有买主了!
下一步就是抛光,有两种方法,一个是机器刷光,一个是手工揉光,机器刷光用来进行大批量的小件简单玉器的抛光,比如玉珠耳坠之类,抛光价格便宜,一般几毛钱的成本,工期一周左右但是高档玉器,一定是手工揉光,因为太复杂的造型,很多地方是机器刷不到的,这就要根据每个玉件的具体情况来决定价格,从几元钱(指头大小的玉雕也要5元以上)到上千元甚至万元不等,因为不同的玉料,硬度不同,揉光的难度也不同,加上不同的雕工成形后,玉件的复杂程度不同,揉光的难度也不同,揉一个30厘米左右硬度在6.5左右的玉白菜,揉光费可能就上千,工期要一周以上,所以阿富汗白玉的白菜,就干脆上刷光机,同时为了配合机器刷光,阿富汗白玉的白菜,造型也尽量简单,因为揉光费用比玉料本身还贵得多,就不合算了当然如果是翡翠,揉光价格更贵,工期也更长,要知道那全靠工人的一双手,用不同标号的一系列油石反复打磨,包括雕件的每个细节,都要打磨到,直至最后用布抛光,对于硬度极大的玉器,这绝对不是一件容易的事儿有时候一个精品玉件的揉光费用和周期,甚至超过雕刻本身的价格和工期,要好几个月,尤其是对透雕部分的揉光,稍有不慎,就可能造成玉器的毁损!到此为止,玉器的出厂价格基本确定,假如一件玉料的价格是100元(很普通的昆仑料或者青白料档次,大小就是一般的手把件),雕成一件玉器的手工是200元(不考虑创意设计和俏色,就是一般的传统图案,普通玉工),揉光是100元,那么这块玉雕的价格就是原料雕工揉光加上老板的利润(包括各种经营费用),一般也就是500-600元左右如果是一般的学徒工(很多都是十几岁20岁
左右的孩子们)上手,价格会便宜一些,如果是高级雕刻大师,出来的活儿线条流畅,刀法细腻,造型生动,仅仅雕工就要高好几倍,但是这样的玉件也很畅销,能让很多客户过目难忘,即使标价更高,也能很快出手
如果想准确判断一件玉器的平均出厂行情,最好是经常查阅不同玉石原料的最新行情,注意,这个行情变化很快,有时候一些走俏的玉料,几天内的行情就不一样,然后自己大致计算一下即可
玉器进入市场批发环节后,大量的玉件还是论堆销售的,玉器老板会把同类质料和雕工的玉器统一打包在一起,告诉零售商:这样的一堆,全拿走,按每件多少钱,如果单个挑选(一般不许这样,除非跟老板比较熟悉,否则挑剩下的玉器就算用更低的价格也很难出手了),那么价格就会高出很多比如,本来300元的单件平均价格,如果单独挑选出几个拿货,其余的不要,那很可能就是每件500元才行本来么,就算一堆不要钱的鹅卵石,如果想从中挑选出又圆又大还有花纹的,那就值钱了,何况都是玉器!一般的零售商也会分为两种,一种是不论好坏全包,图个进货成本低廉,而在销售中采用不同的宣传手法和价格策略,也都能销售出去另一种就是只选择精品,宁可进货价格高出很多,这一般都是玉器玩家,因为不好的货色甚至一般的货色,在这些人眼里都不值一提.相关阅读:识别古玉主要具备几方面的知识
零售商进货后,售价就要包括自己的营销成本和利润了其中营销成本这一块,每个零售商都不同,比如,一个中等城市的中等珠宝卖场,月租金就可能是几万到几十万,加上员工工资广告和宣传费用各类工商税务管理费用每月的流动资金成本就要十几万到几十万,还不算柜台和店面装修,再加上合理的行业平均利润,如果零售商每月要求销售300块玉器(平均每天销售10块,这在中等城市已经很不错了)的话,每块玉器平摊下来,就要增加上千元销售成本,比如进价500元的玉器,在零售商场卖1500元,可能才保本,低于这个价格就肯定赔了!而一般情况下,因为销售的淡季和旺季相差很多,有时候几天都未必开张,所以一般500元的玉件,在商场售价都会在3000元甚至更多,有时候需要增加十倍的价格,达到5000到6000元以上才能维持经营,当然这些商场也会进一些低档货色,比如几十元进价的,卖300-500元左右,来应付大量的低档用户群,维持一些基本的资金流动,这些就是薄利多销了
所以很多时候,同样档次的货色,在不同的销售渠道拿的货,价格相差十倍甚至数十倍,这也造成了黄金有价玉无价的现象,如果您自己喜欢琢玉,而且手工不错的话,不妨直接买一些原石,自己雕刻,那么花费1000元买来的一块白山料玉牌,自己开料并雕刻出来的活儿,跟零售商2万元价格的货色完全相当,甚至更好!
由上述玉器的销售过程可见,对于大众水平的普通玉器来说,一件玉器的最终售价,包括最基本的料钱工钱揉光销售费用等项目,其中料钱所占的比重最小,工钱基本决定了以后玉件的档次,而各个零售商的成本和利润是最大的影响因素这时候注意选择好的雕工和俏色创意,而把料子的因素放到最低,而对于高档珍贵玉种来说,则是料钱决定一切,一块浓阳正绿水头十足的翡翠戒面,一颗真正的和田洒金皮羊脂白籽儿,别说开料,即使一刀不动,本身就价值数万,相对于这
个价值来说,其他的一切都算不得什么了对于一般老百姓来说,这类玉器是根本连想都不用想的,所以这些也叫帝王玉,只能供各国的权贵巨商和发烧级别的玩家享用,而作为一般的玉器玩家,在有限的资金范围内,只好挑选以工取胜的玉件作品,使之尽可能脱离原料的档次限制,提高增值空间,并尽可能从上一级的销售渠道进货,降低消费成本,让自己花费几千甚至几百元拿到的货色,相当于零售市场数千甚至数万元的档次,就很不错了
如果您运气好,能在普通档次的玉件里面找出独具特色的玉器,那就同样也相当于帝王玉的水平:别人即使有钱也再难买到,只能瞪眼看着您手里那独特的雕工和俏色流口水了比如,一块青玉的料子和一块岫玉的料子,从料子上看,岫玉的一般价格远远低于青玉的价格,但如果岫玉上的雕工远远胜于青玉的雕工,那么你应该毫不犹豫地收下低档的岫玉而放弃高档的青玉,因为这时候料钱并不是重要因素,而完全是看雕工了在实际交易中,低档的岫玉也有价值数百万的雕刻工艺,而高档的白玉青玉翡翠也有一文不值的雕件,给谁都不要!
