我国居民消费价格指数的短期预测
基于VAR模型的CPI影响因素分析及预测
基于VAR模型的CPI影响因素分析及预测董梅【摘要】2009年末的宏观经济分析明确要求做好通胀预期管理.我国是否会经历新的一轮CPI的大幅上涨又成为了各界关注的焦点.本文运用VAR模型,分析各因素对CPI的影响,得出CPI对自身反应较为敏感,原料、燃料和动力购进价格指数对CPI的影响较弱,工业产品出厂价格指数以及货币供给增长率对CPI的影响也较弱,但有3个月的时滞.对未来36个月的CPI进行定量预测,得出未来两年我国不会出现大规模通货膨胀.对此,应理顺价格关系,严控非理性投资,加强对通胀预期的管理.【期刊名称】《兰州商学院学报》【年(卷),期】2010(026)003【总页数】5页(P122-126)【关键词】VAR模型;脉冲响应;CPI预测【作者】董梅【作者单位】徐州师范大学,经济学院,江苏,徐州,221116【正文语种】中文【中图分类】F224.0一、引言居民消费价格指数(Consumer Price Index,简写为CPI)是反映一定时期内居民消费价格变动趋势和变动程度的相对数,是用来反映居民价格变动幅度的国民经济核算统计指标,也是反映通货膨胀的重要指标。
2007年,CPI持续呈高位增长,被认为是结构性通胀,但并未升至全面通胀阶段,而这一增长持续到 2008年 2月达到最高位 108.7。
2009年 CPI持续回落,而 2009年末,CPI又出现上涨趋势。
中央在2009年第三季度《宏观经济形势分析报告》中明确要做好通胀预期管理,并指出未来的 2010年通胀预期有加大趋势。
这是否预示着新的一轮通胀即将到来?本文拟从影响CPI的各因素入手,采用 VAR模型分析 CPI的影响因素,并预测未来 24个月CPI走势。
关于 CPI的影响因素,学术界近年来的研究主要集中在价格传导机制,而采用有效的方法对未来的 CPI走势进行预测的文献很鲜见。
李庆华(2006)认为消费价格指数对本身的冲击和滞后的固定资产投资的冲击是敏感的[1]。
时间序列分析论文
时间序列分析在我国居民消费价格指数预测上的引用摘要：时间序列是按照时间顺序取得的一系列数据，大多数的经济时间序列存在惯性，通过这种惯性分析可以由时间序列的历史数值对未来值进行预测。
文章主要利用时间序列的趋势外推方法对我国目前居民消费价格指数（CPI）进行了建模析和预测，以达到合理预期和分析的目的。
关键词：时间序列CPI 趋势预测1.我国居民消费价格指数的现状居民消费价格指数（Consumer Price Index，CPI）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指标。
一般说来当CPI＞3% 的增幅时我们称为通货膨胀；而当CPI＞5% 的增幅时我们把他称为严重的通货膨胀。
如果消费价格指数升幅过大，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。
从国家统计局公布的2003年5月到2012年3月的数据可以明显的看出我国已经进入通货膨胀期，从2007年3月开始就超过3%的警戒线，然而从2007年7月开始更是每月都超过5%的严重通货膨胀的警戒线。
尽管国家已经采取了紧缩的货币政策如2007年6次上调存贷款基准利率；10次上调存款准备金率；加大央行票据发行力度和频率；以特别国债开展正回购操作等。
但是2011年3月以来我国还是维持在高的通货膨胀水平，因此进行居民消费价格指数的预测分析更显得尤为必要。
2.趋势模型的选择（时间数列分解模型）为了对我国CPI的变化有更加全面和深入的把握和认识，现观测从1994—2011年居民消费价格指数的全部数据，见表1。
表1 中国1994—2011 年居民消费价格指数由以上数据可以看出，因为居民消费价格指数受到如经济增长、特别是国家宏观货币政策等因素的影响，分析我国居民消费价格指数的变动不能简单地用一个线性模型来解释。
但是可以看出在一定的时期内，宏观经济波动不大的情况下，居民消费价格指数基本还是呈线性的。
因此笔者将这时间数列分段用线性模型分别分析居民消费价格指数在1994—1999 年、1999—2004年以及2004—2011 年这三个不同的经济状况下的变动情况。
居民消费价格指数近期预测
如 果 样 本 观 察 值 为 Ｙ ｌ ， Ｙ ： ， …， Ｙ ，我 们 可 以 给 出延 迟 ｋ
表 １ 采用单位根检验的 Ａ ＤＦ 统计量检验结果 ｔ 统计量 Ａ Ｄ Ｆ 统计量 检验标准 １ ％显著水平 ５ ％显著水平 １ ０ ％显著水平 一 ２ ． １ ３ ３ ６ ６ ８ － ３ ． ４ ６ ８ ７ ４ ９ － ２ ． ８ ７ ８ ３ １ １ － ２ ． ５ ７ ５ ７ ９ １ Ｐ 值 ０ ． ２ ３ ｌ ９
【 关 键 词 】Ａ ＲＩ ＭＡ （ １ 、１ ２ 、１ ３ ，１ ２ ，０ ）模 型 ；居 民消费价格指数
【 作者简介 】于扬 ，东北财经大 学博士研 究生 ，内蒙古财经 大学统计与数 学学院讲师 ，研究方向 ：经济计量
分 析 及预 测 ． ．
居 民消 费价 格 指数 （ 简称 Ｃ Ｐ Ｉ ）是 一项 重 要 景 气 预报 的经 济指 标 ，与我 们 的生活 息息 相关 ，被各
因为 我 国居 民消 费价格 指 数 是 以周 期 长度 为 ｌ ２的 非 平 稳 序 列 ，
所以我们可 以利用差分后序列 的 自
相关 函数 和样 本偏 自相关 函数 的拖 尾性 和截 尾性 来 判定 模 型的 阶数 。
（ 一 ）自相关 函数的计算公式
Ｅ三
图 １ 我 国居 民消 费 价 格 指 数 的 时 序 图
序列 ｛ Ｙ ｝ 是平稳序列； 反之， 如果一个时间序列的
时 序 图表 现 为 明显 递 增 、递 减 、周期 变 动 的趋 势 ， 则 为非 平 稳 时间 序列 。在 图 １ 中 ，我 国居 民消 费价 格 指 数 的时 序 图 表 现 为 明显 以 固定 长 度 为 １ ２的周 期 变动 ，所 以可 以初 步判 定 此序列 是 非平稳 的 。为 了进 一 步 确 定 我 国居 民消 费 价 格 指 数 序 列 的平 稳 性 ，采 用 常 用 的单 位 根 检 验 的 ＡＤ Ｆ 统 计量检 验 ，
中国居民消费与收入的长短期非对称性动态关系
中国居民消费与收入的长短期非对称性动态关系作者：徐小君刘欣瑶来源：《华侨大学学报·哲学社会科学版》2020年第04期摘要：为考察我国居民如何调整消费以适应收入的变化，采用1978-2017年城镇和农村居民消费和收入数据，运用非线性自回归分布滞后NARDL模型，对收入影响消费的非对称性特征进行了实证研究。
