对商品零售价格指数相关性研究分析

合集下载

消费者物价指数的影响因素与动态变化研究

消费者物价指数的影响因素与动态变化研究随着经济的发展和人民生活水平的提高，消费者物价指数成为一个重要的经济指标。

消费者物价指数（Consumer Price Index，CPI）是衡量一国或地区在一定时期内消费品和服务价格变动的指标，它对于政府制定货币政策、预测通货膨胀以及评估人民生活水平的变化都有着重要意义。

本文将探讨消费者物价指数的影响因素以及其动态变化。

一、供求关系与物价水平供求关系是影响物价水平的重要因素之一。

当供应量大于需求量时，商品的价格往往会下降；相反，当需求量大于供应量时，商品的价格则会上涨。

以苹果为例，当苹果的产量大于市场需求量时，价格会下降，反之会上涨。

因此，供求关系的变化对于物价水平具有决定性的影响。

二、货币政策的调控作用货币政策是国家调控经济的重要手段之一。

通过调整货币供应量、利率水平等措施，政府可以影响物价水平。

例如，当货币供应量过多时，货币贬值，导致物价上涨；反之，当货币供应量不足时，货币升值，物价则会下降。

因此，货币政策的调控对于控制通货膨胀，维护物价稳定具有重要作用。

三、生产成本的变化生产成本是决定商品价格的重要因素之一。

生产成本的变化会直接影响到商品的价格。

例如，原材料价格的上涨、人工成本的增加等，都会导致商品价格的上升。

生产成本的变化通常是由于供应链的改变、技术进步以及劳动力成本等因素引起的。

四、外部冲击与物价波动外部冲击也是影响消费者物价指数的重要因素之一。

外部冲击包括国际原油价格的变动、自然灾害、恶劣的天气条件等。

这些因素会对商品的价格产生直接或间接的影响，并最终反映在消费者物价指数上。

例如，当国际原油价格上涨时，能源价格的上涨将会导致交通、制造业等领域的成本增加，进而推动物价上升。

消费者物价指数是一个动态变化的指标，其数值会随着时间的推移而不断变化。

它受到多种因素的影响，包括经济增长、政府政策、国际贸易等。

因此，及时了解和研究消费者物价指数的动态变化对于政府、企业以及消费者都具有重要意义。

PPI与工业企业利润相关性探究分析

PPI与工业企业利润相关性探究分析PPI（Producer Price Index）是一个反映工业生产领域中商品价格变动趋势的统计指标。

与CPI（Consumer Price Index，消费者价格指数）不同，PPI是根据工业企业出厂价格的变动情况来衡量的。

PPI与工业企业利润之间存在一定的相关性，本文将通过探究分析这两者之间的关系。

首先，PPI与工业企业利润之间的相关性可以从两个方面进行分析。

一方面，PPI的变动会直接影响到工业企业的成本。

当PPI上涨时，工业企业的原材料、能源等生产成本也会上升，从而对企业的利润产生负面影响。

相反，当PPI下降时，企业的成本相应减少，利润可能会增加。

因此，PPI与工业企业利润存在着负相关的关系。

另一方面，PPI的变动还会对工业企业的销售价格产生影响，从而进一步影响企业的利润。

当PPI上涨时，企业将面临生产成本上升的压力，因此可能会被迫提高销售价格来保持盈利。

然而，由于市场竞争的存在，企业可能无法完全将成本上涨转嫁给消费者，导致销售价格上涨幅度小于PPI上涨幅度，这将对企业的利润产生负面影响。

相反，当PPI下降时，企业可能会降低销售价格来吸引消费者，从而提高销量和利润。

因此，PPI与工业企业利润之间还存在着一定的正相关关系。

为了进一步验证上述理论分析，可以通过实证研究来探究PPI与工业企业利润的相关性。

研究方法可以采用相关分析和回归分析。

首先，相关分析可以通过计算PPI与工业企业利润之间的相关系数来判断它们之间的线性相关性强弱。

相关系数的取值范围是-1到1，其中-1表示完全的负相关，1表示完全的正相关，0表示没有相关性。

如果相关系数的值接近于-1，说明PPI与工业企业利润之间存在较强的负相关关系；如果相关系数的值接近于1，说明二者之间存在较强的正相关关系；如果相关系数的值接近于0，则说明二者之间关系较弱。

其次，回归分析可以进一步研究PPI对工业企业利润的影响程度。

对商品零售价格指数相关性分析

对商品零售价格指数相关性分析摘要本文选取了若干因素，应用SPSS软件，对商品零售价格指数进行了相关性分析并建立了回归线性模型。

一、研究意义商品零售价格指数作为反映商品零售价格变动趋势的一种经济指数。

它的调整升降直接影响居民生活费用的变动，直接关系国家财政的收支，直接影响居民购买力和市场商品供需格局，还影响着消费和积累的比例。

因此，从影响其变动的诸多因素中拨云见日，勾选出相对的主要因素，对于编制财政计划、价格计划，制定物价政策、工资政策有着十分重大的意义。

二、因素选择及数据说明从经济学相关原理及中国经济现状出发，我们认为影响当今中国市场商品零售价格指数的因素可能有如下几个：居民消费价格指数、城市居民消费价格指数、农村居民消费价格指数、工业品出厂价格指数、工业生产者购进价格指数、固定资产投资价格指数。

1、商品零售价格指数（上年=100,按现价计算，下同），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。

2、居民消费价格指数，是反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。

该指数可以观察和分析消费品的零售价格和服务项目价格变动对城乡居民实际生活费支出的影响程度。

3、城市居民消费价格指数，是反映城市居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。

城市居民消费价格指数可以观察和分析消费品的零售价格和服务项目价格变动对职工货币工资的影响，作为研究职工生活和确定工资政策的依据，是用来反映通货膨胀（紧缩）程度的指标。

4、农村居民消费价格指数是反映农村居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。

农村居民消费价格指数可以观察农村消费品的零售价格和服务项目价格变动对农村居民生活消费支出的影响，直接反映农民生活水平的实际变化情况，为分析和研究农村居民生活问题提供依据。

