影响CPI上涨的部分宏观因素及价格调整的相关关系研究

影响CPI上涨的部分宏观因素及价格调整的相关关系研究

40501111 徐忠龙 40501177 叶宇珩 一. 问题的提出

截至2007年9月, 国家统计局发布的信息表明：8月份,我国居民消费价格总水平同比上涨6.5%,其中城市价格上涨6.2%,农村价格上涨7.2%;食品价格上涨18.2%,非食品价格上涨0.9%;消费品价格上涨8.0%,服务项目价格上涨1.8%。从月环比看,居民消费价格总水平比上月上涨1.2%。1-8月份累计,居民消费价格总水平同比上涨3.9%，无论增幅还是增速均高于往年水平。CPI的快速上涨已经影响到宏观经济运行和百姓生活的方方面面，因而引起了全社会的高度关注。

而世界银行日前发布的最新《中国经济季报》指出，中国的宏观经济前景继续看好。并预测2007年的GDP增长为11.3%，2008年底于11%。中国经济继续以其庞大的规模和持续稳定的高增长率带动世界经济的发展。

进入第四季度，由于进口液化石油气价格一再飙升，物价部门11月初再次调整了瓶装液化石油气及管道液化石油气价格，使得水、电、燃料类价格比10月份上涨5.9%，1~11月份累计上涨1.2%，拉动居住类价格上升。与此同时，随着中国经济的持续高速发展，对能源的需求也在不断增大。我国的能源消费日趋紧张，石油/天然气等资源对外依赖度持续攀升。

中国人民银行行长周小川多次表示，会继续加强和改善金融调控，在进一步搞好总量调控的同时，引导金融机构加大信贷结构调整力度，继续防止经济出现大的波动和物价过快上涨。

CPI为什么会突然出现高速增长？中国经济的持续高速发展对CPI有何影响？GDP增长率、能源消费增长率以及利率是否是影响CPI的宏观因素？研究他们之间的关系对宏观经济政策（如价格调整）的制定与实施有什么启示？这是本项目研究的主要目的。

二．研究现状

1.在《菲利普斯曲线在中国经济的适用性分析》（王政霞 张 卫 西安交通大学经济与金融学院）中，他们认为菲利普斯曲线是分析通货膨胀问题的一个强有力工具，经过经济学家的不断研究，该曲线经历了四个发展阶段。把最初的工资增长率与失业率之间的变动关系，逐渐演变为物价变动率与失业率之间的反比关系以及经济变动率与物价变动率之间的正相关关系。

中国价格改革以后的产出——物价曲线在 1984－1986年的价格周期，1987－1990年的价格周期，1991－1998年的价格周期，1999－2000年的价格周期均呈现出基本的菲利普斯曲线关系。表1显示，在第二个周期，产出物价曲线从1987 年的价格谷底出发 ，GDP 指 标逐步由左至右向上移动（11.1－15.3），价格也随之上升（1.5－2.8）。从1984－1986年，由右向左逐步下降!价格水平先有一个滞后的上升（2.8－8.8），然后也下降（8.8－6.0）。总体看，这段曲线略向右上方倾斜，只是在1989年出现了典型的滞胀（4.2％的GDP增长率对应着 18％的通货膨胀率）， 但大体仍表现为基本的菲利普斯曲线的形状。在1987－1990年的第三个价格周期， 从 1987年谷低出发，价格水平迅速上升至1988 年的峰位（18.8），GDP指标仅微微收缩了0.2个百分点，该曲线表现出陡峭型向左上方倾斜。 然后经过 1989 年价格水平的缓慢下降，GDP 指标由右向左迅速下降了7.1个百分点， 紧随其后，1990 年价格水平亦迅速下降了14.9个百分点。这一段曲线也基本上符合经济增长率与价格水平之间的同向变动关系。1991－1998年价格周期的产出—物价曲线，从 1991年开始!价格水平缓慢上升，GDP指标则迅速从左向右移动（ 上涨了5.0个百分点)，这样一种强启动，使得该曲线在1992－1994年表现出向左上方倾斜 ，1994－1998年，GDP 指标由右向左逐步下降，价格水平也相应回落。从1998年开始，价格指标从负增长开始逐步向正增长变动，GDP

指标先是微缩，然后向右扩张。从以上数据分析可以看出，后两个周期的产出－物价曲线也呈现基本的菲利普斯曲线关系。

1978－2000年国民经济增长率与通货膨胀率之间的关系

通胀率％

GDP增长率％

2. 中国社会科学研究所刘树成、张平、张晓晶在《中国经济周期波动研究》中根据价格调整方程，他们设定了通货膨胀率与GDP增长率之间的关系。并利用统计数据对二者进行计量分析。为避免伪回归，他们先对CPI 与GDP分别进行单位根检验，均为平稳变量，于是，他们可以用OLS进行回归。回归结果得方程：

