《基于CPI分项目价格指数的中国核心通货膨胀估计及政策选择研究上》由会员分享，可在线阅读，更多相关《基于CPI分项目价格指数的中国核心通货膨胀估计及政策选择研究上（8页珍藏版）》请在金锄头文库上搜索。
1、基于CPI分项目价格指数的中国核心通货膨胀估计及政策选择探讨(上)赵昕东 汤丹2012-12-28 14:31:28来源：统计探讨2012年第7期内容提要：核心通货膨胀是观测到的通货膨胀中长期的、持续的成分。核心通货膨胀对经济形势的推断与宏观经济政策的制定有着重要的意义。本文运用CPI分项目价格指数建立动态因子指数(DFI)模型估计了2001年1月至2011年4月中国的核心通货膨胀。结果显示，我们估计的核心通货膨胀反映了通货膨胀的趋势，能够很好地反映货币供应的改变，对将来519个月的CPI亦有较好的预料实力。关键词：核心通货膨胀，DFI模型，CPI分项目价格指数作者简介：赵昕东，男，吉林省长春
2、市人，2002年毕业于吉林高校获数量经济学博士学位，2006年毕业于澳大利亚La Trobe高校获统计学博士学位，现为华侨高校数量经济探讨院探讨员、博士生导师。探讨方向为数量经济学、统计学。汤丹，女，黑龙江人，华侨高校数量经济学专业博士探讨生。探讨方向为数量经济学。一、前言2004年以来中国经验了三次明显的CPI快速上涨，CPI同比增长率在2004年7月、2008年2月和2010年10月分别达到5.3%、8.7%和5.1%。面对最近一轮的价格上涨，中心银行于2010年1月至2011年3月先后九次提高存款打算金率，三次提高存贷款利率。2011年1季度的CPI同比增长率仍旧维持5.0%的高位，另一
3、方面汇丰中国制造业选购经理指数(PMI)为51.1，创10个月新低。如何精确推断当前经济形势，制定合理的宏观经济政策是摆在学者与政策制定者面前的一个重要课题。目前，我国中心银行在推断经济形势时仍旧习惯运用CPI，但国外的阅历表明对于推断经济形势来说CPI并非一个好的指标。Bryan和Cecchetti(1993)1指出将CPI作为反映通货膨胀的指标存在两个主要的不足：第一，CPI简洁受到短暂或短期冲击的影响。其次，由于CPI中各成分的权重是固定的，所以CPI是对通货膨胀的有偏估计。与CPI相比，核心通货膨胀能够更好反映经济形势并对通货膨胀作出预料。核心通货膨胀的概念在20世纪70年头被提出，当
4、时石油出口国大幅度提高原油价格，导致西方国家发生了严峻的成本推动型通货膨胀，而抑制通货膨胀的紧缩性货币政策又导致了经济停滞，探讨者经过反思认为不应当只是依据观测到的通货膨胀制定经济政策，某些商品价格的变动仅仅是短暂的，须要一个能够反映通货膨胀长期改变趋势的经济指标。核心通货膨胀是指从观测到的通货膨胀中解除个别短期波动较大的商品的影响后长期的、持续的趋势成分。在货币政策决策的过程中，核心通货膨胀是货币政策决策者应当主要参考的指标，因为它是由货币因素所引致的并只有通过货币手段才能调控。货币政策不须要对短暂冲击作出反应。1972年美国经济报告中首次提出剔除抵押利息和食品后的核心CPI，美国劳工统计局
5、从1978年起先定期公布剔除食品和能源的核心CPI月度数据。与CPI相比，核心CPI具有如下优势。首先，核心CPI测量的是通货膨胀的长久性而不会受到个别商品价格水平短暂波动的影响，相对于CPI或PPI能够更好地反映经济形势。其次，货币政策的决策部门须要区分通货膨胀的上升是由个别商品价格改变的短暂冲击引起的还是核心通货膨胀发生了趋势性的改变，假如是由个别商品价格上升引起的，不应当实行全面的收缩性货币政策；假如核心通货膨胀发生了趋势性改变，那么就必需实行相应的货币政策。第三，核心通货膨胀有较强的预料实力，而且可以使公众更好地了解经济形势，第四，20世纪90年头以来，大多数国家的中心银行将稳定物价作
