论文部分内容阅读
摘要 基于2000年1月至2009年12月的月度数据，采用结构模型实证分析了我国CPI波动的源泉，研究发现：我国CPI的波动是多种因素综合影响的结果，关键因素是货币因素、外部输入性成本推动因素，货币因素对CPI影响的时滞非常明显。同时，对我国CPI走势进行了预测，得出：如果仅从货币因素和外部输入性成本推动因素来看，我国面临高通胀威胁；但在统计意义上，房地产等资产领域的分流作用极大降低了通货膨胀的压力。文末，基于实证结果讨论了相应的政策启示。
关键词 CPI；结构模型；ARIMA模型
中图分类号F822.5；Ｆ２０１ ［文献标识码］ Ａ文章编号１６７３－０４６１（２０11）01－００46－０4
一、引言
随着我国宏观经济见底企稳和后金融危机时代的到来，我国经济刺激政策和金融政策正在逐步谋求转向。CPI（消费者价格指数）的变化趋势是我国政府进行经济政策决策时，尤其是作出利率、汇率政策选择时需要考虑的首要问题。那么，我国CPI波动的影响因素有哪些？其影响CPI波动的程度如何？未来CPI走势将呈现什么特点？对这些问题进行深入研究，不仅有助于加深对我国CPI波动背后原因的理解，对于当前我国经济政策的制定也具有重要理论价值和实践意义。
从经济学理论来看，CPI作为观察通货膨胀水平的重要指标，受到货币供应量、需求拉动、成本推动等因素的影响。根据货币数量说，CPI与货币供给呈正相关关系；根据成本推动型通货膨胀理论，上游产品价格的上涨引起下游产品价格的上涨，即PPI和CPI都上涨，且二者的上涨存在一定时滞；根据需求拉动型通货膨胀理论，社会总需求超过社会总供给时，将导致CPI上涨。需要指出的是，在实际经济生活中，上述因素往往会同时存在，只是在不同时期，不同因素作用的大小不同。
在对我国CPI波动影响因素的实证研究中，方芳、熊德斌主要研究了房地产价格、货币供应量和社会零售商品总额对我国CPI的影响，但由于只采用了2007年～2008年的月度数据进行实证，样本容量过小使得结论的精确性存在局限。鞠守勇、周楠实证发现人民币名义有效汇率变动对CPI具有传递效应，汇率每增长1个百分点会带动消费者价格指数下降0.623个百分点，但只研究了汇率一个因素对CPI的影响。张海波、徐慧使用1991年～2007年的年度数据进行岭回归，发现国内生产总值GDP、货币供应量M2、人均收入、外汇储备均与居民消费价格指数CPI 成正相关关系，然而，由于采用年度数据建模熨平了变量的短期波动，导致对CPI的波动机制缺乏细致的刻画。为此，本文借鉴上述研究的基础上，将内需因素、货币供给因素、外部输入性成本推动因素、国内资产价格因素、汇率因素纳入研究框架，构建结构模型，采用2000年1 月～2009 年12 月的数据，实证考察这些因素对我国CPI波动的动态影响，对我国CPI未来的趋势做出预测，并讨论相应的政策启示。此外，本文的特点还在于：一是考虑到国际石油价格对我国CPI的可能影响，将油价纳入了模型的分析；二是为了更全面的描述国内资产价格因素的影响，将上证收盘A股综合指数纳入了国内资产价格的因素指标；三是采用十年月度数据，有效避免了样本不足带来的检验势损失。
二、CPI结构模型的建立
（一）指标选择
本文采用GDP作为国内需求因素指标，M2、M1、新增信贷规模作为国内货币供给因素的指标，国际原油期货价格作为大宗商品价格的外部输入性成本推动因素指标，房地产价格指数、上证A股综合指数作为国内资产价格的因素指标，人民币对美元期末汇率（当月加权值）作为汇率因素指标。通过运用上述5项因素8项指标，分别反映内需因素、货币供给因素、成本输入因素、国内资产价格因素、汇率因素等对我国CPI的影响。
（二）模型形式及数据说明
通过采用对数模型、双对数模型、线性模型、指数模型分别进行拟合，可以得出线性模型的解释变量显著性最佳。因此本文选择线性模型作为结构模型形式：Y=α0+α1X1+α2X2+α3X3+α4X4+α5X5+
α6X6+α7X7。
变量说明如下：
Y：CPI：居民消费价格指数（上年=100）；
X1：GDP：由于国家统计局对GDP只进行季度统计，月度数据只能通过“频率转换”获得，但是，转换后得到的数据存在较多突变点，与我国经济一直保持较稳定增长的现实情况不符。为了避免增加建模误差，选用工业增加值率月度数据进行替代；
