网购视角的CPI偏差研究

黄秀海，滕清秀

(浙江财经大学 a.数据科学学院；b.工商管理学院，浙江 杭州 310018)

一、引言

随着中国经济的快速发展，网络购物(网购)已经成为居民的一种日常购物方式，带动了中国网络零售额(主要指B2C、C2C，不含B2B、批发、团购)“井喷”式的增长。2014—2016年，网络零售额分别达到2.82、3.83、5.22万亿元，在社会商品零售额的占比分别为10.38%、12.72%、15.71%*根据中国电子商务研究中心(www.100ec.cn)专题报告与《中国统计年鉴》相关数据计算得到。，网购广泛地影响居民生活的方方面面。然而，中国目前的CPI还没有充分考虑到网购商品价格的影响。显然，网购现象说明中国目前的CPI不能全面地描述居民消费品价格变化情况，CPI是有偏差的。

国外相关文献就网购现象对CPI的影响研究主要集中在如下几方面：一是网购消费的原因。Reinsdorf等认为：相对于实体店商品来说，网店在场地的规模、租金、税费、管理等方面成本大大减少，对应的商品具有明显的成本优势，网购的商品价格会更低，这是许多消费者转向网购进行消费的主要原因[1]176-179。二是代表性商品的分类价格指数与权重测度。Dubeaux和Saglio等认为：研究网购商品及服务价格对CPI的影响，首先必须考虑到它们在总体范围方面符合一致性的原则要求，同时还要研究它们在不同销售点之间对应商品的同质可比性问题[2]。Vol从代表性商品的分类价格指数与权重这两个方面，主要考虑商品销售点的变化对CPI影响[3]。如果将新的销售点商品与服务纳入CPI的固定篮子时，规格品就形成了一个新的“篮子商品”，新的篮子商品与原有篮子中的商品相比，对应项目的分类价格指数与权重都需要运用专门的统计方法进行适度的调整，然后根据调整后的分类商品价格指数与权重就可以计量新的CPI*，并据此修正原有的CPI。三是CPI测度模型与偏差。Hill的研究显示：通过预先设置一个比较高的、新销售点商品初始价格，在理论上就可以及时对由于销售点变化、商品价格变化的情况进行测度，从而将新销售点商品价格变化情况纳入CPI[4]。Prime和Saglio则认为商品销售点变化的影响主要取决于商品销售点之间商品价格的相对变化情况，通常居民会从商品价格高的销售点转向价格低的新销售点，这样会对CPI带来负影响[5]。Saglio研究显示：销售点替代对CPI的影响同时与CPI汇编使用什么样的模型相关，如果使用Laspeyres指数会导致CPI偏高，使用Paasche指数则会使CPI偏低[6]。关于CPI偏差的估计始于1996年Boskin委员会对美国CPI偏差问题的研究，研究结果显示：年度CPI偏差估算的范围在0.8至1.6个百分点之间，点估计为1.1%，Boskin对当时CPI的偏差估算是将各种偏差简单的累加[7]。

国内关于网购商品价格对CPI的研究尚处于起步阶段，已经有一些学者意识到网购对CPI的显著性影响，并对CPI与网购商品价格情况做了一些简单的比较性分析[8-10]。

目前，相对于世界其他各国的网购情况来说，中国网购发展十分迅速，网购商品价格对CPI的影响也越来越大，但是鲜有从网购视角测度它们对CPI影响程度的专业性文献成果，这方面的理论与定量研究皆属空白。因此，本文从CPI编制理论与定量研究方面，开展网购现象对CPI影响程度的研究。

二、研究假设与偏差定义

目前国内外研究一致认为，网购是一种由于商品价格差异引起的商品销售点的替代现象，对于CPI编制来说本质上是一种新增的商品销售点与价格调查单位，如果不及时将网购商品价格纳入CPI指数体系，它会导致CPI失真、销售点替代偏差。

(一)研究假设

对CPI销售点替代偏差问题进行研究，需要强调几个基础知识，以研究假设形式提出。

假设1：CPI是中国反映居民线下商品与服务价格变化情况的权威性指标，居于主导地位。

之所以要研究快速增长的网购现象对CPI的冲击与影响，就是因为长期以来，CPI只反映实体店(线下)商品与服务价格变化情况，并未充分考虑到网购(线上)商品与服务价格变化的影响情况。从这种角度来说，CPI并未全面描述居民生活商品与服务价格的影响情况，这是一种系统性的偏差。

