居民消费价格指数地分析资料报告与预测(毕业论文设计doc)
[参考范文]居民消费价格指数论文
![[参考范文]居民消费价格指数论文](https://img.taocdn.com/s3/m/60524e9dd1d233d4b14e852458fb770bf78a3b8a.png)
居民消费价格指数论文摘要：食品指数的变化与人民生活息息相关的食物支出紧密联系，粮油价格的上涨会导致与粮食关系密切的食品类工业品出厂价格上涨，从而导致食品价格指数上扬，居住价格的上涨会导致居住指数的上扬，因此为抑制CPI的快速增长，政府应加大控制在食品和居住上的价格。
居民消费价格指数也叫消费物价指数，简称CPI。
它是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。
居民消费价格指数一方面同人民群众的生活密切相关，同时在整个国民经济价格体系中也具有重要的地位。
它是进行经济分析和决策、价格总水平监测和调控及国民经济核算的重要指标。
该文主要运用主成分回归分析的方法，找出影响居民消费价格总指数的主要分类指数，进而提出控制物价指数的可行方案，为促进经济健康发展提供有益的参考。
1 变量的选取该文数据全部来自《中国统计年鉴一2013》，选取了1994—2012年全国31个地区的居民消费价格总指数及分类指数的相关数据。
以居民消费价格总指数为因变量，分类指数食品x1、烟酒及用品x2、居住x3、交通通讯x4、医疗保健个人用品x5、衣着x6、家庭设备及维修服务x7、娱乐教育文化用品及服务x8为自变量，来建立模型。
2 实证分析2.1 相关分析对因变量与所有自变量作相关分析，由SPSS软件计算得因变量与自变量的相关系数依次为0.942，0.970，0.935，0.946，0.884，0.796，0.766，0.899，说明所选自变量与因变量均高度线性相关，适合作线性回归。
2.2 共线性诊断由于自变量的个数较多，自变量间可能存在多重共线性，这样在建立模型时就会出现严重的共线性。
下面使用特征根判定法中的条件数法来诊断变量之间是否存在多重共线性，用SPSS软件计算出特征根与条件数的结果见表1。
从表1可看到，最大的条件数是800.479，说明自变量间存在严重共线性，表1中第九行x1，x2，x3的系数分别为0.62，0.96，0.65，说明x1，x2，x3之间存在严重多重共线性。
计量经济学——关于居民消费价格指数的分析
吉林财经大学2013-2014学年第一学期《计量经济学》期末论文专业班级：姓名：学号：答辩记录及评语一、答辩记录二、评语摘要居民消费价格指数（consumer price index）简称CPI。
居民消费价格指数，是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。
它是度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况。
本文采用1994年至2011年的CPI指数以及国内生产总值GDP增长率，m2同比增长率，一年定期存款利率，美元兑人民币汇率，外汇储备量，建立多元线性回归模型，运用最小二乘法，研究这些经济数据对CPI的影响。
[关键词]居民消费价格指数CPI，国内生产总值GDP，数据分析一、序言居民消费价格指数(CPI)是用来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。
近几个月来中国物价上涨速度持续过快，出现了一定的通货膨胀，由于严重化的趋势，这必将影响人民的生活质量。
本文将就影响CPI变动的因素进行探讨，从而做出正确的判断，实行很好的宏观调控。
二、变量选取表1 1994年至2011年我国有关居民消费价格指数数据因1993年对汇率采取的政策变化，无数据，所以数据选取自1994年起，至2011年结束。
数据来源：国家统计局、《中国统计年鉴》三、实证分析（一）建立模型1、根据分析和数据建立了如下的计量经济学模型 选取CPI 增长率作为被解释变量，记作Y ； GPD 增长率为第一解释变量，记作X1；一年期定期利率为第三解释变量，记作X2；美元兑人民币汇率为第四解释变量，记作X3，单位元； 外汇储备量为第五解释变量，记作X4，单位万亿美元。