对商品零售价格指数相关性分析

对商品零售价格指数相关性分析对商品零售价格指数相关性分析摘要本文选取了若干因素，应用SPSS软件，对商品零售价格指数进行了相关性分析并建立了回归线性模型。

一、研究意义商品零售价格指数作为反映商品零售价格变动趋势的一种经济指数。

它的调整升降直接影响居民生活费用的变动，直接关系国家财政的收支，直接影响居民购买力和市场商品供需格局，还影响着消费和积累的比例。

因此，从影响其变动的诸多因素中拨云见日，勾选出相对的主要因素，对于编制财政计划、价格计划，制定物价政策、工资政策有着十分重大的意义。

进而影响居民消费价格指数。

该指数可以观察和分析消费品的零售价格和服务项目价格变动对城乡居民实际生活费支出的影响程度。

3、城市居民消费价格指数，是反映城市居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。

4、农村居民消费价格指数是反映农村居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。

消费者物价指数的测算与模型研究

消费者物价指数的测算与模型研究消费者物价指数（Consumer Price Index，CPI）是衡量物价水平变动的重要指标，也是衡量通货膨胀水平的主要依据。

本文旨在对消费者物价指数的测算方法和模型进行研究，以深入理解该指数的计算过程及其对经济状况的反映。

一、消费者物价指数的测算方法消费者物价指数的测算主要涉及两个方面的数据：商品篮子和权重。

商品篮子是指包括了一系列代表性商品的集合，权重代表着各个商品在总体价格中的重要程度。

一般来说，消费者物价指数的测算可以分为以下几个步骤：1. 选择代表性商品：根据消费者的购买行为和习惯，从各个领域选择代表性的商品。

这些商品应能够全面反映市场上的价格变动。

2. 确定商品价格权重：通过调查和统计分析，确定各个商品在总体价格中所占的权重。

一般来说，常用的权重分配方法有“数量权重法”、“支出权重法”等。

3. 商品价格指数计算：根据所选商品的价格和权重，计算各个商品价格指数的加权平均数。

这个平均数即为整个消费者物价指数。

二、消费者物价指数的模型研究消费者物价指数的模型研究主要涉及三个方面：价格指数模型、影响因素模型和预测模型。

1. 价格指数模型：价格指数模型是描述消费者物价指数的变动规律的数学模型。

常见的价格指数模型包括拉索模型、费雪模型等。

这些模型能够通过拟合实际数据，揭示价格变动的趋势和规律。

2. 影响因素模型：影响因素模型是分析和解释消费者物价指数变动的因素的模型。

通常来说，影响因素包括货币供应量、经济增长、人口结构、生产成本等。

通过构建影响因素模型，可以定量研究这些因素对消费者物价指数变动的影响程度。

3. 预测模型：预测模型是利用已有的数据和统计方法，预测未来消费者物价指数的变动趋势。

预测模型常用的方法有时间序列分析、回归分析等。

通过这些模型，可以为政府、企业和个人提供合理的物价预测，引导经济决策。

综上所述，消费者物价指数的测算和模型研究对于了解经济状况和预测物价变动具有重要意义。

我国居民消费价格指数的主要影响因素

我国居民消费价格指数的主要影响因素摘要：CPI是英文“Consumer Price Index”的缩写直译为“消费者价格指数”在我国通常被称为“居民消费价格指数”。

CPI的定义决定了其所包含的统计内容那就是居民日常消费的全部商品和服务项目。

日常生活中我国城乡居民消费的商品和服务项目种类繁多小到针头线脑大到彩电汽车有数百万种之多由于人力和财力的限制不可能也没有必要采用普查方式调查全部商品和服务项目的价格世界各国都采用抽样调查方法进行调查。

作为学经济的本科阶段的学生我们所理解的并不彻底我们所能涉及的范围也很小所以借由国家统计数据做以下分析促使我们更好的掌握专业知识了解国情提高我们实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。

问题的提出：影响我国居民消费价格指数的主要因素。

变量的选取：居民消费价格指数城镇居民农村居民模型的设定：y=0.005813+0.571384y2+0.426599y1+u模型的解释变量：城镇居民消费价格指数y1；农村居民消费价格指数y2；城镇居民人均消费支出x1；农村居民人均消费支出 x2 。

分析方法：由此可以看出城镇居民人均消费支出和农村居民人均生活消费支出对居民消费价格指数的影响较小在方程中予以剔除而城镇居民消费价格指数和农村居民消费价格指数对居民消费价格指数的影响较大城镇居民的影响力比农村居民的影响力显著。

模型的应用：改革开放以来，我国的国民经济有了巨大发展人民生活水平也有了极大提高但高收入者毕竟只是少数绝大多数城乡居民收入水平和消费水平还不高。

总结：居民消费价格指数十分重要，而且具有启示性，必须谨慎把握。

因为消费价格指数表明消费者的购买能力，也反映经济的景气状况。

如果该指数下跌，则反映经济衰退必然对货币汇率走势不利。

收入水平和消费水平的不同导致了对价格指数感受的不同。

一般来说收入水平和消费水平的高低会造成对价格指数感受的差异。

计量经济学课程设计-影响社会消费品零售总额的因素分析

影响社会消费品零售总额的因素分析摘要：社会消费品零售总额是一项重要、敏感的政府统计。

定期发布的消费品零售统计资料，常常引起国内外的强烈关注，间或还会引发一些疑义和争议。

为了有利于把问题搞清楚，需要对“社会消费品零售总额” 从多方面逐一进行剖析，找出影响其增长变化的各种因素，然后再加以判断。

关键词：社会消费品零售总额城镇居民家庭人均年总收入农村居民家庭人均年总收入商品零售价格指数年底总人口数城乡居民储蓄存款年底余额一．问题提出商品要进入市场，只有通过流通领域到达消费者的手中，才能实现其使用价值。

社会消费品零售总额是指各种经济类型的批发零售贸易业、餐饮业和其他行业对城乡居民和社会集团的消费品零售额总和。

这个指标反映通过各种商品流通渠道向居民和社会集团供应的生活消费品来满足他们的生活需要，是研究人民生活、社会消费品购买力、货币流通等问题的重要指标。

对居民的消费品零售额：指售给城乡居民用于生活消费的商品。

对社会集团的消费品零售额：指售给机关、团体、部队、学校、企业、事业单位和城市街道居民委员会、农村村民委员会用公款购买的用作非生产、非经营使用的消费品。

一个国家的社会消费品零售总额在很大程度上决定了一个国家的综合国力，国民生产与消费能力，因此分析影响它的主要因素至关重要。

本文利用计量经济学的方法对影响社会消费品零售总额的因素做出分析，从而得出各因素分别对社会消费总额的影响程度。

现实经济生活中，影响“社会消费品零售总额”因素有很多，但从直接影响角度来说，主要包括：1．城镇（X2）及农村居民人均年总收入（X3）。

如图所示：图1从城乡居民收入差距看，据测算，农村居民收入比城市居民大约落后1O年，二者平均每人年收入差距从1985年的1．86倍，扩大为l990年的2．22倍，再扩大为1995年的2.71倍，二者收入的绝对差距从1980年的286．3元，增加到1985年的341．5元，l990年的823．9元，再增加到1995年的2705．3元；从农村和城镇居民内部的收入差距看，农村居民内部的最高最低人均年收入，从1985年的3．15倍，扩大为l990年的4．43倍，再扩大为l995年的4．82倍。

中国商品零售价格指数走势分析

中国商品零售价格指数走势分析商品零售价格指数是指反映一定时期内商品零售价格变动趋势和变动程度的相对数。

商品零售价格指数分为食品、饮料烟酒、服装鞋帽、纺织品、中西药品、化妆品、书报杂志、文化体育用品、日用品、家用电器、首饰、燃料、建筑装潢材料、机电产品等十四个大类，国家规定304种必报商品，需要予以特别说明的是，从1994年起，国家、各省（区）和县编制的商品零售价格指数不再包括农业生产资料。

零售物价的调整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平衡，影响消费与积累的比例。

因此，计算零售价格指数，可以从一个侧面对上述经济活动进行观察和分析。

一、商品零售价格指数随着社会经济迅速发展，个人消费明显增加，导致物价上升，我国商品零售价格指数也呈波动上升趋势，2018年中国商品零售价格指数为101.1(上年=100)，同比增长1.00%；2019年中国商品零售价格指数为101.9(上年=100)，同比增长0.79%。

随着我国市场经济的发展，尤其是第三产业发展迅速，服务消费在居民家庭支出中的比重呈上升趋势。

2014年以来中国商品零售价格定基指数呈不断增长趋势，2018年中国商品零售价格定基指数为462.2（1978=100），同比增长1.90%；2019年中国商品零售价格定基指数为471.4（1978=100），同比增长1.99%。