CPI = 1.006*CPI(-1) – 0.412*CPI(-2) + 0.966*GDP – 6.558

其中，他们认为在回归结果中t统计量很显著，DW值为2.036，R2为70%，调整的R2为67%，计量结果令人满意。

关于CPI的宏观影响因素争议很大，包括一般CPI和核心CPI设立之争，以及我国CPI指数确立标准的揣摩和推测。相信专家对该方面的关注度应该是很高的。

三．理论综述

1．即消费者物价指数(Consumer Price Index)，英文缩写为CPI，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。

2．菲利普斯曲线有三种表达方式，表明三对经济变量的关系。

第一种菲利普斯曲线表明的是失业率与货币工资变化率之间的关系，可称之为“失业－工资” 菲利普斯曲线。

第二种菲利普斯曲线表明的是失业率与物价上涨率之间的关系，可称之为“失业－物价”菲利普斯曲线。 第三种菲利普斯曲线表明的是经济增长率与物价上涨率之间的关系，可称之为“产出－物价”菲利普斯曲线。这是后来许多经济学家所惯常使用的。这种菲利普斯曲线以经济增长率代替了第二种菲利普斯曲线中的失业率。这一代替是通过“奥肯定律”实现的。美国经济学家奥肯于1962年提出：失业率与经济增长率具有反向的对应变动关系。这样，经济增长率与物价上涨率之间便呈现出同向的对应变动关系。在这一关

系的研究中，经常不是直接采用经济增长率指标，而是采用“现实经济增长率对潜在经济增长率的偏离”，或是采用“现实产出水平对潜在产出水平的偏离”。这一“偏离”，表明一定时期内社会总供求的缺口和物价上涨的压力。现实经济增长率表明一定时期内由社会总需求所决定的产出增长情况，而潜在经济增长率则表明一定时期内、在一定技术水平下，社会的人力、物力、财力等资源所能提供的总供给的状况。潜在经济增长率可有两种含义：一种是指正常的潜在经济增长率，即在各种资源正常地充分利用时所能实现的经济增长率；另一种是指最大的潜在经济增长率，即在各种资源最大限度地充分利用时所能实现的经济增长率。

我们这里的理论依据是第三种含义。这种菲利普斯曲线的表现形式是：在以现实经济增长率对潜在经济增长率的偏离为横轴、物价上涨率为纵轴的坐标图上，从左下方向右上方倾斜的、具有正斜率的一条曲线。这条曲线的走向与第一、二种菲利普斯曲线正好相反。这条曲线表明：现实经济增长率对潜在经济增长率的偏离与物价上涨率二者呈同向的对应变动关系，即正相关关系。当现实经济增长率对潜在经济增长率的偏离上升时，物价上涨率亦上升；当现实经济增长率对潜在经济增长率的偏离下降时，物价上涨率亦下降。在一轮短期的、典型的经济周期波动中，在经济波动的上升期，随着需求的扩张，现实经济增长率对潜在经济增长率的偏离上升，物价上涨率随之上升；在经济波动的回落期，随着需求的收缩，现实经济增长率对潜在经济增长率的偏离下降，物价上涨率随之下降。这样，这条曲线表现为一条先由左下方向右上方移动，然后再由右上方向左下方移动的曲线环。这条曲线环呈现为略向右上方倾斜、位势较低、且较为扁平的形状。“向右上方倾斜”，说明现实经济增长率对潜在经济增长率的偏离与物价上涨率为同向变动关系；“位势较低”，说明物价上涨率处于较低水平；“略向右上方倾斜”和“较为扁平”，说明物价上涨率的变动幅度不大。

四．模型设定

影响CPI上涨的主要因素：

首先，尽管经过多年宏观调控，但2007年国内经济扩张并不会停止，还有可能加速。国内经济的快速扩张，必然会造成生产资料需求的迅速增长，从而拉动生产资料价格上升。而生产资料价格的上涨，不仅迟早会传导到消费品上来，也会带动服务品价格的上涨。 因此我们设定GDP增长率为一个解释变量。