其实从欣赏的角度来说,玉质达到极至,也同时失去了多彩多样的个性,变得单调起来,龙种翡翠,很多时候跟一块浓绿的玻璃差不多,同样,胸前吊一块带皮的极品籽儿,在普通人眼里跟一块普通鹅卵石也差不多,在众多的场合下,显得有些不可思议,倒不如一件雕工创意俏色都恰到好处的玉器惹人注目,因为只有玉雕才能传承更多的民间文化,承载更多的吉祥寓意,才会被大众更好的接受,也就是人们常说的:玉不琢不成器,因此收藏一些雕工俏色极具个性的玉器,花钱不多,而视觉效果却远比单纯攀比玉质更强烈,更彰显主人的不俗气质和个性 当然,如果您自己对玉器的知识比较匮乏,不会看料,那还是直接到珠宝商店买人家带有证书的玉器比较稳妥,虽然贵了些,但不至于上当受骗何况从长远来看,今天的玉器再贵,相对于以后的岁月来说,还是便宜的,因为以后的玉器会更贵 那么,玉器为什么增值迅速呢?当然最根本的原因还是资源有限而且消耗迅速其中除了人们越来越强烈的市场需求外,另外一个重要原因就是国家管理制度的不完善,凡是有玉石矿藏的地方,都被当地农民滥采滥挖,又因为这些地方大都交通不便,自然条件恶劣,导致大量的优质玉料,被完全的手工作业炸砸成碎料以便搬运,而且作为普通农民来说,根本不可能有长远的市场规划意识,谁拿到手里的石头,都想尽快出手,按照当地的平均价格论堆卖了这就造成了玉石原料的迅速枯竭,就连藏量巨大的岫玉矿,近年优质岫玉都几乎绝迹,南阳独玉早已封山,和田籽儿,每年也就是几百公斤的产量,对于具体每家采玉的农民来说,一周能找到一颗瓜子大小的籽儿就很不错了,存了五六颗,抓在手心里面,就可以到市场上去批发 一次所以真正优质的和田白籽儿近乎枯竭,现在优质的和田玉基本上都不是和田产的如果您花费几百元或者几千元,就买了一块和田白籽儿,那说不定只是相当于和田玉质的籽儿 相对于原材料的迅速枯竭,玉器市场对已经开采的玉料更是糟蹋严重,很多根本不会琢玉,也不懂玉的农民,将低价买来的玉料,进行简单的机械加工,甚至做成只有低档材料才有的茶具麻将健身球低价销售,贪图的就是短期利益,这就更加重了玉种玉质的迅速灭绝
在这样的情况下,如果您遇到玉种和雕工不错的玉件,只要价格还能承受,能收就收,因为无论现在的价格再贵,也肯定比以后的价格便宜,也就是说,好的玉器挂件,肯定都有巨大的增值潜力,以后的玉质只会越来越差,价格却越来越贵
90年代我在杭州延安路珠宝店还能遇到几百元的玻璃种浓绿翡翠花件,97年在郑州经三路珠宝市场上还可以见到千元左右的玻璃种浓绿的戒面,现在早就上万甚至数万,现在别说玻璃种浓绿,就是粗白地稍微带些颜色的翡翠雕件,就价值数千数万甚至十几万,行业内,甚至多一个浅浅的绿花,就增值数百元,而真正的好货,在一般零售市场上几乎完全绝迹
价格指数分析 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、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 是疫情的影响。我国是生猪的饲养大国,也是猪肉的消费大国,生猪生产在我国国民经济中处于相当重要的位置。铁岭市是全国重要的生猪商品基地,生猪饲养对于促进农民增加收入起到了至关重要的作用。为稳定当前的生猪市场价格,促进生猪产业健康发展,提出以下建议: 一、扩大宣传。目前,甲型h1n1疫情在全球18个国家发生,人感染病例时有报道。此次疫情引起了各国高度重视,同时也给人们造成了一定恐慌。5月3日,联合国粮农组织、世界卫生组织、世界动物卫生组织、世界贸易组织联合发表声明,食用经高温加热后猪肉和猪肉产品是安全无害的。要通过报纸、电视、网络等媒体对广大市民进行宣传,食用符合卫生安全标准的猪肉和猪肉产品是安全的,此次疫情的传播基本与生猪无关,以消除人们的恐慌心理。同时提醒人们要增加户外活动和锻炼。均衡饮食、合理营养,做好防寒保暖等个人防护。尽量少去人口密集的公共所,勤洗手,养成良好的个人卫生习惯和良好的饮食习惯。增强个人防范意识,应尽量避免与禽、鸟类不必要的接触,特别是儿童应避免密切接触家禽和野禽。对于一些密切接触禽类的工作人员,如养殖、销售、屠宰人员要做好个人防护,戴口罩、穿防护服等。 二、调整政策。近年来,我国加大了对基础母猪、大型饲养场、标准化饲养小区、养猪大县的补贴力度,养殖户为了获得国家补贴积极补栏,扩大生产规模,增加饲养量,在一定程度上促进了养猪业的发展。但也人为的打破了正常生猪价格规律,造成了一定时期和一定程度上的供求矛盾。建议国家调整产业政策,在给予生产者补贴的同时,拿出一部分资金用于消费者的补贴,给消费者发放猪肉消费券,用于消费猪肉和猪肉产品,这样可以刺激消费,促进生产,稳定生猪价格,使生产和消费全面、协调、可持续发展。另外还可以有效拉动内需,积极应对全球金融危机。 三、合理生产。饲养业的高峰和低谷是正常的,也是符合市场规律的,广大养殖户要认清合理的市场变动,不要盲目的屠杀母猪,建议饲养户要尽量减少商品猪的饲养,淘汰生长期长和性能低下的母猪,增加后备母猪的数量,尽量规避风险,等待下一个市场高峰期的到来。另外要加强饲养管理,提高成活率,降低死亡率。合理搭配日粮,提高饲料报酬,降低饲养成本,节约开支。 四、控制疫情。当前是疫病的高发期,各种畜禽疫病极易发生和流行,养殖户做好口蹄疫、猪瘟、蓝耳病的强制免疫工作,要按照规定的免疫程序进行免疫,做到应免尽免,不漏一头猪,保证免疫密度,切实提高整个猪群的免疫抗体水平。对于其它常见病和多发病也要高度重视,采取切实可行的办法进行有效防治。同时要做好消毒工作,消灭各种传染源,控制疫病的发生和流行。 五、加强检疫。严格活猪及其产品的检疫监管,出栏生猪要逐头按检疫技术规程实施产地检疫,对屠宰的生猪严格查证验物,无证或证物不符的不得入场屠宰,屠宰环节要严格实施同步检疫。加强流通环节的检疫监管,严厉打击加工、运输、经营病死猪及其产品的违法行为,保障人们的食肉安全,增加市场猪肉及其产品的消费量,有力促进生产。 [关键词]仔猪;价格;差距;原因分析 一、差距形成的原因 1.品种差距 罗平县属老、边、少、穷四位一体的农业山区,养殖业发展较为落后,农村母猪品种多数长本杂、约本杂、内乌杂、本地品种、乌长杂等劣质品种,就连简单的LY、YL品种都只有30%左右,更不用说什么托贝克、PIC等优良品种,所以生产的仔猪从外观品质上看远不如规模养殖场的仔猪品种,按当地老百姓的说法叫宁可多出一点钱买个好就是这个原因。 2.死亡率差距 死亡率是衡量养殖业水平的一个重要指标,也是老百姓最关心的问题,这是涉及老百姓直接贴身利益的问题。根据走访调查,有90%的农民愿意多出一点钱买正规养殖场的仔猪,他们说正规养殖场的仔猪买回来好养、放心,一般不会出现死亡,而在散养户手中买来的仔猪都会有死亡情况出现,很不放心;有10%的农民说凭碰运气。针对死亡率这一问题,从专业的角度讲,主要还是预防免疫的问题,在规模养殖场,仔猪从出生第三天开始到满双月出售,需要进行补铁、仔猪黄白痢、猪瘟、猪肺疫、喘气病、仔猪副伤寒、w病、蓝耳病等十多种传染病的预防免疫,直到按免疫程序做完所有的预防接种才出售,所以农户买后一般不会出现死亡;而农村散养户就比较忽视这方面的工作,仔猪的死亡率就大幅提高。 3.