1、二、烟酒及用品;三、衣着;四、家庭设备用品及服务;五、医疗保健和个人用品;六、交通和通讯;七、教育文化娱乐服务;八、居住。(一)变量选择与数据处理本文变量的数据来源于中国统计局信息网数据库与阿里研究网数据库,数据频率为月度,相应的样本区间设定为2010年1月至2012年12月。所有变量的原始数据均为月度同比数据。若假定2010年12个月的价格水平为100,就可以将月度同比数据转换为定基数据。最终处理数据如下文图例所示。(二)单位根及平稳性检验本文选取的CPI与ISPI分类价格指数同比增速数据是时间序列函数,所以必须要求各变量均是平稳的,因此我们利用ADF方法考察各变量的平稳性。检验结果如表3-
2、1至3-3所示,从表3-1可以看出,CPI的分类指数均是不平稳过程,二阶差分序列均为平稳序列。从表3-2可以看出,ISPI分类指数除烟酒与娱乐类是平稳过程,其他六类均是不平稳过程,食品类、衣着类、医疗保健类以及交通和通信类ISPI价格指数均是一阶平稳,家庭设备及用品与居住类ISPI价格指数是二阶平稳。从表3-3可以看出,CPI与ISPI分类指数的价格差异除烟酒与娱乐类是平稳过程,其他六类之间的价格差异均是不平稳过程。食品类、衣着类、家庭设备及用品类以及交通和通信类ISPI价格指数均是一阶平稳,医疗保健与居住类ISPI价格指数是二阶平稳。表3-1 CPI分类价格指数平稳性检验表类型差分阶数ADF
3、值1%5%10%P值结论CPI1(c,0,3)2-3.86-4.29-3.57-3.220.0005%水平上I(2)CPI2-3.910.001CPI3-5.631%水平上I(2)CPI4-4.27CPI5-4.58CPI60.005CPI7(c,0,2)1-3.56-3.2110%水平上I(2)CPI83.22注:1.CPI1-8分别表示食品、烟酒、衣着、家庭设备、医疗保健、交通和通信、娱乐文化教育与居住类的居民消费价格指数。 2.数据来源:中国统计局表3-2 ISPI分类价格指数平稳性检验表ISPI1-3.845%水平上I(1)ISPI2(c,0,1)0.00310%水平上I(0)ISPI
4、3-3.73ISPI4-3.89-4.32-3.58ISPI5ISPI6-3.2410%水平上I(1)ISPI7-3.945%水平上I(0)ISPI8-4.551.CPI1-8分别表示食品、烟酒、衣着、家庭设备、医疗保健、交通和通信、娱乐文化教育与居住类的网络零售价格指数。阿里研究小企业时代表3-3 CPI-ISPI分类价格差异的平稳性检验表CI1-3.350.002CI2-3.59-4.25-3.55CI3-4.07CI4-3.29CI5CI6-3.37CI7-3.44CI8-4.761.CI1-8分别表示食品、烟酒、衣着、家庭设备、医疗保健、交通和通信、娱乐文化教育与居住类的差异价格指数。
5、中国统计局与阿里研究小企业时代3、中国CPI与ISPI指数的总体变动情况(一)中国CPI与ISPI总体指数变动情况图1-1 CPI与ISPI总体指数同比增速比较从图1-1得知,10年初至11年7月,我国居民消费价格指数CPI呈现持续攀升趋势,11年7月涨幅高达6.5%。10年初至11年7月,我国网络零售消费价格指数ISPI同比增速波动幅度较大,11年7月涨幅高达24.54%。我国居民日常消费价格指数CPI总体指数与网络零售物价ISPI总体指数同比增速产生差异的主要原因在于:推动ISPI上涨幅度波动不稳定在于现阶段网络商品流通发展的不完善,导致网络零售物价指数不稳定。推动CPI持续上涨主要在于:
6、一、生产成本的增加支撑农产品价格持续上涨;二、流通成本增加推动食用农产品价格上涨;三、垄断导致的“畸形”楼市严重推动居住类消费;四、货币供应量快速递增是CPI上涨的根本因素。于2011年7月至今,居民消费价格指数CPI呈现下降走势,CPI下降的主要原因在于国家稳定的宏观经济政策以及政府对楼市调控政策的作用,促使CPI同比增速涨幅呈现下降趋势。(二)中国CPI与ISPI指数结构的变动情况图2-1 CPI与ISPI分类价格指数同比增速比较运用EVIEWS软件,数据处理如上述图例所示,从上述图例中可以得知,食品与医疗保健及娱乐文化教育类的居民日常消费价格指数与网络零售价格指数之间存在差异,线上购物与