X2：货币发行量：采用货币M2同比增速（单位：%）；
X3：信贷规模：采用金融机构各项贷款（人民币）同比增量（单位：亿元）；
X4：国际石油价格：采用美原油连（CONC）月度收盘价；
X5：汇率：美元期末汇率（当月数）（人民币/美元）；
X6：房地产价格：采用房地产销售价格指数（上年=100）；
X7：股票价格：采用上证收盘A股综合指数。
所有变量均采用2000年1月～2009年12月的月度数据，数据来源为北大CCER数据库、中经统计数据库、WIND数据库。
（三）模型解释变量剔除过程及总体效果比较
模型变量剔除和模型建立大致分为四个阶段：第一阶段：利用线性模型进行解释变量剔除。先将全部指标纳入拟合，再根据变量的显著情况逐步剔除非显著变量，得出对模型总体解释效果最优的解释变量：M2同比增速、信贷规模同比增量、原油期货价格。同时加入AR（1）项，消除自相关问题。第二阶段：在代表货币因素的两个解释变量中，采取滞后3期、6期、10期、12期、14期指标逐步拟合，得出模型总体效果最好的关键指标滞后期数：M2同比增速滞后12期、信贷规模同比增量滞后14期。第三阶段：选择最优模型形式。将前3个阶段确定的关键指标（含滞后期数），通过对数模型、双对数模型、线性模型、指数模型分别进行拟合，确定最优模型形式，形成结构预测模型。
从表1中可以得出，结合模型总体效果和变量显著情况两个方面来看，指数模型和线性模型更好。为了选出最优模型，我们将指数模型和线性模型各解释变量的t统计量Prob值列于表2作一比较。
从表2中可以直观看出，线性模型的解释变量显著性更优，因此，本文选择CPI=95.80461+
0.159558（M2同比增速滞后12期）＋9.08E05（信贷同比增量滞后14期）+0.026255（原油期货价格指数）+0.953132AR（1）作为我国CPI结构模型。
（四）实证结果分析
第一，我国CPI的波动是多种因素综合影响的结果。当采用GDP、M2、M1、新增信贷规模、原油期货价格、房地产价格指数、上证收盘A股综合指数、汇率作为解释变量，进行结构模型拟合时，R2最大，模型的拟合优度最好，这表明CPI波动是多种因素影响的结果。
第二，我国通货膨胀主要是货币推动型，同时伴有输入型通货膨胀的特征。从结构模型的变量显著性来看，影响我国CPI的关键变量是信贷、M2、国际石油价格。其中，对我国CPI影响最大的是信贷同比增量，其次是M2同比增速，再次是国际石油价格。信贷、M2对CPI的影响比国际石油价格的影响大，这说明我国通货膨胀主要是货币推动型。此外，GDP对我国CPI的影响远不如国际石油价格显著，这说明外部输入性成本推动型通胀因素比内部需求拉动型通胀因素表现强。在经济快速增长过程中，我国对原材料、矿石、石油的对外依存度迅速增加，输入型通货膨胀给我国经济稳定发展所带来的风险不可忽视。
第三，可以直观看出，货币因素对于物价水平影响的时滞非常明显，两个代表货币因素的解释变量对CPI的显著影响分别发生在12期和14期后。2008年金融危机爆发后，我国推出了4万亿经济刺激计划，2009年信贷投放近10万亿元，M2增速达到了29.42%，但2009年2月～10月我国CPI持续9个月为负值。改革开放以来，我国金融机构迅速增加，金融交易品种不断丰富，金融衍生产品不断发展，金融资产迅速增加，2010年仅银行业金融机构总资产就已突破90万亿元。当越来越多的货币被以指数级数增长的金融虚拟经济所吸附时，当越来越多的货币流向我国这样的低要素国家形成产能时，货币因素对于我国实体经济价格影响的时滞越来越长。
三、我国CPI未来走势预测
（一）解释变量的预测
伯克斯—詹金斯（Box-Jenkins，1970）提出了时间序列分析方法，这种建模方法不考虑以经济理论为依据的解释变量的作用，而是依据变量本身的变化规律，利用外推机制描述时间序列的变化。本文依据这一方法，对CPI结构模型中的M2同比增速、信贷同比增量、原油期货价格3个解释变量分别建立时间序列ARIMA模型（见表3）。
