基于季节调整的CPI与PPI传导关系研究.pdf 7页

'中国科技论文在线http://www.paper.edu.cn基于季节调整的CPI与PPI传导关系研究**余品，刘建平（暨南大学经济学院）5摘要：CPI与PPI的不同步变化对我们准确判断国内的物价走势带来了不利的影响，对二者的传导关系进行研究，具有重要的现实意义。目前的研究没有考虑到季节因素对CPI与PPI的影响。本文选择X-13ARIMA-SEATS模型并引入春节效应变量，对我国的CPI与PPI月度数据进行了季节调整，发现调整后的数据更能反映我国物价水平的真实变动。采用BK滤波方法对CPI与PPI的趋势-循环因素进行分解，得到趋势因素与循环因素，发现CPI与PPI10的相互关系是双向的、变动的，且是经济周期导致了倒挂现象。关键词：CPI；PPI；季节调整；传导关系中图分类号：F224StudyontheRelationshipbetweenCPIandPPIConductionBasedonSeasonalAdjustment15YUPin,LIUJianping(JinanUniversitySchoolofEconomics)Abstract:ThechangeofCPIandPPIisofgreatimpactonouraccuratejudgmentofdomesticpricemovements,anditisofgreatpracticalsignificancetostudytherelationshipbetweenCPIandPPI.ThecurrentstudydoesnottakeintoaccounttheseasonalfactorsontheimpactofCPIandPPI.Inthispaper,20theX-13ARIMA-SEATSmodelisselectedandtheSpringFestivaleffectvariableisintroducedtoadjusttheCPIandPPImonthlydatainChina.ItisfoundthattheadjusteddatacanreflecttherealchangesofthepricelevelinChina.ThetrendofCPIandPPIisdecomposedbyBKfilteringmethod,andthetrendfactorsandcyclefactorsareobtained.ItisfoundthattherelationshipbetweenCPIandPPIisbidirectionalandfluctuating,andtheeconomiccycleleadstotheupsidedownphenomenon.25Keywords:CPI;PPI;Seasonaladjustment;Conductionrelationship0引言近年来，受全球经济复苏乏力、国内产能过剩、需求不足等因素影响，我国居民消费价格指数与工业生产者出厂价格指数出现了较大的波动，并没有保持稳定。2004年至2008年间，我国经济飞速发展，CPI与PPI也经历了高速增长时期，物价水平上升趋势明显。尤其30是CPI，从2003年9月份起，CPI的月度同比指数就一直大于100%。但是PPI在此期间却并不是持续上升，而是多次出现了下降的趋势。一般说来，CPI与PPI应该是同步变化的，我们把CPI与PPI不同步变化的现象叫做“倒挂”现象，这种矛盾的变化趋势对我们准确的判断国内的物价走势产生了不利影响。在我国，价格水平是宏观经济政策制定的重要参考依据:如果物价指数持续上涨，存在35通货膨胀，中央银行就可以通过实施紧缩的货币政策使物价水平下降；如果物价指数持续下降，存在通货紧缩，中央银行就可以通过扩张的货币政策使物价水平恢复到正常水平。