对福建省CPI影响因素权重的实证分析.doc

1、 毕业论文 对 福建省 CPI 影响 因素 权重 的实证分析 I 摘要 本文以福建省 2000-2010 年的经济数据为依据， 从现象入手，考察福建省 近十年来 CPI 的变动趋势，通过多元 线性回归分析 ， 得出 CPI 与食品、烟酒用品以及其他各 因素的线性模型，然后进行相关的检验， 运用软件 SPSS16.0 进行主成分回归分析。 了解各因素对 CPI 影响 因素权重 ,并对 CPI 运行趋势作出预测判断 ,从而 为 未来 CPI 涨幅 更加合理化 提出调控建议 。 关键词 ： CPI；多元线性回归；主 成分分析 目 录 中英文 摘要 . I 一、 CPI 的相关范畴 . 1 （一） C

2、PI 的含义与作用 . 1 （二） CPI 的分类与度量 . 1 （三） 福建省 CPI 变动情况 . 2 （四） 相关文献回顾 . 3 二、 CPI 与其影响因素的实证分析 . 5 （一） 变量选择及数据获取 . 5 （二） 回归模型选择与建立 . 5 II （三） 主成分分析 . 6 三、 对福建省未来 CPI 的预测分析 . 8 四、 结论及政策建议 . 8 （一） 稳定粮食等食品价格，促进农业发展 . 9 （二） 提高政策性因素影响，调整政府宏观调控力度 . 9 （三） 促进居民收入，提高居民消费能力 . 9 参考文献 . 11 致 谢 . 错误 !未定义书签。 附 录 . 12 1

3、改革开放以来，居民消费价格指数 作 为反映市场价格变化的重要指标，体现了市场经济条件下价格对经济发展过程波动起伏的真实水平，见证着经济、社会、民生全面发展的显著变化。 物价与日常生活息息相关 ，居民消费支出是消费的主体且相对薄弱，价格总水平低 位运行， 从 2003 年 开始 ，随着 经济进入新一轮快速增长的周期，通货膨胀的压力日益增强，居民消费价格加速上升的势头似乎大大超出了人们的预期。 近几年来我省居民消费物价指数增长速度产生了显著的波动。针对目前大众所最关心的物价问题， 充分了解居民消费价格指数变动的影响因素变成了一个重要问题。为 CPI 变动幅度更加合理化 而采取 相应的措施提供依据，

4、具有十分重要的意义。 一、 CPI 的 相关范畴 （一） CPI 的 含义 与作用 CPI 指数，及消费者物价指数（ Consumer Price Index）， 是反映与居民生活有关的商品及 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。 CPI 是对一个固定的消费品篮子价格的衡量，主要反映消费者支付商品和劳务的价格变化情况，以百分比变化为表达形式 。 实际上， CPI 在通常情况下，是一个大于 100 的数，即一系列参考商品的价格相对于基期时他们 价格的一个相对价格，而不是一个变动率数值。 所以我们得清楚的认识到 居民消费价格指数（ CPI）是一个围绕 100 上

5、下波动的相对数 。 该指数可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度。 CPI 作为反映宏观经济运行的 重要指标，是宏观经济运行的 “ 晴雨 表”。首先， CPI 源于现实生活同时又反映现实生活，人们对于 CPI 的涨 跌有着切身的感受，它与人们的生活息息相关；其次，它不仅可以反映通货膨胀情况，而且可以反映货币购买力变动和对人们实际工资的影响；第三，对国民经济核算有着重要意义。 （二） CPI 的分类与度量 目前 中国采用的 CPI 商品分 类目录和编制方法始于 2000 年 。 根据不同的分类目的和分类对象，我国居民消费价格指数主要有三种分类：一是按照城乡

6、居民收入和消费构成不同，分为 城市居民消费价格指数和农村居民消费价格指数；二2 是按照 消费品和服务项目不同，分为 食品、烟酒及用品、衣着、家庭设备用品及服务 、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务、居住 8大类 消费价格指数 , 251 个基本分类。每个基本 分类又有两个到十多个不同数量的规格品种 ,共计 700 多个规格品种的商品和服务项目 ；三是按指数计算方法不同，分为定基指数、环比指数、同比指数和年度指数。 目前美国的 CPI 分为 8 大类 211 个基本分类，加拿大为 8 大类 169 个基本分类，日本为 10 大类 585 个代表规格品，澳大利亚为 11大类 8