μβββββ+++++=443322110x x x x y2、根据1994年至2011年期间的数据建立模型。
用最小二乘法对模型进行回归得到原始回归，结果如下表所示：从上述结果可以看出，所估计的回归模型为Y=-34.63015+0.486148x1+2.011897x2+2.978864x3+2.768638x4 与此模型相对应的相关检验统计量分别为：69783.20,822531.0,864288.022===F R R ,DW=1.798283617227.0,447770.0,690784.6,826132.0,652373.043210====-=t t t t t四、模型的检验及修正（一）实际意义检验这个方程说明在其他变量不变的前提下，GDP 增长率每增加一个百分点，CPI 居民消费价格指数Y 就增加0.486148；一年期利率 2X 每增加一个百分点，CPI 居民消费价格指数Y 就增加2.011897；汇率3X 每增加1元，CPI 居民消费价格指数Y 就增加2.978864元；外汇储备量 4X 每增加1亿元，CPI 居民消费价格指数Y 就增加2.768638亿元。
城市居民消费价格分类指数论文
2010年部分城市居民消费价格分类指数(CPI)【摘要】由于目前对居民消费结构的分析指标很多且指标体系中各指标之间存在着多重共线性，从而影响了分析模型的稳定性，使所得模型中出现了不符合经济学原理的现象。
为此本文采用多元统计分析方法，建立了关于居民消费价格分类指数变动的因子分析模型。
利用SPSS软件找出影响居民消费结构的一致性因素，消除了多重共线性，并以某一具体实例验证了该模型的实用性和有效性.【关键词】因子分析居民消费价格指数一、引言所谓核心CPI，是指将受气候和季节因素影响较大的产品价格剔除之后的居民消费物价指数。
目前，我国对核心CPI尚未明确界定，美国是将燃料和食品价格剔除后的居民消费物价指数为核心CPI。
这种方法最早是由美国经济学家戈登（Robert J.Gordon）于1975年提出的，其背景是美国在1974年-1975年受到第一次石油危机的影响而出现了较大幅度的通货膨胀，而当时消费价格的上涨主要是受食品价格和能源价格上涨的影响。
当时有不少经济学家认为美国发生的食品价格和能源价格上涨，主要是受供给因素的影响，受需求拉动的影响较小，因此提出了从CPI中扣除食品和能源价格的变化来衡量价格水平变化的方法。
从1978年起，美国劳工统计局开始公布从消费价格指数和生产价格指数（PPI）中剔除食品和能源价格之后的上涨率。
但是，就是在美国经济学界，关于是否应该从CPI中扣除食品和能源价格来判断价格水平，至今仍然存在很大争论，反对者大有人在，就是在美国经济学界，关于是否应该从CPI中扣除食品和能源价格来判断价格水平，至今仍然存在很大争论，反对者大有人在。
因子分析因子分析英文名称：factor analysis 其他名称：因子分析法定义1：把若干个变量看成由某些公共的因素所制约，并把这些公共因素分解出来的分析方法。
应用学科：大气科学（一级学科）；动力气象学（二级学科）定义2：对主成分分析的基标准化后的一种统计方法。
居民消费价格指数论文居民消费论文
居民消费价格指数论文居民消费论文对于居民消费价格指数回归分析【摘要】写作本文的目的是为了对居民消费价格指数的变化趋势作出一个回归。
并预测今后的CPI上涨范围。
本文采用2008年1月至2010年10月的月度数据，针对中国广义货币供应量M2，金融机构各项贷款和采购经理人指数对居民消费价格指数的影响运用EVIEWS计量分析软件。
【关键词】居民消费价格指数；广义货币供应量；金融机构各项贷款；采购经理人指数；分布滞后模型一、问题的提出自2007年次贷危机之后，中国经济陷入了一定的萧条，为了早日走出困境，中国采取超常规的宽松的货币政策和财政政策。
货币投放量不断增长，信贷投放也逐月上升。
政府短期的行为为日后的通货膨胀埋下了种子。
最能直观衡量通货膨胀程度的指标就是居民消费价格指数（CPI）。
本文的目的是为了对CPI的变化趋势做出一个回归。