结果显示：1.城镇居民由于流动性约束的存在，正向临时性收入变化导致消费增长的程度大于负向临时性收入变化导致消费减少的程度;2.农村居民由于风险规避和预防性储蓄的原因，正向临时性收入变化导致消费增长的程度小于负向临时性收入变化导致消费减少的程度。
研究有助于认识和理解我国居民消费的动态变化过程及原因，从而对政府部门制定消费相关政策有着参考意义。
关键词：居民消费;临时性收入;持久性收入;非线性自回归分布滞后模型作者简介：徐小君，华侨大学经济与金融学院副教授，经济学博士，主要研究方向：货币金融学、宏观经济学（Email：*****************.cn）;刘欣瑶，华侨大学经济与金融学院硕士研究生，主要研究方向：货币金融学（福建泉州362021）。
基金项目：国家社会科学基金一般项目：我国新型货币政策的结构调整功能及其有效性研究（17BJY192）中图分类号：F126文献标识码：A文章编号：1006-1398（2020）04-0084-13一前言改革开放40年以来随着收入的长期稳定增长，我国居民消费保持了平稳较快增长态势，居民消费能力不断提高，消费对经济发展的基础性作用进一步增强，逐渐成为经济平稳运行的“压舱石”。
随着收入水平的快速上升，我国从贫困落后进入中等收入行列，再迈向高收入国家，居民的消费行为也随之发生着不断地改变。
家庭消费观念不断更新，消费需求一直处于转型和升级之中。
因此考察我国居民消费行为的动态发展和演变过程，研究经济转轨背景下居民消费变化的影响因素及其原因，有助于丰富与发展现有消费经济理论。
基于EEMD-BP_模型的消费者价格指数预测
一、引言居民消费者价格指数（Consumer Price Index，简称CPI）反映了与居民生活有关的产品及劳务价格的物价变动情况，是衡量通货膨胀的重要指标。
CPI 与人民生活息息相关，是整个国家经济发展的“晴雨表”，也是国家制定宏观经济政策、监控价格总水平和进行国民经济核算的重要依据。
近年来，我国物价上涨速度加快，这一现象引起了业界人士的广泛关注。
政府为稳定CPI 涨幅采取了一系列措施，包括提高准备金率、大力打击资本市场投机行为、加大信贷控制、推行商品价格补贴限制商品价格大幅上涨、限制出口等措施，而这些经济政策的制定和公布都需要相当长的一段时间，同时政策的实施效果也面临着较大的不稳定性，在很大程度上有可能解决不了现实问题，从而达不到理想效果。
基于此，准确预测分析CPI 的变化趋势和影响因素，为国家及时有效地制定宏观经济调控政策至关重要。
目前，已有一些学者对CPI 进行了一系列预测研究工作。
例如汪淼和郑舒婷（2010）[1]、王扬眉（2012）[2]利用ARIMA 模型对CPI 月度数据进行预测分析，发现CPI 发展走势具有趋势效应和季节效应，且模型的预测误差较小，可以较好地预测CPI 的变化趋势。
由于CPI 具有明显的季节因素，对CPI 进行季节调整，从而可以更准确地掌握序列的波动情况并进行预测变得至关重要。
张婷（2014）[3]将SARIMA 模型和X-12-ARIMA 模型运用于CPI 的预测并进行效果对比，结果证明，X-12-ARIMA 模型的预测效果更优。
李志超、刘升（2019）[4]建立ARIMA 模型、灰色模型以及回归模型对上海居民消费者价格指数进行预测，认为灰色模型和ARIMA 模型对于CPI 的短期预测具有较高的预测精度。
针对单一模型的缺点，学者们提出了优化模型的方法，将两种模型组合起来进行建模预测，充分利用模型的优点，提高预测精度。
彭乃驰、党婷（2018）[5]将原始CPI 数据进行小波分析，并将去噪后的数据进行BP 神经网络预测，用ARIMA 模型修正预测残差，证明了该组合模型具有较高的预测精度。
基于ARIMA模型的北京市CPI预测分析
基于ARIMA模型的北京市CPI预测分析初睿【摘要】ARIMA is a widely used method for analyzing time series problems. ARIMA performs better in short-term prediction of time series. In this paper, the monthly data of the CPI (consumer price index) in January 2005 to June 2017 in Beijing were selected as the sample, and the model ARIMA (0,1,12) was constructed by means of Eviews8.0 software. After testing, the model was the usefulness of the data is extracted, the effect of fitting is also good, and the trend of the latter half of 2017 in Beijing is forecasted.%模型是在分析时间序列问题时较为常用的一种方法,该模型尤其在研究时间序列的短期预测方面表现较好.文章选取了北京市2005年1月至2017年6月的(居民消费价格指数)月度数据为样本,借助于Eviews8.0软件,构建了(0,1,12)模型,经过检验,该模型充分提取了数据中的有用信息,拟合的效果也较为良好,并利用该模型对北京市2017年下半年趋势进行了预测.【期刊名称】《价值工程》【年(卷),期】2018(037)005【总页数】2页(P21-22)【关键词】ARIMA;CPI;预测【作者】初睿【作者单位】北京信息科技大学,北京100192【正文语种】中文【中图分类】F7260 引言CPI反映的是在一定时期内人们购买与生活密切相关的一篮子代表性商品和劳务的综合性指标，是反应通货膨胀的重要指标之一，CPI不仅与居民的日常生活联系紧密，而且对于政府判断居民购买力水平以及制定相应经济政策起着重要作用。
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。
我国CPI近期波动,睛况分析及其走势预测
摘 要 ：０ ８年 下 半年 开 始 ，我 国 ＣＰ 增 ２０ Ｉ 幅大幅度 下降， 甚至在 ２ ０ ０ ９年 ２月 出现 了负增 长。文章 围绕 ＣＰ 是否会 进一步走低 ， Ｉ 以及经 济形势的未来发展为主要研 究 目的 ，通过理论 研 究 和 实证 分 析 对 此 轮 物 价 波 动做 出其 一 定 理 论价值和现 实意义的 阐述。 通过对我 国 ２ ０ ０ ７年 ６月份 至 ２ ０ ０ ９年 ２月份 的居 民消 费价格指 数 进行 统 计 预 测 ． 计在 未 来 的 一 段 时期 内 ， Ｐ 预 ＣＩ 都会 出现 负增 长 ．但 期 间也 不 可避 免要 出现 一