7、7个基本分类。目前 台湾 的 CPI 共包括 395 个项目群，包括食物类（肉类、鱼介、蔬菜、水果）、衣着类（成衣）、居住类（房租、水电燃气）、交通类（油料费、交通服务费）、医疗保健类（医疗费用）、教育娱乐类（教养费用）以及杂项类（理容服务费）等 7 个基本分类，以 1985 年 台湾地区 家庭消费结构为权数。此项权数主要根据家庭收支调查资料计算而得，每五年更换一次，以反映消费支出型态的变化 。 欧盟 HICP 的构成。每个欧盟成员国都统计和 发布各自的 HICP,欧盟统计局在各国 HICP 的基础 上汇总编制欧盟 HICP,即欧盟官方价格指数。欧盟 HICP 包括12个大类、 160 个基本

8、分类 ,欧盟 HICP 各类别所占权重 ,随着居民消费支出结构的 变动每 5 年调整一次 ,并发布年度分析报告。 CPI 告诉人们的是，对普通 家庭 的支出 来说，购买具有代表性的一组商品，在今天要比过去某一时间多花费多少， CPI 的计算公式是 :CPI=（一组固定商品按当期价格计算的价值 /一组固定商品按基期价格计算的价值） 100。采用的是固定权数按加权算术平均指数公式计算，即 WKWK / ，其中， W 为固定权数， K 为各种商品销售价格。 （三） 福建省 CPI变动情况 近几年来，我省经济发展出现了质与量的双重飞跃，但在经济 持续快速增长的同时，出现了经济过热 的现象。随着人们收入

9、增加，人们对于各种消费的需求出现多样化，质量化等。 CPI 出现了起伏波动的情况，随着经济进入新一轮快速增长的周期，通货膨胀的压力日益增强，居民消费价格上升的势头似乎大大超出了人们的预期。相关人士对我省当前物价形势的基本判断：当前的物价上涨是在需求显著增长、资金相对宽裕的背景下，由成本上升及供给相对不足而推动产生的 。但福建省商品价格总水平尚在合理区间内运行，未对社会经济发展造成负面影响。从 2003 年开始 ，物价指数开始上升 ,其中 2008 和 2010 两年指数高达 530和 540.2,但由于经济条件的 快速变化 , 2009 年指数急剧下降 近 达 2 个 百分 点 ,进入负指数区

10、间 。 在最近这一轮上升过程中 , CPI 变动幅度 主要呈现以下三个特征 ： 3 1.2003年 至 2008年 ,食品类价格上涨幅度均高于居民消费价 格平均指数 ,其中 2004、 2007、 2008 三年分别高出居 民消费价格指数 5.9、 1.0 和 8.7 个百分点 。居住类价格 指数 自 2003年开始每年保持 4%以上的涨幅 , 2009 年 CPI 下降 1.8%,食品类和居住类价格 指数 也出现了下降 的趋势 ,其 中居住类更是比上年下降 5.2个百分点。 2009 年 ,我省食品类价格指数较去年下降了 4.3 个百分点。但 2010年前两个月 ,随着经济的向好 ,物价指数

11、开始回升 ,食品类价格指数同比上涨6.1%。 2.烟酒及用品、家庭设备及维修服务、医疗保健及个人用品这三大类的价格走势比较稳定，均未出现较大的波动，从 2003 年到 2009 年波动幅度均在 3%以内。 3.衣着、交通及通讯价格走势疲软 ,对居民消费 价格指数的上涨有一定抑制作用 。 2003 年至 2009 年 ,衣着和交通通讯 两大类消费品价格指数 总体处于下降态势，特别是 2009 年 ,衣着、交通及通讯价格分别下跌 3.3 个百分点和 3.1 个百分点 。 （四） 相关文献回顾 针对 居民消费价格指数变动影响因素的分析这个问题，学者们从不同的方面，运用不同的方法进行了大量的研究。 成