目前，CPI仍然是中国宏观经济政策决策的主要依据，也是中国目前唯一可供参考的权威性统计指标，国家每年投入巨大资金不断地完善与编制尽可能真实的CPI。尽管中国目前的CPI存在着各种质疑的声音，但是仍然没有其他的统计指标能够替代它的职能。因此，本文这里强调指出：CPI是反映居民消费商品与服务价格变化情况的权威性指标，居于主导地位。也就是说，本文研究将网购商品价格作为CPI的重要补充形式，用于修正与完善现行的CPI，而不是相反。

假设2：网购价格指数(aSPI、aSPI-core)正确地反映了线上商品与服务价格变化情况。

阿里巴巴集团的网络零售额在整个网络零售额中的占比超过一半，是中国电商领域绝对的龙头企业。它销售的商品、提供的服务覆盖CPI规格品70%的范围，具有很好的代表性。阿里巴巴研究院编制的网购价格指数(aSPI、aSPI-core)运用了不同的编制理论与方法，从不同角度对销售的商品与服务价格变化进行描述，这对了解与判断网购商品价格变化情况提供了很好的参考依据。

由于线上、线下商品与服务特定环境的差异，本文假定：目前的网购价格指数(aSPI、aSPI-core)准确地描述了所有网购商品与服务价格变化情况。

假设3：基于平均指标抽象的、一般水平的涵义，研究网购商品价格对CPI影响。

提出假设2与假设3的理由是目前物价指数，不管是CPI，还是aSPI或者aSPI-core，本质上都是平均指标。这样的物价指数：首先它们诠释了平均指标的涵义，描述的是居民生活商品与服务价格抽象的、一般水平的变化情况。在对比的两个时期之间，尽管居民生活商品与服务价格具有结构性的变化特征，但是最终汇总编制得到的都是抽象的平均指标，反映的是居民消费品与服务价格变化的一般水平。其次，指数模型公理化检验法则。不管是初级价格指数模型，还是高级价格指数汇编模型，既要求它们能够描述商品价格综合变化情况，也要求其满足一些基本的公理化检验法则。在这些公理化的检验法则中，有两个检验法则为本文运用网购交易额在社会商品零售总额中的占比，研究网购交易额对CPI的影响提供了启示与理论依据。这两个检验如下：

一是报告期价格的正比性。如果μ>0，那么P(p0,μp1)=μP(p0,p1)，如果时期1的所有商品价格向量p1变为原来的μ倍，那么初始价格指数变为原来的μ倍。

二是基期价格的反比性。如果μ>0，那么P(μp0,p1)=μ-1P(p0,p1)，也就是如果时期0的所有商品价格向量p0变为原来的正μ倍，那么初始价格指数变为原来的1/μ倍。

这两个检验法则是公理化的检验法则。实质上，从基期到报告期，规格品中的代表性商品与服务价格的变化结构性的变化是常态，等比例、均匀性地变化是特例，但在这两个检验法则中常数μ是抽象了商品价格结构化变化特征，诠释出抽象的、一般性水平上的物价变动特征。本文研究的也是基于平均指标的抽象性、一般性的特征，研究网购商品价格对CPI的影响。

假设4：线上线下对应的商品是同质的。

本文研究对象是网购现象对CPI的影响程度问题。因此，对线上线下对应的商品(即同规格的商品)，假设它们没有质量上的差别，只是因为销售点的变化导致商品价格的变化，进而对CPI产生的影响。

(二)总体范围处理

将网购商品与服务纳入CPI编制体系，首先必须处理的问题就是总体范围的整合。由于网购商品与服务有10大类，只覆盖CPI规格品目录的70%，且成交额要远远小于线下成交额，根据假设1，只需要考虑将网购商品价格按照CPI的8大类项目来整合。

根据平均指标涵义与模型公理化检验法则，尽管网购商品价格具有结构性变化特征，但是通过平均指标的抽象后，可以将它们理解为所有网购商品价格，等比例的、一般水平的变动情况。此时，运用部分样本数据或者全部价格数据测度得到的价格指数结果是一样的，无显著性差异。