饲养管理差距 在饲养管理方面,规模养殖场从仔猪出生开始,一是注意母乳质量,抓好母猪哺乳期营养供给,使仔猪发育正常;二是按科学饲养方法,让仔猪早期断奶,早期饲喂仔猪饲料,保障仔猪发育期的营养平衡,这样到满双月出售时,整窝仔猪均匀,能获得—个较好的市场价格。而农村散养户在这方面更是不够注重,到仔猪出售时,整窝仔猪参差不齐,从表面看营养不良,很难获得好的市场价格。 4.生长速度差距 生长速度是适时出栏、控制饲养成本、提高经济效益的重要指标。随着养猪科技宣传的不断推进和深入,广大农民朋友在养猪方面也会进行经济效益计算,并在养猪实践中进行对比,在不出现死亡、平等饲养条件下,买正规养殖场的仔猪饲养120d出售,平均体重达120kg,而买农村散养户的仔猪饲养120d出售,平均体重90kg,比规模养殖场的少30kg,按罗平本地现行价16元/kg计算,减少收入480元,这是一笔很大的损失。 二、縮小差距的建议 1.选择优良品种 建议广大农村散养户淘汰劣质母猪品种,选择目前市场行情较好的LY、YL、PIC、托贝克、云南富源大河乌猪等优良品种进行饲养。 2.做好预防免疫工作 请专业畜牧兽医人员严格按照仔猪繁育规范做好仔猪的预防免疫程序,在确保仔猪疫病安全的前提下,出售时出示免疫卡,让老百姓购买放心,这样会获得一个很好的市场价格。 3.加强饲养管理 从最近几年央行利息政策的调整来看, 央行的货币政策的调整更注重价格型工具, 利息变化成为常规性工具。目前, 我国的两大资产价格 (股市和楼市) 泡沫如此之大, 主要的问题是低利息政策。为了实现经济的平稳过渡, 政策的力度要适中, 如果政策力度过大, 容易导致泡沫的突然破灭, 从而导致经济大起大落, 严重动摇人们的消费信心。如果政策力度过小, 达不到预期的目的, 资本市场持续的泡沫时间越长, 它破裂后对实体经济的损害就越严重。随着我国股票市场在国民经济中的地位日益重要, 股票价格的过度波动必然会影响宏观经济的稳健发展。不仅货币政策的制定和实施会影响股票价格发生迅速变化, 同时股票价格对经济增长也有影响。利率政策对股票市场的影响如何许多文献已经做了相关方面的研究, 如:张绍斌、齐中英用相关性回归分析研究了不同时期的利率对股票价格的影响, 得出利率和股价指数成负相关关系, 股价指数的波动和自身滞后1个月的波动情况密切相关。王军波、邓述慧在短期分析了利率调整消息公布前后一段时间内股票价格的变动幅度和交易量变动的幅度之间的关系, 得出银行的利率调整政策确实对证券市场指数的波动和投资者对市场前景的看法产生了一定的影响。但是这种影响往往在消息正式公布之前即已在市场上得到体现, 表明投资者投资风险意识逐渐成熟, 但是同时也表明在当前我国证券市场可能存在信息的不公平。在长期用协整方法研究央行的利率政策对证券市场的长期影响得出利率的长期对证券市场有显著的影响。刘景假设股价指数在短期内服从正态分布, 以收盘价变动幅度作为因变量, 以名义利率与实际利率的变动幅度作为自变量, 对股价指数变动和利息率变动作回归分析, 结论是证券价格指数变动与利率变动之间不存在统计意义的相关关系。刘燕娜用协整模型和误差修正模型分析了我国实际利率和股票价格之间的关系, 结论是实际利率和股票价格之间具有显著的协整关系, 这说明它们具有稳定的长期均衡。实际利率和股票价格之间不存在Granger关系。陈健、陈昭利用脉冲响应函数, 方差分解, 格兰杰因果检验和协整进行分析, 得出同业拆借利率对股价指数累积影响最大, 不是股价指数的格兰杰原因。本文和相关文章的不同之处是运用了2002年1月到2010年8月的月度数据, 一年期的实际利率和复权的股价指数。运用向量自回归模型 (VAR) , Granger因果关系, 脉冲响应函数和方差分解分析了利率和股价指数之间的关系。 利率主要从两个方面影响股票价格。一方面, 当利率上升时投资成本增加, 当收益一定时企业的利润减少进而降低了股票价格。另一方面, 股票的价格也由证券市场上的供求关系决定, 当利率上升时人们在储蓄方面获得收益增加, 从而投资者减少了对股票的需求, 股票的价格降低。根据现值理论: 股票价格主要取决于股票的预期收益和当时银行存款利率两个因素。其公式可表示为: undefined 其中, Dt:第t年的利息, M:股票出售时的价值, i:贴现率, W:股票价格。从公式可以看出, 股价与股票收益成正比, 与市场利率成反比。股价也强烈受到市场供求关系和人们对股市的信心的影响, 同时也可能受到军事、政治、经济、心理等多种因素的影响。 二、实证分析 通过选择复权的上证综合指数代表我国股票价格水平, 采用1999年1月到2007年8月的月度数据, 数据可以从上海证券交易所网站上获得。股票经过分红、配股、送股、公积金转赠股本或增发后, 股价发生了大幅度的变化, 往往在股价走势图上出现缺口。例如:20元股票, 10送10之后除权报价为10元, 但实际还是相当于20元, 这种情况下可能会影响部分投资者的正确判断, 在股票分析软件中, 还会影响到技术指标的准确性。所谓复权就是对股价和成交量进行权息修复, 按照股票的实际涨跌绘制股价走势图, 并把成交量调整为相同的股本口径, 这样在股价走势图上真实地反映了股价涨跌, 同时成交量在除权前后也具有可比性。采用整存整取的一年期的实际利率, 实际利率是名义利率减去通货膨胀率。数据可以从中国人民银行网站和中经数据网站获得。因为当对变量是否真是外生变量的情况不自信时, 传递函数分析的自然扩展就是均等地对待每一个变量, 应用VAR模型可以避免区分内外生变量, 所以本文采用VAR模型。因为股价指数的月度数据具有季节性, 用Eviews软件中的x12季节调整法进行季节调整, 并对数据取对数来消除异方差的影响。在建立VAR模型时必须保证变量都是平稳的, 在此应用ADF方法对变量进行单位根检验, 得到股价指数是I (1) , 利率是I (1) , 进行差分使变量平稳。建立VAR模型, 根据SC准则确定模型的滞后阶数是6, 进一步对模型进行稳定性检验, 根据Eviews软件检验表明VAR模型的特征多项式的根都在单位圆内, 说明模型是稳定的。 用GUJIA、LILV1分别表示原始的股价指数、一年期实际利率。用CGUJIA、CLILV1分别表示处理后平稳的股价指数、一年期实际利率。 根据图1的时间路径可以看出股价指数GUJIA和利率LILV1是成负相关的。表面看来2010年中央银行多次加息, 每次加息股价指数上涨一次, 股市逆加息而上, 加息对市场影响不大, 实际上央行加息的幅度没有居民消费价格指数 (CPI) 上涨的幅度大, 从图1中可以看出居民实际利率为负利率, 而且是下降的, 符合利率下降股票价格上升的规律。要想控制经济过热, 央行的加息幅度应该大一些, 频率快一些, 这样才能改变存款利息负利率现状。 由表1得知在5%的显著性水平下拒绝原假设, 利率是股价指数的Granger原因, 股价指数也是利率的Granger原因。在Granger意义下, 股价指数和利率都是内生变量, 利率和股价指数之间存在因果关系, 互相影响。利率政策的制定对股票市场产生影响, 同时股票市场价格的变动对利率政策的制定也有影响。 利用脉冲响应函数和方差分解进行分析。脉冲响应函数是一个内生变量对误差的反应, 分析当一个误差项发生变化, 或者说模型受到某种冲击时对系统的动态影响。