中国核心通货膨胀率的度量及其货币政策涵义-张延群

Granger 因果检验的结果显示（如表 4），△p*是△p 的 Granger 原因，而却 不是△p*的 Granger 原因。在滞后阶数取 2、4、8 时所得到的结果是一致的。 表 4 模型 2 中的 Granger 因果关系检验：
（三）P*对于提高 CPI 预测精度的检验 我们建立以下三个模型， 通过比较样本期外预测的平均误差 RMSE(root mean square error)，来检验 P*是否能够为预测 P 提供有用信息。这三个模型的被解释 变量都为 CPI 的增长率 p t ，前两个模型作为基准模型，设定如下：基准模型 1 用 p t 的滞后以及工业品出厂价格指数中的能源和原材料价格指数的变化率 ∆������������������−������ 作为解释变量，基准模型 2 为在模型 1 的解释变量中加入 m2 的变化率， 模型 3 是在基准模型 2 中的解释变量中加入误差修正项������������������������ = ������∗ − ������，其中 i=1,2,4，分别表示向前 1、2、4 步的预测。比较模型 3 与基准模型 1 和 2 样本期 外向前 1、 2 和 4 步预测的平均误差 RMSE， 如果模型 3 的 RMSE 小于基准模型， 说明 P*能够提高 CPI 的预测精度。所有结果通过 Eviews 6 编程进行计算。
非限制 VAR 模型设定为：
（二）实证分析结果
大量研究表明，中国货币供给是影响 CPI 走势的重要因素之一（张延群， 2009）。同时，中国通货膨胀还受到产出缺口的影响（黄益平等，2010）。在进 行实证分析时，首先建立方程(1)所表示的非限制 VAR 模型，包含的变量为实际 GDP、实际货币供给 M2 以及 CPI。数据为 1994Q1～2009Q4 未经调整的季度数 据。 模型中各个变量的定义为：
截尾平均法(trimmed mean)和加权中位数法(weighted median)，并且通过计算核心 通胀率及其滞后值与 CPI 通胀率相关性的大小， 对不同方法计算的核心通货膨胀 率进行了比较。 以上文献对中国核心通货膨胀进行的估计， 重点是对总体通货膨胀的形势进 行评价。对于核心通胀率与 CPI 的长、短期关系，以及是否能够对预测 CPI 的变 动提供有用信息等，大多没有做出进一步的分析。 本研究寻找到一种能够反映通货膨胀潜在变化趋势的、具有前瞻性的、能够 对预测中国通货膨胀提供有用信息的核心通货膨胀的衡量指标。 通过建立包括实 际 GDP、实际货币供给 M2、以及 CPI 的向量自回归模型，将 CPl 分解为长期趋 势和短期波动两个部分， 将长期趋势部分定义为核心通胀率，或者称为通货膨胀 的潜在变动趋势 P*，运用 1994Q1～2009Q4 未经调整的季度数据进行实证分析， 结果显示，P*能够反映 CPI 潜在的长期变动趋势，与 CPI 有长期协整关系，是 CPI 的 Granger 原因以及前导变量，能够为预测 CPI 的变动提供有用的信息，因 此，能够为制定货币政策提供有益参考。 本文以下部分安排如下： 第二部分讨论核心通胀的统计标准，第三部分是实 证分析，最后为结论总结。
二、核心通胀率指标的条件
Marques 等(2003)和 Freeman(1998)指出作为核心通胀指标需要满足的统计条件： 条件(1)要求，如果 CPI 通胀率π为非平稳 I(1)变量，可以分解为永久性成分π *以及暂时性成分π-π*，将π*称为核心或者趋势性通胀，则π*应为 I(1)变量，
为均值为 0 的 I(0)变量， 即π-π*为平稳的 I(0)变量， 条件(1)也可以解 释为：π和π*有协整或者长期均衡关系，并且协整空间为(1,-1)。π*刻画π中所有趋 势性成分，长期看π和π*没有水平偏差，否则货币当局以π*作为货币政策的参考 时就会产生水平的偏差。如果满足条件(1)，按照 Engle and Granger(1987)定理，π 和π*的方程中至少有一个可以由包含π-π*的 ECM 方程来表达。条件(2)要求，π* 对于协整关系π-π*是弱外生变量，而π是误差修正的，也就是说，从长期看，π* 主导两者的长期趋势，当协整关系出现偏离时，π应当朝着π*的方向调整，而π* 不应向着π的方向调整，否则，π*就失去了作为核心通胀指标的意义。如果条件 (2)满足，π*就应当为π的 Granger 原因，即π*是π的一个前导变量。Freeman(1998) 指出好的核心通胀率指标应当有助于预测 CPI 的变动。 如果核心通货膨胀π*满足 统计条件(1)和(2)，并且有助于提高 CPI 的预测精度，就是度量未来通货膨胀趋 势的较好指标。