12、学真和田英先从单因素食品对 CPI 的影响入手，认为食品对 CPI 的影响甚大，接下去 又 分析 了 引起食品价格变动的因素。用 SPSS 计算它们的相关系数知，肉禽、水产品、鲜菜与食 品高度相关。这与我们目前出现的猪肉、蔬菜等的价格上涨的经济现象相吻合。然后对 CPI 与八类商品价格指数 进行 多因素回归分析 ，采用逐步回归法得出 CPI 持续上涨的主要驱动因素 除了食品之外，还有家庭设备、医疗保健、娱乐，以及居住价格的上涨作用。 李亚楠 利用主成分分析方法找出 了 影响 CPI 波动的主要因素，他认为影响CPI 的因素是多方面的， 该文献 选 取以下几个指标作为解释变量：货币供应量（ M2

13、）、外汇储备（ FER）、国内生产总 值（ FDP）、人民币汇率（ ER）、原材料、燃料和动力购进价格指数（ MPI）、工业品出 厂价格指数（ PPI）、居民食品消费价格指数（ FCI）、及居民居住消费价格指数（ HCPI） 为解释变量，从回归方程 的 结果可以看出对 CPI 影响 程度较大的变量有 PPI、 MPI、 HCPI 及 FCPI， 这些影响因素都 属于成本拉动型因素。 刘哲运用阿尔蒙 法 (Almon)估计 辽宁省 CPI 的分布滞后模型。辽宁省固定资 来自 2010 年 刘洪仁：福建省居民消费价格变动的影响因素分析及走势判断 ，河南商业高等专科学校报 来自 2010 年 刘洪仁

14、：福建省居民消费价格变动的影响因素分析及走势判断 ，河南商业高等专科学校报 4 产投资（ I）对居民消费价格指数的影响时滞的实证结果表明，滞后 13 个月 t 统计量值最显著，广义货币供给 M2对居民消 费价格指数的滞后期为 18 个月 。通过检验和修正后得出影响辽宁省 CPI 变动的多元回归方程。最后指出价格调控的出发点不仅在于“菜篮子、米袋子”，还要密切关注生产领域价格变动；应用经济手段进行价格调控的是长期行为；密切关注局部经济过热引发的物价上涨。 刘洪仁 以 1990-2009 年 的 数据为样本 ,对影响福建省居民消费价格指数的各个经济变量 ,通过主成分提取的 方法进行解析 ,发现与

15、“ 经济规模和商品成本 ”有关的因素为推动 CPI 变动的主要力量。根据文中模型可预测 ,2010 年上半年福建省 CPI 仍会在高位运行 ,但不会出现明显的通货膨胀。 但该文变量选取缺乏理论支撑。 门丽琼在浅析陕西居民消费价格指数 变化趋势 时，没有运用统计模型。先阐述了陕西省居民消费价格运 行轨迹，具体测度了陕西省五个阶段经济发展与物价走势的特点。然后指 出陕西省居民消费价格当前特征与未来展望。最后提出了调控优化物价的政策建议。 王泸怡和尹长明在对广西 CPI 指数统计数据进行多元回归 分析中，指出：首先 ，广西第一产业发展较落后，农业生产效率较低，造成农产品供求失衡， 应大力推动现代农业

16、发展，推广节本高效农业技术，保障农产品有效供给。政府部门可制定相关的措施抑制主要农资价格的上扬，加强农业生产资料和主要农产品的市场调控，稳定食品价格；其次， CPI 持续上涨的主要驱动因素中居住的上涨趋势也非常明显，建议继续加强和改善房地产调控，采取长效措施遏制房价过快上涨，同时在引导商品房产业健康发展的同时，结合旧城改造大力建设保障性住房，增加住房有效供应，打击投资投机。 王东采用逐步回归方法得出 CPI 与 广义 货币供应量 、 单位为万 亿元、 房地产价格指数 的回归方程，然后进行计量经济学检验，研究结果表明，短期内 ,货币供应量是影响我国 CPI 持续走高的主要 原因，要控制 CPI