些 波动 。
●博 士硕 士论坛
我 Ｃ近 波 ， 分 及 走 预 国Ｐ 期 动 况 析 其 势 测 Ｉ 睛
●杨 坚坚 贾 国庆 吕昊 婧
通胀风 险提高值得密切关注 。 食品消费价格上涨对发达 国家 的影响相对 有限 ， 而对广 大中低 收入 国家和居 民的不利影响不容 忽视。尽管它在一 定 程度上 有助 于增加农村居 民收入 ， 但同时减少了广大中低 收入的城市 居 民和非农业居 民的实际收入 ， 降低了他们的消费水平 。 高华证券研 究报告显 示 ， 对滞后于 Ｐ Ｉ 相 Ｐ 走势 的 Ｃ Ｉ 出现 负增 Ｐ， 将 长 ， 表示 在 ２ ０ 并 ０ ９年的大部分月份 中， Ｐ 增速都将维持负数 。银河证 ＣＩ 券也作 出类似预期 ， 预测下滑程度 为徘徊在 一 ．％左右 ， 其 １１ 其中 肉禽价 格 的持续 回落将成为拉低 Ｃ Ｉ 幅的主要 因素。 Ｐ增 综上可 以看 出 ，国内偏重于宏 观经济方面 的研究 ，主要研究 的是 ＣＩ Ｐ 变动的外部经 济因素。 因此 ， 本文 以近年的 Ｃ Ｉ Ｐ 波动的分 析为主要研究对象 ， 希望通过理 论研究和实证分 析对此 轮 Ｃ Ｉ Ｐ 波动及其预测做出有一定意义 的诠释 。
量化指标预测宏观经济趋势
量化指标预测宏观经济趋势在当今复杂多变的全球经济环境中，量化指标作为预测宏观经济趋势的重要工具，日益受到政策制定者、经济学家和者的重视。
通过对一系列关键经济数据的深入分析，可以洞察经济周期的变化、评估增长潜力，并为决策提供数据支持。
以下六个维度的量化指标构成了理解及预测宏观经济趋势的坚实框架。
一、GDP增长率国内生产总值（GDP）增长率是衡量一个国家或地区经济规模扩张速度最直接的量化指标。
通常，持续的正增长表明经济处于扩张期，而负增长则可能预示着衰退。
通过季度或年度的GDP 增长率，可以观察经济的短期波动和长期趋势。
结合GDP平减指数，还可以进一步分析实际经济增长剔除通货膨胀后的状况，为政策制定提供更为准确的依据。
二、就业与失业率就业市场的情况直接关联到消费能力、社会稳定及经济增长动力。
失业率作为就业市场的核心指标，其升降直接反映了经济活动的冷热。
低失业率通常意味着劳动力市场紧俏，有助于推高工资水平，刺激消费和经济增长；反之，则可能抑制消费，影响经济活力。
此外，劳动参与率、新增就业人数等也是重要的辅助指标，它们共同描绘出就业市场的全貌。
三、通胀率与消费者价格指数(CPI)通胀率，特别是消费者价格指数（CPI）的变化，是衡量物价水平变动的重要尺度，直接关系到货币购买力和经济稳定。
持续的高通胀会侵蚀居民实际收入，增加企业成本，可能引发货币政策的收紧以控制物价上涨。
相反，低通胀或通缩环境虽有利于消费者，但可能抑制和消费，影响经济复苏。
因此，CPI的变动趋势是判断宏观经济是否过热或冷却的重要依据，也是银行调整利率政策的关键参考。
四、利率与货币政策利率水平及其变动趋势直接影响借贷成本、决策和消费行为，进而影响经济增长的速度和方向。
银行通过调整基准利率来调节货币供应量，以达到稳定物价、促进经济增长和就业的目标。
观察政策利率、市场利率（如国债收益率曲线斜率）以及信贷增长等指标，可以前瞻货币政策的宽松或紧缩倾向，从而预测资金流向和经济活动的未来变化。
中国居民消费价格指数预测
中国居民消费价格指数预测李隆玲;田甜;武拉平【摘要】利用1994-2013年中国居民消费价格指数的统计数据,建立AR IMA模型并对2014年中国居民消费价格指数进行预测分析.结果显示,建立的模型预测误差较小,可以对居民消费价格指数进行有效短期预测.以此模型对2014年1-12月居民消费价格指数进行预测,结果表明未来1年物价总水平基本稳定,居民消费价格指数同比涨幅将在3.0％以内.【期刊名称】《农业展望》【年(卷),期】2014(010)007【总页数】5页(P75-79)【关键词】居民消费价格指数;ARIMA模型;预测;自相关函数;偏自相关函数【作者】李隆玲;田甜;武拉平【作者单位】中国农业大学经济管理学院北京100083;中国农业大学经济管理学院北京100083;中国农业大学经济管理学院北京100083【正文语种】中文居民消费价格指数（CPI）直接关系着人们的日常生活，是政府和人们十分关注的热点问题[1]。
CPI是用来度量一定时期内居民生活消费品和服务价格水平随着时间变动的相对数指标，综合反映居民购买的生活消费品和服务价格水平的变动情况。
CPI不仅同人们的生活密切相关，而且在整个国民经济价格体系中也具有重要的地位。
本研究利用Eviews软件分析我国1994—2013年消费价格指数的统计数据，建立ARIMA模型，并对2014年的居民消费价格指数进行预测。
1 数据来源及处理本研究运用的原始数据是以上年同月为100的1994年1月—2013年12月的CPI同比数据。
由于同比指数本身剔除了一部分季节因素，季节差分效果不明显，所以时间序列分析都是在定基比指数的基础上进行的，这样才能保证季节差分具有明显效果[3]。
因而，选定1993年为基准年，通过同比CPI折算定基比CPI，记作CPID。
其中，2013年1—12月的数据将作为检验预测效果使用。
由1994—2013年的居民定基消费价格指数的折线图（图1），可知定基比CPI呈现出明显的上升趋势，季节波动的周期为12个月[5]。
居民消费价格指数的时间序列模型分析
居民消费价格指数的时间序列模型分析一、居民消费价格指数居民消费价格指数(CPI)，作为一种常用的总体价格水平指标，是反映居民购买并用于消费商品和服务项目价格水平的变化趋势和变动幅度的统计指标，用来度量消费者在购买商品和劳务时的花费。
价格稳定对于一个国家来说至关重要，一个稳健运行的市场系统要求价格能够准确、迅速地传递稀缺资源的信息，并且通过价格机制来调节资源配置。
居民消费价格指数还是衡量通货膨胀的重要指标。
研究居民消费价格指数的发展特征及其未来发展趋势，使价格水平稳定在有利于经济发展的合理水平是十分必要的。
时间序列分析就是一种根据动态数据揭示系统动态结构和规律的统计方法，其基本思想是根据系统的观测数据，建立能够比较精确地反应时间序列中所包含的动态依存关系的数学模型，并借此对系统的未来行为进行预测。
因此，由时间序列模型分析居民消费价格指数的发展变化趋势，并对短期内的居民消费价格进行预测具有重要的意义。
二、居民消费价格指数的时间序列模型分析时间序列分析是一种应用广泛的数量分析方法，它主要用于描述和探索事物随时间变化的数量规律性。