其次，能源油电运及原材料的紧缺或供应之瓶颈不会有多少改善。以往煤电运输油供应全面紧张，使得其价格大幅上涨，不少地方煤炭及公路运输价格上涨一倍以上。这不仅增加了企业的生产成本，加剧了商品价格上涨压力，也推动向这些行业投资迅速增加。国内煤炭供应仍然不足已成定局，推动卖方市场的形成。煤炭与能源的短缺，必然会导致煤炭与能源价格继续上涨，而煤炭与能源价格的上涨或是导致电力不足或是导致电力价格的上涨。还有，如果国际油价2008年继续上涨，那么将对国内市场造成巨大的影响。我们将能源消费增长率为第二个解释变量。

再次，2007年影响CPI上涨的主要因素之一仍然是国内房价的上涨。2006年国内房价上升较大，但由于目前CPI权数中居住因素所占的比重不合理，因此国内房价上涨因素反应在CPI权数中的比重肯定会不高，否则，往年CPI不会相对平稳。因此，2007年房价上涨因素如何真实地反应在CPI指数中应该是相关部门注意的问题。而利率对房地产市场的影响显而易见，存款基准利率、存贷款准备金率的波动均能对房价产生巨大作用。因此我们设定利率（央行基准利率）为第三个解释变量。

在设定模型时，我们发现CPI、GDP、R、X均为二阶单整时间序列，并不是研究现状2中描述的单整序列。因此我们认为应该首先对CPI、GDP、R、X做多元线性回归模型进行检验，如果回归效果不显著再引入自回归进行模型修正。因此我们先设定两个模型分别为：

CPI=α+ β1*GDP +β2*R+β3*X+ut

CPI = α+ β1*GDP +β2*R+β3*X+γ1*CPI(-1) +γ2*CPI(-2) +ut

五．数据收集

主要数据均来自中国国家统计局及中经专网

CPI 数据来源于：http://192.168.30.168:81/scorpio/aspx/main.aspx?width=1014&height=708 GDP数据来源于：http://192.168.30.168:81/scorpio/aspx/main.aspx?width=1014&height=708 能源增长率数据来源于http://192.168.30.168:81/scorpio/aspx/main.aspx?width=1014&height=708 存款基准利率数据来源于新浪财经：http://finance.sina.com.cn/roll/20041028/19201116672.shtml 具体数据见附表1和附表2

六．模型的估计与调整

数据处理说明：为了使数据在年份上统一基准，对国内生产总值指数修改为1985=100为基准的数据。对利率进行加权平均以使用每年的加权平均利率。 为了表示方便，用GDP在软件中表示GDP增长率、R表示利率、X代表能源消费增长率。

下面为通过Eviews软件对数据进行的处理： 首先、进行单位根检验：

分别对CPI、GDP增长率、利率R和能源消费增长率X进行单位根检验，发现在滞后期最大为2期的时候，CPI、GDP增长率、利率R和能源消费增长率X均为二阶单整序列，即：CPI~I(2) GDP~I(2) R~I(2) X~I(2) (见表2，表3，表4，表5)

表2

Null Hypothesis: D(CPI,2) has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Augmented Dickey-Fuller test statistic -2.832743 Test critical values: 1% level -3.857386 5% level -3.040391 10% level -2.660551 *MacKinnon (1996) one-sided p-values.

表3

Null Hypothesis: D(GDP,2) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=2)

t-Statistic Augmented Dickey-Fuller test statistic -2.964606 Test critical values:

1% level 5% level 10% level

-3.886751 -3.052169 -2.666593

Prob.* 0.0735

Prob.* 0.0587

*MacKinnon (1996) one-sided p-values.

表4

Null Hypothesis: D(R,2) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=2)

t-Statistic Augmented Dickey-Fuller test statistic -4.136469 Test critical values: 1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values.

表5

Null Hypothesis: D(X,2) has a unit root Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=2)

t-Statistic Augmented Dickey-Fuller test statistic -5.714422 Test critical values: 1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values.

-3.886751 -3.052169 -2.666593

-3.886751 -3.052169 -2.666593

Prob.* 0.0061

Prob.* 0.0003

由表2、表3、表4、表5可以得出：在10%的显著水平下，CPI、GDP增长率利率R和能源消费增长率X是二阶单整的。下面做模型协整检验。如下表：（在此以GDP作为被解释变量）

Null Hypothesis: E4 has a unit root Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=0)

t-Statistic -2.611468 -2.685718 -1.959071 -1.607456

Prob.* 0.0119

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values.