但是在出现了这种“倒挂”现象时，就无法简单的根据物价指数的变化来判断当前的经济情况，给作者简介：余品（1992-），男，湖北孝感人，暨南大学经济学院在读硕士研究生，研究方向是统计调查与数据分析通信联系人：刘建平（1951-），男，教授、博导，研究方向为统计调查与数据分析.E-mail:jianping_liu@163.com-1- 中国科技论文在线http://www.paper.edu.cn我国宏观经济政策的制定带来了挑战。因此，对CPI与PPI的相互关系进行研究，对于有效控制价格水平的波动和保持宏观经40济健康发展等方面将具有重要的现实意义。1文献回顾物价水平是经济研究的重点内容，CPI与PPI的相互关系国内外学者都做了大量的针对性研究。就通货膨胀的角度分析，成本推动型通货膨胀表现为由于原材料、人工成本等的上升，导致价格从上游传递到下游，即从PPI向CPI传导。[1]45Shahbaz（2010）研究了在像巴基斯坦这样的小型发展中的经济体CPI与PPI之间的因果关系。对二者的时间序列进行了协整和因果关系的检验，研究结果表明，CPI和PPI之间存在双向的因果关系，但是在反馈影响中，从PPI到CPI的影响要强于CPI到PPI的影响。[2]Wilmer、Edgar、Evelyn（2013）对哥伦比亚和其他一些国家的两个价格指数进行研究，发现了PPI领先于CPI，并且分析出PPI的变化要领先一个月甚至更多，这些研究显然有助[3]50于改善通货膨胀预测模型和货币当局的预测过程。陈钰（2011）在研究CPI与PPI关系的基础上，引入了企业商品价格指数、货币供应量（M2）等辅助性指标，使用因果检验后发现，PPI、M2、企业商品价格指数与CPI存在协整关系，并且得出结论,PPI适合作为CPI的先导指数。还有一部分学者认为，价格的传导是由需求拉动的，表现为上游价格拉动下游价格，也[4]55就是说CPI带动PPI变动。贺力平、樊纲等（2008）认为CPI与PPI是既有相同性又有独立性的两个指数，并且在理论上而言，CPI与PPI存在四种传导机制。在使用CPI与PPI阅读数据的基础上进行了格兰杰因果关系检验，发现了CPI是PPI的格兰杰原因，并且存在一至三个月的滞后期。这也说明，在CPI与PPI存在的四种传导机制中，需求因素起到了主导作用，也即CPI带动PPI变动。[5]60但是，也有部分研究发现CPI与PPI之间存在着更为复杂的关系。Selçuk（2011）研究后发现芬兰和法国的生产者价格指数到消费者价格指数之间存在单向因果关系，为PPI向CPI进行传导，但是德国的两个价格指数之间存在双向因果关系，即PPI与CPI相互传导。对荷兰和瑞典的CPI与PPI进行检验，却没有检测到显著的因果关系，即CPI与PPI之间不[6]存在因果关系。杨子晖、赵永亮等（2013）通过非线性的技术方法对我国以及其他几个国65家的PPI以及CPI进行了研究。发现我国的PPI与CPI之间存在非线性关系，并且表现为PPI起着主导作用。但是进行了非线性的动态传导机制分析后，发现也存在着CPI对PPI的反向非线性传导关系，这给通货膨胀的宏观调控带来了困难。当前的研究忽略了很重要的一个方面：价格指数通常是以同比指数或者定基指数为对象，当前的研究没有充分考虑季节因素的影响。本文采用的价格指数数据是月度数据，各个月份70的不同影响将充分体现。尤其是考虑到，我国存在着很多的重大传统节日，其对物价水平的影响是显而易见的，因此对价格指数进行季节调整将是十分必要的。本文采用最新的X-13-ARIMA-SEATS模型来对我国价格指数的月度时间序列进行季节调整，消除季节因素的干扰，并在此基础上研究二者的传导关系。-2- 中国科技论文在线http://www.paper.edu.cn2X-13-ARIMA-SEATS模型75X-13ARIMA-SEATS（简称X-13A-S）是在西班牙银行的支持下，由美国普查局开发的一种新程序，对目前的季节调整模型进行了优化和改进。X-13A-S在X-12-ARIMA方法和SEATS程序的基础上做了整合与改进，在建模进行数据处理时，用户可以自主选择使用X-11模块或SEATS模块来进行调整。X-12-ARIMA模型先通过ARIMA方法对需要调整的时间序列进行向前和向后预测以扩80展时间序列的长度，用以避免移动平均使数据长度减少的缺陷，再进行X-12处理过程。