7、线下购物之间存在价格差异,但食品与医疗及娱乐文化教育类的CPI与ISPI指数之间呈现负相关关系,其中教育类具有明显的季节性,七八月暑假期间淡季比较明显。烟酒与家庭设备类的居民消费价格指数与网络零售价格指数之间存在差异,CPI变动比较平稳,ISPI围绕CPI上下波动。烟酒与家庭设备类线上购物与线下购物的价格间存在差异。四、影响中国CPI与ISPI分类价格指数间变动原因的实证分析在宏观经济学中,人们非常关心序列组成成分中的长期趋势,Hodrick-Prescott滤波是被广泛使用的一种方法。该方法在Hodrick and Prescott(1980) 分析战后美国经济周期的论文中首次使用。我们简要
8、介绍这种方法的原理。(一)Hodrick-Prescott滤波原理设Yt是包含趋势成分和波动成分的经济时间序列,YtT是其中含有的趋势成分,YtC是其中含有的波动成分。则 (4.1)计算HP滤波就是从Yt中将YtT分离出来 。一般地,时间序列Yt中的不可观测部分趋势YtT常被定义为下面最小化问题的解: (4.2)其中:c(L)是延迟算子多项式 (4.3)将式(5.3)代入式(5.2),则HP滤波的问题就是使下面损失函数最小,即 (4.4)最小化问题用c(L)YtT2 来调整趋势的变化,并随着的增大而增大。这里存在一个权衡问题,要在趋势要素对实际序列的跟踪程度和趋势光滑度之间作一个选择。=0时,
9、满足最小化问题的趋势等于序列Yt;增加时,估计趋势中的变化总数相对于序列中的变化减少,即越大,估计趋势越光滑;趋于无穷大时,估计趋势将接近线性函数。一般经验地,的取值如下: HP滤波的运用比较灵活,它不象阶段平均法那样依赖于经济周期峰和谷的确定。它把经济周期看成宏观经济波动对某些缓慢变动路径的偏离,这种路径在期间内单调地增长,所以称之为趋势。HP滤波增大了经济周期的频率,使周期波动减弱。(二)CPI与ISPI总体物价指数之间价格差异的预测趋势图4-2 实线表示总体CPI-ISPI的TC序列 (虚线表示总体CPI-ISPI的趋势T序列)据图4-2观察显示,近三年总体CPI与ISPI价格差异趋势T
10、序列从6%扩大到10%,预计CPI总体价格指数与ISPI总体价格指数之间的价格差异的未来走势呈扩大趋势,CPI总体物价指数低于ISPI总体物价指数。CPI总体物价指数小于ISPI总体物价指数同比增速的主要原因在于,首先,近几年随着我国商务网络的迅速发展,线上购物已经成为现代人购物的一种时尚,线上购物在交易环节的分布上,优于线下交易。据阿里研究主要商品类目网上网下欺诈水平比较调查显示,网下的欺诈水平远远高于网上的欺诈水平。其次,劳动生产率的提高实现了网络零售业增长潜力和推动中国整体零售行业的转型,由线下传统零售行业转型为线上网络零售行业。最后,根据互谅网协会发布2012全球互联网用户调查报告显示
11、,认同互联网可增强全球贸易和经济联系的比例高达80%以上。综上所述,CPI总体物价指数与ISPI总体物价指数之间的差异会扩大,且CPI总体物价指数的同比增速远远低于ISPI总体物价指数的同比增速。(三)CPI与ISPI分类指数之间价格差异的预测趋势a食品类 b 烟酒类 c衣着类d 设备类 e 医疗类 f交通类 g娱乐类 h 居住类图4-3 各分项CPI与ISPI价格差异从上述图例中利用HP滤波原理分析可以得知,根据食品类CPI与ISPI的趋势T序列预测,未来食品类CPI与ISPI价格差异会越来越大;烟酒类CPI与ISPI的趋势T序列预测,未来食品类CPI与ISPI价格差异会越来越大,且ISPI
12、同比增速远远高于CPI同比增速;根据衣着类CPI与ISPI的趋势T序列预测,未来衣着类CPI与ISPI价格差异会越来越小,且ISPI与CPI同比增速的价格差异基本趋于相同;根据家庭设备类CPI与ISPI的趋势T序列预测,未来家庭设备类CPI与ISPI价格差异会越来越大,且ISPI与CPI同比增速的价格差异基本趋于扩大;根据医疗设备类CPI与ISPI的趋势T序列预测,未来家庭设备类CPI与ISPI价格差异趋于零,即ISPI与CPI同比增速的价格差异基本趋于缩小趋势;根据交通和通信类CPI与ISPI的趋势T序列预测,未来家庭设备类CPI与ISPI价格差异会缩小,且ISPI与CPI同比增速的价格差异