在利用ARIMA模型进行预测时，有两种方法：一是静态模拟预测方法，该方法使用所有滞后变量的实际发生值；二是动态模拟预测方法，对发生在第一个预测期之前的变量滞后值使用其历史数据，对随后的值则使用模型本身的预测值进行模拟，可以给出真正的多时期预测。因此，我们采用动态预测方法。根据以上M2同比增速、信贷同比增量、原油价格指数的时间序列ARIMA模型，可以得到这三个解释变量的预测值。
（二）我国CPI的预测结果
基于以上解释变量的预测值，利用已建立的CPI结构模型可以得到我国CPI的预测值。在建立CPI结构模型时，房地产价格指数由于不显著而被剔除，因此，缺乏国内资产价格领域对我国CPI波动的解释。为了进行比较，我们补充房地产价格指数作为解释变量，进行了补充预测。此外，为了反映时间因素对CPI波动的影响，我们又建立了CPI的时间序列ARIMA模型进行补充预测。预测结果如表4所示（预测月度数据，按季度统计）。
（三）预测结果分析
第一，仅从货币因素和外部输入性成本推动因素来看，我国面临高通胀威胁。当采取结构模型进行预测时，我国CPI的预测值2010年6月上涨6.2%、9月上涨8.1%，这一预测结果与实际公布数据相比显著偏高，主要原因是：结构模型重点体现了货币因素和外部输入性成本推动因素两大关键因素导致的CPI波动，而对其他因素的影响有所忽略。
第二，货币大规模流向资产领域对物价有显著的抑制作用。补充房地产价格因素进行预测时，我国CPI的预测值2010年6月上涨2.2%、9月上涨1.9%，CPI的预测值大幅下降。从实际情况来看，2009年货币供给引发的价格上涨在消费品领域没有立即显现出来，而在资产领域表现十分明显：上证指数从2008年10月的1，664点一路攀升至2009年8月的3，478点，一年上涨108.9%；房地产销售价格指数从2008年2月的102上升至2009年12月的115.2，全国房地产销售价格指数平均上涨13.2%，新建商品房成交价格上涨近24%。这表明庞大的货币供应大规模流向资产领域，导致资产价格膨胀，而在居民消费物价领域表现相对不明显，对物价有显著的抑制作用。
第三，国家统计机构公布的CPI具有很强的时间惯性。当采用ARIMA模型进行预测时，我国CPI的预测值2010年6月上涨2.9%、9月上涨3.2%，与国家统计机构的实际公布数据几乎一致，这表明CPI受到统计指标的构成因素影响，惯性作用很强。
综合起来看，未来几年，由于复杂的原因，我国CPI的实际公布数据可能会与人们的实际生活感受有很大不同，通货膨胀的威胁主要在资产领域而不在消费领域。
四、结论与政策启示
通过采用2000年1月～2009年12月的月度数据建立结构模型，本文实证考察了我国CPI波动的源泉，通过研究得到以下结论：我国CPI的波动是多种因素综合影响的结果；我国通货膨胀主要是货币推动型，同时伴有输入型通货膨胀的特征；货币因素对CPI的影响具有非常明显的时滞性，其中，M2的影响滞后12个月，信贷规模的影响滞后14个月。本文进而使用结构模型对我国CPI的趋势进行了预测，并与补充房地产价格因素预测的结果和建立ARIMA模型预测的结果进行了比较分析。研究发现，如果仅从货币因素和外部输入性成本推动因素来看，我国面临高通胀威胁。但在统计意义上，房地产等资产领域的分流作用极大降低了通货膨胀的压力。我国不仅要警惕表现在消费领域的通货膨胀，而且要重视由“通胀预期”引发的反映在资产领域的资产泡沫。
基于上述实证结果，可以讨论以下政策启示：未来几年，我国货币政策将逐步趋紧，经济刺激政策将逐步淡化和退出，力求在保持平稳较快增长、推动结构调整和控制通胀预期三者之间寻求平衡。金融政策的制定和实施将围绕“抑制资产泡沫、防治通货膨胀”这一主线，重点针对房地产投机和资产泡沫，实施以“比例控制”、“差别化利率政策”为重点的“渐进式”金融紧缩政策。预计未来几年，我国货币政策将逐步由数量调控向价格调控转变，但数量调控仍然是主要的调控手段。但由于我国宏观经济政策受有管理的浮动汇率体制和大规模基础设施投资的制约，金融政策工具调整的幅度和频度都不会太大。
[参考文献]
[1] 方芳，熊德斌.基于多元回归模型CPI上涨因素分析——以2007-2008数据为例[J].现代商业，2009（9）:189-190.
