CPI与PPI传导关系实证分析

□文/卢 博

（广东海洋大学管理学院 广东·湛江）

［提要］CPI和PPI是重要的经济指标，是制定经济政策的重要依据，掌握二者传导关系对政府经济决策以及风险控制具有重要意义。本文选取中国2018年1月至2019年12月CPI和PPI月度数据，建立VAR模型，通过格兰杰因果检验和脉冲响应函数，发现PPI能够影响CPI的变动，但是短期内PPI对CPI的传导受阻。

CPI和PPI是价格指数体系中的核心指数，反映消费行业的消费价格和产品出厂价格的变化。随着经济总量数据的增长，经济发展中出现的问题也开始显现，经济波动加剧且更加频繁。来自CPI的压力严重影响人们的生活质量和生活水平的提高，因此研究二者之间的传导关系对PPI对CPI传导机制的分析具有很强的理论与实际意义。本文选取2018年1月至2019年12月CPI和PPI月度数据，建立VAR模型进行测度。

一、文献综述

国外学者对CPI和PPI之间的关系研究从20世纪80年代就开始了。Silver和wallacey用美国数据，采用西蒙斯因果检验方法证明PPI对CPI具有引导作用。国内对CPI和PPI研究在20世纪90年代就开始了。刘敏等对山东省的CPI和PPI进行实证研究得出居民消费价格指数与日用品出厂价格指数相关性最高，认为工业品价格指数的上涨和下降是经济发展趋势的最早信号。通过借鉴之前的文献，贺力平通过格兰杰因果检验得到国内的指数CPI领先1～3月的结论，并且发现两者有较强的逆向传递关系。张成思利用向量系统下的聚合分析产业链之间的联系，下游平均值更被动，并且有明确的机制以较低的价格增加平均值，货币因素对较高的流量有更大的影响，但对于较低的流量，消费效应是次要的，货币政策影响上述价格的较低利率。杨子晖提出了非线性的格兰杰因果检验来研究二者关系，但是有一些文件对CPI有负面影响，而PPI对CPI的影响有限。相反陈建奇同样也用格兰杰因果检验得出了与杨子晖不同的结果，前者认为存在PPI到CPI的非线性传导关系，而后者认为PPI对CPI基本不存在传导关系。有学者认为现有的文献在实证上会出现“错误性传导”，结合货币政策框架分析，他们发现CPI是导致PPI的主要原因，而CPI对PPI的作用非常弱，这是一个需求问题，自由货币政策应该包括在这个过程中。苗杨还主张CPI和PPI之间只有一个传递，认为传统的多测试仪没有意义，并使用UV-Hausman测试方法得出结论，我国的PPI-to-CPI转换是虚拟的不存在，而且从CPI到PPI的电导率的弹性几乎不存在。发现决策者表示基于当地行业和治理标准的需求是不恰当的。还有些文献认为CPI与PPI之间存在双向传导关系，例如王少平最终通过视觉障碍频率分析来弥合CPI和PPI之间的差距，发现两者的差距有长短差。崔惠民用格兰杰因果检验用于创建森林统计，表明PPI和CPI之间存在双向转移，但CPI的反向移动是长久的，需要进一步思考其货币政策。王辉用Granger和VECM模型，分析调整消费后CPI与PPI之间的关系，发现在修改后，这两变量是相反的。双向远传，平衡精度，刘康还使用格兰杰检验方法研究了2000年和2003年之间两个参数之间的关系，食品价格的变化使CPI翻倍，大宗商品价格上涨导致CPI。孙坚强通过构建基于产业链转移机制的MNMG模型，提出价格预期机制，表明PPI低于CPI，CPI对PPI持负面看法，还有王泽珺、吴立元等。

综上所述，总体来看，近年来国内学者的研究成果不断增长，尤其是对我国现行定价机制的深入分析。在对不同计量经济学方法的相互关系和使用的实证分析中，对该主题的研究提供了特定的基础。然而，国内所有关于价格传导的理论和研究都进行了一段时间。它没有研究金融危机爆发后价格分布方式的变化，危机前后两个时期的价格分布没有可比性分析。价格分配机制的变化也应该是金融危机的反映，因此比较分析不同时期的价格分配过程是对经济学价格理论的有效补充。在选取指标数据进行实证流通和流通分析时，多数学者只选取单一的统计变量数据，没有对年、月数据进行集中比较分析，绘制分辨率更偏。此外，定价机制研究的理论基础尚未集中，定价机制的理论组合也是一个需要研究的课题。现有文献关于价格传导机制研究大多数是用某个时区的格兰杰因果检验分析来讨论此时区内两个物价指标间的传递性，大多数学者仅选取单一统计变量数据，很少对月度数据进行研究。

二、研究设计

（一）VAR模型构建。向量自回归模型将系统中的每个内生变量对数的函数建立系统，常用于分析相关时间序列系统的相互关系以及随机扰动对系统的动态影响。通过建立VAR对象来实现对估计向量自回归模型的估计，VAR模型主要是研究序列之间的动态变化规律。最一般的VAR模型：

yt=A1yt-1+…＋Apyt-p+BXt+εtt=1，2…T。

其中，yt是k维内生变量列向量，xt是d维外生变量列向量，p是滞后阶数，t是样本个数。KK维矩阵准A1，…，Ap和Kd维矩阵H是待估系数矩阵。εt是k维扰动列向量。此变量之间可以同期相关，但不与各自的滞后值及等式右边的变量相关。