并预测11月的CPI上涨幅度。
二、模型设定居民消费价格指数（Consumer Price Index，简称CPI）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。
它是判断经济形势和制订经济政策的重要参考变量。
货币学派的代表弗里德曼曾经说过：通货膨胀无论何时何地始终是货币现象。
我们把M2作为第一解释变量。
在宽松货币政策的前提下，天量信贷资金的投放也一定程度上助长了通胀。
所以我们把金融机构各项贷款额作为第二解释变量。
采购经理人指数（Purchase Management Index，PMI）是快速及时反映市场动态的先行指标。
这个指标越高就代表经济形势的预期越好。
而经济形势很好的时候通常会伴随着通胀现象。
所以我们把它作为第三解释变量。
三、数据处理和实证分析本文以Y（居民消费价格指数）作为被解释变量，X1（当月新增M2），X2（金融机构各项贷款月末数（亿元）），X3（制造业采购经理指数）作为三个解释变量。
对数据取其自然对数以减少异方差。
（数据来源：中经网统计数据库）一般来讲，货币供应量对CPI的影响是个滞后的过程，而金融机构各项贷款刺激投资也需要一定的滞后时间才能对CPI产生影响。
居民消费价格指数的统计分析与预测
居民消费价格指数的统计分析与预测摘要：本文简要介绍了居民消费价格指数的相关理论知识，并进一步从统计学的角度对居民消费价格指数依次做出了居民消费价格指数的总体分析、结构分析、影响因素分析以及动态预测分析，本文旨在通过更加深入的居民消费价格统计学研究帮助人们更加的了解居民消费价格指数。
关键词：居民消费价格指数；统计分析；理论知识；预测一、引言近几年，随着我国经济的不断发展，我国居民的物质消费水平也越来越高，居民消费价格指数也越来越得到人们的重视。
居民价格消费指数是反应人们消费水平状况的重要指标，注重对居民的消费价格指数的研究可以增加政府对我国居民消费状况的了解，对我国政府的政策制定、经济宏观调控等都有重要的参考价值。
二、居民消费价格指数的理论知识居民消费价格指数英文全称为consumer price index，缩写为cpi，它是度量消费商品及服务项目价格水平随着时间变动的相对数，反映居民购买的商品及服务项目价格水平的变动趋势和变动程度。
居民消费价格指数在整个国民经济价格体系中占有重要的地位，对于我国经济宏观调控具有正要的指导作用。
另外，cpi的计算采用的是是固定权数按加权算术平均指数公式计算，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%。
同时，居民消费价格指数还与经济通货膨胀有关，加深对居民消费价格指数的研究可以一定程度上抑制经济通货膨胀。
有学者认为，当居民价格指数>3%就表示本地区已经发生了通货膨胀。
三、居民消费价格指数的统计分析下面我们以我国今年来的居民消费价格指数为例从总体、结构、影响因素、以及动态预测四个方面进行深入分析。
1.居民消费价格指数的总体分析近几年，我国居民消费价格指数一直处于飞速上涨的状态，据国家统计局发布的数据显示，单2012年12月份全国居民消费价格指数同比上涨2.5%，涨幅比上月扩大0.5个百分点。
下图是节选我国2008年—2012年我国统计局统计的cpi的增长率：总体分析，我国居民消费价格指数上涨有以下三个明显的特征：（1）我国物价涨幅逐步的扩大；我国近几年居民消费价格指数的运行轨迹一般都呈现前低后高的态势。
居民消费价格指数的分析与预测(毕业论文doc)
西南交通大学本科毕业论文居民消费价格指数的分析与预测年级:2007级学号:20075275姓名:专业:统计学指导老师:2011年 6 月毕业设计（论文）任务书班级 07统计姓名学号 20075275发题日期：2011 年 1 月 12 日完成日期： 5 月 24 日题目居民消费价格指数的分析与预测1、本论文的目的、意义在2009年过后，我国CPI指数扶摇直上，通货膨胀率也在同时不断上涨，中国面临着较大的通货膨胀压力，民众生活成本不断加重，如何跑赢CPI已经成为了白领阶层的热门话题，本文将从统计学的观点出发，用时间序列模型对CPI指数进行分析与预测，对未来经济水平的走势有一个了解，对国家经济建设有一个宏观的意识。
