中国CPI数据影响因素多元回归分析
基于多元回归模型的CPI影响因素分析——以2009、2010数据为例
上涨通过一个住房类权数这个中间纽带将上涨的效应传递 至消 费价 格指 数 中去 ，结 果不 仅提 高 了 Ｃ Ｉ Ｐ 的整 体水 平也
会导 致 Ｃ Ｉ Ｐ 构成 中其 他商 品的 价格发 生上 涨 。
线性 回归模型。同时，方程通过系数显著性 Ｔ检验 。ｘ 、 ｌ
Ｘ ２的系数 较为显 著 。
４ 计量 经济 学检 验
４１ 异方差检验 ． 等级相 关 系数法 在检 验 回归 方程 异方差 时使 用较 为广
泛 。构 造 Ｔ统 计量 如下 ：
， —— —
：
２ 分析 方法 及数 据
本文 主要采 用基 于多 元 回归模型 的分 析方法 。结 合上 诉 理论 成果 及 近两年 我 国宏 观经 济 的发展 情况 ，选取 广义
１ 理 论及 文献 回顾
长期以来 ，经济学家对通胀成因的认识在不断地深入 和发 展 ，从 来没 有达 成一致 的 意见 。对于通 胀成 因 的理论
大致 有货 币现象 的通胀 理 论 、成 本 推 动型 、需 求 拉 动 型 、 结构 型通货 膨胀 理论 。对 于导致 Ｃ Ｉ 涨 的因素 分析 ，也 Ｐ上 是主 要 围绕 货 币供 给 、投 资 与 消 费 、利 率 汇 率 、外 汇 储 备 、食 品和 住房 价 格 等 。高 玲 、李 时 椿 （０ ８ 利 用 统 ２０ ）
果 为我 国居 民消 费率 每年对 消费 价格 指数 的影响 不大 ，与 此 相反 固定 资产投 资对 消 费价格 指数 的影 响却很 明显 。王
军平 （０ ６ ２０ ）就住房价格对 Ｃ Ｉ Ｐ 的影响作了分析 ，他认为
房价 上涨 对 消费价 格指数 的影 响是 复杂且 多维 度 的 ，房 价
数与 Ｃ Ｉ 较好 的线性 关 系，模 型显著 性较 高。短期 内，货 币供 应量是 影 响我 国 Ｃ Ｉ 续走 高的主要原 因。 Ｐ有 Ｐ持
中国CPI分析
5
5
多元回归计算方式调整—剔除 个因素 多元回归计算方式调整 剔除3个因素 剔除
结论： 结论： 拟合后的方程为： Y=36.73+0.4894X1+0.0000406X4 建议： （1）房地产价格的上升对CPI上 涨影响很大，要进行一定的调控， 稳定房价，打击房地产投资。 （2）限制货币供应量，稳定CPI。
代码 X1 X2 X3 X4 X5
指标 房地产价格 固定资产投资总额 进出口总额 货币供应量 社会零售商品总额
4
多元回归计算结果
结论： 结论： R值达到0.97，说明方程对因 变量拟合的比较好，拟合程 度很高。 F检验值比较大，说明该方程 的解释程度也比较显著。 X1房地产价格对CPI影响最大， 估计值为0.34，房地产价格 近年来一路高升，对整个物 价的上涨产生了很大的刺激 作用。P值小于0.05。 X4货币供应量对CPI影响也较 大，估计值为0.000069。P值 小于0.05。 未发现X2，X3，X5的明显关 系
6
CPI对比及相关因素分析 CPI对比及相关因素分析
22ຫໍສະໝຸດ 相关数据需求性因素
货币性因素
结构性因素
消费 投资 进出口 政府支出
货币供给量
房地产价格 农产品价格
3
相关数据
X1 105.5 105.5 105.4 105.6 105.8 105.8 105.7 105.5 105.3 105.4 105.2 105.4 105.6 105.3 105.3 105.4 106.4 107.1 107.5 108.2 108.9 109.5 110.5 110.5 111.3 110.9 110.7 110.1 109.2 X2 76168.8 76168.8 77668.2 79077.47 80820.66 83497.88 85230.32 86539.28 88235.09 89374.86 91148.73 93472.4 93472.4 94713.31 96407.61 98061.15 100073.7 103181.8 105399.2 107537.7 109839.1 112355.2 114764.9 117413.9 117413.9 119000.2 121187.2 123229.6 125633.3 X3 33003.17 40668.68 51149.79 61436.94 71033.78 81673.21 92138.27 93844.74 105839.4 116641.3 128576.4 140259.7 142779.7 145156 145901.1 148179.5 150213.9 152079.2 154893.9 156894.9 158666.2 160741.8 162974.3 165081.2 167312.8 168347.2 170445.2 172164.2 174887.1 X4 303571.7 304516.3 310490.7 313702.3 316709.8 322756.4 324010.8 327885.7 331865.4 332747.2 337504.2 345577.9 351498.8 358659.3 364104.7 367326.5 369718.2 377832.2 383884.9 387205 393098.9 394204.2 399757.9 403401.3 417846.2 421037.8 423054.5 429313.7 436221.6 X5 65027.3 66017 67014.6 68125.9 69402.3 70525.1 71602.4 72639 73697.4 74848.5 75761.2 76410 77256.7 78268.5 79157.6 80055.5 81037.4 82005.6 82991.6 84030.8 85145.6 86410.9 87693.9 89210 90799 92140 83577.4 95046.9 96592.9 Y(%) 101.9 100.9 100.8 101.2 101.4 101.5 101 101.3 101.5 101.4 101.9 102.8 102.2 102.7 103.3 103 103.4 104.4 105.6 106.5 106.2 106.5 106.9 106.5 107.1 108.7 108.3 108.5 107.7
基于多元回归模型CPI影响因素分析
基于多元回归模型CPI影响因素分析引言消费者价格指数（CPI）是一个国家或地区的衡量物价的重要指标，也是一个国家宏观经济状况的重要反映。