二、商品零售价格分类指数2019年中国食品类商品零售价格指数107.8(上年=100)，饮料、烟酒类商品零售价格指数101.3（上年=100)，服装、鞋帽类商品零售价格指数101.6(上年=100)，纺织品类商品零售价格指数100.7(上年=100)，日用品类商品零售价格指数100.7(上年=100)，中西药品及医疗保健用品类商品零售价格指数103.9(上年=100)，建筑材料及五金电料类商品零售价格指数101(上年=100)。

2019年中国城市食品类商品零售价格指数107.6(上年=100)，饮料、烟酒类商品零售价格指数101.3（上年=100)，服装、鞋帽类商品零售价格指数101.6(上年=100)，纺织品类商品零售价格指数100.7(上年=100)，日用品类商品零售价格指数100.7(上年=100)，中西药品及医疗保健用品类商品零售价格指数103.8(上年=100)，建筑材料及五金电料类商品零售价格指数101(上年=100)。

商品零售价格指数的计量经济学模型分析

商品零售价格指数的计量经济学模型分析摘要：商品零售价格指数（RPI）是指反映一定时期内商品零售价格变动趋势和程度的相对数。

商品零售价格指数分为食品、饮料烟酒、服装鞋帽、纺织品、中西药品、化妆品、书报杂志、文化体育用品、日用品、家用电器、首饰、燃料、建筑装潢材料和机电产品等十四个大类。

其编制目的，是掌握市场商品价格的变动状况，并在此基础上编制其他各种派生指数，为研究市场流通、进行国民经济核算提供依据。

商品零售价格指数属于流通领域的价格指数,它是反映一定时期市场零售价格变动趋势和变动程度的一个相对数,据此掌握零售商品的平均价格水平,为各级政府制定经济政策,研究市场流通和新国民经济核算体系提供科学依据。

关键词：RPI；国民经济；经济预测1理论模型的设计商品零售价格指数是以社会消费品零售额构成作为权数，如食品类在商品零售价格指数中的权数约35%。

在这里选择与居民生活密切相关的三个大类食品，日用品，燃料，运用计量经济学模型考察它们与商品零售价格总指数的变化关系。

选择食品，日用品，燃料的商品零售价格指数为解释变量，商品零售价格总指数为被解释变量。

为了分析它们之间的变μ，而μ为随即干扰项。

化关系，可使用多元线性回归模型：Y=Bo+B1X1+B2X2+B3X3+2样本数据的收集以T代表年份，Y代表商品零售价格总指数，X1代表食品商品零售价格指数，X2代表日用品商品零售价格指数，X3代表燃料商品零售价格指数。

图一为有关的统计数据图一利用Eviews输出结果如下：Variable Coefficient Std. Error t-Statistic Prob.C -7.954797 8.123178 -0.979272 0.3468X1 0.332888 0.048532 6.859140 0.0000X2 0.678945 0.110140 6.164391 0.0000X3 0.058876 0.031311 1.880374 0.0845R-squared 0.988889 Mean dependent var 102.9504Adjusted R-squared 0.986112 S.D. dependent var 6.678262S.E. of regression 0.787028 Akaike info criterion 2.571213Sum squared resid 7.432961 Schwarz criterion 2.764360Log likelihood -16.56970 F-statistic 356.0114Durbin-Watson stat 0.398629 Prob(F-statistic) 0.000000可得模型：Y = -7.954796752 + 0.3328878321*X1 + 0.6789453471*X2 + 0.0588763885*X33模型的检验3.1模型的经济意义检验根据软件分析的结果可得到Y = -7.954796752 + 0.3328878321*X1 + 0.6789453471*X2 + 0.0588763885*X3，这三个参数估计量的符号是正确的，数值范围适当，根据历史经济经验食品类在商品零售价格指数中的权数约35%，分析结果很好的符合这一点。

消费者价格指数(CPI)的影响与意义

消费者价格指数（CPI）的影响与意义消费者价格指数（ConsumerPriceIndex，简称CPI）是衡量商品和服务价格变动对消费者的影响的重要指标。

CPI的变动对经济的各个领域都有深远的影响。

本文将探讨CPI的影响与意义，并解释其对消费者生活和经济发展的重要性。

1.CPI的定义与计算方法CPI是衡量一定时期内消费者购买一篮子商品和服务的价格变动的指数。

其计算方法包括选择一篮子代表性消费品和服务，并按照一定权重计算价格指数。

CPI反映了通货膨胀或通货紧缩对消费者购买力的影响。

2.CPI对消费者的影响CPI对消费者产生直接影响，其变动会直接影响消费者的生活水平和购买能力。

当CPI上涨时，消费者需要支付更高的价格购买相同的商品和服务，相应地，消费者的购买能力会受到压制。

另一方面，CPI下降意味着消费者可以以更低的价格购买相同的商品和服务，提升了消费者的购买能力。

3.CPI对经济的影响CPI是衡量通货膨胀的重要指标，通货膨胀对经济发展具有广泛的影响。

当CPI上涨时，商品和服务的价格上升，企业的成本也会上升，从而对经济产生负面影响。

CPI的上升还会引发金融市场的不稳定，增加经济的不确定性。

相反，当CPI下降时，企业成本下降，可以提高企业的盈利能力，从而促进经济增长。

4.CPI的意义CPI的意义不仅体现在对消费者和经济的影响上，还反映了经济的整体价格水平和通货膨胀水平。

CPI的上升说明经济存在通货膨胀压力，需要采取相应的经济政策来控制通胀。

CPI的下降则可能表明经济存在通货紧缩的风险，需要采取适当的政策来刺激经济增长。

CPI还可以作为制定货币政策和调整社会福利的依据。

通胀率的变动会影响货币政策制定者的决策，例如调整利率、财政政策等。

CPI还用于调整工资水平、社会保障福利和租金等，以保证公平和消费者的购买力。

5.CPI是衡量商品和服务价格变动的重要指数，对消费者生活和经济发展有着深远的影响。

CPI的上升压制了消费者的购买能力，对经济产生不利的影响。

CRB指数详解

CRB指数详解CRB指数：是由美国商品调查局（Commodity Research Bureau）依据世界市场上22种基本的经济敏感商品价格编制的一种期货价格指数，通常简称为CRB 指数。

CRB 指数一直在经济领域发挥着重要的指标作用。

不仅经济学家们对其非常重视，各种类型的投资者（包括商品期货的投资者）对其也非常在意。

事实上，CRB 指数已经成为投资者在进行投资分析时极为重要的咨询内容。

本文对CRB 指数的来历及CRB 指数在 2005年发生的重大变化进行了详细的介绍，除此之外，还对CRB 指数的意义和作用作出了评析。

由于CRB指数包括了核心商品的价格波动，因此，总体反映世界主要商品价格的动态信息，广泛用于观察和分析商品市场的价格波动与宏观经济波动，并能在一定程度上揭示宏观经济的未来走向。