用Eviews软件得到股价指数和利率的脉冲响应函数。 图2是股价指数的累积脉冲相应函数。在短期, 利率对股价指数冲击很不稳定, 出现了几个转折点。在长期, 利率对股价指数的冲击趋于平稳表现为负值。从利率累积响应函数图3看出, 短期冲击波动不稳定, 长期趋于稳定。以上符合Granger检验的结果。因为股价指数和利率都是内生变量, 企业在改善经营状况时, 需要更多的投资, 投资增加促使经济增加, 通货增加使得制定更高的利率。企业在改善经营状况时, 企业利润增加, 年终股息增加, 股票价格就会上涨。短期内企业的股价指数与利率正相关, 所以在图2中3—4月与图3中1—3月看出冲击是正向的。 方差分解是通过分析每一个结构冲击对内生变量变化的贡献度, 进一步评价不同结构冲击的重要性。 从以上结果可以看出利率对第一期的股价指数的波动没有影响, 这说明利率政策具有滞后性。从第二期开始有影响, 而且是逐渐增加的, 17期利率对股价指数波动的贡献达到最大10.69%。股价指数对利率波动的贡献从第一期开始增加, 最终稳定在18%多。这与上面的格兰杰检验结果一致。 三、结论 实际利率是名义利率减去通货膨胀率。实际利率更具有真实有效性, 并且对社会经济活动产生直接的影响。表面看利率增加股价指数反而增加, 是因为没有考虑通货膨胀的影响。政府要想抑制“泡沫”现象和经济过热现象必须加大利率政策的调整, 对利率上调的幅度应该大一些, 必须保证实际利率是增加的, 这样才能使经济平稳过渡。另外“泡沫”现象和经济过热现象可能由上市公司发布虚假信息, 券商违规经营, 挪用客户保证金进行炒作等原因引起, 政府应该加强对股市的监督。 在Granger检验中, 利率和股价指数互为因果关系, 利率政策对股价指数有一定的影响, 股价指数对利率也有一定的影响。从利率脉冲相应函数和方差分解来看, 股价指数对利率的冲击比较明显, 波动贡献率也较大, 符合Granger检验的结果, 表明我国股票市场资金流动约束较低, 货币政策对债券市场影响更为灵敏, 导致股票价格更为显著地影响到实际利率。从股价指数脉冲响应函数和方差分解来看, 利率对股价指数的冲击是负的而且是持续的, 同时具有滞后, 利率对股价指数波动贡献率不是很大。虽然利率是股价指数的Granger原因, 但是利率对股价指数影响不太明显, 主要是因为在我国有效的金融机构市场价格机制没有形成。利率传导作用高效发挥的基础是利率市场化, 我国实行的是利率管理体制, 这导致我国利率传导不能顺利进行。所以应稳步推进利率市场化的进程。在利率市场化后, 央行可以通过公开市场业务、在贴现率等货币政策工具调整证券市场。 参考文献 [1]张绍斌, 齐中英.中国利率水平与股价指数关系的理论分析和实证研究[J].数量经济技术经济研究, 2003 (10) . [2]刘燕娜.我国股票价格和实际利率之间关系的实证检验[J].统计与决策, 2005 (6) . [3]王军波, 邓述慧.中国利率政策和证券市场的关系的分析[J], 系统工程理论与实践, 1999 (8) . [4]陈健, 陈昭.股市价格和货币供给量关系的实证研究[J].中共贵州省党校报, 2007 (1) . 本文采用关联规则模型, 特别关注了股指间联动的时间顺序, 从欧美主要股票价格指数对亚洲股指的联动影响、亚洲主要股指对欧美股指的联动影响和我国股指在国际股指联动效应中的表现三个方面进行分析。 一、数据选取及处理 本文选取上证综合指数、日经225指数、香港恒生指数、道琼斯指数、伦敦金融时报指数五个具有代表性的股票价格指数2005年8月15日至2011年10月31日数据作为研究对象, 分析数据来源于CSMAR数据库, 其变化趋势见图1。 上述五种主要股票价格指数之间存在一些联动趋势, 如在2006年5月-2007年9月及2009年4月-2010年2月间, 股指普遍经历了上涨趋势, 而在2007年9月-2009年4月间, 各指数又普遍经历了向下的波动。对上述原始数据进行预处理, 首先计算各指数日涨跌幅, 上涨标记为1, 下跌标记为0, 形成布尔型关系数据库。 同时考虑到股票市场和其他市场的联动效应不同, 其特点是反应速度快, 某一股指受到其他指数影响的反应时间往往不会超过一个滞后交易日。因此, 各国股市开盘时间的不同会对联动效应的观察产生较大影响。以北京时间为准, 各股市开盘时间顺序如下: 日本股市→沪市→香港股市→欧洲股市→美国股市 所以, 欧美股市对亚洲股市的影响会滞后一天, 研究欧美股市的影响时, 需将其数据向前平移一天, 即将欧美股指在前一交易日t-1的数据与亚洲股指在当日t的数据组成一条记录, 并剔除各股票市场未同天开市的数据 (数据库1) 。而亚洲股市对欧美股市的影响不存在滞后, 在研究亚洲股市的影响时需将五个指数在同一交易日t的数据组成一条记录, 并剔除未同天开市数据 (数据库2) 。笔者按照上述思路分别整理出两个数据库, 反映欧美股市和亚洲股市之间的相互联动。 二、关联规则模型的建立及规则分析 关联规则模型是一种应用于挖掘不同数据项集之间隐藏的关联关系的数据挖掘方法。其主要概念包括: (1) 支持度sup:关联规则的支持度指同时包含项集X和项集Y的事件在所有事件中所占的比重, 可用于发现出现频率较大的项集。 (2) 置信度conf:表示项集X出现的条件下, 项集Y也出现这一事件在总事务中出现的频率。置信度应用于在出现频率较大的项集中发现出现频率较大的关联规则。 (3) 提升lift:关联规则的提升描述了项集X对项集Y的影响力大小, 提升数值越大表示项集Y受到项集X的影响越大。 本文采用Apriori算法循环扫描上述布尔型关系数据库产生候选项集, 从而挖掘出频繁项集, 并通过系统客观层面和研究主观层面来评价所得规则。系统客观层面要求所得关联规则要大于指定的最小支持度和最小置信度;研究主观层面则要求所得关联规则符合实际股市运行情况。 (一) 在欧美股市带动下的联动效应 考察欧美股市对亚洲股市的联动影响采用数据库1中数据。在建模时指定上证综合指数、日经指数和香港恒生指数作为规则后项, 设定支持度阈值为0.2, 置信度阈值为0.5, 并按照各股市的实际开盘时间顺序进行主观筛选。同时生成网络图 (控制最小连接频数为400, 以简化图中关系) , 结果见表1。 由表1可知, 道琼斯指数和伦敦金融时报指数之间在涨跌行情中都存在着较强的联动效应。以“伦敦金融时报指数上涨道琼斯指数上涨”为例, 该规则的支持度为51.37%, 置信度为71.94%, 表示伦敦金融时报指数上涨同时道琼斯指数也上涨的情况占到所有记录总数的51.37%, 同时在伦敦金融时报指数上涨的条件下, 道琼斯指数上涨的可能性有71.94%, 该规则的提升系数为1.3, 表示伦敦金融时报指数上涨对道琼斯指数上涨的影响力相对较大。 其次, 欧美股市的前一交易日的行情会对亚洲股市产生影响。在道琼斯指数和伦敦金融时报指数前一交易日双双下挫情况下, 日经指数也下跌的可能性有61.18%;而两指数双双上扬时, 日经指数上涨的可能性有52%, 并且较大的提升系数说明规则前项对后项影响力较大。在道琼斯指数和伦敦金融时报指数前一交易日均上涨时, 香港恒生指数上涨的可能性有58%。在道琼斯指数前一交易日上涨的条件下, 沪市当日上涨的概率为54.59%。