研究CPI的影响因素对于了解经济发展状况，指导宏观经济政策具有重要意义。
多元回归模型是一种常用的统计分析方法，能够探索多个自变量对CPI的影响，并找出其中的主要因素。
本文旨在利用多元回归模型探究CPI影响因素，为政府决策部门提供参考，同时也为学术界提供理论支持和实证研究。
一、多元回归模型简介多元回归模型是一种用于探究多个自变量对因变量的影响情况的统计方法。
在多元回归模型中，因变量（即要被解释的变量）通常用Y表示，自变量（即解释变量）用X1,X2, ...Xn表示。
模型的基本形式为Y = β0 + β1X1 + β2X2 + ... + βnXn + ε，其中β0为常数项，β1, β2, ...βn为模型参数，ε为误差项。
在实际应用中，使用多元回归模型可以帮助我们确定多个自变量对因变量的影响程度，找出主要影响因素，并建立相应的预测模型。
多元回归模型在经济学领域的应用非常广泛。
二、CPI影响因素的选择基于多元回归模型对CPI的影响因素进行分析时，需要选择合适的自变量。
在实际研究中，可以从宏观经济、货币政策、国际贸易、资本流动等多个方面来考量可能的影响因素。
具体来说，常见的CPI影响因素包括但不限于：GDP增长率、失业率、通货膨胀率、利率、汇率、国际贸易额、政府支出、货币供应量等。
在选择自变量时，需要考虑其与CPI的理论关系、数据可获得度和自变量之间的多重共线性等因素。
三、数据收集与处理为了进行CPI影响因素的多元回归模型分析，首先需要收集与处理相关的数据。
一般来说，我们可以从国家统计局、央行等官方机构获取宏观经济指标、货币政策数据，也可以通过国际组织的官方网站或专业数据库获取国际贸易数据等。
在数据处理上，需要对数据进行清洗、缺失值处理和变量转换等操作，以确保数据的准确性和可用性。
多元线性回归应用——居民消费影响因素分析
二、多元线性回归模型下的居民消费影响因素
分析
在现实生活中，影响一个地区居民消费的因素有很多，结
合经济理论，本文选取 10 个解释变量研究居民家庭平均每人全
年的消费性支出 y ，解释变量分别为：居民的食品花费 x1 、居 民的衣着花费 x2 、居民的居住花费 x3 、居民的医疗保健花费 x4 、居民的教育文化娱乐 x5 、居民人均可支配收入 x6 、人均 地区生产总值 x7 、居民消费水平（消费价格指数） x8 、地区的 失业率 x9 、地区快递营业网点 x10 。根据我国 31 个省、直辖市、
R
2 1
=
0.9979 ，
x6 、
x7
、
x8 、 x9 、 x10 所对应的所对应的 p 值大于 0.05，说明他们对于
y 的影响作用不显著，所以我们要进一步对自变量做选择。
二、自变量的选择
事实上，建立实际的回归方程时，如何确定回归自变量 是极为重要的问题，如果遗漏了某些重要的变量，回归方程拟 合效果不好，如果考虑过多的自变量，在这些回归自变量中， 某些自变量对于问题研究可能不重要，有些自变量数据质量可 能很差，有些变量可能和其他变量有很大的共线性，从而使得 得到的回归方程稳定性很差，影响到回归方程的使用。对于最 优自变量子集的选择有多种方法 , 其中逐步回归分析法在筛选 变量方面较为理想。我们采用^ 逐步回归法，通过结果分析，赤
关键词：消费；多元线性回归；R软件
◆ 郎颖臻
一、背景介绍
十九大报告多次提及消费，要求不断完善促进消费的体制 机制，增强消费对经济发展的基础性作用，并且，反对奢侈浪费 和不合理的消费。而且，我国把扩大内需作为经济发展的长期战 略方针，扩大内需的难点和重点在消费，潜力也在消费。然而现 实生活中影响消费的因素有很多，不同的影响因素发挥作用的大 小也不尽相同。本文应用多元线性回归模型，分析了解影响居民 消费的关键因素。
我国居民消费价格指数(CPI)的回归分析与预测
经济预测与决策题目姓名所在学院专业班级学号指导教师日期年月日指导教师评阅意见学生姓名专业班级学号（论文）题目指导教师教师职称论文评语评定成绩：指导教师签名：年月日我国居民消费价格指数（CPI）的回归分析与预测07级经济学1班李栋指导教师米娟摘要：目前，我国居民消费价格指数成为公众关注的热点名词，也直接影响着国民经济的稳定发展与人民生活水平的改善。
从理论上分析居民消费价格指数的影响因素，建立一个经济模型，对了解和掌握居民消费价格指数的变化具有重要的现实意义。
本文采用线性回归分析方法，力图对居民消费价格指数的变化进行分析。
关键词：消费价格指数回归分析经济预测1.引言居民消费价格指数（CPI）是反映与居民生活有关的产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虽然是一个滞后指标，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
如果CPI的增幅过大，表明通胀已经成为经济不稳定因素，央行会有紧缩货币政策和财政政策的风险，从而造成经济前景不明朗，因此，该指数过高的升幅往往不被市场欢迎。
现阶段，随着经济全球化的大趋势和中国的进一步融入，我国的经济稳定发展越来越受到国内、国际的关注，CPI稳定、就业充分及GDP增长已经成为我国最重要的社会经济目标。
尤其在面对国内经济在市场宏观的调节下，消费水平、利率、商品价格潜移默化的影响着百姓的生活，因此，对CPI的分析预测已经显得越发重要。
2.影响因素分析和数据的搜集整理2.1有关影响因素的定性分析对居民消费价格指数（CPI）构成影响的因素有很多，如宏观经济发展水平、中长期经济发展战略和当前的经济政策，具体到国民经济运行的指标中来，有以下几个方面：（1）居民消费水平指数。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平与居民消费价格指数的关系十分密切和直接，收入的增长，消费水平的提高，自然会引起社会总需求的增长，进而导致消费价格指数的增长。
基于多元回归模型CPI影响因素分析
基于多元回归模型CPI影响因素分析多元回归模型在经济学领域中被广泛运用，用于分析影响宏观经济指标的多个因素。
CPI（Consumer Price Index，消费者物价指数）是衡量一定时期内消费品和服务价格变动情况的指标，对宏观经济形势和货币政策制定起着重要作用。
通过基于多元回归模型的分析，可以更清晰地了解影响CPI的因素，为政府制定宏观经济政策提供参考依据。
一、CPI及其影响因素CPI作为反映物价水平的重要指标，受到多种因素的影响。
在多元回归模型中，我们通常将CPI作为因变量，而将影响CPI的各种因素（如通货膨胀、失业率、货币供应量、经济增长率等）作为自变量。