它能比较好的反映出生产者物价指数（PPI）和消费者物价指数（CPI）的变化。

研究表明，CRB指数是一种较好反映通货膨胀的指标，它与通货膨胀指数在同一个方向波动，与债券收益率在同一方向上波动。

可以说，CRB指数在一定程度上反映着经济发展的趋势，与经济波动同样也具有较强的趋同性。

在国际金融市场上，集合了主要商品品种，并依据不同商品的不同权重进行加权计算而得到的CRB指数，受到众多投资者，特别是期货投资者的青睐。

中国的股票投资者众多，但期货投资者相对较少，所以与期货市场更为亲密的CRB 指数，在中国投资者群体中的声望并不高。

不过，从2009年年初到11月，中国期货市场发展飞速，保证金已经突破1000亿大关。

相信在建设“国际金融中心”的呐喊下，股指期货有望紧随创业板的脚步，于2010年破壳而出，到时CRB指数会渐渐得到投资者应有的关注。

不过，稀缺的知识才有价值。

不论投资者喜欢期货市场还是股票市场，亦或是混迹于外汇市场和黄金市场，都不要忘记了：只有提前掌握了诸如CRB指数这样的重要信息，才能在金融的自由天空中尽情飞翔。

CRB指数是由商品研究所（Commodity Research Bureau）发布的一种反映主要商品价格信息的指数。

零售商品的物价指数与价格的关系分析

信计专业实验报告——Eviews 软件及其应用题目：我国商品零售物价指数与居民消费价格指数的关系分析学院专业学号学生姓名日期成绩一．实验内容我国商品零售物价指数和居民消费价格指数的关系分析二．实验目标（1）会用统计年鉴搜集数据；（2）熟练掌握EViews 的基本操作；（3）学会用搜集到的数据建立合适的数学模型，并能根据运行结果对模型和各种检验进行自主分析；（4）通过分析数据，得到商品零售物价指数与居民消费价格指数的关系及影响。

三．实验过程先上网查找1951-2013年我国居民消费价格指数与商品零售物价指数，并弄清楚我国居民消费价格指数与商品零售物价指数的经济背景。

居民消费价格指数指在反应一定时期内居民所消费商品及服务项目的价格水平变动趋势和变动程度。

居民消费价格水平的变动率在一定程度上反映了通货膨胀（或紧缩）的程度。

通俗的讲，CPI 就是市场上的货物价格增长百分比。

商品零售物价指数是指反映一定时期内商品零售价格变动趋势与变动程度的相对数。

观察表中的数据，以商品零售物价指数为自变量x ，以居民消费价格指数为因变量y ，画出散点图如下：所以建立一元线性回归模型。

(1) 模型设定建立一元线性回归模型为：t u X y ++=10ββ(2) 参数估计估计参数，回归结果如下：模型估计的结果为：x y 998958.0883437.0^+= (2.620126) (0.025411) t=(0.337173) (39.31247)2R =0.962029 2R =0.961406 F=1545.470 DW=1.435360(3) 模型检验1. 经济意义检验由回归结果知：在其他解释变量不变的情况下，当商品物价指数上升1%时，居民消费价格指数以0.998958%的比例增长，符合实际经济意义的检验。

2. 统计检验（1）拟合优度：从回归估计的结果看，模型拟合较好。

可决系数2R =0.962029，修正的可决系数为2R =0.961406，表明我国居民消费价格指数变化的96.20%可由商品零售物价指数的变化来解释。

价格指数解读

价格指数解读价格指数是衡量某一特定市场或行业价格水平变动的重要指标。

它通常基于一篮子商品或服务的价格，利用统计方法将其与历史价格相比较，以揭示价格的涨跌情况。

本文将对价格指数的定义、计算方法以及解读方式进行探讨。

一、价格指数的定义价格指数是一种衡量商品或服务价格水平变化的指标。

它通常是通过构建价格指数篮子，将一定数量的商品或服务的价格与基期价格进行比较得出的数值。

价格指数具有相对性和绝对性两种形式。

相对价格指数是将某一时期的商品价格与据此确定的基期价格进行比较，计算出的相对数值，用于显示价格的相对变动情况。

绝对价格指数是根据标准产品的价格水平，以固定权重计算出的数值，用于显示价格水平的绝对变动情况。

二、价格指数的计算方法计算价格指数的方法主要有拉斯洛指数、帕氏指数和费歇尔指数等。

其中，拉斯洛指数计算方法最为常用。

拉斯洛指数采用加权平均法，即根据商品或服务的权重，计算各项价格指数的加权平均值。

其计算公式为：价格指数 = (商品价格/基期商品价格) ×商品权重三、价格指数的解读方式1. 涨跌幅度分析价格指数的最直观解读方式是比较不同时期的数值，计算其涨跌幅度。

涨跌幅度既可以是单期之内的变动幅度，也可以是相对于基期的变动幅度。

通过涨跌幅度，我们可以观察到市场价格的波动情况，判断市场是否存在通胀或通缩的趋势。

2. 环比对比环比对比是指将当前时期的价格指数与前一个时期进行比较，计算出其增长或下降的百分比。

这种对比方式能够显示价格的短期波动情况，对于市场运行的快速反应具有重要意义。

3. 同比对比同比对比是指将当前时期的价格指数与同一时期的前一年进行比较，计算出其增长或下降的百分比。

这种对比方式能够显示价格的长期趋势，对于制定宏观经济政策和进行长期规划具有指导意义。

4. 分项解读价格指数通常由多个子项构成，我们可以对各个子项进行单独解读。

通过分项解读，我们可以了解不同商品或服务的价格变动情况，从而更好地分析市场供求关系和行业变化。

当前居民消费水平与物价变动的相关性分析

都受到了很大的影响。同时，民消费水平的变化也给物价上涨带居来了反作用。
１指数统计
０为正相关，＜０为负相关。＝０表示不相关：的绝对值越大，关ｒｒｒ相
近几年我国各项指数的变化。
自２００７年以来，国物价持续上涨，别食品类产品的价格上程度越高。我特涨的涨幅最大，０６年１２０，品类产品价格上涨３７推动了１月食．％，两个现象之间的相关程度，一般划分为四级：我国居民消费价格总水平（Ｐ）同比上涨１％，而且１ＣＩ．９１月份的１如两者呈正相关，呈正值，１时为完全正相关；ｒｒ＝ＣＩ数为全年最高，食品价格同比涨幅比上月和去年同期上涨Ｐ指２如两者呈负相关则ｒ呈负值，ｒ一而＝１时为完全负相关；１５个百分点。．专家预计，我国物价还会持续、稳步上涨，物价的持续３当例数相等时，相关系数的绝对值越接近１相关越密切越接ｌｌ上涨给居民的消费带来了严重的影响。居民的消费结构、费层次消
表２２ｏｏ１年一２ＯＯ６年商品零售价格指数
运行趋势大体一致。
居民消费需求与物价变动的趋势一致表明，随着市场体系的不断完善和经济增长方式的转变，两者间的相互影响和相互作用日益增强。一方面，民消费需求变化对物价的影响不断增强，居并已成为导致近年物价水平不断上升的主要原因。这种影响表现为，一是在市场经济条件下，物价水平的高低已经基本能够真实地反映出供求关系的变化。一个时期以来居民消费需求的持续扩大，使买方市场业已存在的供求矛盾进一步加剧，最终在物价水平的变动中得到并反映。二是物价变动尽管受多种因素的影响，但在市场经济条件下，居民消费需求与物价变动有着非常紧密的联系。另一方面，物价持续上涨也会相应提高居民的消费需求。尽管物价上涨使居民货币购买力

《CPI与其子成分波动相关关系分析》范文

《CPI与其子成分波动相关关系分析》篇一一、引言消费者价格指数（CPI，即Consumer Price Index）作为衡量消费者购买一定数量的商品和劳务所需支付的总体成本变化的指标，对国家经济政策制定、企业经营决策及个人消费规划具有重大意义。