，

我

们

样

本

容

?2量n偏小（21<25,50,100

?2）。根据公式

Cp?????1/T??2/TCp?????1/T??2/T以及表中数据求得5%先著水平下t检验临

界值为-4.660579，小于5%的时的临界值。因此这四个变量间存在协整关系。可以用传统的计量方法进行回归分析。

下面用传统的回归方法进行检验：

1、多重共线性检验

对CPI GDP R X 进行多重共线性检验得到表6 表6

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 09:49 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 55.15753 52.19991 1.056660 GDP 0.367925 0.051004 7.213656 R 31.38562 16.74099 1.874777 X -7.973643 1.905748 -4.183996 R-squared 0.889257 Mean dependent var

Adjusted R-squared 0.869714 S.D. dependent var S.E. of regression 34.31605 Akaike info criterion Sum squared resid 20019.05 Schwarz criterion Log likelihood -101.8268 F-statistic Durbin-Watson stat 0.966201 Prob(F-statistic)

可以得到模型的估计结果：

CPI=55.1573+0.367925GDP+31.38562R-7.973643X (52.19991) ( 0.051004) ( 16.74099) ( 1.905748)

t=(1.056660)( 7.213656) ( 1.874777) ( -4.183996)

2 Prob. 0.3055 0.0000 0.0781 0.0006 250.9286 95.07114 10.07875 10.27770 45.50288 0.000000

R2=0.889257 R=0.869714 F=45.50288 df=17

从上述回归结果看，在数据为时间序列时，可决系数较高，拟合优度较好（R0.889257接近于

0.9）。在10%的显著水平下，查F分布表得?F?(3,17)=2.44。可以看出F>F?且相应的p=0.000000。整体效果的F检验通过。说明回归方程显著。但是利率R的t检验不显著，且相应的p=0.0781，说明R对CPI影响不显著。可能存在程度较小的多重共线性。下面进行判断：

GDP、R、X的简单相关系数矩阵如表7

2=

表7

GDP R X

GDP 1.000000 -0.858279 0.334253

R -0.858279 1.000000 -0.115687

X 0.334253 -0.115687 1.000000

由表7可以看出：GDP和R之间相关系数绝对值较高，GDP和R之间高度相关，证实解释变量之间存在多重共线性。为了消除多重共线性对模型的影响，我们采用逐步回归法进行修正。

分别对解释变量做一元回归得表8、表9、表10

表8

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 11:05 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 125.9624 18.50048 6.808601 GDP 0.253200 0.031383 8.068120 R-squared 0.774064 Mean dependent var

Adjusted R-squared 0.762172 S.D. dependent var S.E. of regression 46.36388 Akaike info criterion Sum squared resid 40842.57 Schwarz criterion Log likelihood -109.3138 F-statistic Durbin-Watson stat 0.147370 Prob(F-statistic) 表9

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 11:06 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 390.4610 32.63223 11.96550 R -73.43814 15.41975 -4.762601 R-squared 0.544172 Mean dependent var

Adjusted R-squared 0.520181 S.D. dependent var S.E. of regression 65.85481 Akaike info criterion

Prob. 0.0000 0.0000 250.9286 95.07114 10.60131 10.70079 65.09456 0.000000

Prob. 0.0000 0.0001 250.9286 95.07114 11.30317

Sum squared resid Log likelihood

Durbin-Watson stat 82400.25 Schwarz criterion -116.6833 F-statistic

0.326543 Prob(F-statistic) 11.40265 22.68237 0.000135

表10

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 11:06 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 250.0093 34.55058 7.236037 X 0.161275 4.774739 0.033777 R-squared 0.000060 Mean dependent var

Adjusted R-squared -0.052568 S.D. dependent var S.E. of regression 97.53800 Akaike info criterion Sum squared resid 180759.6 Schwarz criterion Log likelihood -124.9319 F-statistic Durbin-Watson stat 0.041737 Prob(F-statistic)

2 Prob. 0.0000 0.9734 250.9286 95.07114 12.08875 12.18823 0.001141 0.973408

由表8、表9、表10进行对比分析，依据调整后R最大的原则，选取GDP作为进入回归模型的第一个变量，形成一元回归。然后进行逐步回归，得到表11、表12

表11

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 12:03 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 105.3614 70.33827 1.497924 GDP 0.269559 0.062668 4.301370 R 6.593259 21.67829 0.304141 R-squared 0.775219 Mean dependent var

Adjusted R-squared 0.750243 S.D. dependent var S.E. of regression 47.51243 Akaike info criterion Sum squared resid 40633.76 Schwarz criterion

Prob. 0.1515 0.0004 0.7645 250.9286 95.07114 10.69142 10.84064

表12

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 12:03 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 148.9000 16.00057 9.305922 GDP 0.284208 0.026311 10.80198 X -6.709022 1.902815 -3.525840 R-squared 0.866361 Mean dependent var