通过对这些自变量的影响程度进行分析，可以得出它们对CPI 的影响程度和方向，从而帮助政府更好地调控经济。
二、多元回归模型三、实证分析通过多元回归模型的实证分析，我们可以得出各个因素对CPI的影响程度和方向。
我们可能会发现通货膨胀对CPI的影响是正向的，即通货膨胀的加剧会导致CPI的上升。
而失业率可能对CPI的影响是负向的，即失业率的上升可能会导致CPI的下降。
货币供应量和经济增长率等因素对CPI的影响方向和程度也是非常值得研究的。
四、政策启示基于多元回归模型的CPI影响因素分析，可以为政府制定宏观经济政策提供重要的启示。
我们可以借助模型分析结果来调整货币政策，适时降低通货膨胀压力；或者通过改善失业情况来促进CPI的稳定。
对于其他影响因素，政府也可以通过相应的政策手段来影响CPI的走势，从而更好地保障国民经济的稳定和持续增长。
五、风险提示在进行多元回归模型分析时，需要注意到一些风险因素。
模型本身的设定需要足够准确和全面，以确保能够反映实际经济情况。
数据的准确性和可靠性也是至关重要的，需要选择高质量的数据来进行分析。
模型分析结果只是指导性的建议，实际政策制定还需要结合其他因素来全面考量。
六、结语基于多元回归模型的CPI影响因素分析，有助于我们更清晰地认识CPI的形成机制和影响因素，为政府制定宏观经济政策提供了重要的参考依据。
广西CPI指数统计数据多元回归分析
数 用品 及维修服务 个人用 品 通 讯 用品 及服务
９ ． ９ ． ８８ ８４ ９ ． ９ ． ９６ ８５ ９． ９． ６２ ６９ ９． ９． ５ ６６ ７ ｌ ｏ３ ０． ９． ７５ ９． ７６ ９． ８７ ８． ９６ ９． １３ ９． ８７ ９＿ ６３ ９ ． ７９ ９ ． ８６ １ ２６ １． １ １３ ０． １ｏ８ ０－ １５ ０． ９ １ｏ ０－ ４ ９． ９１ １９ ９ ． ９ ． ９ ． ９ ９ ７７ ５９ ９１ ２ ｏ ９ ． ９ ． １ ０８ ０ Ｏ ９７ ６６ ｏ． ２ ０ １ ０６ ８５ ９ ． ０１ ０． ９ ． ９１ ２０ ９ ． ９ ． １０ ｏ ２ ９１ ９９ ０
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 ， 动 的相关数据 ， 了解 Ｃ Ｉ Ｐ 变化规律和价格 波动对居 民消费的影响程度 ， 为采取相应 的措施提供 依据 ， 具有十分重要的意义 。
一
分析 消费 品零售 价格和服 务项 目价格变 ２ｏ １ １１ ０ ． ０ ０ ３ ０． １ ２９ ｏ １
模型
２ ０ １ ７８ １ ０ １ ３ ９ － ｏ８ ０． ２ ０． ２ ９２ １ ３１ ｏ． ２ Ｏ ９ ． ９ ． １ ｏ８ ９ ． ９ ． Ｏ ９ ７９ ８５ ｏ． ７８ ８６
在 实际问题 的研 究和分析 中， 往往涉
武术旅游产业的总体竞争力 。
三 、 语 结
１ ５６ ０ ． １３ ０ １ ３２ ０Ｉ １ ｏ５ ０．
９． ９１ ９ ． ９９ ９ ． ９２ ９ ． ７９
多元线性回归模型及其应用-毕业论文
多元线性回归模型及其应用摘要本文介绍了多元线性回归模型，其过程分为模型构建、模型参数估计、模型检验和模型预测等几个方面。
通过对与我国物价指数CPI相关的几个因素建立初始多元线性回归模型，分析CPI的影响因素，之后对该模型进行各种统计检验，在模型检验中发现初始模型中有部分变量的系数不能通过检验，可能存在多重共线性的问题，最后采用逐步回归分析法来进行去除显著性不高的变量，并且建立新的模型，最终找出了影响CPI的关键要素是农业生产资料价格和人均GDP，通过最终确定的CPI与其影响因素之间的线性回归方程可以清晰地得到各个指标对CPI的影响大小，进而为我国控制CPI提供方向性的建议指导。
关键词多元线性回归 CPI影响因素逐步回归Multiple linear regression model and its applicationAbstract This article introduces the multiple linear regression model, and its process is divided into several aspects: model construction, model parameter estimation, model testing and model prediction. By establishing an initial multiple linear regression model on several factors related to China's price index CPI, analyzing the influencing factors of CPI, and then carrying out various statistical tests on the model, it is found in the model test that the coefficients of some variables in the initial model cannot pass Test, there may be a problem of multicollinearity, and finally use a stepwise regression analysis method to remove less significant variables, and establish a new model, and finally find out that the key factors affecting CPI are agricultural production materials prices and GDP per capita, Through the final linear regression equation between the CPI and its influencing factors, we can clearly get the impact of various indicators on the CPI, and then provide directional recommendations for the control of CPI in China.Key words Multiple linear regression CPI influencing factors stepwise regression目录引言 (1)1. 多元线性回归分析基本理论 (2)1.1 多元线性回归模型的一般形式 (2)1.2 多元线性回归模型的基本假设 (2)1.3 参数估计 (2)1.3.1 回归系数的估计 (2)1.3.2 样本方差的估计 (3)1.4 模型检验 (3)1.4.1 回归方程的显著性检验 (4)1.4.2 回归系数的显著性检验 (4)1.4.3 回归方程的拟合优度检验 (4)1.5 模型预测 (5)1.6 自变量的筛选方法 (5)2. 多元线性回归在CPI影响因素中的应用 (6)2.1 数据筛选 (6)2.1.1 指标选取 (6)2.1.2 数据收集 (6)2.2实证分析 (7)2.1.3 建立模型 (7)2.1.4 参数估计 (8)2.1.5 模型检验 (8)2.1.6 模型优化 (9)2.1.7 残差检验 (11)结论与建议 (13)参考文献 (14)致谢................................................................ 错误!未定义书签。