而CPI的变动通常是由其多个子成分的波动共同影响而成。

因此，分析CPI及其子成分之间的相关关系，有助于更深入地理解物价变动背后的原因，为政策制定和决策提供科学依据。

本文将就CPI及其子成分波动相关关系进行深入分析。

二、CPI概述CPI是反映一定时期内商品和劳务价格水平变动趋势和变动程度的相对数，它涉及食品、烟酒、衣着、交通通讯等多个类别。

其计算方法通常采用加权平均法，各子成分的权重根据其在居民消费中的比重确定。

三、CPI子成分分析CPI的子成分众多，其中主要的包括食品、饮料、烟酒、衣着、医疗保健等类别。

这些子成分的价格变动会直接影响到CPI 的变动。

而不同子成分的波动受季节性、供需关系、政策调整等多种因素影响，其变动趋势及幅度存在差异。

四、CPI与其子成分波动相关关系分析（一）相关性分析方法本文采用相关性分析方法，通过计算CPI与各子成分之间的相关系数，来分析它们之间的相关关系。

相关系数反映了两个变量之间的线性关系程度，其值范围在-1到1之间，值越大表示相关性越强。

（二）分析结果通过分析发现，食品类子成分与CPI的关联度最高，其价格变动对CPI的影响最为显著。

其次为医疗保健类子成分，其价格变动也对CPI产生较大影响。

其他子成分如衣着、交通通讯等与CPI的相关性相对较低，但其价格变动也会对CPI产生一定影响。

（三）波动同步性分析除了相关性分析，本文还对CPI及其子成分的波动同步性进行了分析。

通过观察各时间序列的走势图及计算各子成分与CPI 的同步指数，发现食品类、医疗保健类等子成分与CPI的波动具有较高的同步性。

这意味着这些子成分的价格变动往往与CPI的变动趋势保持一致。

改革开放以来商品零售价格指数RPI

改革开放以来商品零售价格指数RPI改革开放以来，中国市场经历了较为迅猛的发展过程，特别是商品零售市场，经历了从传统形态向现代化转型的过程。

商品零售价格指数（RPI）作为一个反映零售市场价格动态的指数，在监测市场变化、判断市场趋势、预测市场走向等方面都具有重要的意义。

本文将围绕改革开放以来的商品零售价格指数做一些简要的探析。

一、商品零售价格指数（RPI）的概念和意义商品零售价格指数（RPI）是指反映一定时间内商品零售价格总水平与基准期比较的价格指数。

具体来说，就是以某个时间点为基期，按照不同商品的价格和权重进行加权计算，得出的反映整个零售市场价格总水平的指数。

通俗来说，RPI越高，说明整个市场的零售价格水平越高，反之则越低。

商品零售价格指数对于监测市场价格动态、预测市场走向和判断市场趋势等都具有重要的意义。

例如，当商品零售价格指数持续走高时，企业可根据市场现状及时调整产品价格，避免风险和损失；同时，针对商品价格指数的动态变化，政府也可以制定相应的政策，引导市场的稳定和健康发展。