17、的持续上涨 ,必不可少的措施就是减少 货币供给量。房地产价格指数也是影响 CPI 上涨的重要原因。房地产价格高居不下 ,对整个物价上涨起到推波助澜的作 用。 上述部分 文章主要 是 运用 定性分析 方法 ，通过理论及数据分析，缺少实证检验， 且分析主要局限在很短的时间内， 对于读者的说服力不强。 而有些文章主要从单方面来解释 CPI 的变动因素，具有 一定的 片面性。 本文从 CPI 最根本的构成因素入手，直观地分析 CPI 变动影响因素的权重。 5 二、 CPI 与 其 影响因素的实证分析 （一） 变量 选择及数据获取 在实际问题的研究和分析中，往往涉及多个变量，国家统计局将构成中国 CPI

18、 指标的 200 多种商品和服务分为 8 个主 要的类别。其中，中国 CPI 中食品的权重 占到 31.79%， 表明了 食品价格的变动对于 CPI 的变 动有很大的影响。然后 根据收集的数据建立数学模型 ， 再 进一步做 具体的分析。 本文 将从现象入手 ,分析 CPI指数的各项分类指标 ,找出 对 CPI变动幅度 影响最大的因素。最 直 观、最真实的解读福建省 CPI 运行 情况 ,进而对 福建省 现在的CPI 变化趋势 给出最准确的定位 。因此 本文 建立模型 时 所选用的被解释变量是2000 年至 2010 年的年度居民消费价格指数 。 设 Y 为居民消费价格总指数，考虑的主要因素有：

19、食品 1X ，烟酒及其用品 2X ，衣着 3X ，家庭设备用品和维修服务 4X ，医疗保健和个人用品 5X ，交通通讯 6X ，娱乐教育文化用品和服务7X ，居住 8X 。 其中各个指数是以 1978 年的价格为 100 来计算的，均来自福建省统计年鉴，见 表 1。 （二） 回归 模型 选择 与建立 假设研究对象为 n 个样 品，每个样品观测 p 个指标， 分别用 1X 、 2X 、 pX来表示。将原始数据资料整理为矩阵： X = npnnppxxxxxxxxx212222111211。 对 p个变量做多元线性回归模型，对模型检验后做主成分分析，根据 特征根大于 1和 累计贡献率不低于 80%

20、 的要求 ，选取前 m（ mp） 个主成分，即 1Z 、 2Z 、mZ 。将 这 m 个主成分对解释变量 Y 的多元线性回归，得到的回归模型为： mm ZZY 110 。由于 主成分都由解释变量 1X 、 2X 、 pX 的线性组合，因此，经转化可得最终线性回归模型为： pp XXY 110 使用 Eviews 软件对 表 1的解释变量和被解释变量建立多元线性回归模型，设其表达式 : 88110 XXY ，式中 0 ， 1 ,， 8 为回归参数，采用普通最小二乘法对式中的回归参数进行估计。 因此， 我们可以得到 CPI 与食品、衣着等八类 商品 消费价格指数的多元线性回归方程为 : 参照标准详

21、见贾俊平 -统计学（第三版） 6 54321 0 0 6 3.00 1 2 2.06 5 5 8.03 3 4 1.02 7 5 6.02 4 2 7.2 7 2 XXXXXY 886.4 862.16 199.5 822.4 171.5 28.6 876 1 0 2 5.00 5 7 2.02 6 1 8.0 XXX 554.4 87.8 938.4 09.16792F 999985112.02 R 999925561.02 R 其中，括号内的数字为 t 检验 值。 对于给定的显著性水平 05.0 ， 3 7 1.19)1811,8(05.0 FF ， 3 0 3.4)1811(025.0

22、tt ， 表明该模型的线性关系在 95%的置信水平下显著成立 ，模型中引入的 8个解释变量都在 95%的水平下影响显著，都通过 了 解释变量的显著性检验 。因此，我们可以得出：所定义的解释变量对被解释变量居民消费价格指数 Y 的影响是 比较 显著的。 我们 通 过 Eviews 软件可得到 初步回归模型，但是在将模型应用于实践之前，要充分分析模型的实际意义。上述回归模型中 ，变量 2X 、 5X 、 6X 的回归系数是负的，表明 这些解释变量 与 CPI 呈负相关，显然与实际不合理。其原因可能由于解释变量之间存在多重共线性。因此，该回归方程需要进一步改进和完善。 多重共线性表现为解释变量之间具