Adjusted R-squared 0.851512 S.D. dependent var S.E. of regression 36.63486 Akaike info criterion Sum squared resid 24158.03 Schwarz criterion Log likelihood -103.8001 F-statistic Durbin-Watson stat 0.611067 Prob(F-statistic)

2Log likelihood

Durbin-Watson stat

-109.2599 F-statistic

0.142459 Prob(F-statistic)

31.03897

0.000001

Prob. 0.0000 0.0000 0.0024 250.9286 95.07114 10.17144 10.32066 58.34546 0.000000

对比表11和表12的结果，并根据逐步回归思想，可以得到：新加入变量X的二元回归方程

R=0.851512最大，并且各个参数t检验显著，且参数符号也符合经济意义。进一步进行逐步

回归得到表13

表13

Dependent Variable: CPI Method: Least Squares

Date: 12/15/07 Time: 12:17 Sample: 1985 2005

Included observations: 21

CoefficienVariable t

C 55.15753 GDP 0.367925 X -7.973643 R 31.38562

Std. Error 52.19991 0.051004 1.905748 16.74099

t-Statistic 1.056660 7.213656 -4.183996 1.874777

Prob. 0.3055 0.0000 0.0006 0.0781

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

0.889257 Mean dependent var 0.869714 S.D. dependent var 34.31605 Akaike info criterion 20019.05 Schwarz criterion -101.8268 F-statistic

0.966201 Prob(F-statistic)

2250.9286

95.07114 10.07875 10.27770 45.50288 0.000000

由表13可以看出，加入利率R后虽然R=0.869714>0.851512，明显增大，F统计量也比较大。但是利率R的t检验不能通过。则剔除利率R这个变量。因此本模型的回归结果应该是：

CPI=148.9000+0.284208GDP-6.709022X (16.00057) (0.026311) (1.902815)

t=(9.305922)( 10.80198) (-3.525840)

R2=0.866361 R=0.851512 F=58.34546 df=18

下面进行异方差检验：

22、异方差检验：我们的样本属于小样本时间序列，通过ARCH检验，并比较后得到取p=2时，Akaike info

22

criterion取值最小（见表14）。且（n-p）χ=（21-2）*0.382946=7.275974>χ(2)=4.60517，表明模型

中的随机误差项存在异方差。但是鉴于目前的eviews使用能力，不能够保证在一个变量的权数不变时计算另一个变量的权数，因此无法对多变量模型进行异方差的修正。

表14

ARCH Test:

F-statistic 4.964821 Prob. F(2,16) 0.021018

Obs*R-squared 7.275966 Prob. Chi-Square(2) 0.026305

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/15/07 Time: 13:47 Sample (adjusted): 1987 2005 Included observations: 19 after adjustments

CoefficienVariable t Std. Error t-Statistic Prob.

C 881.5774 458.4473 1.922964 0.0725 RESID^2(-1) 0.796307 0.253800 3.137540 0.0064 RESID^2(-2) -0.510741 0.255340 -2.000241 0.0627

R-squared 0.382946 Mean dependent var 1160.218

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

3、自相关检验：

0.305814 S.D. dependent var 1681.863 Akaike info criterion 45258590 Schwarz criterion -166.4527 F-statistic

1.638947 Prob(F-statistic)

2018.611

17.83713 17.98625 4.964821 0.021018

由表12得：DW值为0.611067，回归系数均显著。对于样本量为21、两个解释变量的模型，5%的显著水平，查DW统计表可知，dL =1.125 dU =1.538，模型中0

表15

Dependent Variable: E Method: Least Squares Date: 12/15/07 Time: 15:05 Sample (adjusted): 1986 2005 Included observations: 20 after adjustments

CoefficienVariable t Std. Error t-Statistic

E(-1) 0.722015 0.186646 3.868376 R-squared 0.439964 Mean dependent var

Adjusted R-squared 0.439964 S.D. dependent var S.E. of regression 26.37672 Akaike info criterion Sum squared resid 13218.90 Schwarz criterion Log likelihood -93.31548 Durbin-Watson stat

由表15可得et 的回归方程et=0.722015et-1

对原模型进行广义差分得广义差分方程：

Prob. 0.0010 1.148889 35.24624 9.431548 9.481334 1.152610

CPI-0.722015*CPIt-1=β1+β2（GDP-0.722015*GDP t-1）+ β3(X-0.722015*X t-1)+υt

回归后得表16

表16

Dependent Variable: CPI-0.722015*CPI(-1) Method: Least Squares

Date: 12/15/07 Time: 14:59 Sample (adjusted): 1986 2005

Included observations: 20 after adjustments

CoefficienVariable t Std. Error

C 54.33760 8.484237

GDP-0.722015*GDP(-10.187413 0.041013

t-Statistic 6.404536 4.569635

Prob. 0.0000 0.0003

)

