我国通货膨胀区域特征实证分析

鞠立新

内容摘要：本文利用Gonzalo-Granger分解31个省份组成的4个地区通货膨胀序列，得到4个地区通货膨胀共同因子，进一步分解地区通货膨胀共同因子得到一个全国通货膨胀共同因子，因此31个省份通货膨胀具有相同的长期趋势成分，全国通货膨胀共同因子与全国通货膨胀相关系数高达0.996，侧面映证了全国通货膨胀合理地反映各个省份通货膨胀长期趋势。中国通货膨胀具有明显的区域特征，全国通货膨胀共同因子构成中，东部地区的权重高达52.67%，而在东部地区通货膨胀共同因子中，上海、浙江、天津、河北是权重最大的，因而需要对这4个长三角和京津冀部分省（直辖市）的通货膨胀变动情况更为关注。此外，对中西部地区应予以适当监控，且该地区省份应倾斜于安徽、湖南、江西和新疆、重庆。

关键词：Gonzalo-Granger分解 通货膨胀 CPI共同因子 区域特征

引言

随着市场机制的完善与宏观调控的增强，中国国内生产总值（GDP）的波动不断放缓，但以CPI为代表的物价波动不仅没有趋于平缓，反而不断地在通胀和通缩之间反复。由于通胀成因复杂，仅研究通胀总指数很难满足通胀治理的需要。与此同时，伴随着改革开放，我国实行非平衡区域发展，各个区域经济金融情况差异很大，如东部的开放程度和对外贸易依存度远高于其他区域，这些因素造成各地方通胀成因和走势不同。区域内省份在发展战略中也有不同定位，同时行政性分权、财政分权与政企职责不分，使各省份市场分割较严重，构成所谓的“诸侯经济”，尚未形成完全的全国统一市场体系。而且“米袋子”、“菜篮子”的行政首长负责制使得地方在通胀调控上得到更大的自主权。在上述背景下，地域差别是否会造成不同省份CPI的实质性差别，即各个省份CPI是否具有不同的长期趋势。笔者认为，忽略CPI的地域结构，而针对全国CPI实施统一的货币政策不可行。此外，部分省份和直辖市在国家经济发展战略中具有重要的地位，如东部的上海、广东、浙江、天津以及西部的重庆等，这些省市的CPI是否对同区域其他省份的CPI也產生重要的影响力？另外，全国CPI核算时，采用全国CPI八大类细项的加权平均，而全国CPI与各个地方CPI之间的关系一直被忽略，也需要予以关注。

现有研究CPI结构的文献中，其分析角度主要有三个：分八大类细项、分省或区域、分城乡。从文献数量上看，基本上分为两类：第一类文献是CPI八大类细项的角度。围绕核心通货膨胀率概念或者八大类细项与CPI之间关系，研究CPI的结构问题。王少平和谭本艳（2009）利用Gonzalo-Granger分解全国CPI八大类细项得到共同长期成分，即核心通货膨胀率，并使用ARIMA模型分析核心通货膨胀率的动态调整特征；侯成琪、龚六堂和张维迎（2011）通过新凯恩斯菲利普斯曲线提出多部门商品价格变化的理论分解公式，进而基于计量模型和两阶段方法，估计出我国核心通货膨胀；赵昕东和汤丹（2012）利用CPI的8个大类细项构建动态因子指数模型，估计我国2001年1月-2011年4月的核心通货膨胀率。张成思（2009）运用grid-bootstrap中值无偏估计和向量自回归模型分析2001-2008年中国CPI的8个大类细项的动态传导特征、子成分对CPI的动态影响以及货币政策对各个子成分的动态传导机制。张文朗和罗得恩（2010）研究中国食品价格上涨的影响因素及其对CPI的影响，发现食品价格上涨因素中，需求压力比供给冲击更重要，同时未发现食品价格对非食品价格上涨造成明显的“二轮效应”。第二类文献主要是立足于分省、分经济区域的CPI。杨晓和杨开忠（2007）分析改革开放以来全国统一的货币政策对东中西三大区域经济的不同影响，认为东部地区对货币政策最敏感，而中部、西部敏感度依次弱化。申俊喜、曹源芳和封思贤（2011）实证分析统一货币政策在不同区域形成效果的差异性，认为货币配给机制与外汇管理机制是导致我国货币政策区域异质性效应的主要因素，建议施行区域差异化存款准备金率的货币政策、改变银行信贷资金纵向管理和区域分割体制。廖迎和胡日东（2012）基于Esteban偏离-份额时间序列模型，从CPI八大类细项角度，研究2001-2012年中国东、中、西部CPI的波动来源，发现中、西部地区CPI增长率明显高于东部，其波动主要受全国增长的影响，东部价格波动主要源于行业偏离效应，而且中西部绝大多数行业价格定价力效应高于东部。