二、改革开放以来的商品零售价格指数（RPI）的变化改革开放以来，商品零售价格指数（RPI）呈现出了较为明显的变化趋势。

下面从三个方面进行探析：1、长期趋势呈现上涨状态。

改革开放以来，随着国家经济不断发展、物价水平不断上升，商品零售价格指数（RPI）整体呈现出较为明显的上升趋势。

其中，1993年以来，商品零售价格指数（RPI）上涨较快，与国家经济发展和物价不断上升紧密相关。

2、存在季节性波动。

商品零售价格指数（RPI）存在着明显的季节性波动。

以年度为周期来看，RPI在春节期间、中秋节期间和双十一期间等传统节日时出现波峰，反之则出现波谷。

3、不同商品RPI变化存在差异。

不同类型的商品RPI变化呈现出明显的差异性。

例如，食品饮料类、日用品类、服装鞋帽类、住房家具类等商品的价格变化不尽相同，其中以食品饮料类和日用品类的价格波动较为频繁。

湖北省CPI和PPI关系的实证分析

湖北省CPI和PPI关系的实证分析张利斌;刘龙飞;冯益【摘要】对湖北省2001年1月至2010年11月的CPI和PPI进行了协整检验和格兰杰因果关系检验,结果显示,在所检验的时间区间,CPI与PPI存在长期均衡关系,CPI和PPI之间在滞后1～3个月的基础上互为格兰杰因果关系,而直到滞后13个月,CPI一直是PPI的格兰杰原因,说明短期存在PPI和CPI的相互价格传递,长期存在着CPI向PPI的价格传递;建立了PPI关于CPI滞后项的二次回归模型,指出t 期PPI是(t-1)期CPI的一元二次函数;通过对2010年12月PPI的真实值和根据函数拟合得到的预测值进行对比分析,验证了模型的可靠性.【期刊名称】《中南民族大学学报（自然科学版）》【年(卷),期】2013(032)001【总页数】6页(P129-134)【关键词】居民消费价格指数;工业品出厂价格指数;协整关系;格兰杰因果关系;价格传递【作者】张利斌;刘龙飞;冯益【作者单位】北京大学光华管理学院,北京100084;中南民族大学经济学院,武汉430074;中南民族大学经济学院,武汉430074;华中科技大学管理学院,武汉430074【正文语种】中文【中图分类】F061CPI(居民消费价格指数)和PPI(工业品出厂价格指数)是我国价格指数体系中最重要的两种价格指数，它们较好地显示了社会经济运行状态，代表了一定时期商品市场和生产要素市场中供求关系的变化情况.从供给角度，PPI的涨跌会顺着产业链传导到零售价格和服务项目上;从需求角度，CPI的涨跌也会通过市场和投资心理因素反馈给PPI.由于对CPI与PPI之间相互关系的研究结论能用于解释物价指数下降或者上升的经济现象，并能对经济未来走势进行预测，为政府制定宏观调控政策(如价格政策和居民消费政策)起到重要的指导作用.因而，在经济发展的不同时期，两者之间可能存在的多种关系也引起了理论界和实务界的广泛关注，尤其是两者的“传递”问题［1-3］.学者大多以PPI向CPI的价格传递为假定，从理论和实证角度探讨了PPI向CPI的传递效率和时滞问题.刘敏等(2005)采用1990年以来的山东省月度同比价格指数利用相关矩阵和相关系数考察了CPI与PPI及其各构成部分的相关关系，认为PPI与CPI之间具有带有明显滞后期影响的线性关系，PPI的变动在滞后一段时期后一定会影响CPI的变动［4］.贺力平(2008)采用全国2001年1月至2008年7月数据得出了不同的结论，指出，CPI是PPI的格兰杰原因，后者经过1～3个月左右的时滞对前者的变动做出反应［1］.姜义美(2006)采用全国1997年1月至2005年10月数据，指出，不同时期两者之间的传递关系不一样:自1997年以来，PPI波动4个月后对CPI影响最为显著;而从2002年11月到2005年10月的数据表明，CPI对 PPI有短期和中长期影响［5］.还有学者进行了双向检验，张延群(2007)根据全国1999年1月至2005年12月数据对消费价格指数、商品零售价格指数、原材料燃料动力购进价格指数和工业品出厂价格指数建立协整向量自回归模型，指出，从长期看，消费价格指数的走势决定商品价格指数走势;从短期看，原材料价格指数的上涨会引起消费价格指数的上涨［6］.近期的研究多采用建立VAR模型等计量方法对CPI和PPI的相互关系及其影响因素进行了探讨(方燕，尹元正，2009［7］;杨宇，陆奇岸，2009［8］)，得到了CPI与PPI保持相互影响的正向时滞关系.通过文献回顾，我们发现，目前研究有以下特点:第一，采用的数据大多是全国数据，样本区间并不一致;第二，现有结论缺乏一致性;第三，对行政省数据进行检验还很鲜见.虽然我国各省并不是独立的经济体系，但是，目前不少省份的经济规模已超过许多独立经济体，同时，不同省份的CPI和PPI具有较大差别.例如，通过对2001年1月至2011年12月湖北省和广东省CPI、PPI数据的比较，我们发现绝大部分时间内湖北省两个指标的数值均高过广东省.本文以湖北省为例，探究我国行政省CPI和PPI之间的传递规律.结果表明:在考察期内，湖北省的PPI与CPI互为格兰杰原因，它们两者都倾向于两个月时滞后引起对方的同方向变动，而在全国水平上，大多数研究结论都认为PPI对CPI的影响较小，即PPI与CPI的倒挂现象，因此本文的研究结果从一个侧面反映了湖北省区别于全国的经济发展特点.1 辨析CPI与PPICPI主要反映消费者购买商品和服务的价格变化情况，由8项分类指标构成，由国家每5年修定一次权重进行计算.PPI主要反映工业产品在出厂时的价格变动趋势和变动程度的相对数.CPI与PPI的“商品篮子”的构成有所不同，存在重合和区别.CPI与PPI的联系:统计范围具备重合性，即生活资料这一部分.就这部分商品而言，它们是CPI与PPI的比较直接的联系纽带，但同时也存在差别，主要在于商品计价的方式，如批发价格与零售价格，以及它们在计算时所占的权重.CPI与PPI的区别:第一，PPI较少包含服务项目，而CPI则包括很多服务项目在内;第二，在农副产品上，PPI仅涉及进入工业加工环节的那部分，而CPI则还涉及未进入工业加工环节的农副产品;第三，PPI涉及许多其最终用途为出口的产品，即不进入国内消费市场的部分，而CPI则涉及许多进口的工业品.因此，在客观上并不能保证CPI与PPI的变动幅度总能保持一致.本文使用2001年1月至2010年11月湖北省月度同比数据对PPI和CPI大类构成的权重进行了一个快速和近似的估算.这个快速估算基于这些产品类别权重在样本期间保持不变的假定.这里采用OLS法，依据公式CPI(PPI)βi=1(βi为各产品类别的权重，Xi为各构成项目).表1给出两个指数各构成类别的估算权重系数.从上述估算结果可看到，湖北省PPI中生产资料和生活资料的权重分别约为75.6%和24.4%;CPI中物品和服务的权重大约分别为77.9%和22.1%.生活资料在PPI和CPI中所占的权重的差别是比较大的.表1 CPI与PPI权重系数Tab.1 Weight coefficient of CPI and PPI75.6%居住14.4% 采掘 3.7%娱乐教育文化用品及服务 16.6% 原料 26.6%衣着 11.6% 加工45.3%交通和通信 9.7% 生活资料: 24.4%医疗保健及个人用品 7.1% 食品 12.5%家庭设备用品及服务 5.5% 衣着 5.6%烟酒及用品 2.1% 一般日用品 2.0%耐用消费品CPI PPI食品 33.1% 生产资料:4.3%2 对湖北省CPI和PPI的格兰杰因果关系检验格兰杰因果关系检验方法对因果关系的定义是:如果一个变量的滞后值能有效的帮助预测另一个变量，那么这个变量就是另一个变量的格兰杰原因.这意味着CPI与PPI的关系存在4种可能:(1)CPI是PPI的格兰杰原因，PPI不是CPI的格兰杰原因;(2)CPI不是PPI的格兰杰原因，PPI是CPI的格兰杰原因;(3)CPI是PPI的格兰杰原因，PPI也是CPI的格兰杰原因，即双向格兰杰因果关系;(4)CPI不是PPI的格兰杰原因，PPI也不是CPI的格兰杰原因，即CPI和PPI之间不存在格兰杰因果关系，是相互独立的.格兰杰因果关系检验的表达式为: 在两个公式中，下标i表示时滞长度(本文使用月度数据，因此它们为滞后月度数);k表示滞后阶数;αi和βi分别是因变量滞后值和自变量滞后值的系数;μt和εt为满足统计要求的随机误差项.这是一个未设限制的检验模型，这个检验模型的原假设为:βi组整体系数为0，即:其中i为选取的滞后数.若H0假设成立，即因变量的滞后值对自变量没有预测力，即因变量不是自变量的格兰杰原因.检验过程就是根据这个模型构建并计算F统计量的值，和F统计量的P值，然后与显著性进行比较，最后得出因果关系检验的结果.图1 湖北省CPI与PPI走势图(数据来源:中经网)Fig.1 Trend of CPI and PPI in Hubei Province本文采用湖北省2001年1月到2010年11月的CPI与PPI的月度数据进行计量检验，共有108个观察值，如图1所示.选取这段时期数据的原因在于:一是因为2001年以前的数据不完整，不便于数据的调整;二是从我国经济发展历史来看，由于经济体制的转变和开放政策的变化导致不同时期CPI与PPI的情况不同，所以选择相对较近时期是比较合适的.图1显示:在观察期，两者总体起伏趋势既有一定程度的类似性，但也存在着明显的差异，例如在一些年份中，出现了“剪刀差”走势，值得注意的是，从2002年底到2007年中期，以及2008年底都表现出PPI 超过CPI的情况.为了保证检验的准确程度，本文对数据进行了调整:一是调整为以2000年为基期的月度同比数据序列，使用同比数据可以在很大程度上剔除季节因素的影响;二是进行对数化处理，减少异方差性的影响，但对于经济意义分析没有影响;三是采用Census X12方法，从数据上看，在采用同比数据后仍然具有明显的季节特征，所以进一步采用了国际通用的X12方法进行季节调整.第一步，数据序列的平稳性检验.协整检验和格兰杰因果关系检验的检验条件都要求事先进行数据的单位根检验，前者是需要保证两个数据序列具有相同的单位根个数，也称单整的阶数，后者则要求数据序列是平稳的.这里采用ADF单位根检验方法.从表2可以看到检验结果为:CPI与PPI数据的对数序列都是一阶单整的，即I(1).意味着CPI与PPI序列都是不平稳的，但单整阶数相同，所以可以进行协整检验，同时，在进行一阶差分处理后都可以达到平稳，从而可以进行格兰杰因果关系检验.表2 ADF单位根检验结果Tab.2 Results of the ADF unit root test注:*表示5%显著水平不平稳LNPPI－0.059123 0.9503 不平稳△LNCPI－8.827574 0.0000 平稳△LNPPI－12.12857 0.0000 平稳ε1－2.244663 0.0245 平稳*ε2－2.324411 0.0200 平稳平稳性LNCPI 1.211810 0.9981 t统计量 p值*第二步，协整检验.因为只有两组数据序列，所以采用E-G两步法:首先对两个变量采用OLS法进行回归估计，然后检验得到的残差序列的平稳性，如果残差序列平稳则说明存在协整关系.协整方程表达式:残差ε1和ε2的单位根检验结果如表2所示，在5%显著水平上都通过了检验，所以可以认为CPI与PPI之间存在协整关系.第三步，格兰杰因果关系检验.采用Eviews6.0进行格兰杰因果关系检验结果如表3.A代表零假设:DLNPPI does not Granger Cause DLNCPI，B 代表零假设:DLNCPI does not Granger Cause DLNPPI.通过建立VAR模型获取AIC、SC 和似然对数值进行检验我们可以得到1或2为最优滞后阶.表3 格兰杰检验结果Tab.3 Results of the Granger test零假设阶数 t统计量 p 值A 9.67919 0.0024 B 1 10.2439 0.0018 1 A 4.16130 0.0181 B 2 7.75178 0.0007 2 A 2.68157 0.0504 B 3 4.85915 0.0033 3 A 2.01831 0.0972 B 43.60776 0.0085 4 A 1.61244 0.1634 B 5 2.96637 0.0153 5………… …………A 12 0.79760 0.6517 B 12 2.18992 0.0196 A 13 1.20152 0.2944 B 13 1.94491 0.0373 A 14 0.99877 0.4635 B 14 1.61933 0.0934综上，2001年1月到2010年11月的湖北省的CPI与PPI月度同比数据对数序列为一阶单整序列;E－G两步法检验结果表明两者存在协整关系;在考察期间，滞后1～3期的CPI和PPI互为格兰杰因果关系，互相都有预测帮助;4～13期PPI 不是CPI的格兰杰原因，但CPI一直是PPI的格兰杰原因;14期之后双方互相不为格兰杰原因.3 PPI关于CPI滞后项的二次拟合回归分析鉴于以上分析结果，考虑到1～13期CPI一直是PPI的格兰杰原因，下面建立PPI关于CPI的函数关系.