[2] 鞠守勇，周 楠.人民币汇率变动影响中国CPI的实证分析[J].经济与管理，2009（4）:67-70.
[3] 张海波，徐 慧.我国CPI 波动的影响因素分析[J].统计与决策，2009（10）:86-88.
[4] 蒋佐斌，谢双琴，张欢.ARIMA模型在银行贷款规模预测中的应用[J].金融与经济，2010（7）: 13-15.
[5] 张晓峒.应用数量经济学[M].北京：机械工业出版社，2009:67-71.
The Sources of China’s CPI Fluctuations and Prediction
of CPI’s Tendency:An Empirical Study Based on Structural Model
Kuang Wangfan 1,Shi Jiahui 2
（1.Graduate School, Chinese Academy of Social Sciences，Beijing 100102,China；2. State Development & Investment Corp., Beijing 100034，China)
Abstract: This paper applies structural model to analyze the sources of China’s CPI fluctuations based on monthly data from January of 2000 to December of 2009. The empirical results show that China’s CPI is influenced by several factors comprehensively; the key factors include monetary factor and cost-push input externally; and the time lags of monetary factor on CPI are obvious. Furthermore, this paper forecasts the tendency of China’s CPI. The empirical results show that China is confronted with the threat of serious inflation if monetary factor and cost-push input externally factor are taken into account only; however, in the statistical sense, shunt effect of assets field such as real-estate reduces the pressure of inflation greatly. Finally, this paper discusses the policy enlightenment based on the empirical results.
Key words: CPI；Structural Model；ARIMA model
（责任编辑：张改兰）
关键词 CPI；结构模型；ARIMA模型
中图分类号F822.5；Ｆ２０１ ［文献标识码］ Ａ文章编号１６７３－０４６１（２０11）01－００46－０4
一、引言
随着我国宏观经济见底企稳和后金融危机时代的到来，我国经济刺激政策和金融政策正在逐步谋求转向。CPI（消费者价格指数）的变化趋势是我国政府进行经济政策决策时，尤其是作出利率、汇率政策选择时需要考虑的首要问题。那么，我国CPI波动的影响因素有哪些？其影响CPI波动的程度如何？未来CPI走势将呈现什么特点？对这些问题进行深入研究，不仅有助于加深对我国CPI波动背后原因的理解，对于当前我国经济政策的制定也具有重要理论价值和实践意义。
从经济学理论来看，CPI作为观察通货膨胀水平的重要指标，受到货币供应量、需求拉动、成本推动等因素的影响。根据货币数量说，CPI与货币供给呈正相关关系；根据成本推动型通货膨胀理论，上游产品价格的上涨引起下游产品价格的上涨，即PPI和CPI都上涨，且二者的上涨存在一定时滞；根据需求拉动型通货膨胀理论，社会总需求超过社会总供给时，将导致CPI上涨。需要指出的是，在实际经济生活中，上述因素往往会同时存在，只是在不同时期，不同因素作用的大小不同。
