全文链接：http://tecdat.cn/?p=32104

2015年以来，通货膨胀越来越成为我国的重要经济现象。作为衡量通货膨胀的主要指标，CPI（消费者物价指数）与人们的生活具有最密切的关系（点击文末“阅读原文”获取完整文档、数据）。

相关视频

本文帮助客户分析CPI变化的主要因素，并着重分析通货膨胀的成因，为政府实现宏观调控目标、促进国民经济健康持续发展和改善人民生活提出建议。

数据

问题的提出

近年来，国内农产品、国际市场石油、铁矿石等价格剧烈波动，特别是去年国内商品价格变动存在较大的不确定性。2009 年宽松的货币政策促进了经济复苏，但偏高的货币供给与增加的工资率对2015年的通货膨胀形成了很大压力。由此我们有理由猜测，原材料和燃料价格上涨、货币供给增加、工资率提高等因素形成的价格影响机制对我国宏观经济的调控提出了新挑战。那么，CPI的大幅增长是否与上述因素密切相关呢？

经济理论分析

通货膨胀和就业率是经济宏观调控的两个重要指标。其中CPI是衡量通货膨胀最及时的指标，也与人们的生活关系最密切。根据宏观经济学理论，通货膨胀按成因可分为三类：需求拉动型、成本推动型及结构型通货膨胀。对CPI影响因素的分析可以以此为依据。

模型建立

理论模型的建立

本文通过建立多元回归模型对CPI的影响因素进行分析。结合前述经济理论，我们选取广义货币供给量M2（x1）、工资率（x2）、原材料燃料价格（x3）及不变价格计量的实际GDP（X4）作为影响消费者物价指数CPI（y）的因素，建立y与X1、X2、X3、X4的多元回归模型，试图找到对CPI有较强影响的经济变量，对引起CPI上涨的因素进行分析。

样本及变量说明

为使统计单位具有一致性，广义货币供应量M2、工资率及原材料能源价格因素以增长率作为计算数据。

点击标题查阅往期内容

R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系

左右滑动查看更多

模型参数的估计

在Eviews中，利用OLS法进行参数估计，其中β4没有通过显著性检验（T=1.683234<2），即不能认为实际GDP与CPI存在显著的线性关系。X1、X2、X3再次回归，得到回归方程为：

y = -9.630412 + 0.274652x1 + 0.41676x2 + 0.474415x3

模型的检验

经济检验由样本方程知，估计参数β1=0.274652，即广义货币供应量M2与CPI成正相关关系，符合货币供应量增加推动总需求上升进而使CPI上涨的基本经济原理。参数B2=0.41676，B3=0.4744，即工资率、原材料燃料价格均与CPI成正相关关系，符合成本因素上升推动价格上涨的原理。

统计意义检验

拟合优度检验

模型拟合优度R2=0.903625，回归模型对于文章选取的2014~2015年的观测值拟合程度较好。

回归方程显著性 F 检验及系数显著性 T 检验

回归模型的F值为43.75543，P值为0.000000，回归模型通过了方程显著性F检验。X1（M2增长率）、X2（工资率增长率）、X3（原材料燃料价格增长率）整体能与Y（CPI）之间建立较为理想的回归模型。同时，方程通过系数显著性T检验。数据如下表：

实证分析

通过以上模型，可以清楚地看到货币供应量、工资率及原材料燃料价格三个因素对我国CPI的量化影响。其中，M2增速每变化一个单位，CPI平均同向变化0.274652个单位。工资率每变化一个单位，CPI平均同向变化0.416762个单位。原材料燃料价格每变化一个单位，CPI平均同向变化0.474415个单位。以此为依据，下文对中国90年代以来的通货膨胀原因进行分析。

CPI增幅超过3%即认为发生了通货膨胀。由数据可以看出，90年代以来中国共发生过两次严重的通货膨胀，一次为1993~1996年，另一次为2007年至今。

2007年以来，我国CPI再次持续居于高位。究其原因，也与货币超发及成本上升密切相关。2007年中国外汇储备增长率高达43.32%，极大地增加了国内的通胀压力，同时存贷款利率处于较低水平，引发了以房地产行业为代表的价格上涨。

通过以上分析，我们可以看到90年代以来中国的几次通胀产生的原因都可以在建立的回归模型中找到相应的数字依据和经济路径，因而认为该模型对于解释CPI变动的原因，特别是通货膨胀的原因有一定作用。

本文中分析的数据和完整文档分享到会员群，扫描下面二维码即可加群！

点击文末“阅读原文”

获取全文完整数据资料。

本文选自《Eviews基于多元回归模型OLS的CPI影响因素分析》。

点击标题查阅往期内容

Matlab用向量误差修正VECM模型蒙特卡洛Monte Carlo预测债券利率时间序列和MMSE 预测

R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系

向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列

Matlab创建向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列

Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据

R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化

R语言用向量自回归（VAR）进行经济数据脉冲响应研究分析

R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列

R语言VAR模型的不同类型的脉冲响应分析

R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

R语言时变参数VAR随机模型

R语言估计时变VAR模型时间序列的实证研究分析案例

R语言向量自回归模型(VAR)及其实现

R语言实现向量自回归VAR模型

R语言估计时变VAR模型时间序列的实证研究分析案例

Python和R用EWMA，ARIMA模型预测时间序列

R语言用LASSO，adaptive LASSO预测通货膨胀时间序列

Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测