中国核心通货膨胀的估计下.docx

中国核心通货膨胀的估计下.docx

《中国核心通货膨胀的估计下.docx》由会员分享，可在线阅读，更多相关《中国核心通货膨胀的估计下.docx（5页珍藏版）》请在冰豆网上搜索。

中国核心通货膨胀的估计下

中国核心通货膨胀的估计（下）

——基于贝叶斯GibbsSampler状态空间模型

汤丹赵昕东

2012-12-2814:

28:

18　　来源：

《经济评论》2011年第5期

五、数据分析及模型参数估计结果

本文使用CPI同比增长率反映中国的通货膨胀率，这是因为所有的经济政策的最终目标是个人福利的最大化，而CPI与GDP平减指数相比能更好地反映消费者的生活成本，并且考虑了数据的可得性。

本文数据选取19912010年货币供给M2增长率和CPI的年度数据，其中2010年的数据为1-10月累计值，数据来源为中经网。

考虑到货币供给量的增加引发的通货膨胀有滞后期，所以本文建立模型时首先检验它们之间的相关系数，结果表明当期的通货膨胀率与当期的M2增长率以及滞后一期和滞后二期的M2增长率都有较强的相关性（分别为0.75、0.85和0.72），在估计模型的最初阶段，将当期的M2增长率以及滞后一期和滞后二期的M2增长率全部考虑在模型中，但是经检验当期货币供给增长率的系数不显著，因此在模型中将其剔除。

最终得到如下的状态空间模型：

对以上模型的估计过程需要作几点说明：

1．有关初值的确定，选择不同初值对MCMC算法预热期的长短有影响，但是如果生成的样本足够多，并且舍去的初始部分的样本足够多，那么初值的选取对最终结果并没有影响。

2．为了使样本实现充分的混合，在计算过程中每个参数生成4500个样本，然后舍去前500个样本。

这样比Geyer（1992）提出的去掉前1%～2%样本更谨慎。

由于计算机生成的伪随机数可能包含“后效性”，对生成的状态变量和参数的样本中每隔4个取1个样本，因此每个参数具有1000个样本。

3．对于参数α1、α2、β1和β2的先验分布均采用均匀正态分布；对于、的先验分布采用无信息的均匀分布。

应用BGS算法对（11）-（13）式模型进行估计，参数的均值、标准差以及各参数的分布图如表1和图1所示。

六、核心通货膨胀的政策含义

估计的核心CPI与CPI如图2所示。

由图2，核心CPI的波动幅度明显小于CPI的波动幅度，经计算1991-2010年CPI的标准差为6.86，核心CPI的标准差为5.83，可见核心CPI比CPI具有较小的波动性，符合Bryan和Cecchetti（1994）关于核心通货膨胀应该比通货膨胀具有较小波动性的推断，原因在于食品价格等经常受到天气、自然灾害等的影响而出现较大幅度波动，因此排除掉受暂时冲击决定的非核心通货膨胀后剩余的核心通货膨胀波动较小。

表2是估计的核心CPI与M2增长率的相关系数和CPI与M2增长率的相关系数的比较，结果表明，在不同滞后期核心CPI与M2增长率的相关系数远大于CPI与M2增长率的相关系数。

2010年1-10月CPI同比增长率为3.0%，核心CPI为1.96%，占CPI的65%，从2010年前10个月的核心CPI看中国尚未发生全面的通货膨胀。

2010年10月CPI同比增长率高达4.4%，根据2010年核心CPI占CPI的比重推算，2010年10月的核心CPI为2.87%，与年初提出的通货膨胀的控制目标3%已经相当接近，因此中央银行于2010年10月20日的加息以及11月16日和11月29日连续两次提高存款准备金率的收缩性货币政策是必要而且及时的。

加息有利于改善负利率的情况和缓解通货膨胀的压力，而对于收紧流动性来讲，提高存款准备金率是较有效、较直接的方式。

食品价格和居住类价格的上涨依然是物价上涨的主要推动力，根据本文计算的构成CPI的各分项目商品的权重，2010年10月份食品价格上涨为CPI贡献了74%，而居住类价格的上涨为CPI贡献了16.6%。

食品中大蒜等的价格上涨具有炒作性质，必然不可持续。

预测2011年，只要粮食价格不出现大幅上涨，根据核心通货膨胀的变动趋势中国就不会出现严重的通货膨胀。

从中长期来看，只要中国经济持续发展，供给充足，中国就不会发生失控的、持续的通货膨胀。

七、结论

本文应用贝叶斯GibbsSampler方法估计状态空间模型，并对中国的核心通货膨胀进行了估计。

结果显示估计的核心CPI很好地反映了19902010年中国通货膨胀的趋势变化，比CPI具有更好的政策参考价值。

本文的主要结论如下：

1．根据经济理论建立估计核心通货膨胀的状态空间模型，将BGS方法应用于状态空间模型的估计，克服了传统估计方法的不足，提高了估计的准确性。

2．将估计得到的核心CPI与货币供给增长率进行相关性分析，结果显示，核心CPI与M2增长率的相关系数较大，核心CPI的走势与货币政策的关系更加密切。

可见我们所建立的核心通货膨胀估计模型以及方法的准确性及有效性。

3．通过对核心CPI与CPI的比较分析发现，核心CPI有较小的波动性，其原因是食品价格经常受到自然灾害等影响，具有较大的波动性，而在计算核心CPI时食品价格波动的暂时影响被排除。