但值得注意的是, 提升系数的大小反映出欧美股市对香港和日本股市行情的影响要大于其对内地股市的影响, 见图2。 图2为经过“连接频数>400”筛选的网络图。连接线条越粗代表关联越强, 最强关联出现在两个欧美股指之间;香港恒生指数与上证指数及日经指数之间存在强关联, 表明亚洲股市间存在明显联动效应。同时, 道琼斯指数前一交易日上涨上证指数也上涨的频数较大, 说明我国股市受到美国股市一定程度的影响。 (二) 在亚洲股市带动下的联动效应 考察亚洲股市对欧美股市的联动影响采用数据库2中数据。在建模时将道琼斯指数和伦敦金融时报指数指定为后项, 采用同样分析方法和阈值设定, 得到结果见表2。 观察上表, 三种亚洲股票指数在上涨和下跌行情中均表现出较强的关联。以关联规则“上证综合指数下跌香港恒生指数下跌”为例, 该规则的支持度为43.44%, 置信度为64.69%, 表示上证综合指数下跌同时香港恒生指数下跌的情况占记录总数的43.44%, 在上证综合指数下跌的条件下, 香港恒生指数下跌的可能性有64.69%, 并且这条关联具有较大的提升系数。 其次, 亚洲股市当日的波动会对当日晚些时间开市的欧美股票市场产生影响。在日经指数和香港恒生指数当日均上涨条件下, 伦敦金融时报指数上涨的可能性有62.6%, 道琼斯指数上涨的可能性有62.59%;在日经指数和香港恒生指数当日均下跌条件下, 伦敦金融时报指数也下跌的可能性有61.61%, 道琼斯指数也下跌的可能性有53.79%;在香港恒生指数和上证综合指数当日上涨条件下, 伦敦金融时报指数也上涨的可能性有59.91%, 道琼斯指数也上涨的可能性有62.58%。 但比较表1和表2的平均支持度, 表1的平均支持度高于表2的平均支持度, 显示出欧美股市对亚洲股市产生联动效应的频率高于亚洲股市对欧美股市产生联动效应的频率, 即欧美股市产生的国际联动影响大于亚洲股市。 (三) 上证综指在国际股指联动效应中的表现 观察上述涉及上证综指的关联规则, 上证综指与香港恒生指数和日经225指数在涨跌行情中都有较强的同向联动表现, 上证指数的波动受到亚洲周边股市波动的影响十分明显。但相较于日本和香港股市, 上证综指受到远距离市场行情波动的直接影响较小, 在上证指数单独作为前项或后项的关联中, 仅仅提炼出其与道琼斯指数之间存在联动关系, 反映出其与欧美股票发生联动的频率较低。上证综指行情走势不完全与国际联动, 仍具有一定的独立特征。 另一方面, 虽然分析结果显示上证指数受到欧美远距离市场波动的直接影响相对较小, 但是香港和日本股市与欧美股市的联动效应较强, 因此上证指数可能受到欧美股指较大的间接影响。 三、结论 本文基于关联规则挖掘方法对上证综合指数、日经225指数、香港恒生指数、道琼斯指数、伦敦金融时报指数五种主要股票价格指数间的联动效应进行分析。在分析中特别关注了股指间联动的时间顺序, 得到结论如下: (1) 以道琼斯指数和伦敦金融时报指数为代表的欧美股票市场间在涨跌行情中均存在较强的联动效应。以上证综指、香港恒生指数、日经225指数为代表的亚洲各股票市场间也存在较强的联动效应。 (2) 考虑开市时差, 欧美股票市场前一交易日的涨跌行情与亚洲股票市场波动之间具有较强关联, 表明亚洲股票市场走势受到欧美股票市场影响。亚洲股票市场当日涨跌情况与欧美股票市场当日涨跌情况之间也存在关联, 但亚洲股票市场对欧美股票市场的影响程度不如欧美股票市场对亚洲股票市场的影响程度大。 (3) 国内股市行情走势具有相对独立特征。相较于香港和日本股票市场, 沪市表现出的国际联动效应较弱。其受到周边近距离市场的直接影响较大, 受到欧美远距离市场直接影响较小。但欧美股票市场对亚洲其他股票市场的影响会间接影响上证指数。 参考文献 [1]俞世典, 陈守东, 黄立华.主要股票指数的联动分析[J].统计研究, 2001 (08) . [2]秦伟广, 杨瑞成.我国股票市场指数与国际股票市场主要指数的联动性研究[J].技术经济, 2010 (11) . [3]罗旭娟, 叶银龙.关联规则挖掘在股票价格指数分析中的应用研究[J].统计与咨询, 2009 (04) . 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. 1998年以来,我国开始了住房货币化的改革,房地产消费需求得到巨大释放,房地产市场极度繁荣。 1998年至2006年,国民经济以每年7%—10%的速度增长,而房地产市场则以20%—30%的速度增长,从2007年底进入金融危机以来,房地产一度下跌,2008年初经济开始复苏,房地产又以远高于经济复苏的速度引领经济往前发展,就目前来看,大部分房产价格已高过2007年的最高水平,而经济仍然以保八的目标发展。在经济复苏和投资理念增强的过程中,房地产已兼具实体资产和虚拟资产的特性,它与股票已经成为我国投资者投资组合的两大资产。然而,在这个发展过程中,房地产也经历了数次的高峰和低谷,在金融危机的大背景下,探讨如何实现资本市场的持续发展受到了更大的关注,而研究房地产市场与金融市场的相关性,特别是房地产与股市的相关性成为了国内学者研究的重要领域。 从股票市场的角度考察,最能反映房地产市场繁荣与衰退的指标就是地产指数,而股市是经济的“晴雨表”,上证和深证指数是体现经济发展的指标,房地产与经济的关系自然也可以延伸为房地产指数与股票指数之间的关系。研究地产指数与股票指数的关系就是本文的出发点。 2 文献综述 国内对房地产市场和股票市场相关性的研究,多数仍停留在粗略的定性分析,从研究结果看观点也未统一。 何虹用定性分析的方法,分别从资金流动、以及资本资产定价模型为基础的市场的角度入手,发现我国股票市场与房地产市场的关联性相当微弱,两市场价格之间不会有交互影响的效果。洪涛、高波也从定性角度分析了股价变动对房地产投资的影响,结果表明在特定条件下,替代效应和挤出效应会超过财富效应,导致股票价格与房地产价格背道而驰,从而解释了2001年至2005年我国股票市场与房地产市场表现出的巨大反差[2]。 盛松成、李安定、刘慧娜对上海房地产价格指数与上证综合指数做了相关性分析,发现两者相关程度微弱。对此他们解释为房地产信贷市场金融产品匾乏,与资本市场相比,房地产市场对银行信贷的依赖程度更高[3]。张红、邱峥集了2000年至2003年我国住房价格与股票价格,依据多变量时间序列变动因素分析模型(MTV)进行分析,结果发现我国房地产市场与股票市场具有很强的政策导向性,即随着利息、货币供应量等经济杠杆作用,房价和股价都会发生相应变动。 皮舜、武康平在实证分析了我国1997至2003年房地产市场与金融市场的月度数据基础上,建立误差修正模型(ECM模型),并进行线性与非线性Granger因果检验,发现房地产市场与金融市场的发展存在着长期的双向线性因果关系,但不存在非线性的Granger因果关系。赵建研究了1998年至2005年全国房地产市场与股票市场的价格波动,发现两者间有较为显著的相关性,提出以2002年6月为断点,之前与之后分别呈现出以股票价格主导下的正相关和房地产主导下的负相关关系,并分别用房地产开发商的信贷机制途径与投资者的投资组合调整来解释。 