现有文献研究CPI结构问题，一般采用的计量方法是向量自回归模型（VAR）。通过协整进行静态分析，结合脉冲响应函数与方差分解进行动态分析，但中国多达31个省市会产生自由度问题，而且Johansen协整检验MHM临界值的约束使协整分析也会遇到困难。因此，向量自回归模型并不适合分析中国各省份CPI。本文采用的Gonzalo-Granger分解，通过两阶段方法避免自由度问题与临界值问题，先对各个地区进行分解得到区域CPI因子，后再对这四个区域因子进行分解得到全国CPI因子。

Gonzalo-Granger分解理论

（一）Gonzalo-Granger分解及其特点

（三）经济含义的解释

Gonzalo-Granger分解的经济含义体现在两个方面：一方面，S.C.Norrbin（1995）利用Gonzalo-Granger分解24个工业行业产出数据，检验工业产出数据是否仅受一个共同随机趋势驱动。如果仅存在1个共同随机趋势，则表明未加总行业产出数据是同质的，其长期驱动力为唯一的共同趋势，加总或者加权平均得到的总量数据与未加总数据是同质的。另一方面，Gonzalo-Granger分解估计得到的α⊥被赋予价格发现能力的解释。首先对α⊥各个元素进行正则化，使其所有元素之和为1。以Isabel Figuerola-Ferretti，Jesus Gonzalo（2010）的应用为例，金属铝现货市场和期货市场价格对应的发现函数α⊥=（0.09 0.91），权重越大说明对价格发现过程的贡献越大，因此，铝期货市场的价格发现能力远高于现货市场，而且识别检验并不拒绝α⊥=（0 1）的原假设，因而可知铝期货价格是价格发现过程的决定性因素。事实上，F.H.Harris、Thomas H.McInish和Robert A.Wood（2002）首次引入Gonzalo-Granger分解，分析纽约、芝加哥和太平洋股票交易所对于道琼斯成分股价格发现的贡献后，大量文献沿着这一思路研究不同信息关联市场的价格发现能力，如David K.Ding、F.H.Harri等（1999）、Libin Tao和Frank M.Song（2010）、华仁海、卢斌和刘庆富（2008）等。王少平和谭本艳（2009）揭示Gonzalo-Granger分解所得长期趋势与核心通货膨胀率间的紧密联系。

实证分析结果

（一）数据说明与基本统计分析

本文的数据来自中国经济信息网。各地方CPI使用分省月度同比CPI，样本期为1999年1月-2012年7月，共163个样本观测值。本文沿用《中国区域金融运行报告》的地区划分方式，将31个省市分为东部、中部、西部和东北四个地区。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省市；中部地区包括山西、安徽、江西、河南、湖南、湖北6个省；西部地区包括广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、内蒙古等12个省市；东北地区包括黑龙江、吉林、辽宁3个省。