ARIMA方法的过程如下式：dΦΔ=+()(By)θΘ()Bu(1)tt0其中，y表示原始序列，Φ()B与Θ()B分别表示p阶、q阶的变量B的多项式。θ表t0dd示Δy过程的漂移项，Δy是指对y进行d次差分后是一个可逆的平稳的ARIMA过程。ttt85使整个模型包含季节性和非季节性部分的建模过程就是regARIMA模块过程，可以使时间序列向前和向后延伸，修正异常值以及日历效应。SEATS模块是以ARIMA模型为基础，把时间序列分解为趋势-循环因素、季节因素以及不规则因素。经过TRAMO模块，确定ARIMA模型，并得到SEATS模块的原始序列，其模型为：sdDs90φφ()()BBΔΔX=θθ()()BBac+（2）tsstrstX-13A-S季节调整模型是按照以下过程进行的：首先，使用regARIMA模型对原始时间序列进行预处理，以消除交易日效应、移动假日效应、离群值效应等，经过预处理后得到的时间序列还需要向两边进行预测；其次，对时间序列进行移动平均计算，分别得到趋势循环成分、季节性成分、不规则成分；最后，根据得到的调整后的时间序列，进行统计检验。95regARIMA模型形式如下：()SdS=ΘβLLSε（3）ϕφPPLLLL()(1−−−)(1)(Ytαβ−iXit)qQt()()其中，L是滞后算子，d是非季节性差分阶数，D是季节性差分阶数，s是季节周期（本s文采用月度数据，故s取值为12)；ϕp(L)代表非季节性p阶自回归算子，φp(L)代表季节性Ps阶自回归算子，βq(L)代表q阶移动平均算子，ΘQ(L)代表Q阶移动平均算子；Yt是原始序100列，Xit是回归变量，εt是白噪声过程。3实证分析3.1数据处理国家统计局会定期发布我国CPI与PPI的同比月度指数和环比月度指数，其中同比月度指数是本月度与上一年同期的数据进行比较后得到，环比月度指数是本月度与上一个月的数105据进行比较后得到。所以，经过与同期月度的数据的比较，同比月度指数已经排除了一部分季节性因素的干扰，环比月度指数则是不同月度数据的比较，并不能排除固定性的季节性因素的干扰。但是，同比月度指数和环比月度指数都不可避免的受到基期的特定的季节性因素的干扰，而且不能够反应CPI与PPI的累积变化，即价格指数的的变动趋势。因此，为了使-3- 中国科技论文在线http://www.paper.edu.cn数据能够更好的反映CPI与PPI的真实关系及走势，本文选取CPI与PPI的同比月度指数110（1996年10月至2015年12月）进行研究，并且，在同比月度数据的基础上换算成定基指数。换算公式如下：m11DTmn=∏in（4）i=1996m22DTmn=∏in（5）i=1996121其中，D表示CPI的月度定基指数，D表示PPI的月度定基指数，T表示CPI的mnmnin2115月度同比指数，T表示PPI月度同比指数，m、n分别表示年份和月份。定基指数可以直观in的反应CPI与PPI的变动趋势，更利于观察到CPI与PPI二者之间存在的相互关系。3.2CPI与PPI的季节调整本文选取目前已经十分成熟的X-13A-S模型对我国的CPI与PPI的月度定基指数进行季节调整，并考虑引入春节效应变量，将春节效应的影响期适当延长。春节放假时间一般为[7]120七天，节前有小年，节后有元宵节，因此将春节效应适当延长更加符合我国的实际情况。本文选择三种影响期的调整方法，如表1所示：表1春节效应影响期的调整方案节前（天）节中（天）节后（天）方案一777方案二14714方案三21721在表1中，以周为单位在春节前后延伸，分别形成三种方案。因此，得到三种不同的春节效应变量，默认选择SEATS模块进行处理，通过比较模型调整效果的统计量来决定选择125最合适的方案。CPI的调整效果如表2所示：表2三种不同方案下CPI的调整效果方案一方案二方案三AIC272276.3312.7BIC288.6292.9329.4Box-Ljung38.3134.8528.94Shapiro0.99470.99490.9926QS000在AIC、BIC、Box-Ljung三个检验统计量中，方案一均是调整效果的。