当前位置: 东星资源网 > 文档大全 > 自荐信 > 正文

[CPI与我国宏观经济变量关系的实证分析]2018宏观经济形势分析

时间:2019-01-11 来源:东星资源网 本文已影响 手机版

  摘要:本文从实证角度分析1985年至2007年的中国CPI变化与有关宏观经济变量的关系,通过OLS检验发现CPI明显受到前一期、前两期CPI、 GDP以及工资总额的影响。
  关键词:CPI OLS检验 自回归模型
  
  一、问题的提出
  通货膨胀和它的变化使得经济付出巨大的实际成本,CPI是衡量通货膨胀的重要指标之一,它与哪些宏观经济变量密切相关?相关性有多大?CPI与这些宏观经济变量相互作用的理论依据是什么?通过探究背后的理论依据,为制定、调整各项经济政策特别是宏观经济政策提供依据。
  二、建模理论、现实依据
  本文使用计量模型研究影响我国CPI的宏观经济变量。首先建立多元线性回归模型研究各个解释变量对CPI的解释能力。多元线性回归模型:
  Y=f(X1,X2,…Xm,ε) (1)
  本文将CPI作为被解释变量:Y―CPI;X1,X2,…,Xm---影响CPI的诸多因素做为解释变量,包括:a需求用GDP来表示。b人民币汇率,c投资(全社会固定资产投资),d工资成本,e外汇储备。ε---随机误差项,是指除了上述因素,影响CPI的其他因素。考虑到济变量自身的跨期影响,建立CPI自回归的模型:
   Yt=β0+β1Yt-1+…+βsYt-s+εt (2)
  在有关的文献中,影响CPI的因素主要有:投资。Fischer(1991)的研究发现通货膨胀与投资规模(投资占GDP的份额)负相关关系的显著性较低。投资的扩张使得经济增长,但是投资也会带来不利于经济增长的后果,主要的原因是投资与通货膨胀之间存在着一定的因果关系。万世平等(2001)认为工资成本的上升是短期中国通货膨胀的主要原因之一。
  三、本文数据来源及结构
  本文数据来源国家统计局数据库。指标选取与数据说明:因变量Y,居民消费价格指数CPI,1985-2008年度数据,单位:上年为100。以下为选取的自变量:a 、GDP---国内生产总值,代表总需求,样本区间为1984-2008年度数据。 b、WAGE-----职工工资总额,样本区间为1978-2007年度数据。 c 、I----投资,全社会固定资产投资总额。样本区间为1981-2008年数据。d 、IMEX -----进出口额的总和,该数据为以人民币为计价单位的统计值。样本区间为1980-2007年数据。e、 RESERVE-----外汇储备。f、 EXCHANGE----人民币汇率,人民币对美元年平均汇价。样本区间为1985-2007年。通过这些变量的设置,试图来寻找影响CPI的因素,先通过对这些变量进行一般最小二乘法检验,剔除不显著变量,使得模型趋向合理。然后通过多重共线性检验,剔除多余的变量,然后引入CPI的滞后项进行回归。
  四、实证
  首先将所有变量对CPI用最小二乘法(OLS)进行强制性回归,结果如表1。R2=0.631441,修正的R2=0.501361,F-statistic值4.854225,说明模型拟合样本的整体效果比较好。对自变量的显著性检验发现,以5%为显著性检验标准,除GDP之外,其他变量对CPI的影响均不显著。
   表1:对所有变量检验的结果
   依据经验,当F检验效果显著,而T检验效果不显著时,很可能是存在多重共线性问题。对自变量进行相关性检验。结果显示投资、进出口总额、外汇储备以及工资总额与GDP之间存在很强的相关性,相关系数在0.9以上。为剔除多重共线性的影响,下面仅用GDP代表这类自变量,并引入CPI的滞后项进行回归。为此,需对CPI的平稳性检验。检验结果如表2。
  表2:CPI的平稳性检验结果
  
  对CPI序列进行ADF检验,方程的F检验显示,F值为14.68670,显著性水平远远小于1%;样本决定系数为0.775568,调整后的样本决定系数为0.722761,说明调整后的方程拟合效果比较好,模型的拟合优度比较高。T检验的结果显示,自变量显著性水平均很低,小于1%。DW检验显示,D-W值2.150576,接近于2,可以判断序列无自相关。
  CPI的方程可写为:
  CPI=113.24 + 0.64* CPI(-1) - 0.72 *CPI(-2)- 0.000802 *GDP+ 0.007124* WAGE (3)
  依据异常值的检验标准:根据样本观察值和调整后的回归方程,计算残差e,由回归方程计算残差标准差SE=4.379040,2SE=8.75808。观察残差表,没有发现|e|>2SE的情况,因此可以认为样本不存在异常值。
  ARCH效应检验结果:由F检验和残差方差的方程中RESID^2(-1) 系数检验的不显著性可知:方程(1)不存在ARCH效应,即不存在条件异方差。因此,方程(1)形式是可行的。
  五、实证分析结论与建议。
  多元线性回归模型(1)表明,CPI的变化与前两期的CPI有关,前一期CPI增加会引起当期CPI增加,前两期CPI增加会引起当期CPI的减少,且减少的幅度会大于增加的幅度。GDP的增长会引起CPI的下降,GDP每增加1亿元,CPI会减少0.000802%,当工资总额每增加1亿元,CPI会增加0.007124%。可能的原因是:经济行为人由于前一期的CPI增长或者降低而对当期CPI的增长产生预期。而前两期CPI的增加或者减少可能会使得宏观经济政策产生变化,产生对当期CPI的相反方向的影响。GDP对CPI的影响是通过影响总供给或者总需求实现的,其对CPI的影响是非中性的。工资总额的增加使得经济中的劳动力成本增加,对CPI产生同方向的影响。保持相对稳定的CPI对经济中的行为预期非常重要,可以通过考虑前两期的CPI值对当期值的影响,此外,预防通货膨胀也要考虑到工资总额的影响。
  参考文献:
  [1]Reaching Inflation Stability,Journal of Money,Credit and Banking,Vol.36,No.4(Aug.,2004),pp.801-825
  [2]Ball and Laurence,1993,“How Costly Is Disinflation:The historical Evidence”,Business Review,Issue Nov,pp17-28.
  [3]唐毅亭,白静.目前通货膨胀的性质、特点和趋势分析[J].宏观经济研究, 2007, (9)
  [4] 刘华,卢孔标.进出口贸易与通货膨胀的国际传导――基于中国数据的实证检验[J].金融与经济,.2007, (10), 13-17.
  [5]国家统计局课题组.我国新一轮通货膨胀的主要特点及成因[J].统计研究, 2005, 4
  (责任编辑:梁天梅)

标签:实证 宏观经济 变量 关系