三、模型及实证分析结果
（一）计量模型和方法 为了刻画总产出缺口和货币供给对通货膨胀的影响，本文建立包含实际 GDP，实际货币供给 M2、以及 CPI 的 VAR 模型，基于 VAR 模型的移动平均表 达式，将 CPI 指数 P 分解为长期变动趋势部分 P*和短期波动成分 P-P*，将 P*定 义为核心通胀率，然后按照 Marques 等(2003)和 Freeman(1998)关于核心通胀率的 标准对 P*的统计性质，以及是否有助于预测 CPI 等进行实证检验。
首先对
进行单位根检验，结果显示，它们都是含有一个单位根的 I(1)过
wenku.baidu.com
程。 对非限制的 VAR 模型进行估计， AIC 信息标准显示滞后阶数应选择 2， VAR(2) 模型的误差项中没有自相关、非正态性、ARCH 结构等模型误设的问题。因此， 以下分析在 CAR(2)模型的基础上展开。① 首先进行协整关系个数的 Johansen 迹检验，表 1 显示，模型 l 中存在 2 个协 整关系，或 1 个共同趋势项，表达式(3)中长期影响矩阵 C 为 3×1 的满秩矩阵。 表 1 模型 1 的 Johansen 协整关系检验
在对协整关系的个数或者共同趋势项的个数进行限制之后，估计 C 矩阵以 及系统的移动平均表达式(3)，估计结果如下②：
P*包含了 CPI 中由共同趋势项构成的长期变化趋势。 按照 P*的构造，P*与 CPI，记做 P，具有协整关系，且协整空间为(1,-1)。P* 是否满足作为核心通胀率的其他条件， 即 P*主导 CPI 的走势， P*是 CPI 的 Granger 原因，以及 P*能够为预测 CPI 提供有用信息等，需要通过数据进行检验。 图 1 表示 P*和 P 的季度同比增长率，从中可以清楚地看到，P*是 CPI 的前 导变量。建立包含 P 和 P*的 VAR(2)模型 2，检验协整关系的个数，结果表明（如 表 2），P*和 P 之间确实存在协整关系，而且长期关系的系数接近于-1。将长期 系数限制为-1， 2 (1)检验显示接受这一限制的概率为 0.73。 实证分析的结果与理 论是一致的。 表 3 中的短期调整系数α显示，当出现对均衡关系的偏离时，P 向着误差修 正方向进行调整，而α在 P*方程中的系数是不显著的，说明 P*是这一长期均衡关 系的弱外生变量，主导着 CPI 的长期变化趋势。
中国核心通货膨胀率的度量及其货币政策涵义
张延群 内容提要：基于包含实际总产出、货币供给 M2 和 CPI 的向量自回归模型 (VAR)，将 CPl 分解为长期变动趋势和短期波动项。将长期趋势部分定义为核心 通货膨胀率。 运用 1994～2009 年中国季度数据进行实证检验， 核心通胀率与 CPI 有长期均衡关系，主导 CPI 的长期变动趋势，是 CPI 的前导变量，能够为预测 CPI 提供有用信息，对为中央银行判断总体通货膨胀走势、制定及时有效的货币 政策有所启示。 关键词：核心通货膨胀率/货币政策/向量自回归模型/共同趋势 作者简介：张延群(1968-)，女，经济学博士，中国社会科学院数量经济与技 术经济研究所副研究员（北京 100732）。
一、引言
1993 年中国颁布了第一部中央银行法，将货币政策的最终目标确定为保持 人民币币值的稳定，并以此促进经济增长。在设定货币政策的最终目标时，将居 民消费价格指数 CPI 作为度量通货膨胀的指标。 CPI 是衡量居民生活成本变化的 较好指标， 但易于受到暂时性因素的影响，有时并不能反映总体物价水平的变动 趋势。 我国按照居民消费支出的比重确定各类价格指数在 CPI 中的权重。 由于食 品支出的比重较大， 其价格变动会对 CPI 产生较大的影响。 一些临时性的供给冲 击，如恶劣的天气，或者农产品生产的周期性因素，会在短期内引起食品价格以 及 CPI 的较大增长，却不能反映总体物价水平的变动趋势。例如，2007 年第 3、
