影响CPI变动的因素分析

王 璐

(安徽财经大学金融学院，安徽 蚌埠 233041)

中国当前的CPI走势已经成为社会关注的热点，因为CPI在一定程度上代表了通胀的程度，而通货膨胀则在一定程度上反映民生的状况。我国经过三十多年的改革开放，经济实力有了显著的提高，但是在建设和谐社会的过程中，一个亟待解决的问题就是如何让广大人民群众共同分享改革开放的成果。这就需要抑制通胀，以使劳动者收入有实质性的较快增长，而不是形式上的贷币收入增加速度赶不上通胀速度。

在本文的研究中，将GDP作为衡量国家经济发展程度的指标，将CPI作为衡量国家通胀程度的指标，将职工平均工资作为衡量劳动者平均收入的指标，利用VAR模型，通过方差分解等方法分析在GDP快速增长的背景下，CPI与职工平均收入的关系，GDP对职工平均收入的增长以及对CPI的影响，并提出相应的建议。

一、理论基础

一般来说，通货膨胀被定义为一般物价水平持续稳定的上涨，其成因主要有两类，第一类是需求拉动型，即当社会总需求超过总供给从而导致物价上涨，这主要体现在充分就业时期，总需求的增加将带来产品和物价的同步上升，因为GDP在一定程度上可以反映一国或地区的国民收入，而国民收入的变动则可以反映需求的变动，因此本文将GDP作为经济增长的定量指标。

在现实经济生活中，经济增长与通货膨胀的关系存在以下四种情形:(1)高增长低通胀，主要特征是GDP高速增长和CPI的低位稳定并存，表明宏观经济处于良性运行的轨道，这是一个社会追求的最重要的经济目标。(2)高增长高通胀，主要特征是GDP的高速增长与CPI高位运行并存。由于经济高速增长，国民收入大幅增加，社会需求增长较快，在这种情况下，容易出现价格上涨从而引发通货膨胀。(3)低增长低通胀的主要特征是GDP增长较慢甚至出现负增长的同时CPI也处于低位运行状态。一般情况下，经济增长缓慢，则国民收入增长缓慢，社会需求减少，从而使得产品价格下降，CPI降低。(4)低增长高通胀，俗称“滞胀”。主要特征就是GDP增长比较缓慢甚至出现负增长的情况，但同时物价上升加快，通货膨胀率一般超过5%甚至更高。

第二类是成本推动型，主要是指由于货币工资的增加而导致生产的成本增加所引起的物价上涨。本文中以“职工平均工资”作为衡量指标。希克斯在《凯恩斯经济学的危机》(1974年)一书中认为，当社会经济中的扩展部门在经济繁荣时期由于劳动力缺乏而工资上升，但在衰退期，货币工资却降不下来，而非扩展部门的劳动者则为了谋求公平也要求提高工资。托宾在其1972年发表的《通货膨胀与失业》中也认为工人们关心相对工资胜过绝对工资，如果现职工资比别处工资低的话，劳动者将辞去现职，转而流向高工资的地方，这样迫使流失劳动力的厂商或者部门提高工资，从而提高了全社会劳动者的平均收入水平。如果当劳动力成本上升的时候，商品价格将随之上涨，总供给曲线将向上移动，导致产量下降，同时价格水平上升，形成通货膨胀。

也正因为此种原因，所以很多人认为一旦政府采取措施增加劳动者的收入就会带来CPI的走高，也即通货膨胀的加剧。

二、实证分析

1.数据处理和分析思路

为了严谨的进行分析，本文首先从国家统计局统计年鉴中选取了1985年到2009年的CPI、GDP和职工平均工资的数据(命名为LAS)，并将三者都处理成以1985年数据为基础的同比数据。即形成了以1985年数据为100的CPI、GDP、LAS的时间序列。

为了消除数据中可能存在的异方差，本文对时间序列数据取对数以消除异方差，得到新的时间序列数据 lnCPI、lnGDP、lnLAS，这样并不会改变数据的性质以及协整关系。

