本文利用建立在状态空间基础上的时变参数模型这一理论工具,来研究我国近十年来宏观经济的一些变化特征,主要从消费需求端和生产供给端展开。其中,消费需求端以居民消费价格指数作为研究的突破口,生产供给端以工业生产者物价指数作为研究的突破口。宏观经济的研究范畴主要涉及经济如何更好更快增长,如何有效防止通货膨胀,如何保持国际收支平衡以及如何降低失业率。第一个和第四个目标容易统一,但和第二个目标存在矛盾,而这一切都可以归结为总供给总需求的结构失衡问题。我们知道总需求主要依靠投资、消费和出口这三驾马车,目前我国的经济发展主要依靠的是以政府为主导的投资型经济,但这种投资型的经济发展模式容易形成投资产业链的内部循环,因为难以向终端消费传导,容易造成产能过剩危机。再说出口,自改革开放以来,我国出口贸易规模不断增强,但到目前为止占据主导地位的依旧是轻工制造业和资源性行业,高端制造和高附加值的技术装备目前还主要依靠政府向国际市场推广期,正处于初级阶段,例如我国最新发展的高铁技术经济。考虑到后金融时代,各国经济都遭受不同程度重创,“欧债危机”重灾区“欧猪五国”主要都集中在高度依赖出口贸易和旅游服务的外向型经济国家,所以出口型导向的经济发展模式容易受外界经济环境掌控,不利于一国经济长远发展。要想从根本上实现我国经济转型,改善总需求,就必须要激活内需升级居民的消费结构。居民消费结构的升级必须配以产业结构的升级,产业结构升级又以工业结构升级为核心,只有实现工业供给与消费需求的同步升级,才能更好地实现总供给与总需求的结构性对接,促进经济良性发展,改善就业。本文从消费端通过解构CPI来探究居民消费内部权重分布的时间变化特征；从生产端通过解构PPI来探究工业生产内部权重分布的时间变化特征。消费者物价指数作为反映一段时期内物价消费水平的变动趋势和程度,其外延和内涵意义远不止这些。本文通过分解CPI与八大类的构成关系得到了食品、烟酒及用品、衣着、家庭设备用品及服务、医疗保健和个人用品、交通和通信、娱乐教育文化和居住八项消费支出的权重分布情况,从整体上考察了我国居民消费特征的演化路径,从而发现哪些消费行业未来增长潜力较大,哪些消费行业需要决策部门加大政策倾斜力度,哪些消费行业需要深化改革力度。本文通过分解CPI与城乡居民两大类的构成关系得到了城市居民和农村居民的消费支出权重,据此考察目前我国城乡经济发展二元化的收敛情况。因为改善内需其中一个重要环节就是农村消费市场,所以只有改善城乡经济二元化,才能更好地实现共同富裕、盘活农村地区消费更好拉动内需。生产者物价指数主要包括工业生产者出厂价格指数和工业生产者购进价格指数,本文选用工业生产者出厂价格指数PPI,通过解析PPI与轻重工业品出厂价格指数,得到轻工业和重工业在工业产出盘子中各自占有的权重,从宏观上考察了我国轻重工业的整体分布状况。据此基础上,进一步的解析重工业品出厂价格指数ZPPI与采掘、原料、加工之间的构成关系,得到采掘、原料、加工这一产业链上游、中游、下游端各自的工业产出权重分布。考虑到轻工业品直接与终端消费相联接,所以本文也对轻工业的内部特征进行了剖析,据此考察了轻工业内部非农原料轻工业和农产品原料轻工业的权重分布特征。总而言之,本文通过横向维度和纵向维度的视角,挖掘CPI和PPI指数的内部权重,据此探析我国居民消费需求和工业整体面貌的结构演化路径,从而提出一些适当政策建议,供决策部门更好地做出产业统筹规划,促进生产供给和消费需求的升级转型与有效对接。有了研究视角和研究目的后,选用什么样的理论工具至关重要。新世纪以来,伴随着各种经济、社会、自然、政治、体育事件等冲击,我国的经济面貌在不断发生深刻变化,经济规模总量和结构特征不端呈现时序性特征。传统的固定参数模型在考察期比较短且经济结构特征比较稳定时,能起到一定的分析作用。但是当考察期较长,尤其是十年以上时,这种固定参数形式的模型只能当成一种平均意义上的回归分析,难以较准确刻画经济运动的轨迹。所以本文尝试引入一种新的计量方法：时变权重性质的计量模型。权重具有时间波动特征的计量模型涉及两种,第一种时变权重TVP(Time-Varying Parameters)模型,不考虑残差的自回归条件异方差(Autoregressive conditionalheteroscedasticity)特征；另一种假定误差项的方差-协方差也是时变的(stochastic volatihity),简称TVP-SV,本文选甩第一种作为分析的理论框架。通俗地讲,当存在某一个变量,它是随时间而变化的,一般而言,该变量的真实值我们无法得到,但我们往往能得到该变量经过某个黑箱之后的观测值。具备这种特征的变量(即后文所述的状态变量),我们就能够使用卡尔曼滤波系统为其建模。由于本文选用的时变权重模型属于对时变性质系统建模,所以卡尔曼滤波技术必不可少。这里,我们对卡尔曼滤波作一个通俗的解释,具体的理论推导见下文所述。卡尔曼滤波本质上是对一个观测不到的状态变量St进行建模,虽然我们观测不到该状态变量,但我们如果知道该状态变量的演进形式,即下文所说的状态方程,另外如果还知道该状态变量在经过某个黑箱(即下文所说的量测方程)后,我们能够得到该状态变量的一个观测值。通过一定的估计方法,如卡尔曼滤波结合似然估计算法或者马尔科夫链蒙特卡罗算法(MCMC),可以获得量测方程和状态方程的参数估计。一旦我们输入一个状态变量的初值S1,通过不断的滤波,就获得了所有时期观测不到的状态变量取值。这种技术和思想在经济学上获得了巨大应用,因为经济学上有许多经济变量例如产出缺口、预期利率、自然失业率等无法直接观测到的,这样便可借助卡尔曼滤波技术解决。上面简要说明了本文的研究逻辑和核心思想,另外在布局上本文主要分为四大部分。第一部分前言用来交待选题背景和动机,还有国内外相关学者文献评述。第二部分模型理论框架主要阐述时变性质权重模型的建立形式和相关参数假设设定,并且就其中实现的核心算法卡尔曼滤波进行了详细的推导和演算,同时简要说明了最大似然估计原理。第三部分是本文的实证分析部分,分别从两个维度进行展开,其中对居民的消费结构研究CPI与八大基本类,CPI与城乡两大类是以平行维度演绎的；对工业生产结构研究PPI与轻重工业、重工业PPI与采掘、原料、加工,轻工业QPPI与农、非农产品原料轻工是以纵向维度演绎的。第四部分是结论和建议,主要就本文实证检验后的结果做一个高度总结,并进行适当数据挖掘提出一些针对性政策建议。最后是本文涉及引用到的一些参考文献、后记及致谢词。