在对我国CPI波动影响因素的实证研究中，方芳、熊德斌主要研究了房地产价格、货币供应量和社会零售商品总额对我国CPI的影响，但由于只采用了2007年～2008年的月度数据进行实证，样本容量过小使得结论的精确性存在局限。鞠守勇、周楠实证发现人民币名义有效汇率变动对CPI具有传递效应，汇率每增长1个百分点会带动消费者价格指数下降0.623个百分点，但只研究了汇率一个因素对CPI的影响。张海波、徐慧使用1991年～2007年的年度数据进行岭回归，发现国内生产总值GDP、货币供应量M2、人均收入、外汇储备均与居民消费价格指数CPI 成正相关关系，然而，由于采用年度数据建模熨平了变量的短期波动，导致对CPI的波动机制缺乏细致的刻画。为此，本文借鉴上述研究的基础上，将内需因素、货币供给因素、外部输入性成本推动因素、国内资产价格因素、汇率因素纳入研究框架，构建结构模型，采用2000年1 月～2009 年12 月的数据，实证考察这些因素对我国CPI波动的动态影响，对我国CPI未来的趋势做出预测，并讨论相应的政策启示。此外，本文的特点还在于：一是考虑到国际石油价格对我国CPI的可能影响，将油价纳入了模型的分析；二是为了更全面的描述国内资产价格因素的影响，将上证收盘A股综合指数纳入了国内资产价格的因素指标；三是采用十年月度数据，有效避免了样本不足带来的检验势损失。
二、CPI结构模型的建立
（一）指标选择
本文采用GDP作为国内需求因素指标，M2、M1、新增信贷规模作为国内货币供给因素的指标，国际原油期货价格作为大宗商品价格的外部输入性成本推动因素指标，房地产价格指数、上证A股综合指数作为国内资产价格的因素指标，人民币对美元期末汇率（当月加权值）作为汇率因素指标。通过运用上述5项因素8项指标，分别反映内需因素、货币供给因素、成本输入因素、国内资产价格因素、汇率因素等对我国CPI的影响。
（二）模型形式及数据说明
通过采用对数模型、双对数模型、线性模型、指数模型分别进行拟合，可以得出线性模型的解释变量显著性最佳。因此本文选择线性模型作为结构模型形式：Y=α0+α1X1+α2X2+α3X3+α4X4+α5X5+
α6X6+α7X7。
变量说明如下：
Y：CPI：居民消费价格指数（上年=100）；
X1：GDP：由于国家统计局对GDP只进行季度统计，月度数据只能通过“频率转换”获得，但是，转换后得到的数据存在较多突变点，与我国经济一直保持较稳定增长的现实情况不符。为了避免增加建模误差，选用工业增加值率月度数据进行替代；
X2：货币发行量：采用货币M2同比增速（单位：%）；
X3：信贷规模：采用金融机构各项贷款（人民币）同比增量（单位：亿元）；
X4：国际石油价格：采用美原油连（CONC）月度收盘价；
X5：汇率：美元期末汇率（当月数）（人民币/美元）；
X6：房地产价格：采用房地产销售价格指数（上年=100）；
X7：股票价格：采用上证收盘A股综合指数。
所有变量均采用2000年1月～2009年12月的月度数据，数据来源为北大CCER数据库、中经统计数据库、WIND数据库。
（三）模型解释变量剔除过程及总体效果比较
模型变量剔除和模型建立大致分为四个阶段：第一阶段：利用线性模型进行解释变量剔除。先将全部指标纳入拟合，再根据变量的显著情况逐步剔除非显著变量，得出对模型总体解释效果最优的解释变量：M2同比增速、信贷规模同比增量、原油期货价格。同时加入AR（1）项，消除自相关问题。第二阶段：在代表货币因素的两个解释变量中，采取滞后3期、6期、10期、12期、14期指标逐步拟合，得出模型总体效果最好的关键指标滞后期数：M2同比增速滞后12期、信贷规模同比增量滞后14期。第三阶段：选择最优模型形式。将前3个阶段确定的关键指标（含滞后期数），通过对数模型、双对数模型、线性模型、指数模型分别进行拟合，确定最优模型形式，形成结构预测模型。
从表1中可以得出，结合模型总体效果和变量显著情况两个方面来看，指数模型和线性模型更好。为了选出最优模型，我们将指数模型和线性模型各解释变量的t统计量Prob值列于表2作一比较。
从表2中可以直观看出，线性模型的解释变量显著性更优，因此，本文选择CPI=95.80461+
0.159558（M2同比增速滞后12期）＋9.08E05（信贷同比增量滞后14期）+0.026255（原油期货价格指数）+0.953132AR（1）作为我国CPI结构模型。
（四）实证结果分析
第一，我国CPI的波动是多种因素综合影响的结果。当采用GDP、M2、M1、新增信贷规模、原油期货价格、房地产价格指数、上证收盘A股综合指数、汇率作为解释变量，进行结构模型拟合时，R2最大，模型的拟合优度最好，这表明CPI波动是多种因素影响的结果。
