| 论文导读::本文在建立向量自回归模型的基础上,运用脉冲响应函数和方差分解方法对我国居民消费价格指数的影响因素作了实证分析。研究结果表明,居民消费价格指数对本身的冲击是敏感的,货币供应量、固定资产投资规模和工业品出厂价格指数对居民消费价格指数的影响比较显著。基于此,本文提出了要平稳过渡居民消费价格指数,就要采取从紧的货币政策、有效控制固定资产的投资规模、合理调整产业结构,建立健全各产业价格监管体系,积极培育和发展其他产业等政策建议。论文关键词:VAR模型,脉冲响应,方差分解
 
 一、引 言 居民消费价格指数(Consumer Price Index,英文缩写为CPI)是反映一定时期内居民消费价格变动趋势和变动程度的相对数,是以居民购买并用于消费的一组代表性商品和服务项目价格水平的变化情况来反映居民消费价格变动幅度的国民经济核算统计指标。从一般理论来看,居民消费价格指数受社会总供给与社会总需求之间差数的影响,也受到货币发行量的影响。这一指标影响着政府制定货币、财政、消费、价格、工资、社会保障等政策,同时也与居民生活密切相关,因此,长期以来,不仅宏观政策的制定者密切关注着CPI的高低,而且很多学者也围绕着CPI进行了大量的理论和实证研究。尤其是自2007年以来,CPI持续地呈高位增长,引起了政府、学者、企业厂商的高度关注,成为目前学界研究领域的一个热点难点问题。 关于CPI的影响因素分析,学界已有研究。李敬辉、范志勇(2005)将粮食价格波动作为价格指数变动的重要因素[1],李庆华(2006)认为固定资产投资增长率对消费价格通胀率的反应是相当敏感和强劲的[2],何维炜等(2007)则认为食品价格和居住价格是决定CPI走势抬高的两大主导力量[3]。这些研究都有一定的科学性,但将过多的将视线注意于CPI的构成因素上,即CPI的结果本身是由这些因素如食品、居住等加权计算得来的,这无疑具有较大的自相关性。 笔者认为CPI涨幅的适度规模是由于经济社会发展、产业结构调整、资源的有限性等诸因素综合发展的必然结果,属正常调整。然而,CPI的过高上涨则反映了社会供需之间的矛盾已经明显,客观上需要及时调整影响社会供需关系的主导因素以将CPI稳定在一定的变化幅度内。因此,本文试图从一个比较长的时间跨度内,选取影响社会供需的主导因素的数据,通过VAR模型来测试CPI的影响因素及其程度。 二、VAR模型设置、估计与解释 (一)数据收集和变量选择 从宏观经济理论看,社会总供给主要有消费、储蓄、税收以及进口等构成,社会总需求主要有消费、投资、政府购买以及出口。可进一步将这些因素具体化为城镇居民人均可支配收入、农村居民人均可支配收入、全社会固定资产投资、货币供应量、工业品出厂价格指数、农业生产资料价格指数、出口总额和进口总额。 从宏观经济理论来看,物价上涨的原因一般有三种情况:第一种情况是需求拉动式的物价上涨,它是由于需求扩张所引起的;第二种情况是成本推动式的物价上涨,它是由于原料、燃料价格等成本价格的上涨所引起的;第三种情况是物价上涨的国际传递,它是由于一个国家的物价上涨或货币贬值传导到他国的现象。为了较准确地分析CPI的影响因素,须对每一种情况进行考察。 从需求来看方差分解,自2007年全国各地区开始出台了不同程度地提高工资的政策措施。提高工资在短期内会增加居民的购买力,进而有效地刺激需求。一方面,产品会由于需求的增加而涨价,另一方面,这会增加投资者的预期,刺激他们更多的投资。因而,收入的增加在很大程度上拉动了物价上涨。同时,为了尽可能准确客观地分析收入对CPI的影响程度,在这里采用城镇居民可支配收入作为变量,因为农村居民可支配收入在对CPI的上涨是滞后的,反应不敏感。其次,货币供应量也是影响需求变化的重要因素,根据货币数量论,通胀率来自货币增长率,所以它在一定程度上具有内生性。再次,固定资产投资规模在很大程度上决定产品价格,固定资产投资由于主要是由政府支撑的,所以它不会因为货币政策的变化而发生显著变化,基于此,将其也作为一个变量进入模型。 从供给来看,农产品价格和工业品价格的增加是物价总水平上涨的外在因素,考察农产品价格波动的指标是农业生产资料价格指数,考察工业品价格波动的指标是工业品出厂价格指数。因此,用农业生产资料价格指数和工业品出厂价格指数来反映供给方的变化,将其作为外生变量进入模型。 从国际传递来看,由于我国的经济总量比较大,经济结构是复合型的,即不是单一地依赖某一生产要素取得发展,因此,其他国家的物价上涨或货币贬值的波及效应是有限的,意即国外通胀率的变化对我国CPI的影响是不显著的。 (二)VAR模型的建立与估计 根据上述分析,我们选取居民消费价格指数(CPI)、城镇居民人均可支配收入(Income)、货币供应量(Money Providence,简写为M)、固定资产投资(Permanent Assets,用PA代替)、农业生产资料价格指数(Agricultural ProductionPrice Index,简写为API)、工业品出厂价格指数(IndustrialProduction Price Index,简写为IPI),为了量纲的统一,将这些变量通用“率”来考量。 在模型中将货币增长率(货币供应量)作为内生变量,同时由于固定资产增长率(固定资产投资)决定于利率和货币供给两者的变化,因此将固定资产增长率也作为内生变量进入模型。将来自两方面的供给冲击——农业生产资料价格指数API和工业品出厂价格指数IPI作为外生变量。基于此,根据历年中国统计年鉴并经计算整理后,得到表1的样本。 表1 与模型相关的数据表   
    
        
            | YEAR | CPI | M | PA | API | IPI |  
            | 1990 | 103.1 | 100.0 | 102.4 | 105.5 | 104.1 |  
            | 1991 | 103.4 | 126.5 | 123.9 | 102.9 | 106.2 |  
            | 1992 | 106.4 | 131.3 | 144.4 | 103.7 | 106.8 |  
