居民消费价格空间指数（共9篇）
居民消费价格空间指数 篇1
摘要：为测量各地区的价格水平差异,本文探索性地利用我国31个省(市、区)的商品和服务价格数据。提出用EKS法、MST法和GK法来编制各地区居民消费价格空间指数并且首次提出选取参照地区的方法。研究发现:EKS法和GK法编制的空间指数具有稳定性和内在一致性;东部沿海和西藏地区的综合价格水平最高,而青海和江西省最低;中部地区和东北三省这两个集群内各地区间价格水平差异很小;4个直辖市中北京的综合价格水平最低,上海最高。
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。
由于客观约束,本文的价格数据还不太全面,对最终的实证结果具有一定影响,相关研究可以从增强数据的全面性和准确性做进一步加强,还可以收集多年的价格数据,将居民消费价格空间指数和时间序列CPI结合起来,构建时空居民消费价格指数,从时间和空间两个角度分析CPI。
居民消费价格空间指数 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。
居民消费价格空间指数 篇3
关键词：居民消费价格指数；统计分析；理论知识；预测
一、引言
近几年，随着我国经济的不断发展，我国居民的物质消费水平也越来越高，居民消费价格指数也越来越得到人们的重视。居民价格消费指数是反应人们消费水平状况的重要指标，注重对居民的消费价格指数的研究可以增加政府对我国居民消费状况的了解，对我国政府的政策制定、经济宏观调控等都有重要的参考价值。
二、居民消费价格指数的理论知识
居民消费价格指数英文全称为Consumer Price Index，缩写为CPI，它是度量消费商品及服务项目价格水平随着时间变动的相对数，反映居民购买的商品及服务项目价格水平的变动趋势和变动程度。居民消费价格指数在整个国民经济价格体系中占有重要的地位，对于我国经济宏观调控具有正要的指导作用。
另外，CPI的计算采用的是是固定权数按加权算术平均指数公式计算，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%。同时，居民消费价格指数还与经济通货膨胀有关，加深对居民消费价格指数的研究可以一定程度上抑制经济通货膨胀。有学者认为，当居民价格指数>3%就表示本地区已经发生了通货膨胀。
三、居民消费价格指数的统计分析
下面我们以我国今年来的居民消费价格指数为例从总体、结构、影响因素、以及动态预测四个方面进行深入分析。
1.居民消费价格指数的总体分析
近几年，我国居民消费价格指数一直处于飞速上涨的状态，据国家统计局发布的数据显示，单2012年12月份全国居民消费价格指数同比上涨2.5%，涨幅比上月扩大0.5个百分点。下图是节选我国2008年—2012年我国统计局统计的CPI的增长率：
总体分析，我国居民消费价格指数上涨有以下三个明显的特征：（1）我国物价涨幅逐步的扩大；我国近几年居民消费价格指数的运行轨迹一般都呈现前低后高的态势。以肉类为代表，我国猪肉价格一直处于稳步上涨的状态。（2）全国居民消费价格指数结构性上涨明显；（3）促进我国居民消费价格指数上涨的因素变多。
2.居民消费价格指数的结构分析
我国居民消费价格指数在结构上包括食品、饮酒、居住、医疗保健个人用品等。近几年我国居民消费价格指数结构性涨幅很大，并且结构性涨幅不平衡。例如2011年全国居民消费价格指数个部分构成与所占比重是：食品31.79%，烟酒及用品3.49%，居住17.22%，交通通讯9.95%，医疗保健个人用品9.64%，衣着8.52%，家庭设备及维修服务5.64%，娱乐教育文化用品及服务13.75%。2012年5月份，全国居民消费价格总水平同比上涨3.0%。其中，城市上涨3.0%，农村上涨2.9%；食品价格上涨6.4%，非食品价格上涨1.4%；消费品价格上涨3.6%，服务项目价格上涨1.7%.1-5月平均，全国居民消费价格总水平比去年同期上涨3.5%。
3.居民消费价格指数的影响因素分析
影响我国居民消费价格指数增长的因素有很多，总结概括起来，我认为主要由以下几点：