6、为实施货币政策的主要目标，而通货膨胀目标通常由核心通货膨胀来度量(Wynne，1999)3。在探讨领域，由于核心通货膨胀是不行观测的，因此对核心通货膨胀的测量成为宏观经济学探讨的一个重要课题。二、文献综述近年来，从统计和经济时间序列等角度，出现了一些测量核心通货膨胀的方法，例如剔除法(exclusion method)、修正均值法(trimmed mean method)、加权中位数法(weighted median method)、结构向量自回来(SVAR)模型、共同趋势(common trend)模型和动态因子指数(dynamic factor index，简称DFI)模型等。剔除法是从C
7、PI中解除短期内具有显著波动的成分，将余下成分重新安排权重得到的价格指数作为核心通货膨胀。由于食品和能源在短期内有显著的波动性，因此大多数国家将这两项成分从CPI中解除计算核心通货膨胀，虽然这种方法简洁可行，但是不同的时间具有显著波动性的成分不止这两项，因此这种方法的缺点是主观性过强。Bryan和Cecchetti(1993)提出的修正均值法是将CPI中的各成分按价格波动幅度排序，将波动幅度最大和最小的成分解除，然后重新计算剩余成分的权重得出核心通货膨胀。而加权中位数法同样是将CPI中的成分按价格波动幅度排序，处于中位数的价格波动率即为核心通货膨胀率。该方法的缺点也同样是主观性过强。Cogle
8、y(2002)4应用平滑技术法如季节调整法X11、X12或者H-P滤波消退短期波动，这些方法的缺点是缺少经济理论的支持，因此应用较少。Quah and Vahey(1995)5提出结构向量自回来模型测量核心通货膨胀，以货币的长期中性为理论基础，以价格指数和产出增长率是平稳序列为假设条件，建立包含价格指数和产出两个变量的SVAR模型，估计得到通货膨胀的长期成分即为核心通货膨胀。Claus(1997)6、Bagliano and Morana(2003)7分别应用SVAR模型估计了美国和英国的核心通货膨胀。共同趋势法是将SVAR模型扩展到协整变量，以充分利用经济变量包含的信息，得出的结果比较符合实
9、际，Warne(1993)8具体介绍了这种方法。大量探讨表明，CPI的分项目价格指数大多数是非平稳序列，依据这一数据特征，Stock and Watson(1991)9提出了基于协整关系的向量误差修正模型(VECM)提取共同趋势计算核心通货膨胀，其基本思想是CPI各分项目价格指数可以分解为共同趋势成分和共同周期成分，共同趋势成分即是核心通货膨胀。国内学者对核心通货膨胀的估计也进行了大量的探讨，例如范跃进和冯维江(2005)10运用剔除法、修剪均值法、加权中位数法度量了我国的核心通货膨胀率。结果表明采纳剔除法度量的核心通货膨胀对通货膨胀的预料作用不明显，而采纳修剪均值法及加权中位数法计算出的核心
10、通货膨胀具有较好的预料通货膨胀的实力。黄燕(2004)11、黄燕与胡海鸥(2006)12分析了现有的核心通货膨胀概念和度量方法及其对编制中国核心通货膨胀的启示，度量了“剔除食品后的消费价格指数”(CPIEF)和采纳加权中位数法度量了我国的核心通货膨胀(WMCPI)，结果表明，CPIEF和WMCPI的波动均小于CPI，而且两者都与CPI存在正相关关系。龙革生、曾令华和黄山(2008)13采纳剔除法、修剪均值法、加权中位数法、SVAR模型及共同趋势法度量了我国的核心通货膨胀，结果表明修剪均值法和加权中位数法计算出的核心通货膨胀率受食品类权重过大的影响，不适合度量我国核心通货膨胀，但这五种方法度量的
11、核心通货膨胀都能够在不同程度上预料CPI。赵昕东(2008)14建立了包含通货膨胀率、食品价格指数同比增长率与产出增长率三个序列的SVAR模型，估计了中国的核心通货膨胀。结果表明采纳该方法估计的核心通货膨胀能够较好地反映我国通货膨胀的趋势性改变。王少平、谭本燕(2009)15对中国的核心通货膨胀及其动态调整行为进行了探讨。结果表明，在样本期(2001年1月至2009年1月)和近一轮通货膨胀期(2007年2月至2009年1月)内，我国核心通货膨胀的平均水平和波动幅度均大于通货膨胀的波动幅度。三、估计方法选择(一)传统估计方法的局限性归纳起来上述估计通货膨胀的方法可以划分成两类，一类是利用CPI的