第二，我国通货膨胀主要是货币推动型，同时伴有输入型通货膨胀的特征。从结构模型的变量显著性来看，影响我国CPI的关键变量是信贷、M2、国际石油价格。其中，对我国CPI影响最大的是信贷同比增量，其次是M2同比增速，再次是国际石油价格。信贷、M2对CPI的影响比国际石油价格的影响大，这说明我国通货膨胀主要是货币推动型。此外，GDP对我国CPI的影响远不如国际石油价格显著，这说明外部输入性成本推动型通胀因素比内部需求拉动型通胀因素表现强。在经济快速增长过程中，我国对原材料、矿石、石油的对外依存度迅速增加，输入型通货膨胀给我国经济稳定发展所带来的风险不可忽视。
第三，可以直观看出，货币因素对于物价水平影响的时滞非常明显，两个代表货币因素的解释变量对CPI的显著影响分别发生在12期和14期后。2008年金融危机爆发后，我国推出了4万亿经济刺激计划，2009年信贷投放近10万亿元，M2增速达到了29.42%，但2009年2月～10月我国CPI持续9个月为负值。改革开放以来，我国金融机构迅速增加，金融交易品种不断丰富，金融衍生产品不断发展，金融资产迅速增加，2010年仅银行业金融机构总资产就已突破90万亿元。当越来越多的货币被以指数级数增长的金融虚拟经济所吸附时，当越来越多的货币流向我国这样的低要素国家形成产能时，货币因素对于我国实体经济价格影响的时滞越来越长。
三、我国CPI未来走势预测
（一）解释变量的预测
伯克斯—詹金斯（Box-Jenkins，1970）提出了时间序列分析方法，这种建模方法不考虑以经济理论为依据的解释变量的作用，而是依据变量本身的变化规律，利用外推机制描述时间序列的变化。本文依据这一方法，对CPI结构模型中的M2同比增速、信贷同比增量、原油期货价格3个解释变量分别建立时间序列ARIMA模型（见表3）。
在利用ARIMA模型进行预测时，有两种方法：一是静态模拟预测方法，该方法使用所有滞后变量的实际发生值；二是动态模拟预测方法，对发生在第一个预测期之前的变量滞后值使用其历史数据，对随后的值则使用模型本身的预测值进行模拟，可以给出真正的多时期预测。因此，我们采用动态预测方法。根据以上M2同比增速、信贷同比增量、原油价格指数的时间序列ARIMA模型，可以得到这三个解释变量的预测值。
（二）我国CPI的预测结果
基于以上解释变量的预测值，利用已建立的CPI结构模型可以得到我国CPI的预测值。在建立CPI结构模型时，房地产价格指数由于不显著而被剔除，因此，缺乏国内资产价格领域对我国CPI波动的解释。为了进行比较，我们补充房地产价格指数作为解释变量，进行了补充预测。此外，为了反映时间因素对CPI波动的影响，我们又建立了CPI的时间序列ARIMA模型进行补充预测。预测结果如表4所示（预测月度数据，按季度统计）。
（三）预测结果分析
第一，仅从货币因素和外部输入性成本推动因素来看，我国面临高通胀威胁。当采取结构模型进行预测时，我国CPI的预测值2010年6月上涨6.2%、9月上涨8.1%，这一预测结果与实际公布数据相比显著偏高，主要原因是：结构模型重点体现了货币因素和外部输入性成本推动因素两大关键因素导致的CPI波动，而对其他因素的影响有所忽略。
第二，货币大规模流向资产领域对物价有显著的抑制作用。补充房地产价格因素进行预测时，我国CPI的预测值2010年6月上涨2.2%、9月上涨1.9%，CPI的预测值大幅下降。从实际情况来看，2009年货币供给引发的价格上涨在消费品领域没有立即显现出来，而在资产领域表现十分明显：上证指数从2008年10月的1，664点一路攀升至2009年8月的3，478点，一年上涨108.9%；房地产销售价格指数从2008年2月的102上升至2009年12月的115.2，全国房地产销售价格指数平均上涨13.2%，新建商品房成交价格上涨近24%。这表明庞大的货币供应大规模流向资产领域，导致资产价格膨胀，而在居民消费物价领域表现相对不明显，对物价有显著的抑制作用。
第三，国家统计机构公布的CPI具有很强的时间惯性。当采用ARIMA模型进行预测时，我国CPI的预测值2010年6月上涨2.9%、9月上涨3.2%，与国家统计机构的实际公布数据几乎一致，这表明CPI受到统计指标的构成因素影响，惯性作用很强。
综合起来看，未来几年，由于复杂的原因，我国CPI的实际公布数据可能会与人们的实际生活感受有很大不同，通货膨胀的威胁主要在资产领域而不在消费领域。
四、结论与政策启示