13、基本趋于零;根据居住类CPI与ISPI的趋势T序列预测,未来娱乐文化教育及服务类CPI与ISPI价格差异会越来越小,且ISPI与CPI同比增速的价格差异基本趋于零。(四)CPI与ISPI分类指数之间价格差异的原因阿里巴巴指数与CPI的统计口径不同,这反映了网购商品在类型上的特征。统计局指出,食品和居住价格在CPI篮子中的权重约为50%,而在阿里巴巴指数中仅占到6%。阿里巴巴指数中所包含的食品一般是包装食品,CPI则包含了鲜肉和肉制品。此外,医疗和教育等服务类价格是CPI的重要内容,但对阿里巴巴指数则不是这样。CPI对商品质量的变化关注较多,阿里巴巴指数则不太注重。例如,如果淘宝和天猫的交易数据
14、显示运动鞋的销售趋势从价格较低的李宁品牌向价格昂贵耐克(Nike)跑鞋变动,那么阿里巴巴指数就会将这一现象算作通胀。但在官方CPI中,变动的其实不是价格,而是商品的质量。食品类CPI与ISPI价格差异走势越来越大的主要原因在于,网络零售食品类主要是加工食品,加工食ISPI同比增速涨幅波动较大。而居民日常消费的主要食品是粮食、肉禽及其制品、蛋、水产品以及鲜菜鲜果类,对于居民日常消费的食品,关系民生,国家政府注重民生,政府对于食品市场进行价格控制,所以居民日常消费的食品价格涨幅不会过高,食品类CPI同比增速涨幅也比较平稳。烟酒及用品类CPI与ISPI价格差异走势越来越大的主要原因在于,居民日常消费
15、速的烟酒及用品基本稳定,居民日常消费均是实体店购物,而节日因素影响CPI同比增速涨幅波动较大。近几年随着电子商务的迅速发展,据海淘报告调查显示实体购物店的营业销售额逐年下降,线上购物趋势明显提升。烟酒及用品类网络零售ISPI物价消费指数受节假日影响因素巨大,各类商店在节假日都会进行打折促销,但在实体店中,由于疯狂抢购而导致的踩踏事件时有发生,所以越来越多的人选择网购。烟酒及用品类网络零售消费ISPI受节假日因素的影响较大,所以CPI与ISPI的价格差异波动幅度较大。衣着类CPI与ISPI价格差异趋于零的主要原因在于,居民日常消费衣着主要是实体店购物,需要花费大量的时间成本来选择服装店以及衣物。
16、社会步伐的加快,现代人发现进入实体店选购服装的效用越来越低。线上购物只需上网选择好衣服,然后直接付款等待快递直接把服装送入家中,花费较少的时间成本以及精力,线上购物的效用越来越大。根据微观经济学效用最大化原理,越来越多的消费者选择线上购物,来用最小的成本与精力来获得最大的效用。所以网络零售ISPI同比增速逐渐上升,从而CPI与ISPI之间的价格差异缩小。家庭设备类CPI与家庭设备类ISPI变动存在巨大差异的原因在于,网络零售中的家庭设备类构成与居民日常消费的家庭设备类构成基本相同,均包括耐用消费品、室内装饰品、床上用品、家庭日用杂品、家庭服务及加工维修服务等。据调查,居民日常消费CPI同比增速
17、与ISPI同比增速的不同主要是随着网络科技的发展,物流行业的健全以及物流成本的下降,网购越来越受消费者的热爱,线上购买家庭设备花费的时间成本低,消费者所获得的效用越来越大。根据微观经济学原理中,效用最大化原理,家庭设备网络零售会有进一步提升。线下购买家庭设备花费较高的时间成本,且获得效用下降,预计未来居民消费家庭设备会下有所下降。居住类CPI同比增速低于ISPI价格差异扩大的主要原因在于,随着电子商务的迅速发展,房地产商也开始利用电子商务进行房产开发与销售。2012年11月11日,万科携手淘宝房产以及聚划算团房行动,45万人参加了砍价且双十一当天累计出售物业3700套。节假日的影响导致网络零售
18、ISPI同比增速波动不稳定。房产商陆续与天猫、淘宝等电子平台的合作,促使居住类ISPI同比增速涨幅加速。电子商务和地产商的结合打造从线上到线下的家装预售,实现用户从购房、装修、家居订购的一体化服务。电子商务与地产行业的完美结合,是加速居住类ISPI同比增速涨幅加快的重要原因之一。2011年开始,国家政府为控制房价,出裁相应的房地产调控政策,国家宏观政策的实施,促使居住类CPI同比增速涨幅回落,从而导致CPI同比增速低于ISPI同比增速。五、结论本文基于中国统计局与阿里研究统计数据,借鉴开放经济条件下的宏观经济计量模型,采用Hodrick-Prescott滤波分析模型趋势预测方法,通过线上购物I