即使PPI和CPI原数据均不是平稳序列，但经检验他们之间存在协整关系，而具有协整关系的经济变量具有长期的稳定关系，因此可以使用经典回归模型方法建立PPI和CPI滞后项的回归模型.运用OLS回归分析的方法，讨论 PPIt关于CPIt－1，CPIt－2，CPIt－3的回归函数，考虑到CPIt－1，CPIt－2，CPIt－3可能存在多元共线性的影响，这里采用逐步回归的方法对数据进行拟合，由于 CPIt－2，CPIt－3的系数估计值均没有通过t检验，不显著，予以剔除，得到的回归结果如表4所示.表4 回归结果Tab.4 Result of the regressionvariable coefficient t－p Adjusted R2F－p c－16.4671 0.0422 CPIt－11.1598 0.00000.6518 0.0000由以上回归结果分析可知，拟合优度达到0.6518;回归方程的显著性检验显示，在显著性水平α为0.05的情况下，由于概率p值近似为0，小于显著性水平α，应拒绝回归方程显著性检验的零假设，认为各回归系数不同时为零，被解释变量与解释变量全体的线性关系是显著的，可建立线性模型.而回归系数显著性t检验的概率p值均小于显著性水平α，因此应该拒绝原假设，认为回归系数显著不为零.对 PPI和 CPIt－1，CPIt－2，CPIt－3的相关分析结果如表5所示.表5 相关分析结果Tab.5 Result of the correlation analysiscorrelation PPI CPIt－1 CPIt－2 CPIt－3 PPI 1.0000 CPIt－1 0.8085 1.0000 CPIt－2 0.7730 0.9520 1.0000 CPIt－30.7204 0.8878 0.9515 1.0000由表5可以明显看出，PPI与CPIt－1的相关系数最大，达到0.809;而 CPIt－1，CPIt－2，CPIt－3之间也确实存在着高度的相关性，因此这也说明了 CPIt－1，CPIt－2，CPIt－3之间确实存在着多元共线性，在逐步回归的过程中将变量 CPIt －2，CPIt－3剔除出去，仅剩下变量 CPIt－1.综上得到的回归方程为PP∧It=－16.467+1.16CPIt－1+εi，但经对残差εi的单位根和QLB统计量检验发现，其是平稳的非白噪声序列，残差的自相关图呈拖尾性，而偏自相关图显示其可能是1、9、13阶截尾的，因此，我们分别采用AR(1)、AR(9)、AR(13)模型对残差结果进行分析，得到的AIC和SC值如表6所示.表6 AR(i)模型的AIC和SC值Tab.6 Values of AIC and SC of the model ofAR(i)347.596 353.137 AR(9) 353.433 381.140 AR(13)AIC SC AR(1)模型340.779 379.568根据AIC和SC越小越好的原则，这里最终选取了AR(1)模型对残差序列进行分析，得到的拟合结果为εt=0.117+0.87εt－1+υt，υt～N(0，1.082).检验结果显示回归模型显著成立，参数显著非零，残差序列为{υt}白噪声序列.综合以上两个函数分析结果得到PPIt关于CPIt回归结果为:PP∧ It=－16.467+1.16CPIt－1+～N(0，1.082)，其中 B 为延迟算子.利用以上方程对PPI序列进行预测得到的拟合序列图和真实序列图如图2所示.图2 PPI真实值和一元线性回归预测值的拟合图Fig.2 Fit chart of the real values of PPI and forecast values of the unary linear regression根据图2可以看出，拟合函数对PPI的原数据具有较好的拟合效果.由拟合函数结果可以看出PPIt关于CPIt的长期弹性为1.16，也就是说当 CPIt－1增加 1%，那么 PPIt也相应的增加1.16%，存在显著的正相关关系.为了对模型进行验证，我们利用所得模型对2010年12月份的PPI数值进行预测，得到的预测值和真实值的比较结果如表7所示.表7 2010年12月PPI真实值和一元线性回归预测值Tab.7 Real value of PPI in December of 2010 and forecast value of the unary linear regression年月实际值预测值相对误差/%2010.12 105.7 106.78 1.02考虑到只有一个解释变量，一元线性回归分析结果的拟合优度0.6518也不是很高，而预测相对误差达到1.02%也不是很理想，因此我们尝试用一元多项式回归，结果得到PPI关于CPIt－1的回归最优多项式是二次的.因为对随机干扰项的White异方差检验结果显示，随机干扰项之间确实存在着异方差性，所以这里采用加权最小二乘法(WLS).这里的权重取，w，于是得到的拟合结果如表8所示.表8 一元二次回归结果Tab.8 Result of the quadratic regressionvariable coefficient t－p Adjusted R2F－p c－1837.961 0.0000 CPIt－1 36.467060.0000 CPI2 t－1－0.170985 0.0000 0.972373 0.0000方程拟合优度达到0.97，接近于1，拟合优度较高，高于一元线性回归分析结果的拟合优度0.6518;方程整体性和各系数的显著性检验均通过检验，参数显著不为零.而采用普通最小二乘法进行一元二次多项式回归得到的回归的经过调整的拟合优度为0.765393，可见，采用加权最小二乘法对一元二次方程拟合的结果显著优于一次的和未加权的二次的拟合结果，综上得到的回归方程为:PPIt=－1837.961+36.467CPIt－1－0.171CPI2t－1+ εt经对残差εt的单位根和QLB统计量检验发现，其是平稳的非白噪声序列，残差序列的自相关图呈拖尾性，偏自相关图显示其可能是1、13阶截尾的，因此，我们分别采用AR(1)、AR(13)模型对残差结果进行分析，得到的AIC和SC值如表9所示.表9 AIC和SC值比较Tab.9 Comparison of the value of AIC and SC3.1723 3.2196 AR(13)MODEL AIC SC AR(1)3.1020 3.4558根据AIC和SC越小越好的原则，这里最终选取了AR(1)模型对残差序列进行分析，得到的拟合结果为εt=0.7553εt－1+υt，υt～N(0，1.3737).检验结果显示回归模型显著成立，参数显著非零，残差序列{υt}为白噪声序列，有效剔除了异方差性和自相关性.综合以上两个函数分析结果得到PPIt关于CPIt－1回归结果为:PPIt=－1837.961+36.467CPIt－1－+～N(0，1.3737)，其中B 为延迟算子.利用以上方程对PPI序列进行预测得到的拟合序列图和真实序列图如图3所示.图3 PPI真实值和一元二次回归预测值的拟合图Fig.3 Fit chart of the real values of PPI and forecast values of the quadratic regression根据图3可以看出，拟合函数对PPI的原数据具有较好的拟合效果.为了对模型进行验证，我们利用所得模型对2010年12月份的PPI数值进行预测，得到的预测值和真实值的比较结果如表10所示.表10 2010年12月PPI真实值和一元二次回归预测值Tab.10 Real value of PPI in December of 2010 and forecast value of the quadratic regression时间实际值预测值相对误差/%2010.12 105.7 106.2 0.4788由表10可以看出相对误差较小，在误差允许范围内可以接受预测的函数结果.同时，我们发现利用一元二次多项式回归得到的函数所获得的预测值比利用一元线性回归分析得到的预测值要更加接近实际值，相对误差更小，预测的准确性更高.需要说明的是:由于滞后1到3期的CPI和PPI互为格兰杰因果关系，互相都有预测帮助，而函数关系是相互的，这里仅建立了PPI关于CPI滞后项的函数模型，而CPI关于PPI滞后项的函数模型也可以建立，限于篇幅，在此不详述.4 对检验结果和模型的进一步说明实证结果表明，湖北省CPI与PPI在考察期间存在着长期均衡关系和双向的格兰杰因果关系，可以利用这两个指标进行相互的预测分析，并且能够构建PPI关于CPI滞后项的回归模型用于预测.但CPI和PPI都会受到复杂多样因素的冲击，从而对这一价格传递的机制产生不同的作用，并影响到对结果的预期.比如投资需求的波动引起生产资料价格变动，从而促使PPI发生变动;而另一方面，消费需求的变化将带来商品市场价格的波动，进而导致CPI产生波动.也有实证研究探讨了货币供应增长率对CPI的影响(方燕，尹元生，2009)［7］、股票收益对 CPI和 PPI 都产生了影响(陈践，梅梅，2009)［9］.政府对部分物资和商品价格的作用力较大，特别是原材料和能源价格都在政府的有效监控下，受市场机制和国际环境的影响较小，即价格没有完全放开，这对于价格的传递效率亦产生了重要的影响.全球次贷危机对我国及我省经济产生的冲击，亦可能造成对协整关系的不利影响.5 结论(1)湖北省PPI与CPI存在着多种密切的联系和重要的区别，从湖北省经济数据的计量检验结果来看，二者之间的确存在长期的均衡关系.PPI关于CPI滞后项的二次拟合回归分析表明，t期PPI是(t－1)期CPI的一元二次函数.它们之间存在相互影响，但同时也各自受到众多其他因素的影响.(2)在1到3期湖北省CPI和PPI互为格兰杰原因.即CPI可以帮助预测PPI.而后者亦能对前者起到预测帮助的作用.(3)在湖北省PPI向CPI传递的同时，CPI也在发生着向PPI的价格传递，并且在4到13期，CPI是PPI涨跌的主导因素.PPI关于CPI滞后项的二次拟合函数也较好地指出，在双向传递中，湖北省经济结构中需求方面因素发挥着显著影响. (4)湖北省CPI与PPI的实证结论与基于全国数据的检验结果不一致.这里可能存在的原因包括:首先，湖北省虽然相对于全国并非是一个非常完整的经济体系，但从规模来说已经存在一定研究价值，这也是各个省市经济发展不一致的部分原因之所在;其次，湖北省的经济运行情况受全国经济状况影响，与其有关联，但受市场分隔的影响，也存在着差异，随着全国各地市场一体化程度的不断提高，可能会发生趋同现象.相关研究表明产生差异的是价格指数的波动幅度和个别省市运行上的领先或者滞后.参考文献【相关文献】［1］贺力平，樊纲，胡嘉妮.消费者价格指数与生产者价格指数:谁带动谁［J］.经济研究，2008(11):16-26.［2］贺力平，樊纲，胡嘉妮.消费者价格指数与生产者价格指数:对徐伟康商榷文章的回复意见［J］.经济研究，2010(5):149-154.［3］徐伟康.对《消费者价格指数与生产者价格指数:谁带动谁》一文的质疑［J］.经济研究，2010(5):139-148.［4］刘敏，张燕丽，杨延斌.PPI与CPI关系探析［J］.统计研究，2005(2):24-27.［5］姜义美.我国价格传导链的实证分析［J］.甘肃农业，2006(4):48.［6］张延群.商品价格指数是消费价格指数的前导变量吗——基于二阶单整向量自回归模型的实证研究［J］.数量经济技术经济研究，2007(12):140-149.［7］方燕，尹元生.基于VAR模型的居民消费价格指数传导机制研究［J］.北京工商大学学报，2009(1):70-74.［8］杨宇，陆奇岸.CPI、RPI与 PPI之间关系的实证研究——基于VAR模型的经济计量分析［J］.价格理论与实践，2009(5):57-58.［9］陈践，梅梅.股票收益与消费者价格指数、工业品出厂价格指数之间价格传导关系的研究［J］.新西部，2009(4):38-39.。

