住宅销售价格指数

范文一：住宅销售价格指数

一、基本定义

住宅销售价格指数是综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数。中国住宅销售价格指数由70个大中城市的新建住宅销售价格指数和二手住宅销售价格指数组成。

二、编制方法

国家统计局统一编制各类住宅销售价格指数。采用国际通行的链式拉氏公式，编制定基住宅销售价格指数序列。对比基期5年调整一次，现行对比基期为2010年。

（一）新建住宅销售价格指数编制方法。

新建住宅分设置保障性住房和新建商品住宅2个类别，新建商品住宅类下设90平方米及以下、90-144平方米、144平方米以上3个基本分类。新建住宅销售价格指数每月编制一次。

1.分别计算各城市各基本分类（含保障性住房）月度环比指数。基本步骤包括：一是计算各项目各基本分类本月与上月的平均价格，通过将各项目各基本分类本月和上月的销售金额与销售面积相比得到。二是计算各项目各基本分类的月度环比指数，为各项目各基本分类本月平均价格与上月平均价格之比。三是计算全市各基本分类月度环比指数，分别利用月度销售面积和金额作为权数计算两个加权平均数后再简单平均得出。

2.分别计算各城市各基本分类（含保障性住房）以上月度环比指数。基本步骤包括：一是通过链式拉氏公式计算各基本分类月度环比指数；二是再利用房屋销售额为权数，加权计算新建商品住宅月度定基指数；三是利用本月定基指数除以上月定基指数，得出本月新建商品住宅月度环比指数；四是综合保障性住房月度环比指数，计算出新建住宅月度定基指数。五是利用本月新建住宅定基指数除以上月定基指数，得到本月新建住宅月度环比指数。

3.由月度定基指数再计算同比指数。

（二）二手住宅销售价格指数编制方法。

二手住宅设置90平方米及以下、90-144平方米、144平方米以上3个基本分类。二手住宅销售价格指数每月编制一次。方法同新建住宅销售价格指数编制方法。

三、资料来源

（一）新建住宅销售价格指数基础数据来源。直辖市、省会城市、自治区首府城市（不含拉萨市）、计划单列市以及部分地级市等53个城市，使用房地产管理部门的网签数据。其他17个城市暂时使用统计局系统房地产开发统计报表中的相关数据。

（二）二手住宅销售价格指数基础数据来源。由国家调查队系统向各有关城市房地产管理部门、房地产经纪机构收集相关数据。

范文二：21试比较分析衡量通货膨胀的消费价格指数、批发物价指数、GNP平

21．试比较分析衡量通货膨胀的消费价格指数、批发物价指数、GNP 平减指数的优缺点。

答：(1)度量通货膨胀的程度是分析通货膨胀的必要环节和治理通货膨胀的依据。通货膨胀的严重程度是通过通货膨胀率这一指标来衡量的。目前世界各国采用的价格指数主要有消费价格指数、批发物价指数、CNP 平减指数3种，用以衡量通货膨胀的程度。

①消费价格指数(CPI)。也称零售物价指数和生活费用指数。它根据若干种主要日用消费品的零售价格以及服务费用而编制，用公式来表示即为：

通货膨胀率=报告期消费物价指数-基期消费物价指数基期消费物价指数

消费价格指数的优点是能及时反映消费品供给与需求的对比关系，资料容易搜集，能够迅速直接地反映影响居民生活的价格趋势。其缺点是范围较窄，只包括社会最终产品中的居民消费品的这一部分，因而不足以说明全面的情况。例如品质的改善可能带来一部分消费品价格而非商品劳务价格总水平的提高，但消费价格指数不能准确地表明这一点，因而有夸大物价上涨幅度的可能。

②批发物价指数(WPI)。这是根据制成品和原材料的批发价格编制的指数。它的优点是对商业周期反应敏感，能在最终产品价格变动之前获得原材料，非零售制成品的价格信息。缺点是包括劳务产品在内，同时它只计算了商品在生产环节和批发环节上的价格变动，没有包括商品在最终销售环节上的价格变动，其波动幅度常常小于零售商品的价格波动幅度，因而可能会出现信号失真。