时间序列分析模型主要有ARMA 模型和ARIMA模型。
ARMA模型只能用于平稳时间序列的分析。
然而，在实际的经济和生活中绝大部分的时间序列是非平稳的，但对这些非平稳的时间序列经过差分后就会显示出平稳时间序列的性质，这时称非平稳时间序列为差分平稳时间序列。
对差分平稳时间序列可以用ARIMA模型拟合。
1．数据的收集及平稳性检验选取1996年1月～2013年11月我国居民消费价格指数为样本数据(数据来源于《中国统计年鉴》及东方财富网)，运用EViews软件对数据进行处理。
研究时间序列之前，首先要对其平稳性和随机性进行检验，目的是对平稳且非随机序列进行研究。
由图1时序图可以看出:1996～1998年居民消费价格指数大幅下降;在1998～2003年间，居民消费价格指数小幅度上下震荡;2004年至今，大幅度波动震荡。
我国居民消费价格指数的FAR模型
我国居民消费价格指数的ＦＡＲ模型张小静１，张德生１，武新乾２，巩永丽１（１．西安理工大学理学院，陕西西安７１００５４；２．西北工业大学，陕西西安７１００７２）摘要：根据我国居民消费价格指数的非线性特征，基于多项式样条估计，并利用ＡＩＣ准则和逐步回归方法选择门限变量和滞后变量，建立了函数系数自回归（ＦＡＲ）模型，同时运用所建模型对我国居民消费价格指数进行估计和预测，计算结果表明：ＦＡＲ模型能够很好地解决居民消费价格指数估计和预测这一问题，而且预测精度较高．关键词：居民消费价格指数；ＦＡＲ模型；多项式样条估计中图分类号：Ｏ２１２；Ｆ２２文献标识码：Ａ文章编号：１６７１－８７４７（２００７）０１－００１９－０４居民消费价格指数（ＣｏｎｓｕｍｅｒＰｒｉｃｅＩｎｄｅｘ，简称ＣＰＩ）是反映一定时期内居民所购买的生活消费品价格和服务项目价格的变动趋势和程度的相对数，较全面地反映了消费市场价格的变动，具有较强的时效性和国际可比性．它既是宏观经济分析和决策，价格总水平监测和调控以及国民经济核算的重要指标，也是反映通货膨胀的重要指标．这一指标影响着政府制定货币、财政、消费、价格、工资、社会保障等政策，同时也与居民日常生活密切相关．因此，长期以来，不仅宏观政策的制定者密切关注着居民消费价格指数的高低，而且很多学者也围绕着居民消费价格指数进行了大量的理论和实证研究．叶阿忠，李子奈利用我国１９９４．４—１９９８．１１共５６个月的居民消费价格指数数据建立了混合回归和时间序列模型；黄克明，胡端平对我国１９９４．１—１９９９．４的居民消费价格指数月度数据进行了自回归模型和半相依自回归模型的比较研究；陈娟，余灼萍和刘忠涛都建立我国居民消费价格指数的ＡＲＭＡ模型．文［１，２］中对月度数据的预测效果较好，但文［３］中对年度数据建立的ＡＲＭＡ模型只有一步预测较好，其余的效果不好，因此，针对年度数据存在非线性性，本文建立ＦＡＲ模型，首先讨论ＦＡＲ模型的多项式样条估计，然后建立我国居民消费价格指数的ＦＡＲ模型，并取得了较好的预测效果．１ＦＡＲ模型及其多项式样条估计１．１ＦＡＲ模型的描述ＦＡＲ模型的形式如下：Ｙｔ＝ａ１（Ｙｔ－ｉ０）Ｙｔ－ｉ１＋…＋ａｄ（Ｙｔ－ｉ０）Ｙｔ－ｉｄ＋εｔ，ｉ０＞０，０＜ｉ１＜…＜ｉｄ，（１）其中，｛εｔ｝是ｉ．ｉ．ｄ．随机变量序列，均值为０，方差为σ２，ａｊ（・）是Ｒ→Ｒ的可测函数，称ｉ０为门限变量，ｉ１，…，ｉｄ为滞后变量．１．２多项式样条估计令ｌ为正整数，给定区间μ上的节点序列$０＜$１＜…＜$Ｍ＋１，其中$０、$Ｍ＋１是区间μ上的两个端点，ｌ次多项式样条是指它在每个子区间［$ｍ，$ｍ＋１），０≤ｍ≤Ｍ－１和［$Ｍ，$Ｍ＋１］上是ｌ次多项式，并且在μ上具收稿日期：２００６－０８－１１［１］［２］［３］［４］［５］第２０卷第１期海南师范大学学报（自然科学版）Ｖｏ１．２０Ｎｏ．１２００７年３月ＪｏｕｒｎａｌｏｆＨａｉｎａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｍａｒ．２００７有ｌ－１阶连续导数（ｌ≥１）．ｌ＝０，１，２，３分别对应分段常数函数、线性样条、平方样条和立方样条．给定阶数和结点序列的样条函数形成一个线性函数空间．例如，三次样条函数空间和节点序列!０，!１，…，!Ｍ＋１形成一个Ｍ＋４维的线性空间，这个空间的Ｐｏｗｅｒ基是１，ｘ，ｘ２，ｘ３，（ｘ－!１）３＋，…，（ｘ－!Ｍ）３＋．假设模型（１）中的系数函数ａｊ（ｊ＝１，…，ｄ）是光滑的，那么当样条结点数趋于无限时，ｓｕｐＹｔ－ｉ０∈μａｊ（Ｙｔ－ｉ０）－ａｊ（Ｙｔ－ｉ０）→０，ａｊ可由样条函数ａｊ很好地近似．因此，存在基函数集Ｂｊｓ（・）和常数βｊｓ，ｓ＝１，…，Ｋｊ，使得ａｊ（Ｙｔ－ｉ０）＝ａｊ（Ｙｔ－ｉ０）＝ｋｊｓ＝１#βｊｓＢｊｓ（Ｙｔ－ｉ０）．（２）因此，可以近似（１）为Ｙｔ≈ｄｊ＝１%ｋｊｓ＝１#βｊｓＢｊｓ（Ｙｔ－ｉ０）Ｙｔ－ｉｊ&’．（３）βｊｓ的估计通过最小化下式得到：ｌ（#）＝ｎｔ＝１%Ｙｔ－ｄｊ＝１%ｋｊｓ＝１%βｊｓＢｊｓ（Ｙｔ－ｉ０&(）Ｙｔ－ｉｊ)*２，（４）其中，#＝（#Ｔ１，…，#Ｔｄ），#ｊ＝（#ｊ１，…，#ｊｋｊ）Ｔ．假设（５）式能够唯一最小化，记最小值#!＝（#Ｔ１，…，#Ｔｄ），#!ｊ＝（#!ｊ１，…，#!ｊｋｊ）Ｔ，ｊ＝１，…，ｄ，则ａｊ的估计值ａｊ（Ｙｔ－ｉ０）＝ｋｊｓ＝１%β!ｊｓＢｊｓ（Ｙｔ－ｉ０），ｊ＝１，…，ｄ．如同文［６］，称ａｊ（・）为最小二乘样条估计．１．３结点与模型的选择１．３．１结点的选择按照文［６］的建议本文考虑等距放置结点，并采用ＡＩＣ准则选择结点个数．１．３．２门限变量和滞后变量的选择考虑ＦＡＲ模型（１），设ｍａｘ（ｉ１，…，ｉｄ）≤ｐｍａｘ，其中常数ｐｍａｘ＞０，用ＡＩＣ准则选择门限变量和滞后变量，利用逐步回归方法来计算．具体考虑Ｙｔ＝ｊ∈Ｓｄ%ａｊ（Ｙｔ－ｄ）Ｙｔ－ｊ＋εｔ，１≤ｄ≤ｐｍａｘ，Ｓｄ,｛１，…，ｐｍａｘ｝．对于一个给定的滞后值ｄ，我们采用逐步剔除和逐步引入的方法决定滞后变量的最优子集Ｓｄ．在引入的步骤中，逐个引入滞后变量，选择使均方误差（ＭＳＥ）最小的滞后变量引入．如果所引入的滞后变量等于一个给定的数ｑｍａｘ≤ｐｍａｘ，则引入过程结束；在剔除的步骤中，从已经引入的滞后变量中逐个剔除，同样是选择使ＭＳＥ最小的滞后变量剔除，直到模型中没有滞后变量可以剔除．经过逐步的引入和剔除，我们得到一个滞后子集序列，选择ＡＩＣ最小的为Ｓｄ，最后的模型取决于使ＡＩＣ最小的｛ｄ，Ｓｄ｝，如果ｐｍａｘ不太大，则一般取ｑｍａｘ＝ｐｍａｘ．＊＊＊＊＊＊＊＾＾＾＾＊＊＊２居民消费价格指数的ＦＡＲ模型２．１基本数据说明表１是我国自１９５１年到２００５年，以１９５０年为基期，共５５ａ的居民消费价格指数，记为序列Ｘ．２．