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

1、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

2、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

3、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

4、。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

5、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

6、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x1 x2 x3 x4 x5 的回归，回归结果如下表：表1Dependent Variable: YMethod: Least SquaresDate: 12/17/11 Time: 22:58Sample: 1991 2009Included observations: 19VariableCoefficientStd. Errort-StatisticProb.C-80.8108329.50175-2.7391880.0169X11.0345860.2022725.1148300.00

7、02X2-0.2180200.410073-0.5316630.6039X30.9417310.6302301.4942660.1590X40.0001280.0006120.2097630.8371X50.0001310.0004040.3238200.7512R-squared0.984054Mean dependent var414.8737Adjusted R-squared0.977920S.D. dependent var86.09517S.E. of regression12.79308Akaike info criterion8.187775Sum squared resid2

8、127.618Schwarz criterion8.486019Log likelihood-71.78387F-statistic160.4458Durbin-Watson stat0.385277Prob(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+uT（-2.739188）（5.114830）（-0.531663）（1.494266）（0.209763）（0.323820）R2=0.984054 Adjusted

9、 R2=0.977920 F =160.4458 DW=0.3852771.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/X1 W2t= X12 W3t= X1(1/2) W4t= X1(-2) W5t=) X1(-3经估计检验发现权重W5

10、t的效果最好。下面经用W5t的检验结果： 表3 Dependent Variable: YMethod: Least SquaresDate: 12/20/11 Time: 15:36 Sample: 1991 2009Included observations: 19Weighting series: X1(-4)VariableCoefficientStd. Errort-StatisticProb. C-61.9441414.96361-4.1396520.0012X11.4267660.12673111.258200.0000X2-0.2588790.330109-0.7842230.

11、4470X30.0259960.3256620.0798240.9376X40.0004380.0008030.5460460.5943X50.0001670.0004780.3489070.7327Weighted StatisticsR-squared0.999140 Mean dependent var331.3805Adjusted R-squared0.998809 S.D. dependent var227.0949S.E. of regression7.837884 Akaike info criterion7.207904Sum squared resid798.6216 Sc

12、hwarz criterion7.506148Log likelihood-62.47509 F-statistic611.4432Durbin-Watson stat0.425166 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.975353 Mean dependent var414.8737Adjusted R-squared0.965874 S.D. dependent var86.09517S.E. of regression15.90459 Sum squared resid3288.428Durbin-Watso

13、n stat0.427664 表3 的估计结果如下Yi=-61.944+1.426Xi-0.259X2+0.025X3+0.000438X4+0.000167X5R2=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。Dependent Variable: YMethod: Least SquaresDate: 12/20/11 Time: 15:55Sample: 1991 2009Included observations: 19VariableCoefficientStd. Err

14、ort-StatisticProb. X1(-4)-8.36E+104.48E+10-1.8683470.0828X20.1847200.6625750.2787910.7845X32.1878170.7222133.0293240.0090X47.85E-050.0010120.0775420.9393X5-0.0001220.000660-0.1854150.8556R-squared0.953840 Mean dependent var414.8737Adjusted R-squared0.940651 S.D. dependent var86.09517S.E. of regressi

15、on20.97421 Akaike info criterion9.145399Sum squared resid6158.847 Schwarz criterion9.393935Log likelihood-81.88129 Durbin-Watson stat0.889422Y = -80.81083212 + 1.03458551*X1 - 0.2180204032*X2 + 0.9417305107*X3 + 0.0001283026129*X4 + 0.0001307978378*X52.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

16、=1.848.因为dldwdu所以不能确定是否存在自相关，我们假设其存在自相关时：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6Dependent Variable: YMethod: Least SquaresDate: 12/18/11 Time: 16:13Sample: 1991 2009Included observations: 19VariableCoefficientStd. Errort-StatisticProb.C-82.6654349.33789-1.6754960.1160X20.2650060.6674110.3970660.6973X32.5797

17、110.9078362.8416050.0131X40.0002220.0010230.2175690.8309X5-0.0003020.000661-0.4578530.6541R-squared0.951963Mean dependent var414.8737Adjusted R-squared0.938238S.D. dependent var86.09517S.E. of regression21.39640Akaike info criterion9.185257Sum squared resid6409.284Schwarz criterion9.433793Log likeli

18、hood-82.25994F-statistic69.35991Durbin-Watson stat0.921311Prob(F-statistic)0.000000由于t检验值大于0.05的较多，r2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*X5T（-1.675496） (0.397066) （2.841605）（0.217569）（-0.457853）下面让y分对x2、x3、x4、x5进行回归

19、分析，其结果分别如下： Dependent Variable: YMethod: Least SquaresDate: 12/20/11 Time: 16:48Sample: 1991 2009Included observations: 19VariableCoefficientStd. Errort-StatisticProb. C-117.815435.37833-3.3301580.0040X11.5577140.10228315.229530.0000R-squared0.931710 Mean dependent var414.8737Adjusted R-squared0.927

20、693 S.D. dependent var86.09517S.E. of regression23.15096 Akaike info criterion9.221250Sum squared resid9111.438 Schwarz criterion9.320665Log likelihood-85.60188 F-statistic231.9385Durbin-Watson stat0.145209 Prob(F-statistic)0.000000表7VariableCoefficientStd. Errort-StatisticProb.C105.416627.195173.87

21、62970.0012X21.3230910.11265511.744680.0000R-squared0.890278Mean dependent var414.8737Adjusted R-squared0.883824S.D. dependent var86.09517表8VariableCoefficientStd. Errort-StatisticProb.C-49.5264627.43738-1.8050720.0888X32.5904540.15074417.184400.0000R-squared0.945566Mean dependent var414.8737Adjusted

22、 R-squared0.942364S.D. dependent var86.09517表9VariableCoefficientStd. Errort-StatisticProb.C342.694120.7072816.549450.0000X40.0013060.0002834.6095630.0002R-squared0.555533Mean dependent var414.8737Adjusted R-squared0.529388S.D. dependent var86.09517表10VariableCoefficientStd. Errort-StatisticProb.C322.134221.5657314.937320.0000X50.0007150.0001355.2793270.0001R-squared0.621139Mean dependent var414.8737Adjusted R-squared0.598853S.D. dependent var86.09