（1）近几年经济发展的推动是居民消费价格指数增长的重要因素之一；经济的发展，我国制造业飞速发展，对于原材料需求量很大，这就促进了人们对于资源的需求和消费。
（2）国际市场价格的导向作用；我国加入世贸组织之后，我国经济进一步融入了世界市场，国际市场物价的波动同样会带动我国物价的浮动。近几年，世界粮食和石油价格一直处于持续上涨的状态，这也带动了我国国内相关产业物价的上涨。
（3）受我国国内供需不平衡的影响；受近几年我国自然灾害的影响，以及国际市场的影响，我国很多地方市场都总体呈现出供求失衡的状况。例如像生猪养殖业，近几年瘟疫发生，养殖户减少，导致猪肉市场供低于求，猪肉价格持续上涨。
4.居民消费价格指数的动态预测分析
从以上推动价格上涨的因素来看，我国在最近的一段时间里，物价还是会持续上涨，尤其是资源类的产品。从物价稳定的因素来具体分析，近几年我国政府在经济调控方面也出台了一系列的政策，继续实施适度从紧的财政和货币政策，像2008年央行连续多次上调存款准备金率和存贷款利率，运用特别国债等财政政策，这些宏观调控“组合拳”。这些政策都将有利于缓解货币流动性过剩问题，避免经济过热，同时对稳定我国市场的物价水平起到举足轻重的作用。
总而言之，要想从根本上控制我国物价水平，我国应该对目前的企业经济制度做更深一层次的改革。否则，在未来的时间内我国物价还将处于飞速增长的状态，像房地产，虽然国家多次出台控价规定，但是依旧飞速增长。
四、总结
总之，我国统计部门应该注重对CPI的研究分析工作，并且根据CPI反映的居民消费状况，研究、制定并调整我国的消费政策、居民工资政策、物品价格政策以及我国货币政策等，这才是CPI研究的真正意义所在。
参考文献：
[1]国家统计局城市社会经济调查司.走近CPI.中国统计出版社，2010.
居民消费价格空间指数 篇4
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
居民消费价格空间指数 篇5
一、CPI编制方法制度存在的缺陷
1. 房屋价格未列入统计范围。
中国是将住房作为投资品划在了CPI核算范围之外, 以房租、物业费等价格的涨跌反映房价的走势。但现阶段, 房租和物业的涨幅远远小于房价的涨幅, 因此这种处理不具有任何代表性。根据国家统计局的规定, 个人的住房消费是指当住房用于居民居住时, 租住的, 其租金计入承租人的消费支出;自住的, 比照相应市场 (租金) 价格, 以虚拟房租形式计入房屋所有人的最终消费。就是说, 目前国内居民购买房子是投资而不是最终消费, 居民的住房最终消费仅是指居民所支付的房租, 而且这种房租国家统计局是无法计算出来的, 它只能是虚拟计算。
在现行国家统计局对住房的属性界定中, 住房属于固定资本形成。即房地产开发投资形成的房地产, 在支出法GDP核算中归入固定资本形成。也就是说, 不仅经营单位购置的厂房是固定资本, 居民个人购买的住宅, 尽管是由个人居住和享用, 但其本身并没有划为消费品。如果按照国家统计局的统计, 房地产都是投资品, 民众住房购买也是投资品, 那么在目前国内投资过高过热的情况下, 扩展房地产投资或拼命鼓励民众进入房地产市场自然是把目前高位运行的投资再一次拉得更高了。
也正是因为国家统计局把房地产归纳为固定资本形成或投资中, 因此无论房价如何上涨, 都与居民消费价格指数无关。可以说, 目前房地产调整的困难就在于对房地产属性理解的歧义上。如果政府能够解开这个结, 住房消费问题就容易解决了。
2. 新产品很难及时纳入指数计算。
科技的进步和生产力的提高使得产品更新换代的速度加快, 对一些迅速占领市场且消费量大的商品, 由于时间和制度的问题而很难及时纳入指数计算中。比如, 假如MP5是在2009年1月份迅速占领市场且消费量大, 但由于代表规格品在2008年12月份已确定完毕, 且其他代表规格品尚未失去代表性, 因此MP5这个商品就不能及时纳入到指数计算中来。
3. 鲜菜、鲜果计算结果与实际价格相矛盾。
由于鲜菜、鲜果采用活权数的计算方法, 活权数对鲜菜、鲜果的指数有着重要的影响, 而活权数是根据城镇居民对鲜菜、鲜果消费支出而得来的, 因此其消费量的大小对指数有很大的影响作用, 所计算出来的价格指数与实际价格涨跌趋势不相一致。
