影响CPI上涨的部分宏观因素及价格调整的相关关系研究.docx

影响CPI上涨的部分宏观因素及价格调整的相关关系研究.docx

《影响CPI上涨的部分宏观因素及价格调整的相关关系研究.docx》由会员分享，可在线阅读，更多相关《影响CPI上涨的部分宏观因素及价格调整的相关关系研究.docx（21页珍藏版）》请在冰豆网上搜索。

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

引言

考虑到当前我国CPI受粮食、能源供给等真实性冲击,以及投资、货币供给等名义性冲击影响。

我国人均消费受到哪些因素的影响？

如何把各个因素对人均消费的影响从定性化转化为定量化？

就个人消费而言，个人消费主要受到个人收入、商品价格、个人消费偏好的影响。

那么，我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费，上述分析符合相关的经济学理论。

基于人均消费受到人均收入、商品价格、前期消费因素的影响。

本文就从中国统计年鉴找到了从1991-2010年人均消费以及人均国内生产总值、商品物价指数的官方数据，通过建立相应回归模型,从实证角度分析了CPI上涨与其他经济变量间的关系。

想借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。

本文主要运用了:

异方差、自相关、多重共线性对本文数据进行了分析

关键字：

居民消费价格指数货币供给影响因素

一、问题的提出

截至2009年,国家统计局发布的信息表明：

从1991年到2009年，全国城镇居民人均可支配收入从343元增加到17174.7元，实际增长8.9倍；农民人均纯收入从134元增加到5153元，实际增长7.6倍。

统计显示，2010年中国城乡低收入群体收入增长均较快，高低收入组的收入比值有所缩小。

按照收入五等份分组看，农村居民的低收入组、中低收入组、中等收入组、中高收入组、高收入组人均纯收入增速分别为20.7%、16.4%、16.0%、15.0%和14.0%。

城镇居民的低收入组、中低收入组、中等收入组、中高收入组、高收入组人均可支配收入增速分别为13.1%、13.0%、11.8%、10.3%和9.9%。

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。

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？

这是本文研究的主要目的。

二．研究现状

三、模型设定

影响CPI上涨的主要因素：

（一）X1、商品零售价格指数 

商品零售价格指数 ，商品零售价格的变动直接影响到城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需的平衡，影响到消费与积累的比例关系。

进而影响居民消费价格指数。

（二）x2、工业品出厂价格指数

工业品出厂价格指数,除了食品和服务,大部分属于工业制成品；同时,工业品中的生产资料又是消费品的投入品,是成本的重要构成因素,这是成本推动型物价上涨的主要原因。

所以在一定程度上会影响居民价格消费指数。

（三）X3、原材料、燃料和动力购进价格指数 

原材料、燃料和动力购进价格指数 既是CPI主要构成部分，也从一定程度上是影响工业品价格重要元素之一。

因此会影响居民价格消费指数。

（四）x4、固定资产投资价格指数 

固定资产指数（上年=100,按现价计算）固定资产指数是总需求的主要内容,也是影响经济波动的重要因素之一,固定资产的变化会影响各种消费品的价格变动，故将其作为反应总需求的指标之一。

由数据分析，初步建立模型为y=b0+b1*x1+b2*x2+b3*x3+b4*x4+b5*x5+u

其中b0表示在没有任何因素影响下的cpi平均水平，b1表示商品零售价格指

数对cpi平均水平的影响、b2原材料、燃料和动力购进价格指数对cpi平

均水平的影响、b3表示固定资产投资价格指数对cpi平均水平的影响、b4

表示活期存款对cpi平均水平的影响、b5表示gdp对cpi平均水平的影响、

u为随机扰动项。

四、模型检验及修正

利用eviews软件做y对x1x2x3x4x5的回归，回归结果如下表：

表1

DependentVariable:

Y

Method:

LeastSquares

Date:

12/17/11Time:

22:

58

Sample:

19912009

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-80.81083

29.50175

-2.739188

0.0169

X1

1.034586

0.202272

5.114830

0.0002

X2

-0.218020

0.410073

-0.531663

0.6039

X3

0.941731

0.630230

1.494266

0.1590

X4

0.000128

0.000612

0.209763

0.8371

X5

0.000131

0.000404

0.323820

0.7512

R-squared

0.984054

    Meandependentvar

414.8737

AdjustedR-squared

0.977920

    S.D.dependentvar

86.09517

S.E.ofregression

12.79308

    Akaikeinfocriterion

8.187775

Sumsquaredresid

2127.618

    Schwarzcriterion

8.486019

Loglikelihood

-71.78387

    F-statistic

160.4458

Durbin-Watsonstat

0.385277

    Prob（F-statistic）

0.000000

由表1我们可以写出建立的回归方程如下：

Y=-80.81083+1.034586*x1-0.218020*x2+0.941731*x3+0.000128*x4+0.000131*x5+u

T（-2.739188）（5.114830）（-0.531663）（1.494266）（0.209763）（0.323820）

R^2=0.984054AdjustedR^2=0.977920 F=160.4458DW=0.385277

1.经济意义上的检验，该模型可初步通过经济意义上的检验，系数符号均符合经济意义。

上表中的五大因素均可以在数量上增加cpi平均水平。

2.通过观察各因素的p值，发现商品零售价格指数的p值<0.05,其精度较为理想，同时R^2=0.984054AdjustedR^2=0.977920，模型的拟合度较好，因此，除商品零售价格指数对cpi的平均水平有较大影响。

同时猜测模型中存在异方差使得其他因素的影响的准确度受到影响，因此需要进一步的异方差检验。

（一）计量经济学检验

1.异方差检验

样本数为19，且模型为五元回归线性模型，利用怀特检验对异方差进行检验可得如下结果：

表2

WhiteHeteroskedasticityTest:

F-statistic

10.25428

    Probability

0.001514

Obs*R-squared

17.62497

    Probability

0.061629

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/18/11Time:

11:

14

Sample:

19912009

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-499.5770

1226.952

-0.407169

0.6946

X1

11.08277

11.43893

0.968864

0.3610

X1^2

-0.027105

0.016122

-1.681220

0.1312

X2

38.44579

17.50580

2.196175

0.0593

X2^2

-0.074239

0.037335

-1.988439

0.0820

X3

-54.02879

18.54655

-2.913144

0.0195

X3^2

0.162285

0.052896

3.067972

0.0154

X4

-0.008968

0.017146

-0.523029

0.6151

X4^2

1.84E-08

4.95E-08

0.370609

0.7205

X5

-0.001657

0.010839

-0.152856

0.8823

X5^2

1.27E-08

1.59E-08

0.796609

0.4487

R-squared

0.927630

    Meandependentvar

111.9799

AdjustedR-squared

0.837167

    S.D.dependentvar

105.2963

S.E.ofregression

42.48975

    Akaikeinfocriterion

10.62930

Sumsquaredresid

14443.03

    Schwarzcriterion

11.17608

Loglikelihood

-89.97835

    F-statistic

10.25428

Durbin-Watsonstat

2.398283

    Prob（F-statistic）

0.001514

由表2可知：

r^2=0.927630,查表可得样本数为19，自由度为5的卡方分布的值11.07，因为nr^2=17.62>11.07,所以拒绝原假设，所以模型存在异方差。

我们初步分析原因，认为商品零售价格指数受到原材料、燃料和动力购进价格指数、固定资产投资价格指数、活期存款、gdp的影响，所以可能会因此产生异方差。

异方差的修正

设置权重为W1t=1/X1W2t=X1^2W3t=X1^（1/2）W4t=X1^（-2）W5t=）X1^（-3经估计检验发现权重W5t的效果最好。

下面经用W5t的检验结果：

表3

DependentVariable:

Y

Method:

LeastSquares

Date:

12/20/11Time:

15:

36

Sample:

19912009

Includedobservations:

19

Weightingseries:

X1^（-4）

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-61.94414

14.96361

-4.139652

0.0012

X1

1.426766

0.126731

11.25820

0.0000

X2

-0.258879

0.330109

-0.784223

0.4470

X3

0.025996

0.325662

0.079824

0.9376

X4

0.000438

0.000803

0.546046

0.5943

X5

0.000167

0.000478

0.348907

0.7327

WeightedStatistics

R-squared

0.999140

Meandependentvar

331.3805

AdjustedR-squared

0.998809

S.D.dependentvar

227.0949

S.E.ofregression

7.837884

Akaikeinfocriterion

7.207904

Sumsquaredresid

798.6216

Schwarzcriterion

7.506148

Loglikelihood

-62.47509

F-statistic

611.4432

Durbin-Watsonstat

0.425166

Prob（F-statistic）

0.000000

UnweightedStatistics

R-squared

0.975353

Meandependentvar

414.8737

AdjustedR-squared

0.965874

S.D.dependentvar

86.09517

S.E.ofregression

15.90459

Sumsquaredresid

3288.428

Durbin-Watsonstat

0.427664

表3的估计结果如下

Yi=-61.944+1.426Xi-0.259X2+0.025X3+0.000438X4+0.000167X5

R^2=0.999140,DW=0.427664,F=611.4432

可以看出运用加权最小二乘法消除了异方差后，参数的t检验均显著，可绝系数大幅度提高，F检验也显著。

DependentVariable:

Y

Method:

LeastSquares

Date:

12/20/11Time:

15:

55

Sample:

19912009

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1^（-4）

-8.36E+10

4.48E+10

-1.868347

0.0828

X2

0.184720

0.662575

0.278791

0.7845

X3

2.187817

0.722213

3.029324

0.0090

X4

7.85E-05

0.001012

0.077542

0.9393

X5

-0.000122

0.000660

-0.185415

0.8556

R-squared

0.953840

Meandependentvar

414.8737

AdjustedR-squared

0.940651

S.D.dependentvar

86.09517

S.E.ofregression

20.97421

Akaikeinfocriterion

9.145399

Sumsquaredresid

6158.847

Schwarzcriterion

9.393935

Loglikelihood

-81.88129

Durbin-Watsonstat

0.889422

Y=-80.81083212+1.03458551*X1-0.2180204032*X2+0.9417305107*X3+0.0001283026129*X4+0.0001307978378*X5

2.自相关检验

根据表3可知dw=0.921311，样本为19，解释变量为4，dl=0.859，du=1.848.因为dl

利用迭代法对自相关进行处理，其结果如下：

3.多重共线性检验

表6

DependentVariable:

Y

Method:

LeastSquares

Date:

12/18/11Time:

16:

13

Sample:

19912009

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-82.66543

49.33789

-1.675496

0.1160

X2

0.265006

0.667411

0.397066

0.6973

X3

2.579711

0.907836

2.841605

0.0131

X4

0.000222

0.001023

0.217569

0.8309

X5

-0.000302

0.000661

-0.457853

0.6541

R-squared

0.951963

    Meandependentvar

414.8737

AdjustedR-squared

0.938238

    S.D.dependentvar

86.09517

S.E.ofregression

21.39640

    Akaikeinfocriterion

9.185257

Sumsquaredresid

6409.284

    Schwarzcriterion

9.433793

Loglikelihood

-82.25994

    F-statistic

69.35991

Durbin-Watsonstat

0.921311

    Prob（F-statistic）

0.000000

由于t检验值大于0.05的较多，r^2显著，所以存在多重共线性。

其模型为：

Y=-8.363712757e+10*（X1^（-4））+0.1847199484*X2+2.187816539*X3+7.847216944e-05*X4-0.0001224510342*X5

T（-1.675496）（0.397066）（2.841605）（0.217569）（-0.457853）

下面让y分对x2、x3、x4、x5进行回归分析，其结果分别如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/20/11Time:

16:

48

Sample:

19912009

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-117.8154

35.37833

-3.330158

0.0040

X1

1.557714

0.102283

15.22953

0.0000

R-squared

0.931710

Meandependentvar

414.8737

AdjustedR-squared

0.927693

S.D.dependentvar

86.09517

S.E.ofregression

23.15096

Akaikeinfocriterion

9.221250

Sumsquaredresid

9111.438

Schwarzcriterion

9.320665

Loglikelihood

-85.60188

F-statistic

231.9385

Durbin-Watsonstat

0.145209

Prob（F-statistic）

0.000000

表7

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

105.4166

27.19517

3.876297

0.0012

X2

1.323091

0.112655

11.74468

0.0000

R-squared

0.890278

    Meandependentvar

414.8737

AdjustedR-squared

0.883824

    S.D.dependentvar

86.09517

表8

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-49.52646

27.43738

-1.805072

0.0888

X3

2.590454

0.150744

17.18440

0.0000

R-squared

0.945566

    Meandependentvar

414.8737

AdjustedR-squared

0.942364

    S.D.dependentvar

86.09517

表9

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

342.6941

20.70728

16.54945

0.0000

X4

0.001306

0.000283

4.609563

0.0002

R-squared

0.555533

    Meandependentvar

414.8737

AdjustedR-squared

0.529388

    S.D.dependentvar

86.09517

表10

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

322.1342

21.56573

14.93732

0.0000

X5

0.000715

0.000135

5.279327

0.0001

R-squared

0.621139

    Meandependentvar

414.8737

AdjustedR-squared

0.598853

    S.D.dependentvar

86.09