X-0.722015*(-1)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

由表16得回归方程为:

-1.171436 0.982195 -1.192672

0.558228 Mean dependent var 0.506255 S.D. dependent var 18.12034 Akaike info criterion 5581.892 Schwarz criterion -84.69428 F-statistic

0.490239 Prob(F-statistic)

0.2494

81.01815 25.78784 8.769428 8.918788 10.74071 0.000964

?*=54.33760 + 0.187413GDPt* - 1.171436Xt* CPIt (8.484237) ( 0.041013) ( 0.982195)

t= (6.404536) ( 4.569635) ( -1.192672)

R2=0.558228 R=0.506255 F=10.74071 df=17 DW=0.490239

为了保证样本数不减少，我们使用普莱斯---温斯腾变换补充第一个观测值，公式为Y=Y11??*

*

*

*

*

22, 该模型中用CPI、GDP和X 取代Y即可（具体数据见附表1）。经过替换后得到替换后的回归结果（见表17）

表17

Dependent Variable: CPI* Method: Least Squares Date: 12/15/07 Time: 17:05 Sample: 1985 2005 Included observations: 21

CoefficienVariable t Std. Error t-Statistic

C 52.06910 7.612320 6.840110 GDP* 0.168623 0.037152 4.538695 X* -0.788736 1.197956 -0.658402 R-squared 0.534197 Mean dependent var

Adjusted R-squared 0.482441 S.D. dependent var S.E. of regression 18.16219 Akaike info criterion Sum squared resid 5937.573 Schwarz criterion Log likelihood -89.06531 F-statistic Durbin-Watson stat 0.604938 Prob(F-statistic)

由表17得到普莱斯—温斯腾变换的广义差分模型：

Prob. 0.0000 0.0003 0.5186 80.38861 25.24576 8.768125 8.917342 10.32148 0.001032

CPI*=52.06910 + 0.168623GDP*-0.788736X* (7.612320) (0.037152) (1.197956) t= (6.840110) (4.538695) (-0.658402)

R2=0.534197 R=0.482441 F=10.32148 df=18 DW=0.604938

查5%显著水平的DW统计表可知dL =1.100 dU =1.538 ，可以看出虽然DW值有所提高但

20

我们将对原模型进行滞后期调整和局部调整以期望模型有所改观。

4、自回归模型检验

通过检验，我们发现，当CPI滞后两期时，进行德宾h检验：取显著水平取?=0.05 d=1.443251

n=19 Var(??1)=（0.168362）2 计算得h=1.797

*2无法确定是否存在二阶自相关。为了便于模型优化，我们假定该模型不存在二阶自相关。

表18

Dependent Variable: CPI Method: Least Squares Date: 12/15/07 Time: 20:14 Sample (adjusted): 1987 2005 Included observations: 19 after adjustments

CoefficienVariable t Std. Error t-Statistic

C 9.523307 12.99974 0.732577 CPI(-1) 1.649076 0.168362 9.794850 CPI(-2) -0.679750 0.187589 -3.623611 GDP -0.005875 0.030404 -0.193226 X 0.992487 0.893311 1.111020 R-squared 0.988689 Mean dependent var

Adjusted R-squared 0.985457 S.D. dependent var S.E. of regression 10.34810 Akaike info criterion Sum squared resid 1499.163 Schwarz criterion Log likelihood -68.45795 F-statistic Durbin-Watson stat 1.443251 Prob(F-statistic)

2 Prob. 0.4759 0.0000 0.0028 0.8496 0.2853 266.4737 85.80987 7.732416 7.980953 305.9327 0.000000

虽然在这次OLS估计中，GDP和X的t检验没有通过，而且GDP的系数为负，但是我们已经检验二者对CPI有影响且通过了多重共线性检验，而且R 和R值都比较大，整体效果的F检验通过，说明方程拟合程度很高。因此我们的最终回归结果为：

2

CPI = 9.523307 + 1.649076*CPI(-1) - 0.679750*CPI(-2) - 0.005875*GDP + 0.992487X

(12.99974) ( 0.168362) ( 0.187589) ( 0.030404) ( 0.893311) t= （0.732577）（9.794850） （-3.623611） （-0.193226） （1.111020） R0.988689 R=0.985457 F=305.9327 df=15