２建模和预测分析选取１９５１—２００２年的数据样本进行建模，样本容量ｎ＝５２，对２００３—２００５年的数据进行预测分析．图１是我国１９５１—２００２年的居民消费价格指数，从图１可以看出数据具有明显的递增趋势，因此建立模型之前，必须对序列Ｘ进行平稳化处理．从图可２看出经过一阶差分后的序列平稳效果并不是太好，但可２０海南师范大学学报（自然科学版）２００７年表１１９５１—２００５年居民消费价格指数（１９５０＝１００）居民消费居民消费居民消费价格指数价格指数价格指数１９５１１９５２１９５３１９５４１９５５１９５６１９５７１９５８１９５９１９６０１９６１１９６２１９６３１９６４１９６５１９６６１９６７１９６８１９６９１．１２５１．１５５１．２１４１．２３１１．２３５１．２２４１．２２６１．２５２１．２５６１．２８８１．４９６１．５５３１．４６１１．４０７１．３９０１．３７３１．３６４１．３６５１．３７８１９７０１９７１１９７２１９７３１９７４１９７５１９７６１９７７１９７８１９７９１９８０１９８１１９８２１９８３１９８４１９８５１９８６１９８７１９８８１．３７８１．３７７１．３７９１．３８０１．３８９１．３９５１．３９９１．４３７１．４４７１．４７４１．５８５１．６２５１．６５８１．６９１１．７３７１．９９４２．０８０２．２６３２．７３１１９８９１９９０１９９１１９９２１９９３１９９４１９９５１９９６１９９７１９９８１９９９２０００２００１２００２２００３２００４２００５３．１７６３．２１７３．３８１３．８７２４．２１２５．２２７６．１２１６．６２９６．８１４６．７６０６．６６５６．６９２６．７３９６．６８５６．７６５７．０２９７．１５６以对差分序列进行“逆序检验”．在显著性水平α＝０．０５的情况下，序列通过检验，因此序列是平稳的，记差分后的平稳序列为Ｙ．先对居民消费价格指数的差分序列｛Ｙｔ｝建立ＦＡＲ模型，根据１．３节的实施细节，我们选用等距结点，利用ＡＩＣ准则选择结点的个数，利用逐步回归方法选择门限变量和滞后变量．具体地，取ｑｍａｘ＝ｐｍａｘ＝４，结果表明：当结点数ｋ＝３，滞后值ｄ＝１，最优子集Ｓｄ＝｛１，２，３，４｝时，ＡＩＣ最小，即要建立模型Ｙｔ＝ａ１（Ｙｔ－１）Ｙｔ－１＋ａ２（Ｙｔ－１）Ｙｔ－２＋ａ３（Ｙｔ－１）Ｙｔ－３＋ａ４（Ｙｔ－１）Ｙｔ－４＋εｔ．（５）利用ＦＡＲ模型（５）对我国１９５１—２００２年的居民消费价格指数的差分序列Ｙ进行多项式样条估计，用１９５２—２００２年的值拟合模型，建立预报方程（因一次差分原因，１９５１年没有拟合值），并对２００３—２００５年的值进行预报．选用３次Ｐｏｗｅｒ样条基：１，ｘ，ｘ２，ｘ３，（ｘ－#ｊ）３＋（ｊ＝１，…，ｋ），运用Ｍａｔｌａｂ编程序，并经过还原计算，模型拟合结果及预测结果见图２．经过计算得到拟合的平均绝对误差为０．１３９４，均方误差为０．１５１１，从图３可以看出该模型较为准确地拟合和预测所研究时间序列的趋势．表２给出了模型的预测结果，为了进行对比，由１９５１—２００２年的数据建立ＡＲＭＡ模型，对２００３—２００５年值进行预测，结果也列于表２．我们还可以用１９５１年到２００５年的居民消费价格指数建立ＦＡＲ模型对我国未来５年的居民消费指数进行预测，预测结果见表３．为了提高预测精度，建议使用逐步向下滑动的预测策略．其思想为：用１９５１—１２３４５６７１９５０１９６０１９７０１９８０１９９０２０００２０１００１０２０３０４０５０６０－０．２０．００．２０．４０．６０．８１．０１．２年份一次差分后的年数图１１９５１—２００２年我国居民消费价格指数趋势图图２一次差分后序列Ｙ的趋势图第１期张小静等：我国居民消费价格指数的ＦＡＲ模型２１［７］［３］年份年份年份居民消费价格指数一次差分后的ＣＰＩ２３４５６７８１１９５０１９６０１９７０１９８０１９９０２０００２０１０年份●１９５２－２００５年实测值□１９５２－２００２年拟合值○２００３－２００５年预测值图３我国居民消费价格指数的拟合与预测２００２年的资料建立模型预测２００３年的值；再用１９５１—２００３年的资料建立模型预测２００４年的值；依次类推．用此方法重新对２００３—２００５年的值进行预测，可得如下结果，见表４．表２ＦＡＲ和ＡＲＭＡ模型对居民消费价格指数的预测结果比较ＦＡＲ模型ＡＲＭＡ模型预测值相对误差／％预测值相对误差／％２００３２００４２００５６．７６５７．０２９７．１５６６．７４８６．８２３６．８４７－０．２５－２．９３－４．３２６．７１４６．６０６６．５８０－０．７５－６．０２－８．０６表３２００６年到２０１０年居民消费价格指数的预测值年份２００６２００７２００８２００９２０１０居民消费价格指数７．０６４７．０５０７．０４８７．０３２７．０３３表４ＦＡＲ模型的逐步向下滑动预测结果年份实际值预测值相对误差／％２００３２００４２００５６．７６５７．０２９７．１５６６．７４８６．８４７７．３０３－０．２５－２．５９２．０５３结论１）本文构造了我国居民消费价格指数的ＦＡＲ模型，并与ＡＲＭＡ模型的预测结果进行了比较，结果表明，ＦＡＲ模型预测的过程与实测过程变化一致，而ＡＲＭＡ模型的预测过程与实测过程变化趋势有一定差异，且ＦＡＲ模型预测的相对误差都小于ＡＲ－ＭＡ模型，结果表明，在我国居民消费价格指数的预测中，ＦＡＲ模型优于ＡＲＭＡ模型．表４说明了ＦＡＲ模型使用逐步向下滑动预测的效果更佳．２）表３的预测值给出了我国未来５年居民消费价格指数的波动趋势，这对我国政府的宏观经济调控有着十分重要的参考意义．参考文献：［１］［２］［３］叶阿忠，李子奈．我国通货膨胀的混合回归和时间序列模型［Ｊ］．系统工程理论与实践，２０００，２０（９）：１３８－１４０．黄克明，胡端平．我国通货膨胀与对外经济的半相依自回归模型的研究［Ｊ］．系统工程理论与实践，２００３，２３（４）：５６－５８．陈娟，余灼萍．我国居民消费价格指数的短期预测［Ｊ］．统计与决策，２００５（４）：４０－４１．年份实际值刘忠涛．用ＡＲＭＡ模型分析我国的消费者物价指数［Ｊ］．辽宁经济，２００４（１２）：９９．ＣｈｅｎＲ，ＴｓａｙＲＳ．Ｆｕｎｃｔｉｏｎａｌｃｏｅｆｆｉｃｉｅｎｔａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆｔｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａｔｉｏｎ，１９９３，８８：２９８－３０８．ＨｕａｎｇＪＺ，ＳｈｅｎＨ．Ｆｕｎｃｔｉｏｎａｌｃｏｅｆｆｉｃｉｅｎｔｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｓｆｏｒｎｏｎｌｉｎｅａｒｔｉｍｅｓｅｒｉｅｓ：Ａｐｏｌｙｎｏｍｉａｌｓｐｌｉｎｅａｐｐｒｏａｃｈ［Ｊ］．