根据假设2与假设3，如果从抽象的、一般水平的角度来研究，那么局部性商品的价格变化情况与总体商品的价格变化情况是一致的，网购商品价格指数的测度则与范围无关，反映阿里巴巴网络零售平台核心商品(10个大类)的价格变化情况指数与按照CPI范围来整合后的(8个大类)商品价格变化情况是一致的。在此种情况下，阿里巴巴网购平台的局部性网购价格指数就代表了所有网购商品价格变动情况。这是本文对网购商品与实体商品范围整合的理论基础。

考虑到数据可获得性与便利性。如果CPI与网购指数的分类价格指数与权重数据都能够得到，那么只要对它们进行适当的商品质量调整、归类、合并，组成一个新的“篮子商品”，最后运用加权平均就能够得到修正的CPI*。然而，即使获得了网购商品价格指数的分类价格指数与权重，但是关于CPI的8大商品与服务项目的分类权重数据也无法得到(国家统计局并不对外发布CPI中8大分类商品与服务项目权重数据)。因此，关于线下与线上这两大分类商品价格变化情况，必须运用间接方法进行测度。

(三)偏差定义

1.网购视角的CPI销售点替代偏差。在其他条件不变的情况下，包含了网购商品价格的CPI*与原CPI之间的偏差[注]西方国家对CPI偏差的定义往往是：CPI与生活费用指数COLI之差[11]，这里同时需要指出的是CPI偏差与单纯分析网购商品价格导致的CPI偏差(即销售点替代偏差)是有区别的。实际上，这里的定义还有另一个隐含的研究假设：即CPI是正确反映实体店商品与服务价格变化情况的指数，aSPI及aSPI-core是正确反映网购商品与服务价格变化情况的指数。因此，在其他条件不变的情况下，将线上与线下商品及服务价格充分考虑到的、新的CPI*，将是比较合理、真实的居民消费价格指数。。根据假设1至假设3可知，CPI只反映线下商品价格变化情况，网购价格指数只反映线上商品价格变化情况，只有将它们进行整合后，才能比较全面地反映居民消费商品价格变化情况。如果仅用目前的CPI来表示居民所有的生活商品与服务价格变化情况，显然欠妥，有“以点代面”的嫌疑。那么，真实的居民生活商品与服务价格指数应该是综合考虑线上与线下商品及服务价格变化情况的相对数。

2.修正系数设计。理论上，研究网购现象对CPI的影响，应该将所有的网购商品与服务价格纳入CPI编制体系，但实际上因为各种原因，网购商品与服务价格数据并不容易获取。阿里巴巴研究院针对中国目前快速增长的网购现象，以2011年1月为基期，从2011年2月开始发布以阿里巴巴网络零售平台为总体的全网价格指数(alibaba Shopping Price Index，aSPI)与核心商品价格指数(alibaba Shopping Price Index-core，aSPI-core)，将网购商品与服务划分为10个大类、46个中类、500个小类(比CPI分类多了“办公用品及服务、爱好收藏投资”2个大类)，涵盖CPI商品与服务范围的70%左右[注]根据阿里巴巴研究院(www.aliresearch.com)相关资料与数据整理得到。。这是首次专门就网购商品价格变化情况正式编制与发布的价格指数，代表性高，参考价值大。考虑到阿里巴巴集团在中国以至于国际上的重要影响，本文基于网购视角研究CPI的销售点替代偏差情况时，这是一个极有参考价值、可以充分利用的文献资料与数据，它在一定程度上能够测度与诠释网购商品价格对CPI的影响情况，达到修正现实CPI的目标。

因此，本文基于网购视角研究CPI的销售点替代偏差情况时，就研究网购价格指数对CPI的影响情况。网购商品价格指数究竟能在多大程度上影响CPI，对CPI产生多大的偏差，取决于网购交易额对社会商品零售总额的重要程度。为此，本文提出利用网购交易额与社会商品零售总额，构建对应的修正系数。修正系数(λ)定义如下：

(1)