4. 代表规格品规定数量少, 难以反映商品价格变动趋势。
如今, 市场商品种类繁多, 而参加CPI计算的仅仅有700个左右的商品, 占整个市场商品的比例小的可怜。从中可以看出, 目前仅仅用700个左右的商品的价格变动趋势来反映整体商品价格变动趋势是不合适的, 显然是很难反映出整个商品市场价格的变动趋势的。
5. 用城市价格变动来反映农村价格变动趋势存在误差。
一般认为, 城市的价格变化可以代表农村的价格变化, 使用全国的消费支出权数数据和城市的价格数据, 就能得到全国的CPI。在各国CPI的编制实践中, 绝大部分国家的CPI使用包括城市与农村的消费支出权数数据, 而价格数据只在城市中采集。
二、改进CPI编制方法制度的对策
1. 住房价格加入CPI核算。
居民购买住房应该定性为消费行为, 因为居民购买住房之后, 由于资金支出过大, 在一定时期内手中资金很有可能存量不足, 会在一定程度上影响对其他商品的消费, 影响购买力, 进而引起消费需求下降, 有可能导致商品价格下降。从这些情况来看, 居民购买住房是一种消费行为, 这种消费行为会对其他消费品产生不利影响, 进行引起CPI产生变动, 因此, 住房价格一定要加入CPI核算中, 以提高CPI代表性。
2. 大宗新产品及时纳入指数计算。
有些新产品一投放市场就马上得到了市场的追捧, 消费量也很大, 但是由于原有的代表规格品仍然未失去代表性, 所以这些新产品还不能够纳入到指数计算中。同时, 新上市产品的价格往往较高, 长期内无法维持, 所以随着时间的推移, 其价格通常会在走低, 这也为新产品及时纳入到指数计算中造成了障碍。但不可否认的是, 新产品的消费量已超过了现存的代表规格品并会很快取缔其市场地位, 原有的代表规格品已失去生存空间而导致消费量大减并迅速消亡, 此时, 就应该迅速地把这些新产品纳入计算中, 增强CPI的准确性。此外, 新产品 (包括服务) 对CPI偏差的影响的关键, 是新产品在引入产品篮子时经常存在滞后, 而新产品经常在其生命周期的早期阶段发生价格急剧下降的现象, 这样CPI就未必能够捕捉到消费者剩余, 因而会产生偏差。
3. 改变鲜菜、鲜果计算方法。
鲜菜、鲜果现在使用的活权数的计算方法与人们对价格变动趋势的感觉存在很大感性差别, 在进行价格变动分析时由于价格下降趋势与指数上涨趋势不相一致而造成矛盾, 比如西瓜价格, 在上市旺季, 由于价格较低, 居民消费量很大, 但反映出来鲜果类价格指数却由于消费量大增而上涨, 这就为分析鲜菜、鲜果的价格变动态势造成了困扰。因此, 改变现行的鲜菜、鲜果计算方法是非常有必要的, 只要用同其他商品类别一样的计算方法就可以了, 也就是使用链式拉氏计算公式。计算公式为:
其中:Gt1、Gt2、……、Gtn分别为第一个至第n个规格品报告期 (t) 价格与上期 (t-1) 价格对比的相对数。
4. 增加代表规格品规定数量。
代表规格品作为CPI计算中的基本元素, 其代表性如何直接影响CPI的准确性。目前, 中国参加CPI计算的代表规格品数量明显偏低。代表规格品数量少就难以代表整个商品市场的价格变动趋势。因此, 扩大统计抽样的样本比例, 适当地增加代表规格品的数量是非常必要的。代表规格品数量在原有基础上可再增加1倍, 这主要基于以下方面考虑:一是食品类现有品种偏少;二是衣着类和家庭设备用品规定的品种较少;三是医疗保健、娱乐教育文化用品、检查费规格品种偏少。
5. 适当采集农村市场商品价格。
用城市价格变动趋势来反映农村价格变动趋势在目前中国城乡差距依然很大的情况下显然是不合适的, 我们应该在农村设置一些调查网点, 采集农村市场部分商品价格, 再加上一部分城市商品价格, 所计算出来的CPI才能更好地反映出农村市场价格变动趋势, 进而增强省级和国家CPI的准确性。
摘要：中国现行的CPI编制方法制度虽然已与国际接轨, 但却没有很好地与中国国情相结合。我们应该建立符合自己国情特点的CPI编制体系, 要根据不同经济和社会发展阶段的特点来不断调整CPI编制体系, 改进方法制度, 让方法制度来适应社会发展的需要。
居民消费价格空间指数 篇6
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.