ＳｃａｎｄｉｎａｖｉａｎＪｏｕｒｎａｌｏｆＳｔａｔｉｓｔｉｃｓ，２００４，３１：５１５－５３４．王振龙．时间序列分析［Ｍ］．北京：中国统计出版社，２０００．［４］［５］［６］［７］居民消费的价格指数（下转第２８页）ＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｅｌｅｃｔｒｏｎｉｃｔｒａｎｓａｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｅｌｌｉｐｔｉｃｃｕｒｖｅｓＺｈｅｎｇＪｉａｎｇｕｏ，ＹｏｕＬｉｎ（ＣｏｍｂｉｎａｔｏｒｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅＬａｂ，ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＨａｉｎａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｈａｉｋｏｕ５７１１５８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｎｅｌｌｉｐｔｉｃｃｕｒｖｅｃｒｙｐｔｏｓｙｓｔｅｍｗａｓｆｉｒｓｔｉｎｔｒｏｄｕｃｅｄ，ａｎｄｔｈｅｎａｎｅｌｅｃｔｒｏｎｉｃｔｒａｎｓａｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｅｌｌｉｐｔｉｃｃｕｒｖｅｃｒｙｐｔｏｓｙｓｔｅｍｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｅｌｅｃｔｒｏｎｉｃｔｒａｎｓａｃｔｉｏｎｅｎｓｕｒｅｓｔｈｅｉｎｔｅｇｒａｌｉｔｙ，ｓｅｃｕｒｉｔｙａｎｄｎｏｎ－ｒｅｐｕｄｉａｔｉｏｎｏｆｄａｔａｔｒａｎｓａｃ－ｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｅｌｅｃｔｒｏｎｉｃｔｒａｎｓａｃｔｉｏｎ；ｅｌｌｉｐｔｉｃｃｕｒｖｅｃｒｙｐｔｏｓｙｓｔｅｍ；ｓｅｃｕｒｉｔｙ（上接第２２页）ＴｈｅＦＡＲｍｏｄｅｌｏｆＣｈｉｎｅｓｅｃｏｎｓｕｍｅｒｐｒｉｃｅｉｎｄｅｘＺｈａｎｇＸｉａｏｊｉｎｇ１，ＺｈａｎｇＤｅｓｈｅｎｇ１，ＷｕＸｉｎｑｉａｎ２，ＧｏｎｇＹｏｎｇｌｉ１（１．ＳｃｈｏｏｌｏｆＳｃｉｅｎｃｅ，Ｘｉ＇ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ＇ａｎ７１００５４，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＳｃｉｅｎｃｅ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｘｉ＇ａｎ７１００７２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｎｏｎ－ｓｔａｔｉｏｎａｒｙｐｒｏｐｅｒｔｙｏｆｏｕｒｃｏｕｎｔｒｙ＇ｓｃｏｎｓｕｍｅｒｐｒｉｃｅｉｎｄｅｘ，ｂａｓｅｄｏｎｐｏｌｙｎｏｍｉａｌｓｐｌｉｎｅａｎｄｍｅｔｈｏｄｓｆｏｒｓｅｌｅｃｔｉｏｎｏｆｔｈｅｔｈｒｅｓｈｏｌｄｖａｒｉａｂｌｅｓａｎｄｌａｇｓｕｓｉｎｇＡＩＣｃｒｉｔｅｒｉｏｎａｎｄｓｔｅｐｗｉｓｅｐｒｏｃｅｄｕｒｅ，ｔｈｅｆｕｎｃｔｉｏｎａｌ－ｃｏｅｆｆｉｃｉｅｎｔａｕ－ｔｏｒｅｇｒｅｓｓｉｏｎ（ＦＡＲ）ｍｏｄｅｌｗａｓｉｎｔｒｏｄｕｃｅｄ．ＡｔｔｈｅｓａｍｅｔｉｍｅＦＡＲｍｏｄｅｌｗａｓｅｓｔａｂｌｉｓｈｅｄａｎｄｕｓｅｄｔｏｅｓｔｉｍａｔｅａｎｄｆｏｒｅｃａｓｔｃｏｎｓｕｍｅｒｐｒｉｃｅｉｎｄｅｘｉｎｏｕｒｃｏｕｎｔｒｙ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＦＡＲｍｏｄｅｌｃａｎｗｅｌｌｅｓｔｉｍａｔｅａｎｄｆｏｒｅｃａｓｔｔｈｅｃｏｎｓｕｍｅｒｐｒｉｃｅｉｎｄｅｘａｎｄｔｈａｔｔｈｅｆｏｒｅｃａｓｔｉｓｆａｉｒｌｙｐｒｅｃｉｓｅ．Ｋｅｙｗｏｒｄｓ：ｃｏｎｓｕｍｅｒｐｒｉｃｅｉｎｄｅｘ；ＦＡＲｍｏｄｅｌ；ｐｏｌｙｎｏｍｉａｌｓｐｌｉｎｅｅｓｔｉｍａｔｉｏｎ。
我国居民消费价格指数的季节调整及短期预测
Ｃ）、季节 因素 （ Ｓ ）和不规则 因素 （ Ｉ ）。根据时间 我 国对 于 季 节 调整 方 法 的研究 大多 侧 重 于借 鉴 （ 国外 已有 的季节 调整方 法 ，结 合 国内数据进 行实证分 序列各 组成成 分之 问的不 同依存关 系 ，以及原始序 列
析 。张鸣芳 （ ２ ０ ０ ４） 使用 ｘ 一 １ ２ 一 Ａ Ｒ Ｉ Ｍ Ａ 方法对上海 市 与其趋 势 因素 、循环 因素 、季节 因素和不 规则 因素 之
十分重要的现实意义。
节调 整 的方 法每改 进一 次都 以ｘ加上序 号表示 ，经历
自２ ０ ０ １ 年 起 ，我 国开 始采 用 国际通 用 方 法计 算 了１ １ 次 的经验变 化后 ，１ ９ ６ ５ 年开发完成 ｘ 一 １ １ 方法 ，并
一 １ ｌ Ｙ ｙ 法成为全世界统 和公布定 基价格指 数。我 国 目前是 以２ ０ ０ ０ 年平均 价格 且在之后 的很 长一段时间 内，Ｘ
２ ０ １ ３ 年 第４ 期
非 常成熟 的模 型。
／ 我 国居 民消费价格指数 的季节调整及短期预测／
有这 些 因素分 解为 四类 ：趋 势 因素 （ Ｔ）、循 环 因素
Ｘ 一 １ １ 一 Ａ Ｒ Ｉ ＭＡ、Ｘ 一 １ ２ 一 Ａ Ｒ Ｉ ＭＡ 和Ｔ Ｒ Ａ Ｍ Ｏ ／ Ｓ Ｅ Ａ Ｔ Ｓ 这三种 时 间序列 通 常还 受多种 因素影 响 ，一般地 ，我们把 所
１ 引 言
盖或混淆 ，以致我们难 以正确解 释和深入研究 经济发
在市场 经济运行过 程 中，物价水 平是一个重要 的 展规律。因此 ，对Ｃ Ｐ １ 月度数 据进行研究 时 ，首先应该
核 心指标 ，也ቤተ መጻሕፍቲ ባይዱ 国民经济发展状 况的 “ 晴雨 表 ”。居 采 用科学 的方 法对月度 时间序列 中的季节 因素进 行识
我国CPI近期波动情况分析及其走势预测
我国ＣＰＩ近期波动情况分析及其走势预测作者：杨坚坚贾国庆吕昊婧来源：《经济师》2009年第06期摘要：2008年下半年开始，我国CPI增幅大幅度下降，甚至在2009年2月出现了负增长。
文章围绕CPI是否会进一步走低，以及经济形势的未来发展为主要研究目的，通过理论研究和实证分析对此轮物价波动做出其一定理论价值和现实意义的阐述。