国内学者从不同的角度对房地产与股票市场的关系进行了研究,结论是房地产市场与股票市场存在着密切的关系,随着经济的发展,两者之间的关系如何发展,特别是在金融危机背景下,促进房地产市场的发展能否真正促进经济的发展,两者之间是否存在长期稳定的关系;这种关系的强弱如何;是否存在地产指数与上证指数联动的机制是本文研究的重点。 3 理论依据 3.1 单位根检验 在金融市场中如果直接用非平稳的时间序列数据(如股票价格)来作计量回归,则容易出现伪回归,因此作计量回归之前我们首先要对时间序列数据进行单位根的平稳性检验,常用的方法为ADF检验。 3.2 协整检验 所谓{xt}和{yt}是协整的,要满足下列条件: (1){xt}和{yt}都是I(1)的,即它们是非平稳的,而其一阶差分是平稳的; (2)存在某个线性组合zt=axt+byt+m是I(0)的,且具有零均值,则(a, b)为协整向量[7]。 3.3 Granger因果关系检验 在Xt与Yt消除了趋势后,如果利用过去的X值和过去的Y值一起对本期或未来Y值进行预测,比单用Y过去值预测的效果更好,则表明系列X和Y存在因果关系,称X是Y的Granger原因[8]。 4 实证检验 4.1 数据选取 文本以2007年1月至2009年11月为研究期限,选取上证指数中第000006号的地产指数和上证月收盘指数为研究对象,分别记为:sf和sz。数据来至上海证券交易所和深圳证券交易所。 4.2 单位根检验 图1和图2是地产指数和上证指数走势图,可以看出上海房地产指数与上证指数两者趋势一致,但是非平稳的,所以需对他们的一阶差分进行单位跟检验,分别记为isf和isz,结果如表1和表2。 从表1和表2可以看出,检验t统计量值分别为-5.19和-5.74,小于显著性水平为1%的临界值,表明可以拒绝原假设,即序列isf和isz为一阶单整。 4.3 协整检验 序列sf和sz都是一阶单整过程,符合协整检验的前提。下面分析上证房地产指数和上证指数之间是否存在协整关系,我们采用Johansen和Juselius提出的JJ方法检验两个变量是否存在协整关系,得到的检验结果见表3[8]。 因为Trace Statistic统计量9.65小于5%水平下的临界值15.49,因而必须接受原假设,即两者之间不存在协整关系。 4.4 格兰杰因果检验 通过协整检验可知,sf和sz之间不存在着长期稳定的关系,此时,只有用格兰杰因果检验来检验其因果关系。格兰杰因果检验结果如表4。 可见,对于sz不是sf的格兰杰成因的原假设,拒绝它犯第一类错误的概率为0.89,表明sz不是sf的格兰杰成因的概率较大,不能拒绝原假设。第二个检验结果的相伴概率是0.40,同样表明不能拒绝原假设,即sf也不是sz的格兰杰成因。 通过研究2007年1月至2009年11月我国房地产价格指数与上证指数和深证指数,做了Granger因果检验,得出无论地产价格指数与上证指数,还是房地产价格指数与深证指数均不成因果关系,这就加大了人们对指数预期的难度。 5 政策建议 很多实证分析证明,中国的股票市场是个无效率的市场,我们不能否定股票市场本身,而只能说明股票市场在我们国家还没有发挥应有的作用。 而表面上看,上证指数的涨跌能够影响房地产指数的变化, 另外,房产指数的变化也会影响到上证指数的走势,但这些只是大众的效仿及警惕所产生的表面关系,经济发展如何房地产市场营造好的发展氛围,房地产的繁荣又反过来来带动经济的发展。 一方面,应致力于长久的结构和制度性的调整。改善股票市场对宏观经济增长的作用效果的途径,根本还在于证券市场本身的完善和规范,提高上市公司质量,扩大市场规模;调整政府角色,减少政府对股票市场的直接干预,加强政府的监管与引导功能;改善股市结构,培育机构投资者,把理性投资者培养成为市场的主导力量,减少股市的投机行为。 另一方面,在金融危机下,国家为了确保经济的发展,加大投资力度,而这部分资金大部分通过国有企业流到了房地产行业,此时房地产市场的繁荣是投机所致,是以实体经济的萎缩为代价的。所以应该加大房地产的控制力度,通过各种政策严厉打击投机行为,使房地产沿着健康的道路发展。 参考文献 [1]何虹.中国房地产市场与股票市场关联性分析[J].集团经济研究,2005(7):113-114. [2]洪涛,高波.中国股价与房价关系分析:2001—2006[J].价格理论与实践,2007(1):64-65. [3]盛松成,李安定,刘惠娜.上海房地产市场发展周期与金融运行关系研究[J].上海金融,2005(6):4-7. [4]张红,邱-.基于MTV模型的房价与股价互动关系研究[J].中国房地产金融,2005(3):11-14. [5]皮舜,武康平.中国房地产市场与金融市场发展关系的研究[J].管理工程学报,2006(2):1-6. [6]赵建.中国房地产市场和股票市场价格变动的相关性研究[J].山东社会科学,2007(2):110-114. [7]张雪莹,金德环.金融计量学教程[M].上海:上海财经大学出版社,2005:183-226. [8]易丹辉.数据分析与Eviews应用[M].北京:中国统计出版社,2007:157-185. [关键词]价格;违法行为 一、价格违法行为的定义 从理论角度讲,价格违法行为只是违法行为中的一种,是指公民、法人或其他组织违反价格法律规定的行为。一般的价格违法行为,是指企业、事业单位及其他部门、个体工商业者违反国家价格法律法规的行为。价格法所说的价格违法行为是指价格管理相对人违反国家现行的价格法律、法规、规章及规范性文件的规定,给社会造成危害的行为。 二、价格违法行为具有三个特征 价格违法行为社会危害性。价格违法行为的社会危害性是指价格违法行為侵犯了价格法律规范所保护的价格行政管理秩序。具体是指由于经营者的价格违法行为,影响了价格合理配置资源的作用,影响了市场价格总水平的稳定,侵犯了消费者或者其他经营者的合法权益,从而不利于社会主义市场经济的健康发展。价格违法行为的社会危害性,是价格违法行为最本质、最基本的特征。某种价格行为之所以被认定为价格违法行为,就是因为它具有社会危害性。 价格违法行为具有价格行政违法性。价格违法行为的价格行政违法性,是指价格违法行为违反了价格行政法律、法规、规章及规范性文件。价格违法行为的价格行政违法性是价格违法行为的社会危害性在法律上的表现。一方面,没有价格违法行为的社会危害性,就无从谈起价格违法行为的价格行政违法性。如经营者不执行政府指导价、政府定价,以及不执行法定的价格干预措施、紧急措施的行为,如果不影响市场价格总水平的稳定、不损害消费者或者其他经营者的合法权益,不具有社会危害性,价格立法就没有必要禁止这种行为。另一方面,如果没有价格违法行为的价格行政违法性.也就无法衡量、确定价格违法行为的社会危害性。《价格法》中如果没有规定禁止经营者的不正当价格行为,包括价格垄断、价格欺诈、价格歧视等,就无从认定经营者的不正当价格行为的社会危害性。 价格违法行为具有应受惩罚性。价格违法行为的应受惩罚性,是指价格违法行为依法应当受到价格法律制裁。价格违法行为的应受惩罚性,是由价格违法行为的社会危害性和价格行政违法性派生出来的,是社会危害性和价格行政违法性的必然法律后果。与此同时价格违法行为的应受惩罚性又是价格违法行为的价格行政违法性的补充。 