2、学生应完成的任务首先对居民消费价格指数以及时间序列ARIMA模型的概念和相关理论有一定深入的了解，明白本文的写作目的以及意义。
然后通过互联网收集2000年1月至2011年4月的居民消费价格指数历史数据。
对数据进行预处理，包括：直观性的图形分析和描述性统计分析，这样能够对样本有一个整体的认识，方便后期建立模型时的对数据的操作处理。
在预处理阶段对样本整体的走势作出一个分析，比如居民消费价格指数在2000年1月至2011年4月期间是如何波动的，又是什么原因造成这些波动，这些波动能够带来什么样的影响等。
将预处理之后的数据输入EViews软件，进行ARIMA模型的建模准备工作，如：平稳性分析，零均值处理等。
利用处理过之后的数据建立出几个相对拟合程度较高的ARIMA模型，并且利用软件对预测模型的分析结果来选择一个拟合程度较高的模型作为本研究的居民消费价格指数预测模型。
在确定预测模型之后，通过阅读大量的文献与预测得出的结果相结合，对2011年的居民消费价格指数的短期走势进行分析，并在分析之后给出合理性的政策建议，达到本文的写作目的：对国家的宏观经济有一个较为客观的判断与认识。
3、论文各部分内容及时间分配：（共 14 周）第一部分选题、熟悉相关概念与理论 ( 1周) 第二部分论文的内容安排，绪论部分的写作 (2 周) 第三部分数据的处理以及模型的建立，预测部分(4 周) 第四部分短期走势的分析与预测(3周) 第五部分结论、致谢的写作以及格式的修改(2周) 评阅及答辩(2 周)备注指导教师：年月日审批人：年月日西南交通大学本科毕业设计(论文) 第Ⅳ页摘要从2007年至今，中国居民消费价格指数经历了一次空前的大起大落，受多方面因素的影响，居民消费价格指数在2008年2月创下了108.5%的历史最高涨幅；在2008年下半年和2009年又迅速的跌落，并且在2009年7月降至98.2%，创下了10年来的最低记录。
城市居民消费论文.doc
城市居民消费论文1食品支出1.1加快经济结构改革，增加居民收入水平根据恩格尔系数公式，在不影响居民食品消费支出的情况下，总支出越高，恩格尔系数越低，居民越富裕。
收入增加了，支出自然也就增加了。
因此应加快经济结构改革，增加城乡居民收入，收入水平提高了，恩格尔系数自认而然也就降低了。
当居民食品消费稳定时，增加的消费支出就会用在其他方面上，可以改善居住条件，可以提高教育环境和资源，可以享受更多更好的精神娱乐等。
1.2规范食品价格管理，加快食品工程建设如果居民购买的食品不变，而物价上涨，相应的消费支出就会增加。
在居民收入不变的情况下，食品支出增加，自然会压缩其他消费支出，恩格尔系数会升高。
所以食品价格上涨会给加重居民生活负担，降低生活质量，应该加快食品工程建设，规范食品价格管理。
2交通和通信消费支出交通和通信价格指数反映居民家庭购买交通和通信项目费用价格变动趋势和程度的相对数。
图2表明交通通信的消费支出在不断地增加，比例也在不断地扩大。
近年来，随着手机、飞机、汽车、电子信息产业迅速发展，交通和通信工具性能、款式更新速度越来越快，过去一部手机可以用两三年，现在很多人一年换一部手机。
而互联网、电信等相关服务费价格逐步下调，进一步刺激居民的消费欲望，居民交通和通信消费支出增势强劲，成为城市居民家庭生活消费的热点。
交通消费大幅增长，私家车拥有量增加，居民购买家用汽车成为交通消费热点。
随着居民收入水平的提高和家用汽车车型“日新月异”，加之消费政策的相对宽松，促使城市居民购车愿望增强，交通工具服务支出大幅增长。
城市居民家用汽车拥有量不断增加，带来的交通工具服务支出快速增长。
通信消费增速较快，家庭信息化程度提高。
通信消费支出增长较快，通信设备普及程度提高。
经济快速发展，当今社会已经步入信息时代，通信设施不断完善，通信工具逐步普及，移动电话成为居民生活的必需品，普及程度较高。
家庭信息化程度提升。
家用电脑作为高新技术产品，尤其是网络，对工作、学习、生活、产生了重要影响，家用电脑逐渐普及，家庭网络信息化程度快速提升。
居民消费价格指数的统计分析与预测