本文将首先对数据进行平稳性检验，然后再通过Johansen协整检验来验证其是否具有协整关系，同时利用方差分解的方法分析因素间的相互影响，最后通过GRANGER检验来分析相应变量间是否具有显著地GRANGER因果关系。

2.平稳性检验

在对时间性较强的时间序列进行分析的时候，首先要判断相应的数据序列是否为平稳的时间序列。只有经过ADF(Augmented Dickey－fuller)检验为平稳的时间序列后，才可进行更进一步的分析。

ADF检验是基于如下三个公式的检验:

其中，Δy为y的一阶差分;a为位移项;bt为趋势项。

其零假设为:ρ=0(yt非平稳);备择假设为:ρ＜0(yt平稳);拒绝域为DF小于临界值。在此过程中只要检验拒绝了原假设，得出结论“不存在单位根”，检验就结束，可以判定此序列为平稳序列。

在对 lnCPI、lnGDP、lnLAS进行平稳性检验后发现三个变量在初始时候都是非平稳序列，经过二次差分以后，都在1%水平下显著，说明这三个变量都可以经过二阶差分后成为平稳序列。也就可以利用该数据进行VAR模型的分析。

表1 二阶差分后的各变量单位根检验

3.协整检验

如果时间序列是非平稳的，需要判断它们之间是否存在着协整关系。具有协整关系的平稳序列可以用OLS方法得到它们之间的长期相关系数，此时估计量是一致的，不存在伪回归问题。如果它们之间不存在协整关系，则需要对非平稳变量进行差分处理，使之变为平稳序列，然后才能进行模型估计。本文采用基于 VAR模型的Johansen协整检验法进行，其基本原理如下。

对p阶VAR模型

其中，Yt为k维一阶单整时间序列向量，x为d维外生deterministic variables时间序列向量，εt为新息向量。

对上式整理可得

格兰杰定理表明(Granger's representation theorem)，如果系数矩阵Π的秩r＜k(非满秩)，则存在k×r阶矩阵满足π=αβ'，且β'yt为I(0)。r为协整关系的个数(即协整矩阵的秩)，第一个列向量即为一种协整关系。α为调整参数。Johansen的方法就是估计一个非约束的VAR模型的Π矩阵，从而检验是否可以拒绝非满秩矩阵的约束。因此可以通过检验Π的非零特征根的个数来检验特Π的秩，从而确定Π是否为满秩矩阵。

对模型进行Johansen协整检验，结果表明选取的几个变量之间存在着长期的稳定均衡关系。

表2 Johansen协整检验迹统计量检验结果

表3 Johasen协整检验特征根统计量

4.模型滞后期的确定

VAR模型适用于对存在自相关的变量序列进行解释，以确定其相关关系的计量模型，建立VAR模型最主要是确定滞后期，滞后期的选择既不能太长也不能太短。太长虽然对消除自相关的误差有利，但增加了待估计参数，参数的增多会降低自由度，影响估计的有效性。因此滞后期的选择是在两者之间权衡利弊后进行。在EVIEWS计量软件中的实现是以AIC和SC统计量的标准来判断。这就需要选择AIC、SC等指标中的数值最小值所对应的滞后期的最大值。而且还必须满足模型的平稳性检验，即必须要使得软件运算所得的结果全部小于1(EVIEWS软件运算结果为方程特征根的模的倒数)，如果不平稳则不能对模型进行协整分析。

其中，AIC与SC的计算方法为:

AIC=－2l/T+2n/T，SC=－2l/T+n1nT/T

其中，通过假定服从多元正态(高斯)分布计算对数似然值:

根据软件运行结果发现，lnCP、InGDP、lnLAS在取最大滞后阶数五阶时，最优滞后阶数为滞后5期，并且可以通过方程的稳定性检验，因此选择滞后期为5期。

表4 5阶滞后时滞后期选择信息表

表5 5阶滞后时滞根模(倒数)表

5.模型的方差分解

方差分解(variance decomposition)是建立在向量自回归模型(VAR)的基础之上，通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。