在Shapiro（正态性）统计量中，方案一为0.9947，方案二为0.9949，二者区别不大，方案二效果稍好。因此，综合看来，在CPI的季节调整中，方案一的春节效应影响期设置最为合理。-4- 中国科技论文在线http://www.paper.edu.cn130PPI的调整效果见表3。从AIC、BIC、Shapiro（正态性）三个统计量来看，方案三的调整效果是最好的，Box-Ljung统计量显示方案二的效果是最好的。但是，PPI的调整效果不同于CPI的调整效果，CPI三个方案的调整效果差别较大，但是PPI三个方案的调整效果差别很小，说明春节效应对PPI的影响时期较短。因此，为了保持与CPI调整的一致性，对PPI的调整方法也同样采用方案一，且方案一的调整效果与其他方案的调整效果区别很小，135效果同样较好。表3三种不同方案PPI的调整效果方案一方案二方案三AIC585.9585.7585.6BIC612.3612.1612Box-Ljung41.0141.1140.79Shapiro0.97630.97680.977QS000采取方案一的方法，将春节效应的影响期设为春节前七天一直到春节后七天，将春节效应变量引入模型，对CPI与PPI进行季节调整。其调整后得到的序列如图1所示：140图1CPI与PPI季节调整序列走势图经过调整的CPI序列为finalCPI，经过调整的PPI序列为finalPPI。可以发现，经过调整的CPI与PPI序列更加的平滑，价格走势也更加精确，较短时间跨度内CPI与PPI也存在可比性，CPI与PPI的季节调整模型得到了较好的结果。CPI与PPI适用于乘法模型，并对其进行了对数变换。离群值的探测结果显示，CPI序145列中出现了一个异常值，PPI序列中出现了5个异常值，且PPI异常值种类较多。程序自动选择季节ARIMA模型阶数分别为（0,1,1）（0,1,1）、（1,1,0）（0,1,0）。引入春节效应变量的季节调整模型得到了更小的AIC与BIC值，其中CPI模型对应的AIC=272,BIC=288.6，PPI模型对应的AIC=585.9,,BIC=612.3。Box-Ljung统计量表明模型无拟合不足。CPI与PPI序列分别只有1个和5个异常值，异常值比例较低。在正态性检验中，统计量分别为0.9949、1500.9786，表明模型的残差具有高度的正态性。QS（noseasonalityinfinal）统计量也说明了模型的残差已经不存在季节性成分了，调整后的序列具有较好的性质。-5- 中国科技论文在线http://www.paper.edu.cn3.3趋势-循环因素的分解与传导关系对CPI与PPI的趋势-循环因素进行分解，可以得到趋势因素与循环因素，能够有利于观察到CPI与PPI内部之间的相互关系。在月度数据方面，BK滤波器有更加优秀的性能，155所以本文使用BK滤波器对CPI与PPI的趋势循环因素进行分解。CPI与PPI的趋势成分走势如图2所示，二者的走势大体相同。对CPI与PPI的趋势成分进行相关性分析，计算出二者的相关系数为0.97，表明了二者存在很强的相关性。更进一步，对CPI与PPI趋势成分进行了协整检验，结果说明了二者之间存在稳定的协整关系。这说明了在趋势成分中，CPI与PPI关系紧密，互相影响，二者是相互带动的。从长期来看，160不存在CPI占主导作用或者PPI占主导作用，二者的关系与经济发展的内在机制相关，而不受需求冲击、供给冲击的干扰。图2CPI与PPI趋势成分走势图CPI与PPI的循环因素走势如图3所示，二者波动幅度较大，既有上升也有下降。在前165半部分中，二者基本上保持同步变动，CPI与PPI的水平接近，且变动方向基本一致。在后半部分中，二者的变动趋势有着较大的差异，CPI与PPI波动的振幅变大，且PPI的变动速度、变动幅度均超过了CPI。对CPI于PPI循环成分整体进行相关性分析，计算得到相关系数为0.80，存在较强的相关性，主要原因是CPI与PPI的变动趋势非常接近。