（ ３ ） 受我国国内供需不平衡 的影响 ；受近几年我国 自然灾害 的影响，以及国际市场的影响 ，我 国很多地方市场都 总体呈现 出
供 求失 衡 的 状况 。例 如像 生 猪 养殖 业 ，近 几年 瘟 疫 发 生 ，养殖 户 减 少 ，导 致 猪 肉市 场 供 低于 求 ，猪 肉价格 持 续 上涨 。 ４ ． 居 民消 费 价格 指 数 的动 态 预 测分 析
公 式 计算 ，ＣＰ Ｉ ＝ （ 一 组 固 定 商 品按 当 期价 格 计 算 的价 值 ／一 组 数 ＞３ ％就 表 示 本地 区已 经发 生 了通 货 膨胀 。
三 居 民消费价格指数 的统计分析
下 面 我 们 以 我 国 今 年 来 的 居 民 消费 价 格 指数 为 例 从 总 体 、
从 以 上 推 动 价 格 上 涨 的 因 素 来 看 ，我 国 在 最 近 的 一 段 时 间 据 国家统计局 发布的数 据显示 ，单 ２ ０ １ ２年 １ ２月份全 国居民消费 里 ，物价 还 是 会 持续 上 涨 ，尤其 是 资源 类 的 产 品 。从 物价 稳 定 的 价 格 指数 同 比 上 涨 ２ ． ５ ％，涨 幅 比上 月扩 大 ０ ． ５ 个 百 分 点 。下 图 因素 来 具体 分 析 ，近 几 年 我 国政 府 在 经济 调 控 方面 也 出 台 了一 系 列 的政 策 ，继 续 实 施 适 度 从 紧 的 财 政 和 货 币 政 策 ，像 ２ ０ ０ ８年 央 是节 选 我 国 ２ ０ ０ ８ 年— ２ ０ １ ２年我 国统 计局 统 计 的 Ｃ Ｐ Ｉ 的增 长 率 ：
居 民消费价格指数的统计分析与预测
荣 钰 菁
- 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)。
西南交通大学本科毕业论文居民消费价格指数的分析与预测年级:2007级学号:20075275姓名:专业:统计学指导老师:2011年 6 月毕业设计（论文）任务书班级 07统计学号 20075275发题日期：2011 年 1 月 12 日完成日期： 5 月 24 日题目居民消费价格指数的分析与预测1、本论文的目的、意义在2009年过后，我国CPI指数扶摇直上，通货膨胀率也在同时不断上涨，中国面临着较大的通货膨胀压力，民众生活成本不断加重，如何跑赢CPI已经成为了白领阶层的热门话题，本文将从统计学的观点出发，用时间序列模型对CPI指数进行分析与预测，对未来经济水平的走势有一个了解，对国家经济建设有一个宏观的意识。
2、学生应完成的任务首先对居民消费价格指数以及时间序列ARIMA模型的概念和相关理论有一定深入的了解，明白本文的写作目的以及意义。
然后通过互联网收集2000年1月至2011年4月的居民消费价格指数历史数据。
对数据进行预处理，包括：直观性的图形分析和描述性统计分析，这样能够对样本有一个整体的认识，方便后期建立模型时的对数据的操作处理。
在预处理阶段对样本整体的走势作出一个分析，比如居民消费价格指数在2000年1月至2011年4月期间是如何波动的，又是什么原因造成这些波动，这些波动能够带来什么样的影响等。
将预处理之后的数据输入EViews软件，进行ARIMA模型的建模准备工作，如：平稳性分析，零均值处理等。
利用处理过之后的数据建立出几个相对拟合程度较高的ARIMA模型，并且利用软件对预测模型的分析结果来选择一个拟合程度较高的模型作为本研究的居民消费价格指数预测模型。
在确定预测模型之后，通过阅读大量的文献与预测得出的结果相结合，对2011年的居民消费价格指数的短期走势进行分析，并在分析之后给出合理性的政策建议，达到本文的写作目的：对国家的宏观经济有一个较为客观的判断与认识。
3、论文各部分容及时间分配：（共 14 周）第一部分选题、熟悉相关概念与理论 ( 1周) 第二部分论文的容安排，绪论部分的写作 (2 周) 第三部分数据的处理以及模型的建立，预测部分(4 周) 第四部分短期走势的分析与预测(3周) 第五部分结论、致的写作以及格式的修改(2周) 评阅及答辩(2 周)备注指导教师：年月日审批人：年月日摘要从2007年至今，中国居民消费价格指数经历了一次空前的大起大落，受多方面因素的影响，居民消费价格指数在2008年2月创下了108.5%的历史最高涨幅；在2008年下半年和2009年又迅速的跌落，并且在2009年7月降至98.2%，创下了10年来的最低记录。