居民消费价格空间指数 篇7
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.
居民消费价格空间指数 篇8
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.
居民消费价格空间指数 篇9
关键词：ARIMA,价格消费指数,预测
1 研究背景
目前, 对于CPI的实证研究主要集中于两个方面:一是从影响CPI的各种因素出发, 寻找CPI与这些因素之间存在的关系, 也被称为基础因素分析法;一是从CPI本身的运动出发, 研究其作为一个金融时间序列的运动特性。现实中, 大量研究结果表明, 基础分析法难以预测CPI走势, 并且对于短期CPI波动的解释能力低下。本文拟利用1952年到2008年武汉市居民价格消费指数数据, 应用ARIMA疏系数模型, 在比较各模型的和值后选择两种模型, 最后通过比较两种模型预测精确度来分析数据, 找出最优拟合模型, 对武汉市居民2009年和2010年的CPI进行预测。
2 ARMA模型在居民消费价格指数研究中的应用
2.1 样本数据选择与处理
本文选用武汉市统计局公布的武汉市居民消费价格指数作为观测值, 时间从1952到2008年, 以1952年的消费价格指数为标准值, 共有57个观测值。1952-1918年居民消费价格指数基本维持在一个相对稳定的状态, 1978年后居民消费指数上升, 有明显的递增趋势, 该序列不是平稳序列。为了对模型进行预测时检验模型的精确度, 我们对1952-2007年的数据进行二阶差分处理, 处理后的趋势图如下:
趋势图显示了一定的平稳性, 为了进一步验证其是否是平稳的时间序列, 用ADF检验法对居民消费价格指数序列进行单位根检验, 得以下结果:
从表1中可见, ADF检验结果表明, 在1%显著性水平下, 经过二阶差分后的序列不存在单位根, 是一个平稳的时间序列, 由检验结果可以看出CPI指数适用于模型ARIMA (p, 2, q) 。因此, 经过处理而得到的稳定的时间序列可运用ARIMA模型进行分析.
2.2 模型的建立
用Eviews软件对二阶差分后的序列的自相关函数 (ACF) 和偏相关函数 (PACF) 进行分析, 得如下结果:
注:AC:自相关, PAC:偏相关, Q-Stat:Q统计量, Prob.:概率。
表2显示延迟4阶之后, 自相关系数基本上都在零值附近波动, 可以认为自相关系数有可能存在拖尾, 该差分后序列平稳。偏自相关系数显示, 除了1阶和4阶的偏自相关系数显著大于2倍标准误差之外, 其他阶数的偏自相关系数都比较小。根据自相关和偏自相关的特点, 进行模型的定阶。考虑到偏自相关图中只有延迟1阶和4阶的偏自相关系数显著大于2倍标准差, 所以考虑构造疏系数模型, 综合考虑前面的差分运算, 实际上是对原序列拟合疏系数模型, 比较ARIMA ( (1, 4) , 2, 0) , ARMA (0, 2, (1, 4) ) , 和ARMA ( (1, 4) , 2, (1, 4) ) 三个模型。通过eviews软件得到三种模型下的R2、AIC、SC值。
根据表3以AIC和SBC信息准则作为判断估计模型的优劣, 经过反复试验和对比, 删去不显著变量, 最后选择ARIMA (0, 2, (1, 4) ) 模型和ARIMA ( (1, 4) , 2, (1, 4) ) 模型。
ARIMA (p, d, q) 模型:
:滞后算子
(1) ARIMA (0, 2, (1, 4) ) 模型1的表达式为: (1-B) 2Xt= (1-θ1B-θ4B4) εt借助软件得如下方程: (1-B) 2Xt= (1-0.2714676972B+0.1837547565B4) εt
(-1.326689) (1.975722)