            | 1993 | 114.7 | 137.3 | 161.8 | 114.1 | 124.0 |  
            | 1994 | 124.1 | 134.5 | 130.4 | 121.6 | 119.5 |  
            | 1995 | 117.1 | 129.5 | 117.5 | 127.4 | 114.9 |  
            | 1996 | 108.3 | 125.3 | 114.5 | 108.4 | 102.9 |  
            | 1997 | 102.8 | 119.6 | 108.8 | 99.5 | 99.7 |  
            | 1998 | 99.2 | 114.8 | 113.9 | 94.5 | 95.9 |  
            | 1999 | 98.6 | 114.7 | 105.1 | 95.8 | 97.6 |  
            | 2000 | 100.4 | 112.3 | 110.3 | 99.1 | 102.8 |  
            | 2001 | 100.7 | 117.6 | 113.1 | 99.1 | 98.7 |  
            | 2002 | 99.2 | 116.9 | 116.9 | 100.5 | 97.8 |  
            | 2003 | 101.2 | 119.6 | 127.7 | 101.4 | 102.3 |  
            | 2004 | 103.9 | 114.9 | 126.8 | 110.6 | 106.1 |  
            | 2005 | 101.8 | 117.6 | 126.0 | 108.3 | 104.9 |  
            | 2006 | 101.5 | 115.7 | 123.9 | 101.5 | 103.0 |  资料来源:《中国统计年鉴2007》、《中国统计年鉴2006》、《中国统计年鉴2005》。 因为我们的模型是建立在小样本基础上的,所以在选择滞后阶数P时,一方面为了反映所构造模型的动态特性,一方面为了有足够的自由度,参照SIC和SC规则,我们选取的滞后阶数为2,构造一个VAR(2)模型: 
 其中, 、  、  是随机扰动项,他们之间可以同期相关,但是不能与自身的滞后值相关以及和等式右边的变量相关。 运用eviews5.0对上述模型进行估计,结果如表2。 表2 向量自回归估计   
    
        
            |     |     |     |     |  
            |     | CPI | M | PA |  
            |     |     |     |     |  
            |     |     |     |     |  
            |     | 0.850028 | 1.619056 | -1.153849 |  
            | CPI(-1) | (0.36560) | (0.53923) | (1.88793) |  
            |     | [ 2.32504] | [ 3.00255] | [-0.61117] |  
            |     |     |     |     |  
            |     | -0.454987 | -0.341781 | 1.207452 |  
            | CPI(-2) | (0.19215) | (0.28341) | (0.99227) |  
            |     | [-2.36784] | [-1.20596] | [ 1.21686] |  
            |     |     |     |     |  
            |     | 0.322121 | 0.032334 | -0.241103 |  
            | M(-1) | (0.20617) | (0.30408) | (1.06463) |  
            |     | [ 1.56244] | [ 0.10633] | [-0.22647] |  
            |     |     |     |     |  
            |     | 0.106933 | -0.140854 | -0.720377 |  
            | M(-2) | (0.08782) | (0.12953) | (0.45352) |  
            |     | [ 1.21759] | [-1.08740] | [-1.58843] |  
            |     |     |     |     |  
            |     | 0.144139 | 0.154342 | 0.150990 |  
            | PA(-1) | (0.07217) | (0.10645) | (0.37269) |  
            |     | [ 1.99720] | [ 1.44996] | [ 0.40514] |  
            |     |     |     |     |  
            |     | -0.098736 | -0.330839 | -0.226782 |  
            | PA(-2) | (0.07795) | (0.11497) | (0.40252) |  
            |     | [-1.26669] | [-2.87770] | [-0.56341] |  