图1 5阶滞后时滞根模(倒数)

其基本思路如下:

整理可得近似的相对方差贡献率(RVC)，以此来评价各个变量的重要性:

其中，i，j=1，2…，k

方差可以来衡量内生变量波动性，所得结果一般以百分比表示，百分比数值越大说明该内生变量对所产生变化的解释程度越高，由此可根据数值的大小来判断各变量的重要性。

所以，本文在这里对数据进行方差分解，以解释各变量变动时，其所受到影响因素所起作用的强弱程度。

表6 LNCPI的方差分解

表7 LNLAS的方差分解

根据表6和表7可以看出，较长时期内影响CPI的因素主要是GDP的变化，在观测期内，CPI波动的70%是受了GDP变动的影响，还有25%左右是受了自身的影响，而受到LAS变化的影响只有2%左右。而对LAS变动的影响则主要是由于GDP的变动而引起的，CPI对LAS的变动也有一定的影响，但是相对于GDP的影响来说则显得相对较弱。

6.脉冲响应函数分析

运用EviewS软件对建立起来的房价与各变量的VAR模型进行脉冲响应分析。本文选用广义脉冲函数来刻画各变量对CPI和LAS的影响。广义脉冲函数是Pesar和Shin构建的不依赖于VAR模型中变量次序的正交的残差矩阵。设置脉冲为一个标准差信息的冲击，横轴表示冲击作用的跟踪期(为了更好地观察各变量与被解释变量之间动态的影响关系，对所有变量进行了20期的跟踪，每期为一个季度)，纵轴表示被解释变量的变化，实线为脉冲响应函数值随时间的变化路径，两侧虚线为响应函数值加、减两倍标准差的置信带。

根据上文中方差分解的结果已经得知对CPI的影响主要是由GDP的变动所主导，但是仍无法说明更多的具体信息，所以需要对GDP对CPI的影响进行脉冲响应分析。主要观察当GDP给CPI一个单位的正标准差冲击后，CPI所产生的脉冲情况。

观察图2发现，当GDP给了CPI一个单位的正标准差冲击以后，在第一期，CPI并未受到影响，但是在第二期则迅速产生一个较大的正向脉冲，从第四期开始回落，至第六期出现负向脉冲，然后呈现出一种欠阻尼式变化，并逐渐向0点衰减。

图2 GDP冲击产生的CPI脉冲响应函数

同样，根据上文中方差分解的结果已经得知对LAS的影响主要是由GDP的变动所主导，CPI的对LAS则有相对较弱的影响，但是仍无法说明更多的具体信息，所以需要分别对GDP和CPI对LAS的影响进行脉冲响应分析。主要观察当GDP和CPI给LAS一个单位的正标准差冲击后，LAS所产生的脉冲情况。

图3 CPI、GDP分别冲击产生的CPI脉冲响应函数图

观察图3可以发现当CPI对LAS进行冲击后产生的脉冲情况类似一种欠阻尼式变化，逐渐向0点衰减;而GDP对LAS的冲击所产生的脉冲情形更类似一种过阻尼式变化，并且始终高于0点。这说明GDP对LAS所产生的影响要持久和深远得多。

7.GRANGER因果检验

由于经济时间序列经常出现伪相关问题，使得在经济意义上几乎没有联系的序列得到较大的相关系数，所以我们必须对相应的变量进行因果关系检验。因果关系检验是动态经济计量学建模理论的重要步骤之一，它的目的是为了检验自变量与因变量之间是否真正存在因果关系，以保证模型设定的合理性。