通过采用2000年1月～2009年12月的月度数据建立结构模型，本文实证考察了我国CPI波动的源泉，通过研究得到以下结论：我国CPI的波动是多种因素综合影响的结果；我国通货膨胀主要是货币推动型，同时伴有输入型通货膨胀的特征；货币因素对CPI的影响具有非常明显的时滞性，其中，M2的影响滞后12个月，信贷规模的影响滞后14个月。本文进而使用结构模型对我国CPI的趋势进行了预测，并与补充房地产价格因素预测的结果和建立ARIMA模型预测的结果进行了比较分析。研究发现，如果仅从货币因素和外部输入性成本推动因素来看，我国面临高通胀威胁。但在统计意义上，房地产等资产领域的分流作用极大降低了通货膨胀的压力。我国不仅要警惕表现在消费领域的通货膨胀，而且要重视由“通胀预期”引发的反映在资产领域的资产泡沫。
基于上述实证结果，可以讨论以下政策启示：未来几年，我国货币政策将逐步趋紧，经济刺激政策将逐步淡化和退出，力求在保持平稳较快增长、推动结构调整和控制通胀预期三者之间寻求平衡。金融政策的制定和实施将围绕“抑制资产泡沫、防治通货膨胀”这一主线，重点针对房地产投机和资产泡沫，实施以“比例控制”、“差别化利率政策”为重点的“渐进式”金融紧缩政策。预计未来几年，我国货币政策将逐步由数量调控向价格调控转变，但数量调控仍然是主要的调控手段。但由于我国宏观经济政策受有管理的浮动汇率体制和大规模基础设施投资的制约，金融政策工具调整的幅度和频度都不会太大。
[参考文献]
[1] 方芳，熊德斌.基于多元回归模型CPI上涨因素分析——以2007-2008数据为例[J].现代商业，2009（9）:189-190.
[2] 鞠守勇，周 楠.人民币汇率变动影响中国CPI的实证分析[J].经济与管理，2009（4）:67-70.
[3] 张海波，徐 慧.我国CPI 波动的影响因素分析[J].统计与决策，2009（10）:86-88.
[4] 蒋佐斌，谢双琴，张欢.ARIMA模型在银行贷款规模预测中的应用[J].金融与经济，2010（7）: 13-15.
[5] 张晓峒.应用数量经济学[M].北京：机械工业出版社，2009:67-71.
The Sources of China’s CPI Fluctuations and Prediction
of CPI’s Tendency:An Empirical Study Based on Structural Model
Kuang Wangfan 1,Shi Jiahui 2
（1.Graduate School, Chinese Academy of Social Sciences，Beijing 100102,China；2. State Development & Investment Corp., Beijing 100034，China)
Abstract: This paper applies structural model to analyze the sources of China’s CPI fluctuations based on monthly data from January of 2000 to December of 2009. The empirical results show that China’s CPI is influenced by several factors comprehensively; the key factors include monetary factor and cost-push input externally; and the time lags of monetary factor on CPI are obvious. Furthermore, this paper forecasts the tendency of China’s CPI. The empirical results show that China is confronted with the threat of serious inflation if monetary factor and cost-push input externally factor are taken into account only; however, in the statistical sense, shunt effect of assets field such as real-estate reduces the pressure of inflation greatly. Finally, this paper discusses the policy enlightenment based on the empirical results.
Key words: CPI；Structural Model；ARIMA model
（责任编辑：张改兰）