式(1)表明，修正系数为网购交易额在社会商品零售总额中所占的比重。这个修正系数本质上是网购价格指数对CPI影响程度的一个权重，网购交易额大、修正系数越大、网购商品价格对CPI影响大，网购交易额小、修正系数越小、网购商品价格对CPI影响小，最终新的CPI是对网购价格指数与CPI加权平均的结果。

显然，网购商品价格对CPI的影响关键不是指数汇编的技术问题，而是要考虑到数据的可获得性。在中国电子商务研究中心网站(www.100ec.cn)上能够得到网购交易额数据，在《中国统计年鉴》中能够得到社会商品零售总额数据，考虑数据的可获得性与便利性，基于宏观角度分析，利用网购交易额在社会商品零售总额中的比重，构建对应的修正系数，修正现实CPI，测度网购商品价格对CPI的销售点替代偏差，切实可行。

三、比较分析及偏差测度

(一)理论分析

目前，学术界对CPI偏差可归结为“上层替代偏差、初级汇总偏差、产品质量变化引起的偏差、新产品偏差与销售点替代偏差”5种情况。网购现象被认定为销售点替代偏差[12]。对销售点替代偏差进行计量需要注意两个主要问题：一是消费者在新旧销售点之间消费转移时，需要考虑到商品权重与范围问题；二是不同销售点间商品的质量变化问题。对于消费者在销售点间转移的原因，一般认为是消费者从价格高的销售点转向价格低的销售点。这样，对于特定的商品来说，就降低了它的平均价格，从而降低了CPI。但是，当政府编制CPI时，如果没有考虑到消费者在销售点间转移的现象，仍然按照旧的销售点商品价格编制CPI，就会高估CPI。

针对经济现实中存在着的这两类重要指数，它们的主要区别体现在两个方面：

1.指数编制理论差异。目前CPI 编制的理论基础公认有两个：一个是固定篮子指数理论(Fixed Basket Index，FBI)；另一个是生活费用指数理论(Cost of Living Index，COLI)[13]。固定篮子指数是测度两个对比时期固定篮子商品与服务价格变动情况的相对数；生活费用指数是测度居民在两个对比时期为了某种固定效应(福利、生活标准等)所需要的最低支出的比例。这两种价格指数编制理论在规格品选择、篮子商品的组成、指数计算方法等方面具有显著差异。

目前，aSPI以生活费用指数理论为基础[注]全网价格指数(aSPI)与网购核心商品价格指数(aSPI-core)编制的理论基础参见阿里巴巴研究院(www.aliresearch.com)网页中关于网购指数的专题介绍。，编制的是生活费用指数；aSPI-core与CPI以固定篮子指数理论为基础，编制固定篮子商品价格变化的相对数。这是它们在理论基础方面的本质差异。

2.编制方法。消费者价格指数的编制方法本质上是对代表性的规格品价格初级指数进行加权平均而得。但是，怎样对规格品的初级价格指数进行平均，目前主要有两种方法：

一是多阶段加权平均。中国目前使用多阶段层层加权平均方法计算CPI，并且这种指数计算的是国家一级的消费者价格指数。具体的编制流程如下：第一步，在统计工作的最基层，编制市、县一级的本地消费者价格指数；第二步，各省根据市、县指数加权计算得到省级的消费者价格指数；第三步，国家统计局根据各省上报的价格指数，根据全国消费结构加权计算全国性的消费者价格指数。这种价格指数编制方法的优点是满足各级地方政府分级管理的需要，简化国家与省级等上级机构的价格指数编制工作量。存在的缺陷：层层加权，中间环节太多，增加许多不确定性因素，降低价格指数的代表性，增加基层统计工作量，使得最终的数据质量难有保障。

二是一次性加权平均。随着互联网技术的发展与大数据技术的成熟，网购商品价格指数(aSPI、aSPI-core)采用的是一次性加权平均的结果，直接汇总编制全网域性的一级价格指数。即先计算各种规格品在全网域范围内的平均价格与初级价格指数、基本分类价格指数，然后根据预置的权重(或者报告期权重)计算商品与服务的分类价格指数，得到全网域的消费者价格总指数。这样的编制方法好处是：增强规格品价格空间代表性；一次性进行综合汇总，避免干扰；操作简单、规范。

