ppi与cpi及其他因素的关系研究.doc

ppi与cpi及其他因素关系研究 ppi与cpi及其他因素的关系研究一、 问题的背景说明、PPI与CPI概念PPI反映的是各种工业产品出厂价格水平变动趋势和程度的相对数，它由生产资料和消费资料两个大类构成。生产者价格是指商品生产出来之后，最初形成的、由生产者出售的价格。本文所提到的PPI并非国际惯例的生产者价格指数，根据我国现行统计报表制度，我国计算的工业品价格指数，包括工业品第一次出售时的出厂价格和企业作为中间投入的原材料、燃料、动力购进价格，是反映工业生产价格变化趋势和变动幅度的统计指标。CPI反映一定时期内居民消费价格变动趋势和程度的相对数，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加权汇总的结果。CPI统计的主要内容包括食品、衣着、家庭设备及用品、医疗保健用品、交通和通讯工具、娱乐教育文化用品、居住、服务项目等8个大类商品和服务项目，不包括投资品和资产项目。该指数与居民日常生活密切相关 ,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，是分析和制定货币政策、价格政策、居民消费政策、工资政策以及进行国民经济核算提供科学依据。、PPI与CPI的作用机制由于 PPI是 CPI的上游环节 ,PPI上涨后主要通过成本推动的形式传导至 CPI ,主要体现在两个方面:一是通过PPI生活资料出厂价格的变化直接影响 CPI的变化 ；二是通过PPI生产资料出厂价格的变化 ,先引起生产消费品的企业生产成本的变化 ,再影响 CPI的变化。因此 ,如果仅仅考虑成本的推动， PPI的上涨会直接推动CPI的上涨。但在现实经济中 ,由于多种原因的存在, PPI的上涨并不一定会引起 CPI的上升。这些因素包括:下游产品的竞争状况、下游产品的价格管制状况、CPI与 PPI的结构不一致、生产者价格与产出量变化的相对速度等。PPI的上涨能否引起CPI的上升取决于很多因素 ,如下游产品的价格管制、 生产过程中的技术进步、市场需求的扩大、企业利润的变化和货币供应量的增长速度等。材料、燃料、动力是工业生产最主要的下游产品，这些主要下游产品的价格指数的变化，会在一定程度上引起工业出厂价格指数和消费者价格指数的变化。因此，本文在分析CPI与PPI的关系时，引进材料、燃料、动力购进价格指数，把它作为解释变量之一。二、 模型的构建于说明由于材料、燃料、动力购进价格上升，会引起工业产品出厂价格上升。CPI与PPI也存在着一定的正相关关系，所以，我们设定模型为：Y0X11X2Ui; Y-PPI; X1- CPI ; X2- 材料、燃料、动力购进价格指数; Ui- 随机误差项. ( i= 1,2,3,32).三、 数据的收集与说明本文中采用了年、年、年前八月的月度数据，共计个样本量。CPI和PPI的数据分别来自国家统计局各地居民消费和商品零售价格指数表、工业品出厂价格分类质数表。同样，在国家统计局的月度数据里，我们找到了年月到年月总计个月的月度材料、燃料、动力购进价格指数。CPI和PPI以及材料、燃料、动力购进价格指数这三种指数均是在去年同月基础上得来，因此直接使用，未作处理。四、 计算结果及解释1、 模型参数确定及检验进行二元线性回归分析,spss处理结果见附录一。回归方程为:Y= 17.129 + 0.237 X1 + 0.585 X2;R方= 0.997 ,非常接近于 1,说明模型的拟合度很高。F值为 5081.992, 常量、X1、X2的t值分别为6.345、6.579、47.493。设定显著性水平为= 0.05 , 查表得F的临界值为 3.33; t的临界值为 2.045 ; F检验通过,方程总体上的线性关系显著; 常量、X1、X2的 t检验也都通过,说明各解释变量对被解释变量的线性关系也显著。 F、t的P值都非常接近于0,也说明模型设计的很好。2、 异方差性图示检验 分别作Ei2X1、Ei2X2的散点图,如下图: 异方差性检验图 (X1)异方差性检验图 (X2)由图可知,X1、X2无明显的异方差性, X1存在微弱的单调递减异方差。怀特检验Ei2 为原始模型进行OLS回归得到的残差平方项,将其与X1、X2及其平方项与交叉项做辅助回归,辅助回归模型为:Ei2 =0+1X11X122* X2+3* X22+4* X1* X2;数据见Excel表,回归结果见附录二,得: Ei2 = 1.017 0.001 X12 + 0.001 X1* X2;R2 = 0.089, 说明模型的总体拟合度很差, 总体上不具有显著线性关系;各项的P值都比较大,说明各解释变量对被解释变量的线性关系也不显著。由nR2 2 , nR2= 32*0.089=2.848;查2 分布表,显著性水平为0.05,自由度为32时,临界值为43.8, nR2 临界值,因此接受原假设,不存在异方差性。