在2010年和2011年，居民消费价格指数又呈现出高压上涨的趋势，其走势难以捉摸。
居民消费价格指数的增长与跌落关系对居民大众的日常生活水平，经济体制的稳定，国家政策的实施都有着深远的影响。
本文正是基于居民消费价格指数的重要性对其进行研究。
根据所学时间序列相关知识，根据2000年1月到2010年12月的居民消费价格指数历史数据建立一个ARIMA预测模型，最后分析了2011年的居民消费价格指数的短期走势，对未来的政策提出了相关建议，这对于了解国家宏观经济态势有着一定的帮助和意义。
关键词：ARIMA模型，CPI，居民消费价格指数，预测，分析AbstractCPI in China has been going up and down like never before since 2007. Affected by many factors, it rocketed by 108.5%, the biggest increase ever, in Februray of 2008, yet tumbled fast in the second half year of 2008 and the year of 2009. In July of 2009, it broke the record of the lowest price for the last decade by a decrease of 98.2%. The trend is hard to anticipate, for in 2010 and 2011, CPI in China again tended to go up. The increase and decrease of CPI have a deep and long-term influence on our people's life, the stability of our economy system and our national policies. This thesis is to study and analyze CPI based on its importance. Using the knowledge about time series I have learnt, basing on the CPI data from January of 2000 to December of 2010, I build an ARIMA forecast model. Then I analyze the short-term trend of CPI in 2011 in China and give some relating advice about future polices, which is meaningful and can help understand our country's macro-economy trend.key words：ARIMA model,CPI,forcecast,analyze.目录第1章绪论 (1)1．1 论文的研究背景 (1)1.1.1 居民消费价格指数的概念介绍 (2)1.1.2 居民消费价格指数的计算公式 (3)1.2 研究目的 (3)1.3 研究的思路和容 (3)第2章ARIMA模型理论概述 (5)2．1 ARIMA模型理论以及方法概述 (5)2．1．1 时间序列模型的含义 (5)2．1．2 随机时间序列模型 (5)2．1．3 自回归求积移动平均模型 (5)2．1．4 非平稳时间序列 (5)2．1．5 随机平稳时间序列样本的数字特征 (6)2．2 时间序列模型的建立过程 (7)2．2．1 数据的预处理（时间序列平稳性的判断） (7)2．2．2 模型的识别 (9)2．2．3 模型参数的估计 (10)2．2．4 模型的定阶 (10)2．2．