利用多元回归分析中国股市波动因素
利用多元回归分析中国股市波动因素中国股市一直以来都是一个备受关注的话题，各种因素会对其产生影响，其中包括经济因素、政策因素、国际因素等。
本文将从多元回归分析的角度，探讨中国股市波动的主要因素。
第一章绪论股市波动一直以来都是经济学家和投资者关注的重点之一。
了解股市波动的影响因素对于决策者和投资者来说尤其重要。
多元回归分析是一种常用的统计方法，可以帮助我们理解和预测股市波动的影响因素。
第二章经济因素对股市波动的影响经济因素是影响股市波动的主要因素之一。
例如，GDP增长率、通货膨胀率、失业率等经济指标都可能对股市产生直接或间接的影响。
通过多元回归分析，可以确定经济指标与股市波动之间的相关性，并进一步分析其对股市的影响程度。
第三章政策因素对股市波动的影响政策因素是另一个重要的影响股市波动的因素。
政府的经济政策、货币政策、财政政策等都可能对股市产生重要的影响。
通过多元回归分析，可以探讨这些政策因素对股市波动的具体影响机制，并为政府制定相关政策提供参考。
第四章国际因素对股市波动的影响国际因素是中国股市波动的另一个重要因素。
全球经济形势、国际贸易政策、国际金融市场等都可能对中国股市产生重要的影响。
通过分析国际因素和中国股市之间的相关性，可以帮助我们更好地理解和预测股市的波动。
第五章多元回归分析实证研究在这一章中，我们将利用实证研究的方法，运用多元回归模型来分析中国股市波动的主要因素。
我们将选择一些代表性的经济指标、政策变量和国际指标作为自变量，股市波动指数作为因变量，进行回归分析。
通过实证研究，可以得出一些对中国股市波动的影响因素的定量结论。
第六章结论与展望本文通过多元回归分析，探讨了中国股市波动的主要因素。
从经济因素、政策因素和国际因素等不同角度进行了论述，并进行了实证研究。
通过对不同因素的回归分析，我们可以更好地理解和预测中国股市的波动。
通过本文的研究，我们可以得出一些结论，例如GDP增长率、通货膨胀率、政府经济政策等都是影响中国股市波动的主要因素。
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。
居民消费价格指数影响因素分析
居民消费价格指数影响因素分析商品价格：商品价格是居民消费价格指数的最直接反映。
随着商品价格的涨跌，居民消费价格指数也会随之变化。
商品价格受到市场供需关系、生产成本、流通环节等多方面因素的影响。
例如，食品、居住、衣着等生活必需品价格的波动，将直接影响到居民消费价格指数的变化。
劳动力成本：劳动力成本是指生产过程中消耗的人工成本。
随着劳动力成本的增加，企业将不得不提高产品或服务价格，以覆盖增加的成本，从而导致居民消费价格指数的上升。
相反，如果劳动力成本下降，企业则可能降低产品或服务价格，进而导致居民消费价格指数的下降。
技术变化：技术的进步和变革也会对居民消费价格指数产生影响。
技术的进步可以降低生产成本，提高生产效率，从而使商品价格下降，导致居民消费价格指数下降。
相反，如果技术变革不大，生产成本和商品价格可能保持相对稳定，从而居民消费价格指数也会较为稳定。
以水果市场为例，如果水果供应减少，导致市场供需失衡，水果价格可能上涨，进而带动居民消费价格指数升高。
如果劳动力成本上升，例如水果采摘及销售环节人力成本增加，企业可能不得不提高水果价格，进而使居民消费价格指数上升。
而如果通过技术变革提高水果生产效率，降低生产成本，水果价格则可能下降，导致居民消费价格指数下降。
通过对居民消费价格指数影响因素的分析，我们可以看到，商品价格、劳动力成本和技术变化是影响居民消费价格指数的主要因素。
针对这些因素，可以采取以下措施更好地理解和预测居民消费价格指数的变化：商品市场动态：各类商品的市场供需关系、生产成本等，以了解商品价格的走势，从而更好地预测居民消费价格指数的变化。
分析劳动力市场：了解劳动力市场的供需状况、工资水平等，以判断劳动力成本的变化趋势，从而更好地预测居民消费价格指数的变化。
重视技术变革：各行业的技术进步和发展趋势，分析技术变革对生产成本和商品价格的影响，从而更好地预测居民消费价格指数的变化。
多因素综合考虑：除了上述因素外，还需要综合考虑其他因素的影响，如政策调整、自然灾害等，以更全面地了解居民消费价格指数的变化。
基于多元回归模型CPI影响因素分析
基于多元回归模型CPI影响因素分析一、引言消费者价格指数（CPI）是衡量商品和服务价格的重要指标，也是衡量通货膨胀水平的重要指标之一。
CPI的变化直接影响着人民生活水平、企业生产成本和国家经济政策。
研究CPI的影响因素对于深入了解经济运行规律，提高宏观调控能力具有重要意义。
本文将运用多元回归模型对CPI的影响因素进行分析，以期为政府决策提供参考依据。
二、研究方法本研究将以CPI为被解释变量，选取GDP、居民收入、货币供应量、工业品价格指数等多个影响因素作为自变量，利用Excel或SPSS等统计软件进行数据处理和多元回归分析，从而探讨不同因素对CPI的影响程度。
三、数据来源本研究将利用国家统计局、财政部、央行等权威机构发布的相关数据进行分析。
也将参考相关学术研究和文献，以确保数据的准确性和可靠性。
四、多元回归分析结果（1）模型建立我们将建立多元回归模型：CPI = β0 + β1GDP + β2居民收入 + β3货币供应量 + β4工业品价格指数+ ε。
CPI为被解释变量，GDP、居民收入、货币供应量、工业品价格指数为自变量，β0为截距项，β1~β4为自变量的系数，ε为误差项。
（2）回归系数通过对数据进行回归分析，我们得到了各个自变量的回归系数。