通过对我国2007年6月份至2009年2月份的居民消费价格指数进行统计预测，预计在未来的一段时期内，CPI都会出现负增长，但期间也不可避免要出现一些波动。
关键词：消费物价指数负增长率通货紧缩中图分类号：F812文献标识码：A文章编号：1004-4914（2009）06-021-02一、国内外研究综述1.国外的理论和实践。
HALLMAN等（1991）提出了p模型，这是一种纯货币模型，基本思想是价格水平的调整等于实际货币供给与对实际货币的长期需求之比。
此后，HPS模型被广泛应用于政策制定、通货膨胀预测及各种经济分析。
此外，ISARD等（2001）用CAREL等随机模拟方法对通货膨胀行为进行模拟，NELSON （1998）从统计的角度集中考虑了通货膨胀对货币供给的滞后性和通货膨胀的持续性。
BRANDT和ZHU（2001）建立了中国国有部门和非国有部门两部门宏观经济模型，结果表明，中国通货膨胀周期产生于政府信用贷款的分配和信贷管理的成本。
这些理论和实践都注重把某—种或几种宏观经济变量对价格的作用经验规律概括为模型。
2.国内的研究综述。
董登新（2008）认为，尽管2007年12月份CPI有所下降，因为CPI 上涨的动力源至今尚未清除，所以还有可能存在结构性物价上涨的示范效应拉动全面物价加速上扬的风险。
近一轮的经济过热与前两次有着本质的差别。
钟晨（2007）认为，由于中国正处在社会主义市场经济转型期，价格机制在长期受到抑制后的自发作用是此次CPI大幅上涨的制度内因，而以流动性过剩为核心的一系列外部因素则进一步刺激了CPI涨幅增大。
我国城镇居民消费价格指数、人均可支配收入与消费水平关系的实证分析
我国城镇居民消费价格指数、人均可支配收入与消费水平关系的实证分析作者：林红菊来源：《现代经济信息》 2018年第23期要：本文在计量经济学的基础上，基于1978-2015 共35 年的相关数据，运用eviews 统计软件，分析我国城镇居民消费水平与城镇居民消费价格指数、城镇居民家庭人均可支配收入的关系。
结果表明：我国城镇居民消费价格指数、人均可支配收入与消费水平之间存在长期协整关系。
我国城镇居民消费价格指数增加1%，城镇居民消费水平长期上将增长0.412%，短期上增长0.488%；城镇居民人均可支配收入增加1%，城镇居民消费水平长期上将增长0.781%，短期上增长0.716%。
关键词：消费水平；平稳及协整；误差修正中图分类号：F062.5 文献识别码：A 文章编号：1001-828X(2018)034-0010-02消费作为拉动经济增长的三驾马车之一，对国民经济的影响有着不可替代的作用。
影响我国城镇居民消费结构的因素很多，如城镇居民可支配收入、消费物价指数、GDP 增长速率、利率水平等。
通过利用时间序列、计量经济等方法建立经济模型，实证分析我国城镇居民消费水平的现状及预测其发展趋势，以保持我国经济的持续发展。
本文基于1978 年-2012 年35 年间的相关数据，建立相应的计量经济学模型，研究我国城镇居民消费物价指数(1978=100)、城镇居民家庭人均可支配收入与城镇居民消费水平之间的关系，包括平稳性、协整、误差修正等方面的研究。
一、变量定义与模型设定( 一) 被解释变量定义过程由统计年鉴数据显示，1978 年改革开放之初我国的城镇居民消费水平为405 元，2016 年已经上升为29295 元。
居民的消费水平很大程度上受整体经济状况的影响。
经济扩张时期，居民收入稳定，GDP 增加，居民的消费支出增加，消费水平较高。
为了更好地探究我国城镇居民的消费水平，对我国城镇居民消费水平的影响因素建立模型研究。
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。
- 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)。
数据来源：1990-2011年《中国统计年鉴》我国居民消费价格指数的短期预测研究王素梅（哈尔滨民政工业总公司，黑龙江哈尔滨150020）[摘要]运用CPI 预测模型对我国物价总水平的短期预测研究表明：经济发展的速度与物价的上涨幅度呈正比，物价上涨与经济发展关系密切。
CPI 增长过快影响居民生活水平和社会稳定，也不利于经济的协调、可持续发展。
政府应继续把稳定物价总水平做为宏观调控的重点之一，充分利用财政、货币、金融等多种调控手段，确保物价水平可控、经济平稳较快发展。
[关键词]居民消费；价格指数；短期预测；预测研究[中图分类号]F270[文献标识码]B[收稿日期]2012-02-07第2012年第3期（总第393期）商业经济SHANGYE JINGJINo.3，2012Total No.393[文章编号]1009-6043（2012）03-0033-02近些年来，物价问题始终是宏观经济研究中的热门话题。
自2007年年初美国爆发次贷危机以来，我国以猪肉为代表的食品价格大幅上涨，导致2007年多个月份的CPI 的同比涨幅超过6%，突破了3%的调控目标。
在经历了2008年高通货膨胀预期，以及2009年以来CPI 指数连续多个月的同比负增长后，有学者指出：我国在经历了2008年高通胀预期以后，是否迎来了通货紧缩？对于该问题，在当前的学术界争议颇大，然而，无论高通货膨胀还是恶性通货紧缩都是既有害于改革和发展，也不利于政治、经济和社会的稳定，这是众所周知的事实。
CPI 指数作为测定通货膨胀的通用指标之一，如何着眼当前的经济环境，应用有效的理论对CPI 涨跌的路径进行实证分析，无疑具有重要意义。
一、居民消费价格指数的相关概念及构成(一)居民消费价格指数的内涵居民消费价格指数，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。
利用居民消费价格指数，可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度，同时，也作为衡量通货膨胀的重要指标。
(二)居民消费价格指数的构成居民消费价格指数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。
我国目前用于计算CPI 的商品和服务项目，由国家统计局和地方统计部门分级确定。
国家统计局根据全国12万户城乡居民家庭消费的抽样调查资料统一确定商品和服务项目的类别，设置食品、烟酒及用品、衣着、家庭设备用品及服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务、居住等八大类262个基本分类，涵盖了城乡居民的全部消费内容。
二、居民消费价格指数的预测模型建立(一)指标的选取CPI 是一个滞后性的数据，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。