CPI与PPI的循环因素体现了CPI与PPI的相对独立性，但是可以发现，在后半段，PPI的变动总是领先170于CPI的变动，且CPI的变动幅度小于PPI的变动幅度，进一步说明了是PPI在带动着CPI。图3CPI与PPI循环成分走势图-6- 中国科技论文在线http://www.paper.edu.cn4结论4.1CPI与PPI的相互关系是复杂的、变动的175在CPI与PPI的趋势成分走势图中，可以看到二者是互相带动的，呈现一致性，既有CPI带动PPI，也有PPI带动CPI。在CPI与PPI的循环成分走势图中发现了PPI的变动要领先于CPI，且CPI的变动幅度较小，这是因为我国是投资驱动的经济增长模式，在此条件下，宏观经济调控首先起作用在于在我国的工业企业。因此，CPI与PPI是相互带动的，而且也有其独立的传导，且传导的具体机制是变动的，是由经济主体当前的经济形势所决定的。180目前，很多学者发现在不同的国家，CPI与PPI的传导机制是不同的，CPI和PPI在一段时期内，PPI起着主导作用或者CPI起着主导作用。PPI与CPI的传导路径是现实存在的，在不同的经济因素影响下，有着不同的传导路径，在一段时间内发现其一起着主要作用，这是二者在此期间相互传导综合的一个结果。这也充分说明了CPI与PPI二者之间存在多种传导机制，根据不同的经济条件在发生变化。1854.2经济周期导致了“倒挂”现象首先，CPI与PPI的原始序列经过了季节调整后得到的趋势-循环因素，已经剔除了季节因素、不规则因素，但是基本走势与原始序列相同，“倒挂”现象依然存在。其次，对CPI与PPI的趋势-循环因素进行滤波处理后，趋势成分中已经不存在“倒挂”现象了，但是在循环成分中发现了二者较为不同的变动趋势。CPI与PPI的循环因素是导致“倒挂”现象的结构190性原因。2008年和2015年出现的“倒挂”现象分别对应着全球的经济冲击以及国内的扩张的宏观经济政策。正是这种巨大的经济冲击，破坏了我国经济市场的原有内在机制，导致经济出现剧烈的变动，经济周期产生波动，出现了“倒挂”现象。[参考文献](References)[1]Shahbaz,M.,Wahid,A.N.M.,HaiderA.,"Empiricalpsychologybetweenwholesalepriceandconsumerprice195indices:thecaseofPakistan"[J].TheSingaporeEconomicReview,2010,55(3):78-86．[2]WilmerO.MartinezR.,EdgarCaicedoG,EvelynJ.Tique,"ExploringtheRelationshipbetweentheCPIandthePPI:TheColombianCase"[J].InternationalJournalofBusinessandManagement,2013,17(8):142-152.[3]陈钰.PPI、企业商品价格指数、M2与CPI之间关系研究[J].辽宁大学学报(哲学社会科学版)，2011，(03):97-103.200[4]贺力平,樊纲,胡嘉妮.消费者价格指数与生产者价格指数:谁带动谁?[J].经济研究，2008，(11):16-26.103.[5]SelçukAKÇAY,"TheCausalRelationshipbetweenProducerPriceIndexandConsumerPriceIndex:EmpiricalEvidencefromSelectedEuropeanCountries"[J].InternationalJournalofEconomicsandFinance,2011,6(3):227-231.[6]杨子晖,赵永亮,柳建华.CPI与PPI传导机制的非线性研究:正向传导还是反向倒逼?[J].经济研究，2013，205(03):83-95.[7]贺凤羊,刘建平.如何对中国CPI进行季节调整——基于X-12-ARIMA方法的改进[J].数量经济技术经济研究，2011，(05):110-124.-7-'