《CPI指数计量模型分析》由会员分享，可在线阅读，更多相关《CPI指数计量模型分析（10页珍藏版）》请在金锄头文库上搜索。
1、. -CPI指数的影响因素分析. 优选-. -摘要通货膨胀压力日益上升，食品价格飞速上涨，成为中国当前最为棘手的问题。本文选取了2003年至2021年的CPI数据，对影响CPI数据的各种因素进展标准性的计量分析，对我国相应部门做出正确的宏观决策有积极意义。本文搜集大量的相关数据，首先对历年CPI数据进展多重共线分析，找出对CPI影响最为深远和重要的解释变量；然后对其进展异方差检验和序列相关检验；建立回归模型，对CPI的影响因素进展更加深入的认识。关键词：CPI指数；多重共线分析；异方差；序列相关. 优选-. -1.1研究背景及目的研究背景消费者物价指数Consumer Price Inde*，
2、英文缩写为CPI(以下简称CPI)，是反映与居民生活有关的商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。如果CPI升幅过大，说明通货膨胀已经成为经济不稳定因素。一般来说，当CPI3%的增幅时，我们称之为通货膨胀；而当CPI5%的增幅时，我们将之称之为严重的通货膨胀。CPI是一个滞后性的数据，但它却往往成为市场经济活动与政府货币政策的一个重要参考指标。而且，CPI稳定与就业充分、GDP持续增长又是最重要的社会经济目标。研究目的因为CPI是判断通货膨胀和分析市场经济活动和政府制定货币政策的一个重要参考指标，所以本文通过对CPI的影响因素进展显著性分析，得到对于目前通货膨
3、胀的整体性认识。本文对2003年至2021年的CPI影响因素进展多重共线性分析、异方差检验、序列相关检验，并建立虚拟变量，最后选出最优的回归模型，并依次模型剖析当前物价水平，为国家制定宏观经济政策提出建立性意见。1.2 相关概念指数CPI，居民消费价格指数Consumer Price Inde*的简称，是反映一定时期内城乡居民所购置的生活消费品价格和效劳工程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展综合汇总计算的结果1。多重共线性从解释变量的空间上讲,多重共线性可定义为:如果存在*些常数,使得成立，则说这组解释变量，,是完全共线的2。多重共线性可分为完全多重
4、共线性和近似多重共线性，在近似多重共线性的情况下，模型参数是可估的，但估计量的准确性下降。多重共线性普遍被认为是数据问题或者说是一种样本现象2。异方差性如果在回归模型中, 无论*i取何值,ui的方差Var(ui)=E(ui2)=2(i= 1,2,N),就说随机扰动项ui具有同方差性3。异方差性是一个普遍现象。用时序数据进展分析也存在异方差性问题。序列相关性所谓序列相关，就是指前后期误差项的值之间出现相关的情况，也称自相关。假设前期为正的误差时，本期更可能出现正的误差，则出现序列正相关，反之为序列负相关4。1.3 数据搜集与处理数据的搜集本文数据来源于中国国家统计局.stats.gov./，选取
5、了自2003年至2021年的CPI数值以及对CPI产生影响的8个因素：食品、烟酒及用品、衣着、家庭设备用品及效劳、医疗保健及个人用品、交通和通信、娱乐教育文化用品及效劳、居住(见表1)。利用这些数据，我们可以拟合多个因素对一个变量的影响。表1 20032021年CPI统计数据yearcpifoodcigwineclothesequipmedictranseducahouse2003101.2103.499.897.897.4100.997.8101.3102.12004103.9109.9101.298.598.699.798.5101.3104.92005101.8102.9100.498.
6、399.999.999102.2105.42006101.5102.3100.699.4101.2101.199.999.5104.62007104.8112.3101.799.4101.9102.199.199104.52021105.9114.3102.998.5102.8102.999.199.3105.5202199.3100.7101.598100.2101.297.699.396.42021103.3107.2101.699100103.299.6100.6104.52021105.4111.8102.8102.1102.4103.4100.5100.4105.32021102.6
7、104.8102.9103.1101.910299.9100.5102.1数据来源：中国国家统计局建立内蕴线性模型模型目的：查看2003年至2021年间上述8个影响因素的变化对CPI指数变化的作用。被解释变量：cpi解释变量：food, cigwine, clothes, equip, medic, trans, educa, house。采用双对数模型：可得表2：表2 双对数CPI指数模型lncpilnfoodlncigwinelnclotheslnequiplnmediclntranslneducalnhouse4.6170994.6386054.6031684.5829254.57882
8、64.614134.5829254.6180864.6259534.6434294.6995714.6170994.5900564.5910714.6021664.5900564.6180864.6530084.623014.6337584.6091624.5880244.604174.604174.595124.6269324.6577634.6200594.627914.6111524.5991524.6170994.616114.604174.6001584.6501444.6520544.7211744.6220274.5991524.6239924.6259534.5961294.5
9、95124.6491874.6624954.7388274.6337584.5900564.6327854.6337584.5961294.5981454.6587114.5981454.6121464.6200594.5849684.6071684.6170994.5808774.5981454.5685064.6376384.6746964.6210444.595124.605174.6366694.6011624.6111524.6491874.6577634.7167124.6327854.6259534.6288874.6386054.6101574.6091624.6568144.
10、6308384.6520544.6337584.6356994.6239924.6249734.604174.6101574.625953数据来源：中国国家统计局对数据进展回归分析，检验多重共线性通过回归见图1，可以看出R-squared为0.9999，Adj R-squared为0.9992，模型拟合较好，但是个别变量的P值在0.05的显著水平下均不显著，所以我们猜想可能存在多重共线。我们通过对8个变量进展相关系数分析见图2，发现变量之间确实存在多重共线问题。图1 回归分析. reg lncpi lnfood lncigwine lnclothes lnequip lnmedic lntra
11、ns lneduca lnhouse Source | SS df MS Number of obs = 10-+- F( 8, 1) = 1442.32 Model | .003700069 8 .000462509 Prob F = 0.0204 Residual | 3.2067e-07 1 3.2067e-07 R-squared = 0.9999-+- Adj R-squared = 0.9992 Total | .003700389 9 .000411154 Root MSE = .00057- lncpi | Coef. Std. Err. t P|t| 95% Conf. Interval-+- lnfood | .302836 .0180045 16.82 0.038 .0740674 .5316046 lncigwine | .1744444 .0693814