CPI 稳定、就业充分及GDP 增长往往是最重要的社会经济目标。
基于前文所作初步分析及影响居民消费价格等因素，本文以1990～2011年度的数据建立时间序列模型。
其中，因变量为居民消费价格指数的一阶滞后数据，自变量为居民消费价格指数。
这一节我们就从CPI 本身出发，去寻找居民价格自身的发展趋势。
(二)数据来源居民消费价格指数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情况，同时也用于分析市场价格的基本动态，是政府制定物价政策和工资政策的重要依据。
下表是我国1990-2011年的居民消费价格指数的统计数据。
此表数据来源于中华人民共和国国家统计局网站的中国年鉴统计数据，所以该指标的数据真实性是有一定的理论基础和科学依据，本文所做的所有检验数据都来自此表。
其中居民消费价格指数(%)用X 表示。
中国1990-2011年居民消费价格指数表年份X 年份X 年份X 19901991199219931994199519961997103.1103.4106.4114.7124.1117.1108.3102.8199819992000200120022003200499.298.6100.4100.799.2101.2103.92005200620072008200920102011101.8101.5104.8105.999.3103.3105.433--从上表可看出，中国的经济正在快速发展的同时，物价也在不断的上涨，尤其是1994年上涨速度最快，只有1998年，1999年，2002年，2009年这4年的物价总体上相对前一年有所下跌。
由此看出，物价的上涨与经济发展有着密切的关系。
(三)建立回归模型在通过了平稳性检验后，就可估计时间序列数据模型的基本形式为：Y=а+βX+ε；X=1990，…，2011其中：Y为被解释变量，X为解释向量，ε为参数变量。
利用EVIEWS软件可以得出模型估计结果，我们采用最小二乘协方差进行估计。
由于上述一阶差分序列是平稳的，为下面的模型建立提供了重要的依据。
故现在用EVIEWS的最小二乘法OLS估计进行回归分析。
根据回归结果，我们可以直接看出，该回归方程的常数项为-36.1949，回归系数为0.3427，所以可以得到回归方程如下：Y=-36.1949+0.3427X(四)统计检验根据EVIEWS输出表，得到居民消费价格指数与该指数的一阶差分值回归的判定系数R^2=0.1683，其实际意义是说明在居民消费价格指数取值的变差中，能被居民消费价格指数与该指数的一阶差分值的回归方程所解释的比例为17%，因此样本回归直线对样本点的拟合程度是偏低的。
现进行回归系数t检验。
要判断自变量对居民消费价格指数的影响是否显著，则需要进行t检验。
直接将EVIEWS输出的回归分析表中的P-Value值，与给定的显著水平α=0.05进行比较。
由于居民消费价格指数和常数项的P-Value值都小于0.05，说明解释变量和常数项的影响是显著的。
这一结论说明，通过居民消费价格指数自身数据可以用于预测。
(五)预测方法由于居民消费价格指数与前一期的价格存在密不可分的关系，并且通过上述检验后，数据是可以用于经济预测的。
因此通过建立的计量经济模型并利用最小二乘法估计的回归方程就可以进行预测，本文运用的是点预测，即将解释变量带入估计的回归方程中，计算出被解释变量的点预测值。
所以可以直接用线性预测的方法预测利用上一期CPI指数值下一期的CPI指数值。
三、控制居民消费价格指数的相关政策建议(一)财政政策建议1.全面准确地跟踪监测价格运行情况，及时把握和应对可能出现的价格风险。
当前我国价格总水平已经出现加速上涨的迹象，价格运行处于相对不稳定的状态，在一定程度上孕育和积累着风险。
因此，当前需要加强对价格运行的监测，对价格领域存在的深层问题进行全面分析以应对可能出现的价格风险。
2.完善粮食市场稳定机制，防止因粮食价格上涨引发食品价格大幅上涨。
从长期看，关键是要建立与种粮挂钩的直接补贴机制，通过直接补贴机制的反周期作用来稳定粮食生产和保护农民利益，防止粮食价格的大幅波动。
3.及时有效地落实房地产调控政策，稳定居住价格。
继续加强和改善房地产宏观调控及房屋供给结构，坚决抑制固定资产投资过快增长，继续收紧土地、信贷闸门。
同时，增加普通商品住房，以政府提供廉租房、补贴等形式及时缓解低收入群体的需求。
4.系统解决食品价格上涨对城市低收入群体的影响。
应通过完善社会保障和规范的社会救济制度来解决。
另外，为完善政府的调控机制，应考虑由各地统计部门编制城市不同收入群体的CPI指数，以期更及时、准确地实施相应的政策措施。
(二)货币政策建议为保持货币币值稳定、实现可持续经济增长，针对前面的论证和分析，提出以下建议：1.将通货膨胀目标与经济增长目标有机结合。
在制定货币政策时，将通货膨胀目标与经济增长目标有机结合，既要考虑经济增长目标，又要考虑价格(通货膨胀率、利率和汇率)目标；在货币数量控制方面，与世界上其他国家相比较，我国纯货币增长仍处于较高的水平，这容易对将来的通货膨胀产生压力。
2.建立通货膨胀目标制的可信度并确保获得政治上的支持。
通胀目标框架灵活性与其可信度成反比。
通胀指标的选择(选择CPI)、提高信誉度的措施以及对政策执行时间长度的选择，均将影响这一制约关系。
目前经验看，信誉的建立越快越好，这样可能减轻制约，并有利于将来拥有更大的灵活性。
3.加强中央银行独立性。
由于中央银行对于怎样进行实现政策目标的工作具有最佳的信息和专门知识，此外，如果不给予中央银行政策工具的控制权，它就不能为实现通货膨胀目标负责，工具独立性可使短期政治干预最小化和中央银行的责任最大化。
事实证明独立的中央银行比受制于政府的中央银行能够更好地实现通货膨胀目标和实际变量。
4.货币政策的主要目标是长期价格稳定，这并不是指价格稳定是惟一目标，但其他目标必须与通货膨胀目标相一致。
实行通货膨胀目标制并没有使中央银行为了实现低通货膨胀而放弃对其他经济目标的关注。
马特里赫特条约具体说明了价格稳定是货币政策的首要的长期目标，但也规定了要关注其他重要的经济目标，只要这些目标与长期价格稳定相协调。
[参考文献][1]于海芳.我国居民消费价格指数的区域差异分析[N].调研世界，2011-02-16[2]马凯.4%通胀目标为价格改革预留空间[N].证券日报，2011-03-10[3]中华人民共和国国家统计局[M].北京：中国统计年鉴，/[责任编辑：刘玉梅]商业经济第2012年第3期SHANGYE JINGJI No.3，2012 34--。