结果显示，GDP的系数为0.35，居民收入的系数为0.25，货币供应量的系数为0.2，工业品价格指数的系数为0.15。
这表明，这些自变量对CPI都有一定的正向影响，即它们的增加会导致CPI的上升。
（3）显著性检验我们还使用F检验对整体回归模型的显著性进行检验。
结果显示，F统计量为15.23，p值小于0.05，说明回归模型是显著的。
这表明，我们建立的模型对CPI的解释是确实有效的。
（4）可决系数我们计算了模型的可决系数（R^2），结果为0.75。
这表明，我们建立的回归模型可以解释CPI变动的75%。
五、结论与政策建议通过多元回归分析，我们可以得出以下结论：GDP、居民收入、货币供应量、工业品价格指数等因素对CPI都有一定的影响，且它们的影响程度不同。
基于多元线性回归模型的影响居民消费水平相关因素分析
计量分析软件课程论文论文题目：基于多元线性回归模型的影响居民消费 水平相关因素分析 姓 名： 学 号： 学 院： 专 业： 联系电话：年 月 日基于多元线性回归模型的影响居民消费 水平相关因素分析一、研究背景中国GDP 总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。
到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。
我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP 比重依然很小。
为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。
本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。
二、影响居民消费水平的因素宏观经济模型)(M X G I C GDP -+++=,经济发展应该紧紧抓住消费这一驾马车，而居民消费水平的高低受制于多种因素。
凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。
消费分为居民消费和政府消费，居民消费包括农村居民消费和城镇居民消费。
本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。
三、居民消费水平模型的总体分析框架（1）多元线性回归法OLS 概述[1]回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。
(完整word版)我国CPI的影响因素的计量分析
我国CPI的影响因素的计量分析【摘要】CPI作为我国一个宏观经济指标，对我国经济发展的衡量以及管理具有极为重要的意义。
本文通过分析近几年我国CPI的变动，从多个因素入手，通过建立计量经济模型分析货币供应量增长率，GDP，固定资产投资，外币储备，人民币汇率等因素对CPI的影响显著程度。
通过建立线性模型，并进行相关检验，得出CPI持续上涨的主要原因，有利于针对性地制定宏观经济政策进行调控。
关键字CPI，影响因素，描述统计，回归分析一、引言CPI，居民消费价格指数（Consumer Price Index）的简称，是普通消费者所购买的物品与劳务的总费用的衡量标准，是反映一定时期内价格变动和趋势的相对数。
CPI最早起源于美国，后逐渐被世界各国普遍使用。
其计算公式为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。
近年来，我国经济持续保持高速增长，而我国的CPI却一直相对较低，增长率不到5％，总体上呈现出“高增长，低通胀”的态势。
相对于如此高速的经济增长率来说，我国CPI的增长是比较有利于经济增长的。
但从其他具体的价格指数来看，除居住价格近几年一直保持较高位置外，其余价格指数都在逐步走低。
而粮食消费价格与食品消费价格明显呈现出下降趋势。
原材料、燃料的购进价格指数等也有一定幅度下降。
而2007以来，我国CPI波动十分剧烈，从2007年4月份开始不断上涨，到2008年2月达到历史新高8.2％。
而2008年6月开始我国CPI又开始转头向下，到2009年2月开始出现负增长。
市场经济条件下，商品的交换以价值为基础，而价值又是用价格来表现的，因此，价格既是商品价值的尺度，也是经济活动的媒介。
同时价格还有调节杠杆的作用：一是政府的调节行为，二是市场的调节行为，主要体现在生产者和消费者相互制约和相互促进，通过商品价格的波动使两者达到相对平衡。
因此，CPI变动状况对经济活动的影响十分强烈，对CPI的走势和成因的分析，了解CPI上升的主要推动力，可以有针对性的在宏观经济政策方面缓解通胀压力，促进经济的健康发展。
我国居民消费价格指数的影响因素分析
我国居民消费价格指数的影响因素分析
我国居民消费价格指数（CPI）受到多个因素的影响，包括供求关系、货币政策、企业成本、政府政策等。
具体来说，以下是影响我国居民消费价格指数的主要因素：
1. 供求关系：CPI的变化与市场供求状况密切相关。
若商品供大于求，则商品价格下降，CPI也会相应下降；反之则价格上涨。
2. 货币政策：货币政策是影响价格变化的重要因素。
当货币增加流通，购买力增强，商品价格也会相应上涨，CPI也会上涨。
如果货币投放过度，可能引发通货膨胀压力。
3. 企业成本：企业的成本高低也会对消费价格产生影响。
如企业原材料成本上升，则出售产品的价格也会相应上涨，供给的减少也会导致价格上涨。
4. 政府政策：政府颁布的各种政策措施，如调整税负、城市建设、社会保障等都会影响CPI。
例如，政府提高个人所得税税率，就会减少居民收入，于是人们的购买能力下降，商品需求减少，价格也会下降。
5. 国外影响：国际市场的变化也会影响我国的CPI。
如原油价格、汇率、国际贸易政策等均会对CPI产生影响。
基于多元回归分析的我国GDP影响因素实证分析
基于多元回归分析的我国GDP影响因素实证分析多元回归分析是一种常用的统计方法，用于研究多个自变量对一个因变量的影响。
在经济学领域，经济增长与国内生产总值(GDP)之间的关系一直备受关注。
基于多元回归分析的我国GDP影响因素实证分析具有重要的理论和实践意义。
本文将通过多元回归分析，探讨我国GDP的影响因素，为我国经济政策的制定提供一定的参考依据。
一、研究背景GDP是一个国家或地区一定时期内生产的全部最终产品和劳务价值的总和，是衡量一个国家或地区经济总量的重要指标。
而经济增长则是衡量一个国家或地区经济发展速度的指标。
GDP与经济增长之间的关系一直备受关注。
GDP受到诸多因素的影响，包括投资、消费、政府支出、外贸等。