③GNP 平减指数(GNP deflator)。它是指按当年价格计算的国民生产总值与按不变价格计算的国民生产总值的比率。即：

报告期价格计算的国民生产总值国民生产总值平减指数=?100% 基期价格指数计算的当期国民生产总值

国民生产总值平减指数的优点是范围广泛，能比较准确地反映一般物价不平的变动趋向。其缺点是资料较难搜集，需要对未在市场上发生交易的商品和劳务进行换算，并且该指标一般一年只统计一次，因此很难迅速地反映一国通货膨胀的程度和走向，该指数还有可能受到价格结构因素的影响。

(2) 以上指标适宜度量由物价变动所反映的通货膨胀程度，而对隐蔽性的通货膨胀，需要借助以下一些指标来度量：实行价格的商品数量和金额；凭证供应商品占全社会商品总额比例；商品管制价格与非管制价格的差异等。并且，该指标一般用于度量现实发生的通货膨胀，对于通货膨胀发生的可能性的预测，则应借助于一种称为“通货膨胀缺口”的办法。在我国，度量以物价变动为标志的通货膨胀主要有六种指标：①工业总产值价格指数。②全社会零售物价总指数，其中按商品用途分有消费品价格指数和农业生产资料价格指数。③居民生活费价格指数。④服务项目价格指数。⑤农副产品收购价格指数。⑥生产资料购进价格指数。

范文三：货币发行量及原材料燃料动力购进价格指数等因素对通货膨胀的影响研究

货币发行量及原材料燃料动力购进价格指数等因素对通货

膨胀的影响研究

——基于VAR统计模型的一个实证分析

上海理工大学邓乃杰、史修策、张国民

[摘要]:后金融危机时代，最吸引世界眼球的莫过于欧洲主权债务危机以及新兴经济体产能过剩问题了，正当世界经济为“二次探底”风险而焦虑的时候，“金砖国家”的通货膨胀已经悄然走高，甚至达到了不可控的地步，这又进一步为世界经济的未来前景增加一分担忧。在我国，据国家统计局公布的经济数据显示,一季度居民消费价格指数(CPI)同比上涨5.0%，而5月份居民消费价格同比上

，创下34个月以来的新高。尽管货币当局密集上调商业银行法定准备金涨5.5%

率和多次提高银行基准利率，仍然没有阻挡住CPI的势头。究其原因，众说纷纭，到目前并未形成统一的论调。

本文在充分研究现状和文献基础上，利用从国家统计局《经济景气月度报告》与中国人民银行《金融统计季度报告》中获取的2001-2010的货币供应量、原材料燃料动力购进价格指数、食品零售价格指数和消费价格指数的月度数据，建立了反应变量之间动态关系的向量自回归模型(VAR)，通过Granger因果检验和脉冲响应函数、方差分解分析技术研究了四个指标之间的长期动态均衡关系，得到货币供应并非通货膨胀的主要原因以及目前我国的通货膨胀仍将持续几个月等的诸多重要结论。对政府制定政策改观恶性通货膨胀现状具有重要的借鉴意义。 [关键字]:CPI;原材料燃料动力购进价格指数;广义货币;通货膨胀;VAR模型;脉冲响应函数

引言

2010年下半年以来，中国的CPI不断攀高，今年5月份，同比上涨达到5.5,的34个月以来的最高位。尽管政府决策层采取了一系列试图控制通货膨胀的宏观措施，其中包括自2010年初以来已经11次上调商业银行法定准备金率和4次提高银行基准利率，但目前看来仍然收效甚微。有专家和金融机构预测，6月份，CPI指数将会达到甚至超越6.0%，这是一个可怕的数字。那么究竟是什么原因导致的CPI上涨,而这种引致因素是通过何种路径推动的物价上涨,对这两个问题的解答才是寻找通货膨胀难题解决途径的关键点和突破口，本文将试图解决上述两个问题。

一、问题提出

1.1 研究背景

消费者物价指数(Consumer Price Index, CPI)，是反映与居民生活息息相关的

一系列商品及劳务价格的变动指标，通常被作为衡量通货膨胀水平的重要指标。一般说来，CPI的增幅大于3%的时候，则经济体就呈现通货膨胀状态了;而当CPI增幅超过5%，则经济体便是处于恶性通货膨胀(Serious Inflation)状态。