省份之间CPI的差异比较大，这种差异在1999年1月-2005年4月逐渐缩小，之后稳定下来。1999年1月-2002年4月各省份CPI的差异非常突出，一部分省份处于通货紧缩阶段时，另一部分省份却处于通货膨胀高位期。这一差异在随后逐步弱化，1999年1月-1999年8月各省市CPI的极差稳定在4.5左右，1999年10月-2000年8月极差水平突增至9.6以上，最高值达到12.9，2005年4月极差逐步降低至2.4。2005年5月-2012年7月，极差水平略有波动但较稳定，2007年5月-2009年9月极差水平最高值仅为7.4，随后极差水平降低至2.5左右。总体而言，广东省CPI样本均值最低，为101.66，而均值最高的是青海，达到103.22。从标准差来看，西藏最小为2.055，广西最大为3.44。

（二）单位根检验与协整检验

Gonzalo-Granger分解的对象为单位根序列，因此需要对各省份同比月度CPI进行单位根检验。本文根据CPI的图形选取截距项作为确定项，不包含趋势项，并依据AIC准则选取单位根检验的滞后阶数。ADF检验结果表明，各省份CPI均为I（1）序列（限于篇幅，具体检验结果略）。由于北京、福建CPI的水平值检验P值相对较小，本文选用PP检验对北京与福建CPI结果进行稳健性检验，相应的P值分别为0.0975和0.0000，因此，将北京和福建CPI视为单位根过程是合理的。

本文分东、中、西部和东北地区分别对各区域的CPI进行Johansen协整检验。Johansen协整检验结果表明，东部10省（直辖市）CPI间存在9个协整关系，中部6省CPI间存在5个协整关系，西部12省（自治区）CPI间存在11个协整关系，而东北3省CPI间存在2个协整关系，其中，迹检验结果与最大特征值检验结果一致。对每一个地区进行Gonzalo-Granger分解，均得到1个共同因子，进而可得到4个区域的CPI共同因子。因此说明，各个地区内的省份CPI是同质的，区域内各省CPI长期驱动力均为唯一的共同因子。

（三）东、中、西部、东北CPI共同因子

通过对每个地区进行Gonzalo-Granger分解，东、中、西部、东北四个地区分别得到1个共同因子。每个地区的共同因子表示扣除地区内各个省份短期波动成分之后的地区CPI长期趋势，是区域内所有省份共有的长期趋势。由Gonzalo-Granger分解特点可知，扣除的短期成分虽然在短期内影响共同因子，但长期内没有影响。与共同因子相对应的调整系数正交补矩阵估计量经过正则化之后，反映的是该地区共同因子构成中各个省份所占权重，也是各个省份对于地区CPI长期趋势的揭示能力。权重越高的省份，揭示地区CPI长期趋势的能力越强。通过R软件实现Gonzalo-Granger分解，估计出每个地区的共同因子与共同因子相对应的调整系数正交补矩阵α⊥的估计量。

由表1可知，东部地区共同因子构成中，上海和浙江的权重最大，分别为27%和23%，这2个省市所占权重达到50%，其次是天津和河北，而江苏省的权重仅为3.7%。长三角和京津冀地区的4个省份CPI对于东部地区CPI共同因子是非常重要的，其所占权重高于70%。值得注意的是北京与海南的权重为负，但其绝对值非常小。关于东部地区调整系数正交补矩阵的识别检验，原假设将北京与海南的权重设定为0，对应的P值为0.8611，不能拒绝原假设，可知东部地区CPI共同因子构成中，北京和海南的权重均为0。出于稳定考虑，北京市政府物價调控能力和意愿很强，北京市物价波动整体优于东部其他省份，因而难以反映东部地区的整体物价水平。而海南省作为岛屿经济，远离大陆，与东部其他省份相对疏离。因子载荷反映的是各个省份CPI对于区域共同因子的敏感程度，因子载荷越大，对共同因子越敏感。由因子载荷估计可知，海南、上海和北京对东部地区共同因子最敏感，相应因子载荷估计分别为1.6935、1.2426和1.224。而福建与广东的因子载荷估计量为0.4455和0.5850，是东部所有省份（直辖市）因子载荷估计中最小的。