（二）数据来源。数据全部来自国家统计局，本文选取2018年1月到2019年12月的居民消费价格指数CPI和工业品出厂价格指数PPI的月度数据，并建立VAR模型对两者之间的关系进行建模分析。CPI和PPI月度数据见表1。（表1）

表1 CPI和PPI的月度数据一览表

三、研究结果与检验

（一）VAR模型滞后阶数的确定。滞后阶数越大，自由度就越小。一般根据AIC和SC取值最小准则来确定阶数。如果AIC和SC并不是同时取值最小，采用LR检验进行取舍。如果时序数据样本容量小，这时AIC和SC准则可能需要谨慎，还是需要根据经验验证。文章首先建立VAR模型之后再进行检验，首先需要估计最大滞后阶数为5，再进行检验是否估计的最大滞后阶数与实际相符合，我们用Eviews10.0来进行判断，得知最大滞后阶数为3。在确定了最大滞后阶数后，我们就可以准确的描述VAR模型参数估计值。

（二）平稳性检验。当脉冲冲击应用于模块中特定方程的创新过程时，冲击会随着时间的推移逐渐消失。如果它没有消失，则系统不稳定。如果概率模型的所有根模都小于两侧，即传导关系的研究位于单位圆内，则它是稳定的。如果模型不稳定，有些结果是不正确的，例如脉冲响应函数中的标准误差平稳性检验可以在模型参数估计前对每一个序列分别进行单位根检验，也可以在VAR参数估计后对VAR系统进行检验，按照第二种方法来进行。从检验结果及图1得知，单位根系数模有一处是大于1的，这表明不平稳，这也和有关研究是相符的。（图1）

图1 平稳性检验图

（三）格兰杰因果检验。格兰杰因果检验是用来分析变量之间关系的，用残差平方和来表示预测误差检验，建立x、y方程：

通过假设检验来检测。文章结果表示，m（PPI）是h（CPI）的格兰杰原因，但是h（CPI）不是m（PPI）的格兰杰原因，这一结果表明PPI带动CPI，而不是CPI带动PPI，符合了一些学者的想法，见表2。但有学者研究表明，在长期，二者是符合格兰杰因果检验的。（表2）

表2 CPI和PPI格兰杰因果关系检验一览表

（四）脉冲响应函数及方差分解。从表3得知CPI对自身的一个标准差信息刚开始没有很强的反应，到第5期之后，是正向的，且持续期较长。来自PPI的影响立刻就有较强反应，产出约增加了0.05，但影响的时间不长，到第4期的影响是负向的，且持续时间较长。（表3）

表3 脉冲响应结果一览表

从方差分解来看，CPI的变动不仅绝大多数是由本身引起的，同时PPI也会对其造成一定的影响；同时，PPI的变动主要是由自身引起的，但CPI的作用也比较明显。

四、研究结论及建议

（一）研究结论。PPI被认为是通货膨胀或紧缩的先行指标，而通货膨胀或紧缩是由CPI来反映。这恰好与本文得出的结论相吻合。虽然PPI能够影响CPI的变动，但在短期内，由于相关部门对一些中间商品实行价格管制，造成了PPI对CPI的传导受阻，并且在传递时间上有所延期。有其他学者研究表明，长期来看，二者又存在长期均衡关系，PPI的变动会引起CPI的变动，因此需要及时关注PPI指数的变动。从统计结构上看，我国主要商品种类的构成与统计上存在差异和重叠，与统计口径不存在完全的相关性。年度且能很好地反映我国经济增长时期，完美地反映了我国物价的动态下行趋势。环比月度和变化规律与年度数据基本一致，可以反映我国物价逐年上涨的周期性规律，表明我国自金融危机以来的不稳定性有所加剧。

Granger对处理后稳定数据的合理性检验表明，两者存在交互作用，与经济学理论是一致的。建立金融危机前后联系比较模型的进一步研究认为，金融危机对国内价格传导产生了强烈影响。危机前后，两者关系发生了明显变化。金融危机后，传递时间变慢、变长，变量之间的作用变得更加复杂和困难。我们要根据新时代和经济发展的新需求，审视国内价格机制的变化。格兰杰检验表明，多年来我国经济各个环节的价格差异一直保持稳定。脉冲分析表明，自身和影响的影响存在时间延迟，接受的创伤性影响存在时间延迟，即其本身。

（二）建议。第一，政府必须根据市场情况定期控制价格并建立新的价格指数体系。尤其需要长期关注PPI指标，不断完善初期PPI监测预警体系。同时，以市价下单消费者心理价值预期的修正和巩固。第二，行业在建立定价体系时，要充分考虑CPI与相关PPI之间的过渡关系。政府不仅要监督短期经济政策目标的实施，还要广泛监督长期价格指数的变化。第三，完善市场投资增长模式，监测产品价格上涨。针对不同地区工业园区和开发区众多的情况，加强投资控制，减少园区质量差的问题。加强流水生产资料价格管控，及时监测下游产品价格。有效提高投资质量，智能配置社会资源。第四，增加居家使用，改变需求增长顺序。优化消费需求结构，增加城乡居民消费需求，实现需求增长高效精准增长。