19、SPI同比增速与线下购物CPI同比增速的时间序列的变动以及近几年事实事件的调查,实证考察了中国居民日常消费CPI分类价格指数与网络零售消费ISPI分类价格指数二者之间变动的相关性,以及影响二者之间产生差异的原因,促成二者变动差异的空间社会因素。结果发现居民日常消费CPI同比增速分类价格指数与网络零售ISPI同比增速分类指数中,食品类与衣着类线上购物ISPI同比增速与线下购物CPI同比增速二者之间呈现正相关的联动关系;烟酒及用品类与家庭设备类线上购物ISPI同比增速与线下购物CPI同比增速二者之间不存在正相关关系;医疗保健类线上购物ISPI同比增速与线下购物CPI同比增速二者之间呈现负相关的联动
20、关系。本文基于近几年居民日常消费物价分类指数与网络零售物价分类指数社会事实的调查研究,不仅为识别中国通货膨胀产生的主要因素提供了参考的现实依据,也丰富和深化了对于中国网络零售消费物价分类指数的理解。虽然本文实证研究发现中国线下购物CPI分类物价指数与线上ISPI分类价格指数同比增速之间的差异在呈现扩大趋势,但国家政府采取的相关宏观经济政策也起到了一定的作用,促使CPI分类物价指数同比增速与ISPI分类物价指数同比增速稳定发展。本文尚需进一步研究的问题是:本文重点从近几年CPI分类物价指数与ISPI分类物价指数同比增速数据方面进行研究,而实际上二者之间的变动差异是多方面的,如中国产业结构的发展和
21、经济的发展水平,需要进一步研究CPI分类物价指数与ISPI分类物价指数之间的关系。参考文献1李元芳.网络零售价格指数ISPI报告R.北京大学国家发展研究院,2011:5-8.2何晓群.多元统计分析J.北京:中国人民大学出版社,2004:6-18.3琦寒,陈铭,等. 基于相对价格的分析J.中国国内商品市场趋于分割还是整合. 世界经济.2006(2):20-30.4邱皓政.量化研究与统计分析J.重庆:重庆大学出版社,2009:6-12.5马立平.居民消费的定量研究J.北京:首都经贸大学,2006:6-13.6田静.动态数据处理的理论与方法一时间序列分析M.西安:西北大学出版社,2001:7美Geo
22、rge E P BOX,英Gwilym M JenKins.时间序列分析预测与控制(TIME SERIES ANALYSIS FORECASTING AND CONTROL)M.北京:中国统计出版社,1997:6-9.8刘同明.数据挖掘技术及其应用M.北京:国防工业出版社,2001:6-8.9英C 查特菲尔德.时间序列分析导论M.宇航出版社,1985:6-10.10王少平,李子奈.我国货币需求的协整分析及其货币政策建议J.经济研究所,2004:6-11.11曹捍东.基于VAR模型的中国CPI分析J.统计与决策,2006:12王强,马龙龙,李智.中国当前消费品市场的价格波动及其运行机制J.商业经
23、济与管理,2005:13Dolado,J.J.,Lutkepohl,H.Making Wald Tests.Work for Cointegrated VAR SystemsJ.Econometric Reviews,1996,15(4):369-386.14Clarke,J.A.,Mirza,S.A Comparison of some common Method for Detecting Granger WoncausalityJ.Journal of Statistical Computation and Simulation,2006,76(3):207-231.15吕光明.中国主要价格指数间传导机制研究J.财经问题研究,2013(1):18-22.16武献华,袁珮.我国经济转型期投资效率问题研究-基于RBC模型的分析J.财贸经济,2013(1):23-26.17吴岚,朱莉.基于季节调整技术的我国物价波动实证研究J.统计研究,2012(9):20-25.18魏振香,陈媛.我国当前食品价格与CPI变动关系研究-基于VAR模型的实证分析J.价格月刊,2012(7):15-20.
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1