            |     |     |     |     |  
            |     | -0.194373 | -0.633235 | 0.317916 |  
            | API | (0.21777) | (0.32119) | (1.12455) |  
            |     | [-0.89256] | [-1.97151] | [ 0.28271] |  
            |     |     |     |     |  
            |     | 0.249452 | 0.836626 | 1.987642 |  
            | IPI | (0.15064) | (0.22218) | (0.77787) |  
            |     | [ 1.65600] | [ 3.76561] | [ 2.55522] |  
            |     |     |     |     |  
            |     |     |     |     |  
            | R2 | 0.979405 | 0.960021 | 0.855435 |  
            | 调整后R2  | 0.958810 | 0.920042 | 0.710870 |  
            | 残差平方和 | 16.62892 | 36.17437 | 443.4325 |  
            | 方差的标准误 | 1.541285 | 2.273272 | 7.959115 |  
            | F-statistic | 47.55574 | 24.01318 | 5.917300 |  
            | 对数似然值 | -22.05728 | -27.88633 | -46.68279 |  
            | 赤池信息值 | 4.007637 | 4.784844 | 7.291039 |  
            | 施瓦茨信息值 | 4.385263 | 5.162471 | 7.668666 |  
            | 应变量均值 | 105.3267 | 121.4400 | 122.7400 |  
            | 应变量标准差 | 7.594309 | 8.039350 | 14.80192 |  
            |     |     |     |     |  从VAR模型输出的结果中,我们可以看出: 第一,居民消费价格指数滞后一期对自身的影响由其参数估计值0.85所表示,而且显著性水平较高,而滞后二期对自身的影响为负。对此,我们可以理解为,第一年居民消费价格指数的上涨会在下一年度逐渐释放,在第三年开始逐步纠正。 第二,货币供给量滞后一期和滞后二期都会对居民消费价格指数会产生一定的影响,通过参数估计值0.32和0.11表现出来,其t统计量分别为为1.56和1.22。这说明加大货币供给会促使居民消费价格指数一定程度内的上涨。因此,鉴于2007—2008年我国消费价格指数持续走高的现状,国家出台了从紧的货币政策,其目的就在于抑制消费价格指数。 第三方差分解,固定资产投资规模滞后一期对居民消费价格指数的影响是比较显著的,其t统计量约为2。这说明固定资产投资每提高1个百分点,大约会使下一年的消费价格指数提高0.144个百分点。 第四,农业生产资料价格指数或许对居民消费价格指数有影响,但不显著论文开题报告范文。其根源于农业一直是一个弱势产业。 第五,工业品出厂价格指数对居民消费价格指数的影响由其参数估计值0.25所表示,相应地,t统计量为1.66。这说明,相对于农业,工业是一个强势产业,工业品出厂价格的持续上涨就会拉动居民消费价格总指数提高。 第六,其中回归结果中还包括了每个方程的标准OLS回归统计量,其中可以看出对于每个方程其 的数值都很大,这说明方程对因变量的拟合较好。F检验值抖比较大,说明方程的解释程度也比较显著。AIC与SC的值都比较小,说明滞后阶数的确定基本合理。 (三)脉冲响应函数 VAR模型的主要功能并不是回归系数的意义,而是说明一个随机新量的冲击对内生变量的影响和其相对重要性,这就需要脉冲响应函数对其作进一步分析。脉冲响应函数描述一个标准差大小的冲击对VAR模型中内生变量当期值和未来值的影响。下面我们即用脉冲响应函数来分析加入一个标准差大小的随即新量冲击对模型中内生变量当期及未来几期的影响,分析结果见图1和表3。 
 图1 脉冲响应函数 图1中的第一个方框表示各内生变量对居民消费价格指数的一个标准差大小的随机新量的反应。从图中可以看出,居民消费价格指数自身对它的反应是一直持续增加,但增幅率不同。这说明居民消费价格指数的一次偶然上升,会在第一年和第二年逐步得到释放,而在第三年开始逐步回归,增幅率加大,到四年以后增幅率逐渐下降。货币供应量对该冲击的反应是持续增加,从第四年开始增幅率趋近于0,在第一年到第三年增幅率经历了由大到小的过程。固定资产投资对该冲击的反应是开始是增加,到三年多之后增幅开始下降,这说明居民消费价格指数的一次偶然上升,会影响固定资产投资规模近四年。 图1中的第二个方框表示各内生变量对货币供应量一个标准差大小的随机新量的反应。从图中可以看出,居民消费价格指数对该冲击的反应是开始是下降,约半年之后开始增加,然后持续增加,在第二年是增幅最大,然后逐年下降,这说明货币供给的一个增长性冲击,会在短期内导致消费价值指数的下降,产生这种现象的原因可能是当货币突然增加时,居民不敢肯定这是永久性增加还是暂时性增加,所以在开始阶段,不敢贸然增加消费支出,直到约半年之后才开始增加消费支出。货币供应量自身对它的反应是开始时大幅增加,从第二年开始趋于平静。固定资产投资规模对该冲击的反应是开始时增加,经过两年后持续下降,这说明投资行为往往是一窝蜂行为。    1/2    1 2 下一页 尾页 |