5 模型的检验 (10)第3章ARIMA模型在居民消费价格指数中的定量分析 (13)3．1 数据的预处理 (13)3．1.1 序列的直方图及相关统计量 (13)3．1．2 序列与正态分布之间的Q-Q图 (13)3．2 相关分析 (14)X作描述性统计 (16)3．3 对序列)(1tX的相关分析 (17)3．4 序列)(2t3．5 模型识别及参数估计 (17)3．6 模型建立及初步定阶 (18)3．7 适应性检验 (21)3．8 模型预测值与真实值对比 (23)3．9 对未来三个月CPI的预测 (24)第4章中国居民消费价格指数短期走势的定性分析 (25)4.1 2011年物价水平仍然大致可控 (25)4.2 政策建议 (26)结论： (27)致 (28)参考文献 (29)附录 (30)第1章绪论1．1 论文的研究背景根据国家统计局发布的数据来看，2011年3月居民消费价格指数(为了方便，在下文中将直接写作其英文缩写CPI)同比上涨5.4%，创下了自2008年以来的最高值。
2011年4月CPI同比上涨5.3%，食品价格上涨11.5%。
CPI持续高涨，已经到了影响居民大众的日常生活水平的严峻形势。
我们不禁就要问了，这种通货膨胀现象还会持续多久？面对通货膨胀国家、社会、民众应该如何应对？近期央行是否会再次作加息调整？未来几个月的CPI是否还会创出CPI同比新高？我们不妨对自2000年至2010年期间的CPI历史统计数据进行一个简单的直观分析，如下图。
图1：中国2000年1月至2010年12月CPI数据的直观图从图1我们可以很明显的看出：1．CPI指数大起大落，波动幅度在历史上绝无仅有2007年6月前的CPI数据波动不大，是因为央行采取稳健的财政政策和稳定的货币政策，经济水平较为稳定，保持着高经济增长，低通胀的良好经济大局。
2．第一次CPI的高调上涨从2007年7月开始至2008年6月，CPI指数直线上涨，其原因为在2005年到2006年期间，中国股市的持续牛市使得虚拟经济高调疯涨，出现了大批狂热的投资者，因此过高的经济增长在2007年体现出来，CPI突然上升，并且一度达到108.7的峰值，严重的通货膨胀已经成了现实。
3.受金融危机影响，国经济水平回落2008年6月至2009年1月，由美国次贷危机所引发的全球性金融危机以及国家经济回调政策的影响，我国CPI指数呈现逐月回落的现象。
4．经济危机后时期经济的复，经济水平过于猛烈的反弹2009年1月后由于住房和食品价格猛烈上涨的强力推动，CPI指数犹如打了兴奋剂一般的一路高歌，疯狂上升。
通胀压力前所未有的巨大。
1.1.1 居民消费价格指数的概念介绍居民消费价格指数是反应市民家庭日常生活所消费的产品及服务价格计算得出的重要物价变动指标，一般情况下我们将其当作观察通货膨胀水平的重要指标。
一般说来当CPI>3%的增长幅度时我们称为通货膨胀；而当CPI>5%的增长幅度时，我们把他称为严重的通货膨胀。
如果CPI增长幅度过大，则预示着通货膨胀已然成为了经济不稳定因素，中国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。
例如，在过去12个月，消费者物价指数上升2.5％，那表示，生活成本比12个月前平均上升2.5％。
当生活成本提高，你的货币价值便随之下降。
再举一个简单的例子，一年前的一100元纸币，今天只能够买到价值97.50元的商品及服务。
中国的CPI包括食品、娱乐教育文化用品及服务、居住、交通通讯、医疗保健个人用品、衣着、家庭设备及维修服务和烟酒及用品等八类，其构成和各部分比重，最新以调整为：1 食品 31.29%；2 娱乐教育文化用品及服务 4.25%；3 居住 17.82%；4 交通通讯 9.25%；5 医疗保健和个人用品 9.04%；6 衣着 8.51%；7 家庭设备及维修服务 5.84%；8 烟酒及用品 13.89%。
其中居住提高4.22个百分点，食品降低2.21个百分点，烟酒降低0.51个百分点，衣着降低0.49个百分点，家庭设备用品及服务降低0.36个百分点，医疗保健和个人用品降低0.36个百分点，交通和通信降低0.05个百分点，娱乐教育文化用品及服务降低0.25个百分点。