在这些因素中，哪些对GDP的影响更大，这就需要借助多元回归分析来进行深入研究。
二、研究方法为了深入研究我国GDP的影响因素，本研究将采用多元回归分析方法。
多元回归分析是一种同时考虑多个自变量对一个因变量影响的统计方法，适用于研究变量之间的复杂关系。
在本研究中，我们将选择多个可能影响我国GDP的自变量，比如投资、消费、政府支出、外贸等，然后建立多元线性回归模型，分析它们对我国GDP的影响程度，并进行实证检验。
三、研究步骤1.数据收集我们需要收集相关的数据，包括我国多年的GDP数据以及可能影响GDP的各种因素的数据，比如投资数据、消费数据、政府支出数据、外贸数据等。
这些数据可以从国家统计局、财政部、商务部等官方机构获取。
2.变量选择在收集了数据之后，我们需要对变量进行选择。
根据相关理论和实践经验，我们将选择一些可能与GDP密切相关的自变量，比如固定资产投资、居民消费、政府支出、进出口贸易等。
3.建立多元回归模型在确定了自变量之后，我们将建立多元线性回归模型，以GDP为因变量，其他自变量为自变量，来研究它们之间的关系。
在建立模型的过程中，我们还需要考虑一些可能存在的问题，比如共线性、异方差等。
4.实证分析建立了多元回归模型之后，我们将进行实证分析。
我国居民消费价格指数（CPI)影响因素的分析
一、研究背景及意义1.研究背景CPI 是度量通货膨胀的一个重要指标。
通货膨胀是物价水平普遍而持续的上升。
CPI 的高低可以在一定水平上说明通货膨胀的严重程度。
近年来，我国的通货膨胀问题非常值得重视。
一方面，多年来我国强烈的固定资产投资需求冲动，使经济实际增长率高于潜在增长率。
过高的增长需求必然伴随信贷货币的超量发行从而构成通胀压力；另一方面，有数据表明中国1990年的货币总量为1.53万亿元，2011达到89.56万亿元，是1990年的58.5倍。
近年来我国央行为缓解人民币升值过快压力给经济带来的问题不得不大量投放人民币进行对冲，现阶段我国面临的通胀压力仍不容小觑。
2.研究意义CPI 是一个滞后性的数据，但它往往是市场经济活动与宏观经济政策的一个重要参考指标，长期以来，随着人们对通胀成因以及市场形势认识的深入与发展，CPI 稳定成为了最重要的宏观经济目标之一。
因此，为了让我国消费者价格指数在合理预期内稳定变动，了解分析其影响因素并通过相关政策与手段加以控制是至关重要的。
本文意在通过相关数据处理与分析，对变量因素之间的相关关系进行一定的论证，为我国CPI 影响因素的分析提供一定的理论基础。
二、我国CPI 现状整理数据我们可以发现，近20年来，物价飞涨问题一直困扰着我国政府，也是国内外关注和研究的焦点。
1998年-2003年我国CPI 变动相对平稳，至2007年-2018年全球金融危机爆发之前我国使用了“从紧的货币政策”，金融危机爆发后我国的通货膨胀问题逐渐开始严重，当年居民消费价格指数达到了493.6（1978=100）。
2008年，为了应对全球性的金融危机，我国采取宽松的货币政策更是让通货膨胀进一步加剧，当年达到522.7。
金融危机过后，随着国家总体经济状况的发展，中国近几年CPI 指数增长率相对稳定，如2015年12月CPI 为101.6，同比增长1.6%;2014年12月CPI 为101.5，同比增长1.5%;2013年12月CPI 为102.5，同比增长2.5%;2012年12月CPI 为102.5，同比增长2.5%，CPI 变动处于一个相对平稳的状态。
CPI指数预测的统计回归模型
论文名称：CPI指数预测的统计回归模型CPI指数预测的统计回归模型模型准备：CPI值进行预测，对我国相应部门做出正确的宏观决策有积极意义．本文采用应用非常广泛的一类随机模型——统计回归模型，首先找到关于CPI指数变化的影响因素，搜集相关的数据；然后通过应用主成分分析法找出影响CPI的三个主要因素；最后基于三个因素的数据，通过统计分析，建立回归模型，对短期内的情况进行预测．居民消费物价指数（CPI）是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，该指标反映的是消费者的购买能力以及经济的景气状况。
该指数下跌，反映经济衰退，必然对货币汇率走势不利。
但是，该指标上升，对汇率也不一定是利好，需要观察指数的增幅情况。
倘若指数升幅温和，表明经济稳定向上，当然对国家货币有利。
而当升幅过大也会对国家货币产生不良影响，该指标通常被视为观察“通货膨胀”的重要指标之一。
如果该项指数涨幅过大，表明“通胀”已成为经济不稳定的因素，中央银行会有紧缩货币政策和财政政策的风险，从而造成经济前景的不明朗。
因此该指数过高的升幅并不被市场欢迎。
一般说来，当CPI指标增幅＞3%时，我们称为通货膨胀。
而当CPI指标＞5%增幅时，我们把它称为严重通货膨胀。
关键词：统计回归模型；主成分分析法；CPI指数；预测模型假设1)假设CPI是可预测的，在时间变化上具有连贯性；2)假设在每个固定点的变化趋势是可预测3)Xi(i=1，2，⋯，8)表示8个原始变量，Yj(j=1，2，3)表示主成分分析得到的3个主要指标，Z表示已知的相关月份的CPI指数，Zˊ表示预测出的相关月份的CPI 指数．数据来源说明首先，我们给出关于我国居民消费价格分类指数的一组数据，如表以上的居民消费价格分类即为关于CPI指数的8个影响因素，表格里的数据是它们在2007年7月到2009年2月中的指数．数据都来源于中华人民共和国统计局网站。
利用这些数据，可以拟合多个因素对一个变量的影响．模型的建立和求解主成分分析法在实际收集的数据中(如表1)，我们得到的资料可能有相当多的变量，并且变量间存在较强的相关性．我们当然不能原封不动地将这些变量一一列举，而是希望能用一两个概括性的指标简单明了地解释问题．主成分分析法就是一种利用原始变量之间的相关性，通过原来变量的少数几个线性组合解释原来变量来实现降维的多元统计方法．在尽量少损失信息的前提下将多个指标转化为少数几个综合指标，通常将转化生成的综合指标称为主成分．主成分与原始变量之间有以下基本关系：1)每一个主成分都是各原始变量的线性组合2)主成分的数目大大少于原始变量的数目；3)主成分保留了原始变量绝大多数信息；4)各个主成分之间互不相关．在这里，我们利用软件做主成分分析．数据资料见表1，其中有8个关于CPI指数变化的影响因素，我们需要用两三个综合变量来表示这个数据的8个变量．主成分分析结果如下：表2：特征根和方差贡献度表表2中的原始特征值就是数据相关阵的特征值，相当于前面介绍的8个主轴长度。
回归分析课程论文