三、价格违法行为的分类 以实施主体的不同为标准,价格违法行为可分为行政价格违法行为和经营者的价格违法行为。行政价格违法行为主要有:地方各级人民政府及其部门越权定价等行为、国家行政机关乱收费行为、部分事业单位乱收费行为。经营者的价格违法行为主要有:不执行政府政府定价的行为、不执行法定的价格干预措施、紧急措施的行为、经营者不正当的价格行为、经营者违反明码标价规定的行为、经营者被责令暂停相关营业而不停止或者转移、隐匿、销毁价格监督检查过程中被依法登记保存的财务等行为。 以价格违法行为的表现形式为标准,价格违法行为可以分为以下两种类型:一是作为的价格违法行为。是指价格管理相对人积极主动地实施价格法律规范所禁止的行为而构成的价格违法行为。 以价格管理相对人的主观过错为标准,价格违法行为可以分为故意和过失两种类型。故意的价格违法行为,是指价格管理相对人在主观有故意的情况下所实施的价格违法行为。故意是指价格管理相对人明知自己的行为会发生危害社会的结果,并且希望或者放任这种结果发生的心理。过失的价格违法行为,是指价格管理相对人在主观过失的情况下所实施的价格违法行为。过失是指价格管理相对人预见到自己的行为会发生危害社会的后果但轻信可以避免或者应当预见到自己的行为发生危害社会的后果但因疏忽大意而没有预见到,以致这种危害后果发生的心理状态。 以价格违法行为的行政立法方式为标准,价格违法行为可以分为概括性价格违法行为和列举性价格违法行为两种类型。概括性价格违法行为,即有关价格法律、法规采用笼统概括的方式而抽象规定的价格违法行为。列举性价格违法行为,即有关价格法律、法规采用明确列举的方式所具体规定的价格违法行为。 四、行政价格违法行为的表现 根据违法的程度,价格行政违法可以分为实质性价格行政违法和形式性价格行政违法。前者是指不具备行政行为实质要件的价格行政违法,如主体不合格、内容不合法、超越职权、滥用职权等;后者则是不具备行政行为形式要件的价格行政违法,如行为不符合法定程序、行为的表现形式不符合法律规定的要求等。区分实质价格行政违法与形式价格行政违法具有重要的法律意义。首先,从法律效力看,实质违法一般属无效行为,从该行为发生之时即没有法律效力,而形式违法行为一般属于可撤销行为,它经有效补救可转化为有效行为;其次,从法律后果看,实质违法所引起的法律后果主要是承担惩罚性行政责任,而形式违法所引起的法律后果主要是承担补救性行政责任。 根据违法的范围,价格行政违法可以分为内部价格行政违法与外部价格行政违法。前者是指内部行政主体的价格行政违法,如上级行政机关对下级行政机关的越级指挥;后者则指外部行政主体的价格行政违法,如公安机关非法拘留公民。内部价格行政违法与外部价格行政违法在救济手段上是有区别的:内部违法仅限于不受司法审查;而外部违法不仅可借助于行政救济,还可借助于司法救济。 根据违法的形式,价格行政违法可以分为作为价格行政违法与不作为价格行政违法。前者表现为积极地作出行政法律规范所禁止的行为,如税务机关违法征收税款;后者则表现为拒不作出行政法规范所要求的行为,如工商机关对企业申请营业执照不予答复。作为违法与不作为违法均是行政法律的规范对象。就行政诉讼而言,作为违法可以成为行政诉讼的对象,不作为违法同样可以成为行政诉讼的对象。 五、经营者的价格违法行为表现 第一,不执行政府指导价、政府定价的行为。 第二,不执行法定的价格干预措施、紧急措施的价格违法行为。 第三,经营者不正当的价格行为。 经营者的不正当价格行为是指《价格法》第十四条的禁止性规定。 第四,经营者违反明码标价规定的价格违法行为。 货币供应量, 是指一国在某一时点上为社会经济运转服务的货币存量, 它由包括中央银行在内的金融机构供应的存款货币和现金货币两部分构成。参照国际通用原则, 根据我国实际情况, 中国人民银行将我国货币供应量指标分为以下四个层次: (1) M0:流通中的现金; (2) M1:M0+企业活期存款+机关团体部队存款+农村存款+个人持有的信用卡类存款; (3) M2:M1+城乡居民储蓄存款+企业存款中具有定期性质的存款+外币存款+信托类存款; (4) M3:M2+金融债券+商业票据+大额可转让存单等。从货币供应量的定义中可以看出, 扩大货币供给量的途径不外乎两条:一是增加基础货币, 二是提高货币乘数。 消费价格指数是根据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。消费物价指数测量的是随着时间的变化, 包括200多种各式各样的商品和服务零售价格的平均变化值。这200多种商品和服务被分为8个主要的类别。在计算消费者物价指数时, 每一个类别都有一个能显示其重要性的权数。这些权数是通过向成千上万的家庭和个人调查他们购买的产品和服务而确定的。消费物价指数的计算公式为:CPI= (一组固定商品按当期价格计算的价值/一组固定商品按基期价格计算的价值) ×100。采用的是固定权数按加权算术平均指数公式计算, 即K拔=ΣKW/ΣW, 固定权数为W, 其中公式中分子的K为各种销售量的个体指数。 二、货币供应量与CPI之间的传导机制 从传统的费雪交易方程式MV=PY可以看出, 在货币流动速度变化不大的情况下 (实际上货币流通速度是一个制度变量, 短时间内变化不大) , 货币供应量速度变化与价格水平变化具有下列关系:dm/M=dp/P+dy/Y。其中dm/M、dp/P、dy/Y分别代表货币供应量、价格水平和产出的变化。从直观上来看, 在社会商品生产一定的情况下, 货币供应量增加会直接导致价格水平的上升。从传导机制来看, 货币供应量增加从三方面对CPI产生直接或潜在影响:一是货币供应量增加可能会使实际利率降低, 刺激投资需求, 投资需求增大会使上游工业品价格指数上涨过快, 从而导致下游的CPI面临上涨的压力, 目前我国经济运行中这种现象较为明显;二是货币供应量增加会使居民通胀预期增强和财富效应显现, 社会消费需求增大, 直接对CPI上升产生直接推动力;三是本国货币供应量增加使本国货币有贬值趋势, 从而刺激出口抑制进口, 影响国内商品市场的供求关系, 对国内商品市场的价格水平产生影响。 从CPI的构成来看, 包括食品、烟酒及用品、衣服、家庭设备及维修服务、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、居住等八类与居民生活消费密切相关的商品, 货币供应量变化对不同商品的影响有所区别。因此, 货币供应量的变化对CPI影响可能有一个时滞, 即潜在购买力的货币转化为现实购买力的时间跨度, 因为决定这个时滞的因素较多且较为复杂, 与整体社会经济发展水平、消费习惯、消费结构等因素密切相关, 但从总体来看, 影响货币供应量变化对居民消费价格水平变化的因素有两方面:一方面是消费者对通货膨胀的预期, 如果消费者预期未来通货膨胀水平较高, 居民会提前消费, 那么货币供应量变化对价格水平变化影响时滞较短, 反之则较长;另一方面是社会消费结构情况, 如果整个社会处于消费结构升级阶段, 货币供应量变化对价格变化影响则存在一个相对较长的时滞。 三、我国CPI与货币供应量的情况 2012年中国CPI指数: 2012年2月9日, 国家统计局公布1月份宏观经济数据。2012年1月份, 全国居民消费价格总水平同比上涨4.5%。 