基于VAR模型的GDP和M2对CPI的影响的研究

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于VAR模型的GDP和M2对CPI的影
响的研究
作者:宋珊
来源:《商情》2016年第12期
【摘要】近几年来,我国CPI不断走高,尤其是2010年以来CPI过高问题受到公众广泛关注。

本文通过建立CPI、GDP、M2的VAR模型进行脉冲响应分析并做Granger因果检验,分析GDP和M2对CPI的影响,得出结论:GDP和M2在短期内对CPI影响较大,长期的影响较小,并且滞后一期的GDP和M2的增加对CPI上涨有促进作用,滞后两期的GDP和M2的增加对CPI的上涨反而有抑制作用。

【关键词】CPI;GDP;M2;VAR模型;Granger检验
一、理论基础
根据传统货币数量论的费雪方程式:,M为货币的数量,V为货币流通速度(一年中每一元货币的还手次数),P为物价水平,T是各类商品的交易总量,可以得到关系式,∏是通货膨胀率,m是M2增长率,v是货币流通速度变化率,y是实际GDP增长率。

其中v是由制度因素决定的,而制度因素变化缓慢,因而可视为常数。

由上分析知,∏主要受m和y的影响,即CPI主要受GDP和M2的影响。

因此,建立模型定量分析GDP和M2对CPI的影响程度对于经济政策的运用有一定的指导意义。

二、实证分析
(一)数据选择处理与分析思路
本文分析使用的样本取自19862015年的年度数据,数据来源于中国统计年鉴、中国金融年鉴以及中国人民银行网站。

为了更严谨分析,将数据进行了无量纲化处理,即使用CPI、GDP、M2的增长率进行分析,以1986年数据为基础100,对19862010年数据进行分析,预留20112015五年数据作为样本外预测。

为了减弱时间序列在模型中的异方差性影响,对所有变量取对数,得到lnCPI、lnGDP、lnM2,并且取对数后不改变原序列的协整关系。

(二)数据平稳性检验(PP检验)
检验发现,lnCPI、lnGDP、lnM2序列均是非平稳的,直到进行二阶差分后,才都平稳。

因此三个序列都是I(2)过程,可以建立协整关系。

(三)确定滞后阶数并检验VAR模型的平稳性
建立lnCPI、lnGDP、lnM2序列的VAR模型,发现滞后阶数为3时,方程的单位根才全部小于1,模型是平稳的。

(四)脉冲响应分析
经脉冲响应分析可知,CPI对其自身的一个标准差新息立刻有反应,CPI增加了约0.024,到第三期时,影响变为负向的,且持续时间较长,到第十期时几乎回到原来水平;该序列对来自其他方程的新息在第一期都没有反应,来自GDP的影响到第三期比较明显,到第七期时,影响又转为负向的并一直持续下去,直到第十期接近原来水平;M2的一个标准差的新息对其影响到第三期比较显著,到10期以后影响基本消失。

(五)Granger检验
前面已经确定最佳滞后阶数为3,在做Granger检验时也将滞后阶数选为3,得到结果是:在5%的置信水平下,LNGDP和LNM2都是LNCPI的Granger原因,同时,LNCPI也是LNGDP的Granger原因,即LNCPI和LNGDP互相影响,是显著的双向因果关系,而LNCPI 不是LNM2的Granger原因。

三、结论
本文通过对LNCPI、LNGDP、LNM2进行协整检验并进行脉冲响应分析,最后进行Granger因果关系检验分析GDP、M2对CPI的影响,建立的VAR模型为:
LNCPI=1.3585*LNCPI(1)0.8071*LNCPI(2)+0.4219*LNCPI(3)+0.3612*LNGDP (1)0.4090*LNGDP(2)+0.0653*LNGDP(3)+0.5597*LNM2(1)0.6859*LNM2(2)
+0.1078*LNM2(3)+0.0856
得出以下结论:
1.变量LNCPI、LNGDP、LNM2不是平稳的,但是都是二阶单整的,它们之间存在协整关系,即经济增长、货币供应量和物价上涨之间存在长期稳定的均衡关系。

经济增长和货币供应量的增加可以推动物价的上涨,同时,物价上涨在一定程度上会刺激经济的发展。

2.观察模型系数可以发现,GDP和M2对CPI走势从长远来看影响不是很大,在近两年的时间内对CPI影响较大,这与实际情况是相符的,当经济迅速发展,GDP增长较快时,会及时引起货币供应量的增加,从而促进CPI的上涨。

3.滞后一期的CPI和滞后两期的CPI都在很大程度上影响当期CPI的值,这是因为大多数经济时间数据都有一个明显的特点,就是它的惯性,表现在时间序列数据不同时间的前后关联上,前期指标的大小往往会影响到下一期指标。

参考文献:
[1]曾辉.货币经济学[M].北京:中国金融出版社,2011
[2]F.S.米什金.货币金融学[M].北京:中国人民大学出版社,1998
[3]易丹辉.数据分析与EViews应用[M].北京:中国人民大学出版社,2008
[4]李子奈,潘文卿.计量经济学[M].北京:高等教育出版社,2010
[5]陈希娟.CPI与GDP、M2的关系[J].经济研究导刊,2009,(4)
[6]王璐.基于VAR模型的我国GDP与M2对CPI的影响[J].怀化学院学报,2010,(10)
作者简介:
宋珊(1991-),女,汉族,湖北安陆人,西南财经大学中国金融研究中心,硕士,研究方向:国际金融。

相关文档
最新文档