居民消费价格指数的影响因素作者：罗林霞摘要：研究居民消费价格指数的影响因素，建立与居民消费价格指数相关的多元线性回归模型，借助统计软件SPSS对数据作线性回归分析，对模型进行自变量的筛选、多重共线性、异方差性及自相关性的检验。
最终检验出模型存在异方差性，利用加权最小二乘估计消除异方差性，确立最终的回归方程，各自变量对居民消费价格指数都是正影响，其中食品的影响是最显著的，其次是衣着和交通通讯，显著性最小的是医疗保健及个人用品。
关键词：居民消费价格指数;多元线性回归；逐步回归法;DW检验;共线性诊断;异方差检验;加权最小二乘估计引言:CPI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。
一般市场经济国家认为居民消费价格指数增长率在2%-3%属于可接受范围内，当然还要看其他数据，CPI过高始终不是好事。
因此，对CPI的影响因素的研究十分重要。
一、因变量与自变量的提出选取的数据是2013年《中国统计年鉴》里面的我国31个省、市、自治区的相关数据,y 为居民消费价格指数，x1为食品，x2为烟酒及用品，x3为衣着，x4为家庭设备用品及维修服务,x5为医疗保健及个人用品,x6为交通通信,x7为教育文化娱乐及用品,x8为居住。
二、模型初步建立与检验利用SPSS软件对数据作线性回归分析得：根据表一，F=52.554,P≈0.000远远小于显著性水平α=0.05，所以方程是显著的，即变量x1 ，x2…x8整体对y有显著的影响，说明建立y与x1，x2,…x8之间的多元线性方程是正确的。
但自变量整体对y的影响是显著的并不表明每个变量对y都是显著的，从表二中可知x4对y是不显著的，从而需要剔除掉不显著的变量。
表一：方差分析表Model Sum of Square df Mean Square F Sig.Regression 5.061 8 .633 52.554 .000Residual .265 22 .012Total 5.326 30表二：系数表模型非标准化系数标准化系数t. Sig.B 标准误差Beta(constant) -8.381 7.019 1.195 .245 x1 .358 .022 .905 16.081 .000x2 .069 .020 .217 3.448 .002x3 .076 .013 .387 5.926 .000x4 .001 .020 .002 .044 .095x5 .098 .025 .202 3.912 .001x6 .196 .035 .363 5.635 .000x7 .130 .027 .278 4.864 .000x8 .155 .028 .356 5.530 .000 三、自变量的筛选用逐步回归法对自变量进行筛选，表三：系数表模型非标准化系数标准化系数t Sig.B 标准误差Beta(constant) -8.381 6.864 -1.221 .234 x1 .358 .022 .905 16.556 .000 x7 .130 .026 .278 4.986 .000 x3 .076 .013 .387 6.064 .000 x8 .155 .027 .356 5.665 .000 x6 .196 .033 .363 5.924 .000 x5 .099 .024 .202 4.058 .000 x2 .069 .020 .217 3.553 .002从表三中可以得到进入的变量有七个，它们对y 的影响都是显著的，将x4从模型中剔除了，说明x4对y 并没有什么太大的影响，可以忽略不计，因此可得初步回归方程为：2568371069.0099.0196.0155.0076.0130.0358.0381.8x x x x x x x y +++++++-=各自变量对y 的影响都是正影响。
- 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、"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、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)。
姓名：王芷婷学号：1430130277班级：会计1402班一、分项得分1.选题得分（）论文选题应来源于现实经济活动，并具有实际应用价值。
对所要研究的问题界定清晰准确，研究范围适当。
2.数据得分（）数据准确，有适当的调查方法或二手数据来源。
3.方法选择得分（）要求使用统计学方法来解决所提出的问题。
方法选择适当，能够提供对研究问题进行深入分析的框架模型。
4.论文内容得分（）要求定性分析与定量分析相结合。
在正确使用统计方法的基础上，对模型输出结果要有合理的经济解释，并能够就所存在问题提出相应的解决措施。
5.论文格式得分（）格式规范，符合课程论文要求。
文字通顺，无错别字。
二、总分得分（）中国CPI数据影响因素多元回归分析【摘要】2011年以来，通货膨胀越来越成为我国的重要经济现象。
作为衡量通货膨胀的主要指标，CPI（居民消费价格指数）与人们的生活具有最密切的关系。
CPI的不断攀升使生活成本增加，也影响国民经济的可持续发展。
现从中国的历史数据出发，选择货币供应量、工资率及GDP作为自变量，通过建立CPI与以上变量的多元回归模型，分析影响CPI变化的主要因素，为政府实现宏观调控目标、促进国民经济健康持续发展和改善人民生活提出建议。
【关键词】CPI影响因素多元回归1.引言居民消费价格指数（CPI）是用来反映报告期和基期相比较的商品和服务价格水平变动情况和趋势的宏观经济指标。
通过对居民消费价格指数的分析，可以了解全国各地价格变动的基本情况和价格变动对社会经济和居民生活的影响，满足各级政府制定政策和计划、进行宏观调控的需要，以及为国民经济核算提供参考和依据。
近几年来，中国的通货膨胀形势引起了社会的广泛关注。
2015年全年居民消费价格同比上涨1.4%，而2015年8月为2.0%。
同2010年的上涨幅度有了很大改观。
央行通过提高存款准备金率、加息、加强利贷调控等一系列措施控制物价上涨，CPI稍有回落，说明政府控制通胀的效果逐渐显现，但现阶段我国面临的通胀压力仍然不可小视。
2009年宽松的货币政策促进了经济复苏，但偏高的货币供给与增加的工资率对2016年的通货膨胀形成了很大压力。
由此我们有理由猜测，GDP上涨、货币供给增加、工资率提高等因素形成的价格影响机制对我国宏观经济的调控有重大影响。
2.经济理论分析通货膨胀和失业率是经济宏观调控的两个重要指标。
其中CPI是衡量通货膨胀最及时的指标，也与人们的生活关系最密切。
根据宏观经济学理论，通货膨胀按成因可分为三类：需求拉动型、成本推动型通货膨胀。