2012年3月9日, 国家统计局公布2月份, 全国居民消费价格总水平同比上涨3.2%。 2月份, 全国居民消费价格总水平环比下降0.1%。 2012年4月9日, 国家统计局公布3月份, 全国居民消费价格总水平同比上涨3.6%。 3月份, 全国居民消费价格总水平环比上涨0.2%。 2012年4月份, 全国居民消费价格总水平同比上涨3.4%。4月份, 全国居民消费价格总水平环比下降0.1%。 伴随着CPI同比开始进入回落通道, 预计下半年通胀将重回2时代。相应地, 在目前的形势下, 今年的货币政策将由名义上的“稳健”转变为实质性的“宽松”, 6月降息政策或将启动。 (以下图表来自东方财富网) 2011年以来, 我国货币政策从适度宽松转向稳健, 货币信贷增长速度明显低于上年同期。2010年2月末, 广义货币供应量 (M2) 的增幅比上月末低1.46个百分点, 比2010年同期增速下降9.78个百分点;狭义货币供应量 (M1) 的增幅比上月末上涨1.97个百分点, 但比2010年同期增速下降19.42个百分点;市场货币流通量 (M0) 余额为47270.24亿元, 同比增长10.27%, 增幅比上月末下降9.03个百分点, 比2010年同期增速下降11.71个百分点。2011年, 实现国内生产总值 (GDP) 47.1万亿元, 同比增长9.2%, 居民消费价格指数 (CPI) 同比上涨5.4%。 根据在国家统计局和东方财富网收集到了从2008年1月至2012年4月的CPI和货币供应量的相关数据, 我用表格作了相应统计, 以便帮助我对数据的分析以及模型的构建。 四、模型构建 我国将货币供应量划分为三个层次:M0、M1和M2。我国将M2作为货币政策的中介目标以达到稳定物价的目标。所以我选择我国2008年1月至2012年4月的M2和CPI的月度数据作为分析的基础。广义货币供应量和居民消费价格指数分别以M2和CPI来表示, 并且对数据取对数, 是为了消除模型的数据出现异方差, 用 (LN+变量) 来表示, 并且采用时间序列数据, 为减少数据处理过程中的误差, 先对数据做平稳性检验, 再做协整检验来分析变量间存在的关系, 然后便可以建立模型分析M2变化对CPI影响的时滞。 笔者先对此数据做了最小二乘回归分析, 得出如下结果: 可由该模型看出, 解释变量X (即货币供应量) 对Y (即居民消费价格指数) 的解释能力不太好, X对Y的相伴概率高于5%, 拟合优度很低, DW检验相距2也是挺远的, F统计量也很低, 其相伴概率也超过了5%, 看上去模型基本不能说明什么问题, 可是, 当我们看其实际值, 拟合值和残差的图像时, 发现了一些问题, 如下图: 从图中可看出实际值和拟合值的波动幅度以及波动步调基本一致, 可就是差了一个区间, 所以从图像我猜想M2的变化对CPI的影响具有滞后性影响。有了这个猜想后, 我先检验M2与CPI的平稳性。 笔者先对变量进行单位根检验, 检验它的平稳性, 以保证分序列之间确实存在长期稳定关系。我运用Eviews5.0进行ADF的检验, 检验结果如下面表1所示: 根据判断标准, 该序列Y是符合平稳标准的, 所以可以使用。 同样的方法检测序列X, 如图: 从结果可以判断序列X有单位根, 所以对序列X进行一阶差分序列平稳性检验, 如下图: 根据判断标准, 此时该序列X是是符合平稳标准的, 所以可以使用。 笔者用EGNR法对M2和CPI进行协整检验。笔者先用CPI对M2进行回归, 然后对其残差做ADF检验, 结果如表2所示。在1%水平、5%水平和10%水平的显著水平下, t检验统计量值均小于相应的临界值, 所以拒绝原假设, 表明该残差序列不存在单位根, 是平稳序列, 即说明M2和CPI之间存在协整关系。 从结果可判断序列e无单位根, 序列X与序列Y协整。 既然M2和CPI之间存在长期均衡关系, 为了考察M2对CPI的影响, 我选择用M2的月增长量M2Z作为解释变量, 以CPI月度同比指数CPIZ为被解释变量进行深入研究。 首先估计回归模型:CPIZ=α+βo M2Z+U, 结果见表3。从回归结果来看, M2Z的t统计量值为-1.64相对于常数项C的t统计量值175.67不显著, 表明当期M2的变化对当期CPI的影响在统计意义上不明显。 为了分析M2变化对CPI的滞后性影响, 我对6个月的分布滞后模型进行验证比较, 结果如下表所示: 从上图回归结果来看, M2Z各滞后期的系数逐步增加表明当期货币供应量的变化对消费价格指数的影响要经过一段时间才能逐步显现, 但各滞后期的系数的t统计量值不显著, 因此还不能据此判断滞后期究竟有多长。所以我再做12个月的分布滞后模型的估计, 结果如下: 从上表得知, 由M2Z至M2Z (-9) 的回归系数都不显著异于零, 而M2Z (-10) 的回归t的统计量值为1.89E-05, 在5%水平的显著水平下拒绝系数为零的原假设, 这是我用分布滞后12个月的模型进行分析总结所得出的结果。这可以说明, 当期M2的变化对CPI的影响是在10个月之后才明显表现出来的。 为了研究M2对CPI影响的持续性, 观察表格。根据表中数据可得知, t统计量值显著是从滞后10个月开始的, 一直到滞后12个月为止;通过回归系数也可了解到广义M2的变化对CPI的影响在滞后12个月达到了最大值。 五、结论分析 通过对货币供应量对消费价格指数的滞后性分析, 了解到我国广义货币供应量对居民消费价格指数的影响具有明显的滞后性, 滞后期大约为10个月, 且有持续的滞后影响, 持续的长度大约为3个月, 其影响力度先递增然后递减。综上所述, 我们不仅要注重合理选择货币政策的中间变量, 以求进一步完善货币政策传导机制, 优化流通效率, 重视流动性疏导;而且也要加强对货币供应量的预测研究, 保证其与经济增长目标之间的协调性;同时我们也要注重政策之间的相互协调与配合。在考虑到时效性的情况下, 在执行经济政策的过程中要多加谨慎, 并加强对国内外经济走势和各个经济领域发展状况作出提前分析和判断。要及时发现新情况、新问题, 并对此进行深入分析, 制定相关的有效政策, 以保证政策的有效、顺利的执行, 以促使我国经济有效、高效的发展。 参考文献 [1]邵国华.我国货币政策的传导机制和货币政策的有效性分析[J].理论讨论, 2005 (1) [2]牛筱颖.我国货币供应量与物价、产出之间关系的检验[J].统计观察, 2005 (11) [3]王学青.关注货币政策的“时滞”效果[N].上海证券报, 2009.4.10 [4]黄小雄.关于我国货币供应量与物价指数反常规关系问题研究[D].湖南大学硕士论文, 2006. [5]黄凤忖.我国经济增长与货币供应量的依存度分析[J].经济纵横, 2004, (10) :95-96. [6]任立民.货币供应量与经济增长、物价的协整研究[J].赤峰学院学报 (自然科学版) , 2009, (3) :91-92. [7]袁晋华.我国货币供应量与物价关系的实证分析[J].统计研究, 1996 (2) 价格指数分析 篇4
稳定生猪价格分析措施 篇5
价格指数分析 篇6
价格指数分析 篇7
价格指数分析 篇8
价格指数分析 篇9
价格指数分析 篇10
价格违法行为分析 篇11
价格指数分析 篇12