综上所述，与CPI相比，核心CPI能够更好地反映当前的经济形势。

如果将核心CPI应用于实际的工作中，并且与实际的CPI同时公布，同时关注核心通货膨胀的动态调整，及时调整货币政策，可以提高政策的透明度和前瞻性，而且有利于公众更好地了解国家的货币政策。

参考文献：

1．范跃进、冯维江，2005：

《核心通货膨胀测量及宏观调控的有效性：

对中国19952004的实证分析》，《管理世界》第5期。

2．赵留彦，2006：

《中国核心通胀率与产出缺口经验分析》，《经济学（季刊）》第4期。

3．赵昕东，2008：

《基于SVAR模型的中国核心通货膨胀的估计与应用》，《统计研究》第7期。

4．赵昕东、耿鹏，2009：

《基于BayesianGibbsSampler的状态空间模型估计方法研究及其在中国潜在产出估计上的应用》，《统计研究》第9期。

5．赵昕东、钱国骐，2008：

《基于基伯斯样本生成器的向量自回归模型选择》，《统计研究》第1期。

6．Bryan，M．，andStephenG．Cecchetti．1994．“MeasuringCoreInflation．”InMonetaryPolicy，ed．N．G．Mankiw，Chapter6．Chicago：

UniversityofChicagoPress．

7．Burmeister，E．，K．D．Wall，andJ．D．Hamilton．1986．“EstmationofUnobservedRationalExpectedMonthlyInflationUsingKalmanFiltering．”JournalofBusinessandEconomicStatistics，4

（2）：

147-160．

8．Bagliano，F．C．，andC．Morana．2003．“MeasuringUSCoreInflation：

ACommonTrendsApproach，”JournalofMacroeconomics，25

（2）：

197-212．

9．Claus，I．1997．“AMeasureofUnderlyingInflationintheUnitedStates．”BankofCanadaWorkingPaper97-20．

10．Cogley，T．2002．“ASimpleAdaptiveMeasureofCoreInflation．”JournalofMoney，CreditandBanking，43

（1）：

93-113．

11．dePooter，M．D．，R．Segers，andH．K．vanDijk．2006．“OnthePracticeofBayesianInferenceinBasicEconomicTimeSeriesModelsUsingGibbsSamplering．”TinbergenInstituteDiscussionPaper，TI2006-076／4，EconometricInstitute，ErasmusUniversiteitRotterdam，andTinbergenInstitute．

12．Eckstein，O．1981．CoreInflation．EnglewoodCliffs，N．J．：

PreenticeHall．

13．Friedman，M．1963．Inflation，CausesandConsequences．NewYork：

AsiaPublishingHouse．

14．Garnier，J．，andB．Wilhelmsen．2005．“TheNaturalRealInterestRateandtheOutputGapintheEuroArea：

AJointEstimation．”EuropeanCentralBankWorkingPaperSeries，No．546．

15．Geyer，C．J．1992．“PracticalMarkovChainMonteCarlo．”StatisticalScience，7（4）：

473-511．

16．Harvey，A．C．1981．TimesSeriesModels．Oxford：

PhilipAllanandHumanitiesPress．

17．Harvey，A．C．2008．“ModelingthePhillipsCurvewithUnobservedComponents．”FacultyofEconomics，CambridgeUniversityWorkingPaper0805．

18．Geman，S．，andD．Geman．1984．“StochasticRelaxation，GibbsDistributions，andtheBayesianRestorationofImages．”IEEETransactionsonPattern，AnalysisandMachineIntelligence，6（6）：

721-741．

19．Kim，C．，andC．R．Nelson．1989．“TheTimeVaryingParameterModelforModelingChangingConditionalVariance：

TheCaseofLucasHypothesis．”JournalofBusinessandEconomicStatistics，7（4）：

433-400．

20．Kim，Chang-Jin．，andC．R．Nelson．1999．State-SpaceModelswithRegimeSwitching：

ClassicalApproacheswithApplications，Chapter8．Cambridge：

TheMITPress．

21．Quah，D．，andS．P．Vahey．1995．“MeasuringCoreInflation．”TheEconomicJournal，105（432）：

1130-1144．

22．Romer，David．1996．AdvancedMacroeconomics．NewYork：

McGraw-HillCompanies．

23．Stock，J．H．，andM．W．Watson．1991．“AProbabilityModeloftheCoincidentEconomicIndicators．“InLeadingEconomicInd