对评价指标相关性的后果及降低相关性的方法研究_赵松山

º 生活一点通用酒调味要先放;用醋调味要后放。

t 东北财经大学教授赵松山及降低相关性的方法研究对评价指标相关性的后果就一般情况而言,组成一个社会经济统计指标体系的各指标之间总存在着一定程度的相关关系。

但作为评价指标体系,如果指标之间的相关性大,则会带来一系列问题。

本文仅对统计指标相关性的后果,以及如何降低指标的相关程度进行探讨。

一、指标相关性带来的问题设Y 为因变量,X 1与X 2为解释指标变量。

当X 1与X 2不相关时,得模型为Y=b 1x 1+b 2x 2式中b 1、b 2分别表示解释指标变量对Y 的说明能力或作用程度,即边际值=9Y/9X 1=b 1,9Y/9X 2=b 2(假定b 1,b 2均大于0)。

当X 1与X 2相关时,得模型为Y=c 1x 1+c 2x 2式中c 1(c 2)表示解释指标变量X 1(X 2)对Y 的说明能力和X 2(X 1)通过X 1(X 2)对Y 的说明能力之和,即9Y 9X 1=9(b 1x 1+b 2x 2)9X 1+9(b 1x 1+b 2x 2)9X 1@9X 19X 2=b 1(1+a 1)=c 1式中,X 1=a 1X 2,a 1>0。

可见,c 1>b 1,即指标相关时,会夸大某些指标的作用程度。

从信息角度看,信息相关势必存在信息重迭,造成信息的损失和浪费,以及指标解释的不真实性。

如果把解释指标变量视为评价指标变量,因变量视为待评价对象变量时,由于评价指标之间的相关夸大(或缩小)某些指标的评价作用,而使评价结果失去客观性。

这是从评价指标与被评价对象的关系考虑的。

如果我们换个角度,从各评价指标与评价指标体系整体关系去认识,若指标之间是相关的,则评价指标X i 与X j 样本分布相互间有影响,因此两者之间的变异系数之差会变小。

而变异系数是指标鉴别能力的一种度量。

这种相关性导致变异系数之差变小,最终表现为相关指标鉴别能力相对变小,即相关指标在统计指标体系整体中的功能下降。