12、分项目价格指数变动的截面数据，例如剔除法、修正均值法、加权中位数法。另一类是利用CPI的时间序列数据通过时间序列模型估计核心通货膨胀，如结构向量自回来法、共同趋势法。这两类估计方法的基础来源于对通货膨胀的不同理解。Okun(1970，p3)16将通货膨胀理解为“价格普遍上涨的状况”，Okun强调的“普遍性”是指商品的范围，即通货膨胀是各种商品普遍的价格上涨，而不是个别或某一类商品的价格上涨。这是运用截面数据解除某些商品估计核心通货膨胀的相识基础。Friedman(1963)17将通货膨胀理解为“价格水平稳定长久的上涨”。Friedman(1963)强调在价格水平稳定长久上涨过程中可能间歇性地出
13、现高于或低于价格稳定增长率的时期，价格上涨过程中只有稳定长久的成分才是“良性”的，因为这一部分是可以预期的。基于Friedman的理解某些学者把观测到的通货膨胀中稳定长久的部分定义为核心通货膨胀。这是时间序列模型方法的相识基础。两类估计方法存在一个共同缺点，那就是只利用了通货膨胀数据的部分信息，利用截面数据的方法只利用了每个时点的各分项目价格变动的信息，时间序列模型方法只是利用了CPI的时间序列数据，忽视了CPI分项目的价格变动包含的信息。本文应用的动态因子指数(DFI)模型估计核心CPI，同时利用了CPI的八个分项目价格指数的时间序列与截面数据包含的信息，能够更加精确地估计核心CPI。DFI
14、模型估计核心通货膨胀的另一个优势是我国CPI的八个分项目商品价格指数月度统计数据起始于2001年，距今只有十年的数据，SVAR模型等时间序列方法往往受到数据长度的限制，而我国时间跨度较长的CPI统计只有年度数据，因此运用SVAR模型只能估计年度核心CPI，而本文的DFI模型不受数据长度限制，可以用来估计月度核心CPI。(二)DFI模型某些宏观经济变量的共同改变过程中存在一个可以通过潜在的、不行观测的变量表示的共同成分。而核心通货膨胀是观测到通货膨胀的长期趋势，而这个长期趋势必定是CPI各分项目商品价格指数的共同改变趋势，因此CPI的各分项目价格指数所包含的共同改变趋势即为核心通货膨胀成分。Br
15、yan and Cecchetti(1993)提出的动态因子指数(DFI)模型就是用来估计宏观经济变量中的共同趋势。本文应用DFI模型提取CPI各分项目价格指数的共同趋势作为核心通货膨胀。CPI的八类分项目商品价格指数的时间序列数据用Xit表示(其中i=1，2，8)，对于平稳序列Xit(关于Xit的平稳性检验结果将在本文的第四节给出)，DFI模型的具体形式设定如下：Xit=Ai+iCt+eit (1)(Ct-)=1(Ct-1-)+2(Ct-2-)+ut uti.i.d.N(0，1) (2)eit=i1ei,t-1+i2ei,t-2+vitviti.i.d.N(0，i2) (3)式(1)表明Xi
16、t主要由两部分构成，其中Ct为共同成分，E(Ct)=，(1-1L-2L2)=0和(1-1L-2L2)=0的根均落在单位圆外，并且全部的扰动项彼此是独立的，式(1)中的i表明Ct中有多大的比例是由Xit确定的，i=1，2，8；构成Xit的其次部分为Ai+eit(f=1，2，8)，表示每个成分的异质成分。Ai和i都是须要估计的参数，为便利估计可将以上的DFI模型改写为；xit=ict+eit (4)ct=1ct-1+2ct-2+ututi.i.d.N(0，1) (5)eit=i1ei，t-1+i2ei，t-2+vitviti.i.d.N(0，i2) (6)其中i=1，2，8，xit=Xit-，ct=Ct-，是选取的样本期间内第i个成分的均值。以上的DFI模型可以改写成状态