Granger因果关系检验是由著名计量经济学家Granger在1969年定义的因果关系及其检验而发展起来的，后来经过Hendry、Richard等完善的一种检验方法。Granger检验是运用统计技术检验经济变量因果性的方法，其原理是:利用经济关系发挥作用的时间差和滞后效应，根据经济变量各自的前期指标相互的解释、影响对方指标中的显著程度，来判断因果关系的存在性和方向。譬如有两个经济变量x和Y，在包含前期信息时对Y的预测效果好于由Y的前期信息对Y的预测，那么我们就认为x对Y存在Granger因果关系。

如果接受H0:β1=β2=…=βn=0，那么说明Xt不是Yt的GRANGER成因，反之Xt是Yt的GRANGER成因;如果接受H1:β1=β2=…=βm=0，那么说明Yt不是Xt的GRANGER成因。

一般来说，在经济问题的研究中，当遇到因果关系问题的时候，人们往往会运用GRANGER检验来分析，其主要思想就是将来不能推测过去，原因应该在结果之前。这种思想与现实相符合。由于在上文中已经确定滞后期为5期，所以在进行GRANGER检验的时候，滞后期也设定为5期。

表8 滞后五期时GDP、M2对CPI的GRANGER检验

观察表8可以发现，在滞后5期的情况下，只有LNGDP是LNCPI变动的GRANGER原因以及LNGDP是LNLAS变动的GRANGER原因。LNCPI、LNLAS的变动都不会对LNGDP的变动产生显著性影响，LNLAS与LNCPI则相互不是对方的GRANGER原因。

也就是说从长期来看，GDP的变动将单方向地引起CPI和LAS的变动，而CPI与LAS之间的变动则互相没有显著影响，这与前文所述方差分解的结论相同。

三、结 论

根据以上结论，我们可以得出:当一个地区的经济持续稳定发展的时候，必然会给该地区职工的平均工资水平带来上升的动力，也会给当地的物价水平带来向上的压力。因此在中国，我们一方面需要持续、稳定、高速的经济增长，以解决庞大的就业问题和复杂的社会问题，同时必须注意延缓CPI的上升速度。近年来，中国的CPI上升速度显得相对较快，根据文中的分析，这与中国的GDP增长速度有关。因为当社会财富快速积累的同时，物价水平一定会有所上升。我们需要在一方面承认CPI的上升压力为必然的同时，另一方面积极使用政策工具进行调控，尽量让CPI放缓上升的脚步。

另外，根据本文的分析，职工的平均工资水平的变动对CPI波动的影响极其微弱，以至于可以认为不会对CPI的波动产生明显的影响。虽然提高工资会带来需求的扩大，但在中国目前并不是充分就业的情形下，扩大需求对供给的拉动并不会带来价格水平的显著提高。而且在社会主义市场经济体制下，当前市场所提供商品的能力远远大于社会对商品的需求能力。提高劳动者的收入只能是减少企业的库存商品数量或者提高企业的生产能力，增加产品供给的数量与种类，不会导致供不应求的局面，当然也就不会有物价持续、快速上升的情况出现。因此，我们完全可以大幅提高劳动者的收入水平，使收入的增长水平超过CPI的上涨速度，让全体国民都享受到改革开放的成果。

而考察劳动者收入则发现，职工的平均工资水平与国家的经济发展关系密切，与CPI的关系则相对较弱。这主要是由于中国的经济在高速发展，工资收入水平也在逐渐提高，从长期来看，在GDP高速发展的背景下，劳动者收入水平失去黏性，因为经济的高增长意味着经济的高活力，企业需要提高劳动者工资水平，以防止熟练的劳动者流失。另一方面，随着经济的发展，劳动者的物质生活水平需要得到提高，需要购买更多更新的商品，以满足自身的需求。所以本文认为应该尽快大幅度提高劳动者的工资收入以改善民生，为建设社会主义和谐社会奠定群众基础。

[1]潘淑娟.货币银行学[M].北京:中国财政经济出版社，2008.

[2]高铁梅.计量经济分析方法与建模[M].北京:清华大学出版社，2009.

[3]王 璐.基于 VAR模型的我国GDP与M2对CPI的影响[J].怀化学院学报，2010，(10):41 －43.