23、有相关关系，这样会使估计量的方差增大，从而降低回归方程的应用价值，在利用多元 线性回归分析 经济现象的时候，要尽可能避免多重共线性。本文采用方差扩大因子法，其公式如下： 21 1 jj RVIF jVIF 的大小反应了解释变量间是否存在多重共线性，由此可由它来度量多重共线性的严重程度。 假如有 k 个自变量， 2jR 是把第 j 个自变量看作因变量，用其余 1k 个变量作线性回归 所得的决定系数。 经验表明，当 方差膨胀因子10jVIF 时，说明该解释变量 iX 与其余解释变量间有严重的多重共线性，而且这种多重共线性可能会过度影响最小二乘估计值。 利用 Excel软件 计算出 VIF 值，它们

24、的 VIF 值都远远大于 10。因此，我们可以认为该回归模型存在多重共线性。 （三） 主成分分析 从上面的变量显著性检验得出，各解释变量间 由于存在共线性 使得它们对 Y的独立作用不能完全分辨出来， 由于主成分间具有不相关性，并且能较好的反映原来众多相关性指标的综合信息，用主成分作为新的自变量进行回归分析使得回归方程及参数估计更加可靠。 因此可以采用主成分分析 方法 消除 解释 变量间的多重共线性。 7 本文 采用主成分回归分析方法建立 CPI 与其他八类商品价格指数的回归 模型，主成分回归的原理是用主成分分析提取的主成分与因变量回归建模。因此，用主成分作为新的 解释 变量进行回归分析使得回归

25、方程及参数估计更加可靠。 利用 软件 SPSS16.0 对八个解释变量 进行主 成分分析得到 特征根与方差贡献率、 主成分的因子载荷矩阵和 主成分得分系数矩阵 。 从各变量之间的相关系数矩阵来看，变量之间 存在 较强的相关关系。这表明本文数据适合作主成分分析。 根据 表 2 可得 主成分分析模型的特征根和累计贡献率 :前 两 个因子特征根值超过了 1,前 两 个 主成分 累计贡 献率达到了 93.012%。说明前 两 个主成分已经可以反映原来八个指标 93.012%的信息，因此 选择前 两 个主成分建立模型。 我们可以 提取前面 两 个主成分来代替原来 8个指标变量，分别把这 两 个主成分分别

26、记为： 1Z 、 2Z 。 主成分的因子载荷矩阵（ Component Matrix）的每一列数值表示主成分分析模型中的系数 ija ， 这个系数越大，说明 该主成分对 该 变量的代表性就越大 。 因此，第一主成分 1Z 与 食品、居住、 交通和通讯、衣着、烟酒及用品、 家庭设备用品及维修服务相关程度高 ，第二主成分 2Z 与 医疗保健和个人用品、娱乐教育文化用品及服务 相关程度 较 高。 我们利用 主成分得分 系数 矩阵 得到 两个主成分与八个变量之间的 相关关系 ： 76543211 1 8 7.02 0 7.00 3 1.00 3 3.02 0 2.01 5 5.01 6 8.0 XXX

27、XXXXZ 8189.0 X 76543212 404.0094.0409.0317.0056.0119.008.0 XXXXXXXZ 8018.0 X 上面两个式子中的解释变量经过标准化 公式 的处理了，所以这些解释变量都是原始的解释变量 。 主成分 分析模型在实际应用中要求 mp，因此，不能精确计算出 主成分 的 真正 得分情况，只能对 主成分 得分进行估计。因此与 主成分真正 得分 有些差距还是可以接受的。 将 表 1 中的 8 个变量分别代入上面 两 个式子 ， 可以得到 1Z 和 2Z 的值。 假设建立 的 回归估计模型为： 22110 ZZY ， 用 Eviews 软件对被解释变量Y （ CPI） 与 两个主成分 1Z 、 2Z 进行回归估计，从而得出它们间的多元线性回归模型： 21 2 8 8 2 5.07 2 9 4 6.09 8 7.1 4 9 ZZY 713.16 012.25 854.4 9321.333F 988175629.02 R 985204.02 R