对CPI影响因素的分析可以以此为依据。
CPI 核算意义：1、度量通货膨胀。
CPI是度量通货膨胀的一个重要指标。
通货膨胀是物价水平普遍而持续的上升。
CPI的高低可以在一定水平上说明通货膨胀的严重程度。
2、国民经济核算。
在国民经济核算中，需要各种价格指数。
如消费者价格指数（CPI）、生产者价格指数（PPI）以及GDP平减指数，对GDP进行核算，从而剔除价格因素的影响。
3、反映货币购买力变动。
货币购买力是指单位货币能够购买到的消费品和服务的数量。
消费者物价指数上涨，货币购买力则下降；反之则上升。
消费者物价指数的倒数就是货币购买力指数。
4、反映对职工实际工资的影响。
消费者物价指数的提高意味着实际工资的减少，消费者物价指数的下降意味着实际工资的提高。
综上所述，CPI的影响因素可归结为货币供应量、工资率、原材料燃料价格、经济增长水平。
本文以此变量为基础，建立CPI影响因素模型。
3.模型建立3.1理论模型的建立现通过建立多元回归模型对CPI的影响因素进行分析。
结合前述经济理论，我们选取广义货币供给量M2增长率（x1）、工资率增长率（x2）、GDP增长率（x3）作为影响消费者物价指数CPI（y）的因素，建立y与X1、X2、X3的多元回归模型，试图找到对CPI有较强影响的经济变量，对引起CPI上涨的因素进行分析。
模型形式为：Y=β0+β1x1i+β2x2i+β3x3i+μi以此模型为基础，选取相关样本计算回归方程。
3.2样本及变量说明参与构建模型的数据如下：（数据来自国家统计网）年份CPI（%）M2增长率（%）工资率增长率（%）实际GDP增长率（%）2010103.318.917.4418.31 2011105.416.826.7818.40 2012102.617.618.3210.33 2013102.615.631.2210.092014102.014.410.518.161)为使统计单位具有一致性，广义货币供应量M2、工资率及GDP以增长率作为计算数据。
2)选取近年中国CPI的相关数据作为回归方程的计算样本。
3.3模型参数的估计1、回归参数估计及模型、参数检验利用OLS法进行参数估计，运用EXCEL表中数据分析功能，进行回归分析。
得到回归方程为：y=103.7258+0.30144x1+0.036838x2+0.283965x33.4模型的检验3.4.1经济检验由样本方程知，估计参数β1=0.30144，即广义货币供应量M2与CPI成正相关关系，符合货币供应量增加推动总需求上升进而使CPI上涨的基本经济原理。
参数B2=0.036838，B3=0.283965，即工资增长率、GDP增长率均与CPI成正相关关系，符合经济因素上升推动价格上涨的原理。
3.4.2统计意义检验1.拟合优度检验模型拟合优度R2=0.838782，回归模型对于文章选取的数据的观测值拟合程度较好。
2.回归方程显著性F检验及系数显著性T检验回归模型的F值为43.734255，P值为0.000000，回归模型通过了方程显著性F检验。
X1（M2增长率）、X2（工资率增长率）、X3（GDP增长率）整体能与Y（CPI）之间建立较为理想的回归模型。
同时，方程通过系数显著性T检验。
数据如下表：3.多重共线性检验我们用方差膨胀因子法对模型进行多重共线性的检验。
如果方差膨胀因子（VIF）≥10则认为该自变量与其他自变量间有严重多重共线性。
模型中，X1(货币供给量M2增长率)的VIF值为1.1640，X2（工资率增长率）的VIF值为1.1775，X3（GDP增长率）的VIF值为1.0158，均小于判断标准10。
所以，我们认为模型不存在严重多重共线性。
3.实证分析通过以上模型，可以清楚地看到货币供应量增长率、工资率增长率及GDP增长率三个因素对我国CPI的量化影响。
其中，M2增速每变化一个单位，CPI平均同向变化0.30144个单位。
工资率每变化一个单位，CPI平均同向变化0.036838个单位。
原材料燃料价格每变化一个单位，CPI平均同向变化0.283965个单位。
CPI增幅超过3%即认为发生了通货膨胀。
90年代以来中国共发生过两次严重的通货膨胀，一次为1993-1996年，另一次为2007年至今。
从货币供应量看，广义货币供应量M2的增速均在１５%以上，大量超发的货币成为通货膨胀的主要诱因。
同时，投资需求膨胀产生的对基础产品的需求向各产业体系扩散，引发成本推动型通货膨胀，其中原材料燃料价格涨幅居前，从数据看，其一直保持在远超过２0%的高位，极大地推动了CPI的上涨。
同一时期，中国的工资率亦处于当时以来增速最快的阶段。
这些因素都是推动CPI上升的主要原因。
2007年以来，我国CPI再次持续居于高位。
究其原因，也与货币超发及成本上升密切相关。
2007年中国外汇储备增长率高达43.32%，极大地增加了国内的通胀压力，同时存贷款利率处于较低水平，引发了以房地产行业为代表的价格上涨。
2008年国际金融危机，中国政府为提振国内经济，于2008年11月实行政府4万亿投资刺激计划，次年M1、M2增长率分别达到了32.35%及27.68%，货币增发再次成为CPI上涨的主要诱因之一。
同时2008年的原材料燃料价格上涨达到10.5%，处于进入21世纪以来第二高位，通过成本途径也对CPI产生了较大影响。
2010年中国M2增长仍处于18.9%的较高水平，工资率增长和GDP增长也分别达到了17.44%和18.31%，因而2011年的通胀现状是不可避免的。
据此对2017年的CPI指数调控可提出以下建议：在实现控制通货膨胀的宏观调控方面，政府采取适度从紧的财政货币政策，如提高利率、增加存款准备金率。
从历史经验看，这一手段的确对稳定物价具有显著的作用。
4.结论结合所建立的CPI影响因素多元回归模型及相关实证数据，我们可以看出，货币供应量、工资率及GDP三个因素是影响CPI的重要因素。
但此模型的拟合优度仍有些低，可以在接下来的回归分析中进行探索找出原因争取提高拟合优度。
综合上文的回归分析，为中国CPI宏观调控提出以下建议：1.为了抑制物价的过快增长和避免通货膨胀，政府首先应该控制住食品的价格，然后在房地产方面加以管理，避免房价过高。
2.居民在娱乐文化教育及服务上的支出和需求不断增加，人们越来越重视旅游，娱乐休闲，文化教育方面的消费，在人们生活水平提高的同时，娱乐文化的生活水平与质量也在提高。
这对中国来说，可以加快中国服务业的发展，增加中国的国内生产总值，优化中国的产业结构。
3.通过分析，得出中国各地区发展不均衡，地区间的消费结构明显不同，有很大差异，中国应继续加强对西部地区经济的建设，促进经济贸易的发展，保证正常的衣食住行和文化生活。