2=

2七．结论

经过我们的计量回归，我们可以接受我们的最终回归方程，且我们不能完全同意研究现状中的回归方

程，因为我们发现能源消费增长率也能显著影响CPI。下面给出最终回归方程的经济含义：

1) CPI受其自身的影响。滞后一期(即上期)CPI变动1个单位，导致当期CPI同向变动1.649076个单位，这很符合适应期预期假说；同时，滞后两期CPI变动1个单位，导致当期CPI反向变动0.679750个单位。综合起来，过去CPI的变动1个单位，导致当期CPI同向变动近1个单位。

2) CPI受GDP增长率的影响。GDP增长率变动1个单位，导致当期CPI变动0.005875个单位。虽为反向变动与实际情况不符但波动很小，可能是可能存在问题第5条导致。

3）CPI受能源消费增长率的影响。能源消费增长率变动一个单位，CPI要同向变动0.992487个单位。可能是因为我们的CPI是普通CPI而不是核心CPI的缘故。

八、可能存在的问题：

1、样本容量偏小。因为中经网提供的CPI数据是以1985=100为基准。所以导致样本容量偏小

2、在第一次广义差分模型中Xt的t检验未通过，表明广义差分模型中可能存在多重共线性。由于理论以及软件使用能力所限，没有进行多重共线性检验。 3、模型中没有引入政府经济政策的变化等虚拟变量。

4、最终模型作了不存在二阶自相关的假定，但实际上我们不知道是否存在二阶自相关这个检验。 5、我们忽略了模型函数形式的设定误差而且没有进行测量误差的检验。

*

九．政策建议：

我们这次研究的目的是想为国家控制CPI稳定变化提出参考性的意见：

1． 农业是治国之本，农产品的丰歉直接关系CPI，特别是在多数农产品价格开放后。另一方面，国内部

分农产品价格已经接近或达到国际水平，国际市场对国内农业丰歉的平衡作用下降了。因此有计划调节对物价的影响将越来越小。国家应加快推动农业从粗放型向集约型的产业转变，积极解决三农问题，加强土地流转制度的运作，建立更加完善的农业生产风险保障体系，建设社会主义新农村，合理解决农村剩余劳动力问题……以此保持农业持续稳定发展，稳定农产品价格。

2． 由于地方、部门和企业在投资方面的自我约束依然不够强，投资冲动依然存在，政府对投资规模和结

构的调控能力不强使得生产资料价格往往被投资所拉动。应注意联合运用财政、货币手段，一方面注重高新产业发展，合理运用财政资金，避免重复建设，加强税收监管；另一方面注意调整存贷款利率及准备金率，加强金融监管，控制投资规模，对房地产、冶金、钢铁等部门过快过热发展进行适度限制。

3． 货币供应量的平稳适度增长是经济均衡增长的必要条件，这在很大程度上取决于中央银行的货币政

策，这方面的不确定性仍然较大。此外适度升值人民币汇率可以降低对外贸易顺差，加大进口，减少出口，扩大国内市场供应，部分缓解价格上涨问题。

4． 基础产业的瓶颈约束已大大缓和了，投入产出效率低下、单位耗能高依然是急待解决的问题。加大科

技、教育投入，提高节能技术水平，提高全民节能意识迫在眉睫。随着国内经济的不断发展，能源进口量增大，对外依赖度上升日趋成为可持续发展的制约条件。可以加速替代能源和可回收物的研究，提倡节能环保。加大环保力度，走可持续发展的道路，提倡绿色GDP概念。

5． 重视第三产业的发展，加强监管，使其规范化、法制化、人性化。政府应注意对其价格变动的随时掌

握，保持调整的力度和强度。加强消费者权益的保护及其自我保护意识，加强农民工权益保护，提高吸纳剩余劳动力的能力，使其保持旺盛的发展势头。

6． 应注意包括个人消费能力、区域投资及消费能力、国外市场拉动等客观因素，结合GDP、能源等宏

观因素综合考量，合理设置权数，覆盖尽量广泛，数据尽量原始、细化、科学，真正客观、真实反映居民消费品及服务价格的变化，真正为家庭、企业及政府投资、消费、制定政策服务。

十、参考文献

1．《CPI指数体系的问题与重新构建》 易宪容

2．《菲利普斯曲线在中国经济的适用性分析》王政霞 张 卫 西安交通大学经济与金融学院 3．《中国经济周期波动研究》刘树成、张平、张晓晶 中国社会科学研究所 4．《论中国的菲利普斯曲线》刘树成 中国社会科学研究所

5. 《从当前CPI指数看央行货币政策走向》邱明星 扬州大学经济学院

6．《经济增长会带来生活质量的提高吗？—对近20年中国数据的经验透视及解释》杜卫华 上海经济研究 7.《计量经济学》庞皓 主编 西南财经大学 8.《计量经济学》李子奈 9．《经济学原理》萨缪尔森[美]