(二)实证分析

不管CPI与网购价格指数的差异性如何，它们还是具有一些共同的特征：都是反映居民消费品与服务价格变化情况的相对数。现就CPI与网购商品价格指数进行实证分析。

1.描述性统计分析。考虑到网购商品价格指数的正式编制与发布的实际情况，结合样本数据的可获得性与比较的便利性，本文选取了2011年2月至2016年4月的CPI、aSPI、aSPI-core等月度环比变化率原始数据进行分析。相关指标的基本情况见表1。

从变量分布特征看，aSPI的变化率偏度系数为-0.515、呈现出负偏特征，aSPI-core、CPI的偏度系数分别为0.640、0.655，呈现出正偏特征；aSPI、CPI变化率峰度系数分别为1.417、0.651,变量分布曲线为“U”形分布，呈现出“中间少、两头多”的特征，aSPI-core的峰度系数为3.423，变量分布呈现出尖顶特征。

表1 CPI与aSPI、aSPI-core的基本信息情况表(%)

2.方差分析。为了进一步研究aSPI-core、aSPI、CPI变量间的变化关系，现对aSPI-core、aSPI、CPI等变量接着进行单因子方差分析。运用Excel 2003检验得到的结果见表2。可见，这些变量中，只有aSPI-core与CPI之间存在着显著性差异。

表2 aSPI-core、aSPI、CPI变量间的单因子方差分析表

从网购指数的本身来分析，以阿里巴巴平台编制的全网购价格指数aSPI的理论基础是生活费用理论，然而阿里巴巴网购核心价格指数aSPI-core编制的理论基础是固定篮子价格指数。这两种指数编制理论具有一些本质上的差别，中国目前CPI编制的理论基础就是固定篮子指数。同时，由于网购核心价格指数(aSPI-core)是反映网购10大分类商品价格变化情况，这些核心分类商品目录一般比较固定，价格波动具有长期趋势性，能够很好地说明网购商品价格变化情况，代表性高，单因子方差分析也表明它与CPI的变化具有显著性的差异。

显然，不管是从指数的编制理论基础分析，还是方差分析的结果来看，研究网购商品价格对CPI的影响，分析aSPI-core的变化对CPI的影响具有一定的代表性。

(三)偏差测度

1.修正系数估计。社会商品零售总额数据来源于历年《中国统计年鉴》，网购商品交易额数据取自“中国电子商务研究中心(www.100ec.cn)”历年相关的专题报告，测度的修正系数如图1所示。

图1 网购交易额在社会商品零售额占比情况图

从图1可知，网购交易额在社会商品零售总额的占比逐年提高，从2012年起，占比为6.16%、首超5%，2014年占比10.38%、首超10%，上涨明显。另一方面，网购商品价格指数(aSPI，aSPI-core)以2011年1月为基期，编制并发布有月环比指数、月同比指数，本文研究网购价格指数对CPI的影响，选用的是月环比指数。

2.销售点替代偏差定性分析。由于阿里巴巴研究院(www.aliresearch.com)编制的网购价格指数是以2011年1月为基期，于2011年2月对外发布aSPI、aSPI-core月度变化率数据，因此本文运用图1估计的修正系数，从2011年2月起对CPI进行修正，并计算同期的CPI偏差：

调整后的CPI*=λ×网购核心商品价格指数+

(1-λ)×CPI

(2)

CPI销售点替代偏差=CPI-调整后的CPI*

(3)

由式(2)、式(3)可得：

CPI销售点替代偏差=λ(CPI-网购核心商品价格指数)

(4)

由表1可知，网购核心商品价格指数(aSPI-core)在统计意义上显著小于CPI[注]由于网购商品相对于实体店商品具有比较成本优势，一般认为网购商品价格一般要小于实体店的商品价格，这样的结论与目前国内外学术界相关的研究得到的结论一致。，那么式(4)表明：CPI与网购核心商品价格指数的差为正数，与CPI的销售点替代偏差呈现出同向变化关系。当CPI与aSPI-core的差额越大、CPI销售点替代偏差也大，当CPI与aSPI-core的差额小、CPI销售点替代偏差也小。由式(4)还可知，CPI销售点替代偏差为CPI、aSPI-core之间的差额λ倍。