中部地区所有省份，对中部地区CPI共同因子而言，安徽、湖南、江西最为重要，权重分别为34.36%、23.85%、21.18%，权重之和接近80%。湖北与山西的权重最小，尤其是山西的权重仅为0.8%。就因子载荷而言，江西省最大，为1.35，最小的是湖北和湖南，仅为0.58和0.64。

西部地区共12个省份，因此其调整系数正交补矩阵估计大多处于8%的水平，如甘肃、广西、贵州、宁夏等。新疆、重庆的权重超过10%，达18.9%和14.16%。权重最小的是云南，仅0.9%。西部地区各个省份的因子载荷估计的差别相对东部和中部小得多，最大为青海的1.2015，最小为四川的0.6798。

东北地区3个省份中，辽宁和吉林是东北地区CPI共同因子的重要组成部分，权重分别为54.1%和44.23%，黑龙江的权重仅为1.6%。东北3省的因子载荷估计的差别最小，最大的黑龙江仅比最小的吉林高0.2。

图1给出了东、中部和西部、东北地区CPI共同因子，为方便比较，一并给出全国CPI。各个地区的CPI共同因子随着时间推移，走势更趋一致。这说明，随着中国市场经济改革以及基础交通设施建设，中国区域经济一体化稳步推进，国内市场整合度逐步提高，各个地区CPI共同因子走势更为一致。东、中部CPI共同因子与全国CPI走势高度一致，尤其是2008年7月-2010年10月金融危机以及中国实施4万亿投资时期，东、中部共同因子变动与全国CPI变动几乎重合。但1999年1月至2008年7月东、中部因子与全国CPI的差异是明显的。

西部、東北地区CPI共同因子与全国CPI的走势也较为一致，但相对于东、中部，与全国CPI的差别略大。如图2所示，2007年1月-2007年8月，西部、东北地区CPI共同因子与全国CPI高度吻合。2008年2月-至2010年2月，东北地区CPI共同因子先于全国CPI与西部CPI进入下行周期，至2009年3月处于谷底后率先反弹，而西部地区恰好相反，在谷底徘徊了较长时间后开始回升，全国CPI则更晚。2008年2月，全国CPI处于周期谷峰时，西部CPI共同因子达到了110.9。

各地区CPI共同因子的权重分布具有不同特点。东部主要集中于长三角和京津冀地区，说明长三角和京津冀地区对东部有很强的辐射作用。西部权重则分散一些，除云南、内蒙古和西藏外，其他西部省份所占权重均值8%左右，重庆和新疆的权重相对大一些，说明西部还没有形成大型集聚中心。

（四）全国CPI共同因子

单位根和协整检验。东、中、西部、东北4个地区将全国31个省划分为4个子系统，首先对每个子系统进行Gonzalo-Granger分解，得到4个地区CPI共同因子，然后将得到的地区CPI共同因子继续分解得到全国CPI共同因子。单位根检验中，基于地区共同因子图形选择的确定项仅包含截距项，不包含时间趋势项，并根据BIC准则选择滞后项。根据检验结果，东、中、西部、东北地区CPI共同因子均为I（1）过程。此外，根据Johansen协整检验，迹检验和最大特征值统计量均表明4个地区CPI共同因子间共有3个协整关系，因此4个地区CPI共同因子共有1个全国CPI共同因子。