附表1：CPI 、GDP增长率、能源消费增长速度以及做广义差分模型时需要的数据

国内生产 总值（现价） 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 (亿元) 3645.2 - 4062.6 - 4545.6 - 4891.6 - 5323.4 - 5962.7 - 7208.1 - 9016 10275.2 12058.6 15042.8 16992.3 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 100 106.5 114.3 135.8 160.2 165.2 170.8 181.7 208.4 258.6 302.8 327.9 居民消费价国内生产总格指数（1985年=100） (-) 值指数（可比价，国内生产总值能源消费指数（可比价，增长速度CPI*=CPI-CPI(-1) GDP*=GDP-GDP(-1) X*=X-X(-1) 1985=100） (%) 100 118.4068891 144.5640474 172.9817008 184.3918192 195.5866523 223.4660926 270.613563 323.3584499 379.7631862 433.0462863 487.1905274 8.1 5.4 7.2 7.3 4.2 1.8 5.1 5.2 6.3 5.8 6.9 5.9 1978=100） (-) 100 107.6 116 122.1 133.1 147.6 170 192.9 210 234.3 260.7 271.3 281.7 307.6 351.4 400.4 452.8 502.3 552.6 69.1877 34.2985 37.4054025 53.2736855 62.150363 49.533197 51.523122 58.379838 77.2098745 108.132074 116.086921 109.273858 69.18774 46.20538913 59.07249731 68.6042901 59.49643649 62.452993 82.2495958 109.2676921 127.9713983 146.293535 158.8515694 174.524613 5.6042 -0.4483215 3.301119 2.101492 -1.0707095 -1.232463 3.800373 1.5177235 2.545522 1.2513055 2.712313 0.9180965

1997 1998 1999 2000 2001 2002 2003 2004 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 337.1 334.4 329.7 331 333.3 330.6 334.6 347.7 603.9 651.2 700.9 759.9 823 897.8 987.8 1087.4 542.4111948 593.3261572 646.8245425 710.3336921 778.2561895 858.7728741 955.6512379 1062.863294 -0.8 -4.1 1.2 3.5 3.4 6 15.3 16.1 100.3512815 91.0087435 88.258184 92.9516545 94.313035 89.9524005 95.901841 106.113781 190.6523262 201.6971383 218.4341572 243.3166701 265.3846087 296.8602314 335.6043412 372.8687653 -5.0598885 -3.522388 4.1602615 2.633582 0.8729475 3.545149 10.96791 5.0531705 2005 183084.8

353.9

1198.7

1182.669537

附表2：央行存款基准利率以及加权后的利率 年份

利率 % 年度加权利率% 1985 2.88 1986 2.88 1987 2.88 1988 2.88 1989

2.88

（1-4月） 2.88 1990 （5-12月） 2.16

（1-4月） 2.16 1991 （5-12月） 1.8 1992

1.8

（1-5月） 1.8 （6-7月） 2.16 1993 （8-12月） 3.15 1994 3.15 1995

3.15

1996 （1-4月） 2.97

（5-9月） 1.98

（10-12月） 1.71 1997

1.71

（1-4月） 1.71 1998 （5-12月） 1.41

（1-6月） 0.99 1999 （7-12月） 0.72 2000 0.72 2001 0.72 2002 0.72 2003 0.72 2004 0.72 2005

0.72

9.9

102.8553845

2.88 2.88 2.88 2.88 2.88 2.4 1.92

1.8

2.42 3.15 3.15

2.27 1.71

1.51 0.85 0.72 0.72 0.72 0.72 0.72 0.72 415.266296

-1.7244415

附表3：麦金农（MacKinnon）通过模拟试验得到的不同变量个数时变量协整检验的临界值(来源:

李子奈《计量经济学》第二版P360）

样本 容量 0.01 25 50 100 ∞ 变量数=3 显著性水平 0.05 0.1 0.01 变量数=4 显著性水平 0.05 0.1 0.01 变量数=6 显著性水平 0.05 0.1 -4.92 -4.1 -3.71 -5.43 -4.56 -4.15 -6.36 -5.41 -4.96 -4.59 -3.92 -3.58 -5.02 -4.32 -3.98 -5.78 -5.05 -4.69 -4.44 -3.83 -3.51 -4.83 -4.21 -3.89 -5.51 -4.88 -4.56 -4.30 -3.74 -3.45 -4.65 -4.10 -3.81 -5.24 -4.7 -4.42

本文来源：https://www.bwwdw.com/article/0ls6.html