3、 序列相关性图示法 残差项的序列相关性图: 由图看,可能存在微弱的序列相关性。D-W检验法 设随机变量Et为一阶自回归形式: Et = Et-1 +t 原假设Ho: =0, 即Et 不存在一阶自相关性。 进行D-W检验 构造统计量: D.W.= (Et-Et-1)2/ Et2 = 1.62578924 /3.672263= 0.442721303 查D.W. 分布表,n=32,k=2,得到两个临界值: Dl= 1.37; Du= 1.50D.W.值介于0到Dl之间,随机干扰项存在正相关性。4、 多重共线性 简单相关系数法本题涉及两个解释变量, 因此采用简单相关系数法检验多重共线性的存在。如附录四所示,X1、X2存在显著相关性。克服多重共线性剔除引起共线性的变量剔除X2,只引入解释变量X1,回归分析如附录四所示,得:R2趋近于1,拟合度很好,F、t检验均通过,P值也很小。模型得到优化。五、 小结或结论 本文研究了ppi与cpi及材料、燃料、动力购进价格指数的关系。第一步,用回归分析,得出三个指数的线性方程,方程经过了整体和各变量的显著性检验,拟合度非常好。 然后,对方程的假设条件进行检验,随机误差项不存在异方差性,但是存在一定的正序列相关性;两个解释变量间存在共线性。文章多多重共线性进行了一定的补救,提出了一个变量。 由此可见,cpi对ppi有显著地影响,这种关系程线性。材料、燃料、动力购进价格指数与cpi也存在线性关系,并对ppi也存在较显著的影响。六、 参考文献宋金奇，舒晓惠PPI与CPI的关系基于误差修正模型的研究 价格理论与实践 , Price:Theory & Practice, 2008年 10期苏梽芳，蔡经汉我国CPI与PPI非线性调整的实证解释中南财经政法大学学报-2010年2期卢伟，邓集林目前中国PPI和CPI关系分析现代商业，2008年 23期刘敏，张燕丽，杨延斌PPI与CPI关系探析统计研究，200年刘云中PPI与CPI间关系的讨论重庆工学院学报(社会科学版) , 2009年 06期 七、 附录附录一: 回归方程确定 模型汇总模型RR 方调整 R 方标准 估计的误差更改统计量R 方更改F 更改df1df2Sig. F 更改1.999a.997.997.35330.9975081.992229.000a. 预测变量: (常量), X2, X1。Anovab模型平方和df均方FSig.1回归1268.6772634.3385081.992.000a残差3.62029.125总计1272.29631a. 预测变量: (常量), X2, X1。b. 因变量: Y系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)17.1292.7006.345.000X1.237.036.1246.579.000X2.585.012.89247.493.000a. 因变量: Y附录二: 异方差性怀特检验辅助回归结果:模型汇总模型RR 方调整 R 方标准 估计的误差更改统计量R 方更改F 更改df1df2Sig. F 更改1.299a.089-.008.1616204.089.917328.445a. 预测变量: (常量), X1与X2交叉项, X1方, X2方。Anovab模型平方和df均方FSig.1回归.0723.024.917.445a残差.73128.026总计.80331a. 预测变量: (常量), X1与X2交叉项, X1方, X2方。b. 因变量: Ei方系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)1.017.7471.361.184-.5132.546X1方-.001.001-2.492-.554.584-.003.002X2方.000.001-4.933-.405.688-.002.002X1与X2交叉项.001.0027.248.449.657-.003.005a. 因变量: Ei方已排除的变量b模型Beta IntSig.偏相关共线性统计量容差1X1-23.500a-.960.346-.1825.438E-5X2-5.797a-.254.801-.0496.480E-5a. 模型中的预测变量: (常量), X1与X2交叉项, X1方, X2方。b. 因变量: Ei方附录三: 序列相关性附录四: 多重共线性1、 简单相关系数表:相关性X1X2X1Pearson 相关性1.998*显著性（双侧）.000平方与叉积的和2958.0001934.040协方差95.41962.388N3232X2Pearson 相关性.998*1显著性（双侧）.000平方与叉积的和1934.0401269.948协方差62.38840.966N3232*. 在 .01 水平（双侧）上显著相关。 2、 剔除变量X2,只引入变量X1 模型汇总模型RR 方调整 R 方标准 估计的误差1.996a.993.993.54841