(Quah and Vahey, 1995)。这种方法被加以扩展并大量用于估计各国的核心通胀率 (Bagliano and Morana, 2003)。 计算核心通货膨胀的方法各有特点， 如以不同权重或者截尾均值方法计算的 核心通货膨胀， 有助于剔除供给冲击的短期影响， 正确度量整体价格水平的变化， 但不是反应通胀率潜在变化趋势的前导指标。 因为食品和能源价格会对 CPI 产生 强烈的暂时影响，对潜在 CPI 的影响是间接和滞后的，因此，以这种方法计算的 潜在 CPI 实际上是滞后于 CPI 本身变化的（Marques 等，2003）。运用 HP 滤波 方法可以将 CPI 中的趋势性成分分解出来， 但是不能反映货币政策和产出缺口对 潜在通胀趋势的影响。 Quah and Vahey(1995)方法被广泛应用于识别 CPI 中反映长 期变动的趋势项， 这种方法是在共同趋势模型中施加经济结构限制，只有对结构 冲击施加的限制是符合经济学理论，而且与所研究数据的信息相一致时，识别出 来的结构冲击才是有意义的和可以解释的(Juselius，2006)。如果 VAR 模型中包含 更多的变量，由于存在过多随意性，施加限制会变得非常困难。 已有一些文献对中国的核心通胀率进行了分析和计算。 Wu(2007)计算了剔除 食品和燃料价格的核心通胀率。简泽(2005)基于 Quah and Vahey(1995)的方法估计 了中国核心通货膨胀率。赵昕东(2008)扩展了 QuahandVahey(1995)的两变量结构 向量自回归(SVAR)模型， 建立了包括消费价格指数、 食品价格指数与产出的三变 量 SVAR 模型，通过对变量施加长期约束估计了中国 1986～2007 的核心通货膨 胀。赵留彦(2006)利用新菲利普斯曲线，通过双变量非观测成分模型估计中国的 季度核心通胀率与产出缺口， 通过卡尔曼滤波的平滑算法将两个变量分解为趋势 和周期成分，并对 1998～2002 年的通货紧缩进行了评价。范跃进和冯维江(2005) 和龙革生等(2008)运用各种方法计算中国的核心通货膨胀率，其中包括剔除法、
4 季度 CPI 增长率高达 6.5%，其中猪肉等肉制品价格上升了 30%～45%，从而引 起食品价格上涨超过 16%；近几年，国际石油、原材料等大宗商品价格快速上涨 也对 CPI 造成较大冲击，形成输入型通货膨胀。2008 年上半年 CPI 增长率超过 了 8%，就是食品价格与燃料等原材料价格上涨叠加的结果。 对于这种由于暂时的供给冲击或者输入型通胀引起的结构性物价上涨， 货币 当局不应采取紧缩性的货币政策，否则将会对正常的经济运行产生负面影响（米 什金，2008）。因此，中央银行在制定货币政策时，需要区分 CPI 变动中的暂时 成分和永久成分， 而后者在文献中常常称为核心或者趋势通货膨胀率。寻找到一 种能够反映通货膨胀潜在变化趋势的、具有前瞻性的、能够对预测通货膨胀提供 有用信息的核心通货膨胀的衡量指标，对于制定及时有效的货币政策意义重大。 计算核心通胀的方法的第一类方法为剔除法， 即剔除价格水平会在短期内发 生剧烈波动的成分，如食品和能源价格的变动，或者，更一般地，通过给各个分 类施加不同的权重，重新估计出核心通胀(Wynne, 1999)。第二类方法是通过统计 方法计算潜在的通胀(Bryan and Cecchetti, 1993)，如通过对 CPI 中的各种成分进行 截尾均值和加权均值等， 即将 CPI 中变化最高和最低 10%的成分去掉， 将剩余的 80%作为衡量潜在通胀率的指标。第三类方法是通过时间序列计量技术如 HP 滤 波(Hodrick-Prescottfilter)等识别出 CPI 中的趋势项、季度成分、以及不规则成分 (Roger, 1998)。第四类方法是以经济学理论为基础，假设通胀受到两种冲击的影 响， 这两种冲击通过对产出的不同影响来区分。 在包含产出和 CPI 两个变量的向 量自回归(VAR)模型中，假设累积的核心通胀冲击对产出没有长期的影响，而非 核心通胀冲击对产出有长期影响。将与第一类冲击伴随的通胀定义为核心通胀