全国CPI共同因子。根据估计的调节系数正交补矩阵及相应的因子载荷，在全国CPI共同因子的构成中，东部CPI共同因子的权重最大，超过50%，达到52.67%，其次是中部，权重为20.92%，西部的权重为16.62%，权重最小的是东北地区，仅为9.79%。图3给出由Gonzalo-Granger分解估计的全国CPI因子与全国CPI。全国CPI因子与全国CPI变动高度一致，两者的相关系数达到0.996。因此，东部地区CPI共同因子在揭示全国CPI因子及与其高度相似的全国CPI方面有重要的地位，而中部和西部则相当。在货币政策实施时，需要重点关注东部地区，适当注意中部与西部地区。

结论

通过Gonzalo-Granger分解理论，本文验证了各个地区内省份CPI是同质的，其长期驱动力为各地区共同因子，且全国31个省份CPI也是同质变量，具有共同的长期驱动力。本文还印证了全国CPI合理地反映了整个国家的通货膨胀情况，以及各省份共同的长期趋势。由此的启示是：长期而言，针对全国实施全国统一的货币政策是合理的，各省份CPI的差异主要集中于短期成分。各个省份CPI的特异性对共同因子无长期效应，仅具有短期效应。在长期中，各省CPI由全国性影响因素决定。在全国CPI共同因子构成中，东部地区的权重高达52.67%，而在东部地区CPI共同因子中，上海、浙江、天津、河北权重最大，因而，货币政策不仅要密切关注全国CPI，也应有所侧重关注不同省份CPI，重点监控4个长三角和京津冀省份（直辖市）的CPI变动。对于中西部地区应予适当监控，且更多倾斜安徽、湖南、江西、新疆、重庆。对于各省份物价调控部门，因子载荷反映了更有意义的内涵。四个地区中，西部地区对于全国CPI共同因子变动最敏感，且是唯一因子载荷大于1的地区。因而，西部省份需要更积极地应对物价波动。

参考文献：

1.侯成琪，龚六堂，张维迎.核心通货膨胀：理论模型与经验分析.经济研究，2011（2）

2.申俊喜，曹源芳，封思贤.货币政策的区域异质性效应—基于中国31个省域的实证分析.中国工业经济，2011（6）

3.赵昕东，汤丹.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. 统计研究，2012（7）

4.韩蓓，王文举.通货膨胀滞后性分析—基于地区差异.管理世界，2009（3）

5.张成思.中国CPI通货膨胀率子成分动态传导机制研究.世界经济，2009（11）

6.王少平，谭本艳.中国的核心通货膨胀率及其动态调整行为.世界经济，2009（11）

7.桂琦寒，陈敏，陆铭等.中国国内商品市场趋于分割还是整合：基于相对价格法的分析.世界经济，2006（2）

8.杨晓，杨开忠.中国货币政策影响的区域差异性研究.财经研究，2007（2）

9.廖迎，胡日东.中国居民消费价格波动来源与地区差异分析—基于Esteban偏离-份额时间序列模型.宏观经济研究，2012（8）

10.华仁海，卢斌，刘庆富.中国期铜市场的国际定价功能研究.数量经济技术经济研究，2008（8）

11.张文朗，罗得恩.中国食品价格上涨因素及其对总体通货膨胀的影响.金融研究，2010（9）

12.Ding D K，Lau S T，Mcinish T H，et al.An investigation of price discovery in informationally-linked markets：equity trading in Malaysia and Singapore. Journal of Multinational Financial Management，1999

13.Norrbin S C.Disaggregate stochastic trends in industrial production. Economics Letters，1999

14.Tao L，Song F M.Do small traders contribute to price discovery？ Evidence from the Hong Kong Hang Seng index markets.Journal of Futures Markets，2010

15.Figuerola-Ferretti I，Gonzalo J.Modelling and measuring price discovery in commodity markets.Journal of Econometrics，2010

16.Mackinnon J G，Haug A A，Michelis L.Numerical distribution functions of likelihood ratio tests for cointegration，1998

17.Deb Harris F H，Mcinish T H，Wood R A.Security price adjustment across exchanges：an investigation of common factor components for Dow stocks.Journal of financial markets，2002