基于ARIMA (0, 2, (1, 4) ) 模型拟合系数较小和系数t值过小, 我们选择ARIMA ( (1, 4) , 2, (1, 4) ) 模型并采用逐步回归法, 剔除不显著的变量, 得到最终得到ARIMA (4, 2, (1, 4) ) 模型。
(2) ARIMA (4, 2, (1, 4) ) 模型2表达式为= (1-φ4B4) (1-B) 2Xt= (1-θ1B-θ4B4) εt
模型方程为: (1-0.310262B4) (1-B) 2Xt= (1-0.422775B+0.569198B4) εt
(1.8749) (3.408) (-3.688)
所有系数在1%的显著性水平下都是显著的。
2.3 模型的检验
对模型残差项是否为白噪声过程进行检验, 如果模型通过检验, 则可以进行预测, 否则, 必须对选用模型的类型进行重新识别。残差的自相关值和偏相关值都在置信区间内, 认为与0无显著差异, 认为残差平稳, Q统计量的P值都远远大于0.05, 因此可以认为残差序列为白噪声序列, 模型信息提取比较充分。
同样对模型2的残差进行白噪声检验, 检验结果显示模型2残差符合一个白噪声过程, 为了进一步比较分析两种模型的优劣, 通过模型预测我们比较两种模型预测的精确度, 最终确定最佳模型。
2.4 模型的比较和分析
我们使用时间序列分析的方法对武汉市居民消费指数年度数据序列建立自回归预测模型, 并利用模型对2007到2008年的数值进行预测和对照:
由上表可见, 该模型在短期内预测比较准确, 平均绝对误差为1.8%, 但随着预测期的延长, 预测误差可能会出现逐渐增大的情况。
模型1的平均误差小于模型2, 即模型1的精确度更高, 所以我们最终选取ARIMA (0, 2, (1, 4) ) 。由于武汉市统计年鉴缺少基于1952年武汉市居民消费指数的相关数据, 我们采用上述模型对2009年和2010年的消费指数进行预测。
2.5 模型的预测和分析
在ARIMA模型的预测中, 武汉市居民消费指数保持增长的势头, 但2008年的增长率和2007年基本持平但略大一些, 这一点值得注意。CPI毕竟与很多因素有关, 我们一致认为, 作为我国首次主办奥运的一年, 2008年是中国经济的高涨期, 并带动其他地区居民的消费, 但其影响不是长期的。作为一个大城市, 武汉市理应对自身的发展承担起更多的责任。总的来说, ARIMA模型从定量的角度反映了一定的问题, 做出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提高经济发展, 减少不必要的损失。
3 结论
时间序列预测法是一种重要的预测方法, 在实际运用中, 由于CPI的特殊性, ARIMA模型以自身的特点成为了CPI预测的选择, 但是预测只是估计量, 真正精确的还是真实值, ARIMA模型作为一般情况下的ARMA模型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也为将来的发展做出了很大的贡献。根据模型的预测结果, 武汉市居民CPI的增长率维持在5.7%左右, CPI的增长是正常现象, 与GDP增长同步发展, 并且由经济发展自行消化掉, 但是总体增长率应该小于等于GDP经济增长率。武汉市2009年GDP增长率在14%左右, 居民价格消费指数的增长率明显小于GDP的增长, 随着金融危机的远去和国家“十二五”规划在武汉的开始, 武汉市2010年的GPD预测达到5291亿元, 2011年将达到6259亿元, 增幅分别为15.1%和18.2%, 但居民消费价格指数 (CPI) 2010年增长率继续上涨, 物价上涨压力仍然较大。
参考文献
[1]王燕.应用时间序列分析[M].北京:中国人民大学出版社.
[2]张晓峒.eviews使用指南与案例[M].北京:机械工业出版社.
[3]张世英, 樊智.协整理论与波动模型[M].北京:清华大学出版社.