根据式(2)与式(3)，CPI与测度得到的CPI*对比情况如图2所示。

图2 CPI与调整后的CPI对比分析图

从图2显示可知，充分考虑到网购商品价格的

影响后，经过修正系数(λ)调整后得到的新的CPI*与原CPI的对比分析呈现出很强的一致性变化特征，但是，调整后的CPI*整体上要稍低于原有的CPI。这种特征与学术界研究得出的因为成本因素等原因，导致网购商品价格要明显低于实体店商品价格的观点是一致的。

3.销售点替代偏差实证分析。为了进一步详细研究修正系数的变化对CPI的影响，本文对样本数据的时间段进行细分，阶段性考察修正系数与CPI偏差间的关系，相关结果见表3。

表3 不同时间段修正系数与CPI销售点替代偏差情况表

注：整个样本时间段的修正系数通过对原始数据线性折算后计算得到；月均偏差为几何平均值。

从表3可知，随着修正系数的增大，月均偏差虽然呈现出一定的波动性，但总的趋势表现为逐渐增大的态势，这说明网购商品价格对CPI影响程度也越来越大。

现在进一步对它们之间的关系进行模型分析，运用SPSS分析，结果见表4。

从表4可知，从CPI销售点替代偏差对网购销售额在社会商品零售额中的占比回归结果来看，线性回归方程的截距为0.024,斜率为0.000 857，这说明解释变量与被解释变量间呈现出同向变化关系，但是拟合优度仅为0.158，显示线性回归方程的代表性欠理想。

表4 模型汇总和参数估计表

注：模型解释变量为网购零售额在社会商品零售额中的占比，被解释变量为CPI销售点替代偏差。

相对于线性回归方程，二次回归的结果显示拟合优度大幅提高到0.725，比线性回归方程要好得多。同时，一次项系数为-0.009 016，二次项系数为0.000 492，这说明CPI销售点替代偏差这些年虽然有所反复，但是总的变化呈现出逐渐提高与增

大的趋势。这再次说明了随着网购销售额的增大，网购商品价格对CPI的影响增大，导致CPI销售点替代偏差增大的态势。这种结论与线性回归揭示的结果是一样的，只不过二次回归结果比较细致地揭示了它们之间的变化过程。

修正系数与对应的CPI销售点替代偏差关系，可用图3形象直观地表现出来。

图3 CPI销售点替代偏差对网购零售额 占比回归情况图(2011—2016)

从图3可知，随着时间的变化，修正系数即网购交易额在社会商品零售总额中的比重越来越大，相应的销售点替代偏差(图中标示为观测值)虽然有所起伏，但总体上呈现出向上变化趋势。这说明随着修正系数即网购交易额所占比重的增大，网购商品价格对现实CPI的冲击也越来越大。

由表4中的拟合优度及图3中所拟合的趋势线，可见二次回归(即非线性回归)的结果更加符合销售点替代偏差的变化与波动情况。

四、结语

本文首次就网购商品价格对CPI的影响程度问题展开定量研究，从以上的研究结果，可得到结论：第一，在平均指标的涵义与价格指数模型的公理化检验法则条件下，根据提出的假设条件，可以将局部性的aSPI-core理解为所有的网购商品价格变化情况，网购商品价格与CPI中对应的项目商品价格的差别，纯粹是由于销售点变化(网购)的原故。这样，就可以对线上线下商品的总体范围进行整合。第二，对于线上线下两大范围大的商品价格变化，CPI与aSPI-core反映了它们对应范围内商品价格情况，运用网购交易额与社会商品零售总额。构建修正系数，加权平均得到包含了网购商品价格的比较全面、新的CPI。第三，纳入网购商品价格后CPI*要小于目前的CPI，这样的研究结论与学术界关于网购商品价格由于具有相对成本优势，从而导致销售点替代现象，降低社会整体物价水平的结论是一致的，从而进一步验证了在中国，网购现象对CPI的影响同样具有这样的特征。第四，根据网购商品交易额在整个社会商品零售总额的占比，一定程度上揭示了网购商品价格对实体店商品价格变化的影响程度。第五，随着网购交易额在社会零售额中占比的增大，网购商品价格对其影响增强，导致CPI偏差增加。因此，为了编制更加准确的CPI，应该尽早考虑到网购商品价格变化的影响。