**总理曾说，通胀就像只老虎，如果放出来就很难再关进去。经过连续十几个月的上涨之后，5月份的CPI的同比涨幅达到了5.5%，创下了34个月以来的新高。一年多以来央行的11次法定准备金率密集上调和4次的提高银行基准利率可以说收效甚微。一些经融机构预测，6月的CPI将超过6.0%大关～CPI长时间的大幅不可控上涨，不仅严重影响居民的生活质量，更会依法投资者对未来经济走势的担忧。最突出表现就是股市的低迷，在短短的两个月时间，上证指数已从3067.46的高点(4月18日)跌到了最低的2676.54点(6月2日)。

图1:2010年以来央行上调法定准备金情况

,资料来源,新浪财经网http://finance.sina.com.cn/,

图2:2010年第二季度上证指数K线图

,资料来源,和讯网http://www.hexun.com/,

今年政府的CPI调控目标定格在4%，按目前的发展趋势要实现这个目标有很大的难度，通货膨胀问题必将成为时下以及未来较长一段时间理论界和实务界关注的焦点，问题的解决也必将是政府面临的一个艰巨而且迫切的任务。 1.2 研究意义

在过去20多年时间里，各经济体在运用货币政策工具在控制通货膨胀上取得了显著的成就。但近年来，频繁的资产价格膨胀和波动，以及期间数次由于市场崩盘而引发的系统性经济衰退甚至金融危机，使得货币政策是否应该对于商品和资本的价格波动进行干预成为政府与货币当局日益关注的热点问题，而是否能够理清货币供求状况与通货膨胀的关系又是这一问题的关键节点。央行的货币政策步步从紧，而CPI却节节攀升，这最起码在表象上证明，货币政策之于通货膨

胀的关系是值得深入探讨的。

在传统的宏观经济学教科书中，甚至在后凯恩斯学派经济学家的理论阐释中，当人们论述在任何一场经济危机后西方国家政府的救市和扩张性宏观政策必然导致通货膨胀的事实时，其理论逻辑一般是:巨额政府财政赤字，会导致央行货币超发，最后传导到消费品物价上，表现为CPI上涨。这也正是后凯恩斯学派经济学家Hyman P. Minsk 生前一直坚持的基本观点。

而在当今中国，政府主导型的经济增长模式中，并不能把Minsk的这一理论简单地应用于分析中国宏观经济运行现实。由于最近两年中国政府的财政赤字实际上还不算太大(两年1.95万亿)，且2003年的《中华人民共和国中国人民银行法》第25条和第30条实际上又禁止政府向央行透支的方式来弥补其预算赤字，人们可以认为近两年政府的财政赤字并不是央行“货币超发”的主要原因。但是，这决非就证明了政府的财政不是这一轮物价水平普遍上涨的主要推手这一点。简单说来，目前中国内部的宏观动态机制并不是像Minsk所阐释的那样是通过政府巨额财政赤字?货币超发?通货膨胀?CPI普涨这样一个宏观作用链条来工作，而可能是通过一个微观机制链条而直接推动CPI上涨的。

不少专家认为，此轮CPI上涨的直接推手是食品类价格的快速上涨。还有一些专家把原因归结为国际上大宗商品价格大幅上涨，例如原油价格突破100美金

左右。苏剑等(2011)归大关、金属矿等在2011第一、二季度月涨幅都在10%

纳说，这些输入性通胀与我国食品价格上涨结合，是CPI上扬的主要原因。有一种观点最为普遍，金融危机期间，我国政府的四万亿财政支出造成的流动性过剩是此轮通货膨胀的主因，并将继续影响数月。复旦大学经济学教授韦森在《华尔街日报》发表评论认为:后凯恩斯主义经济学家所发现的“银行贷款创造存款从而在经济总体扩张的宏观条件下会不断内生广义货币”的逻辑，对我国目前的通货膨胀的解释最为合理?，他还支出造成目前的恶性通货膨胀的另一个重要原因是政府在各环节的高赋税。

综上所述，学者们从各个方面探讨了通货膨胀的原因，但都不免流于片面。通货膨胀问题是一个复杂的系统性问题，很难从一个视角就能做一个全面的解释。本文将通过变量自回归方法对原材料燃料动力购进价格指数(RMPPI)、食品零售价格指数(RPIF)、广义货币(M2)和CPI之间的动态关系的系统研究，希望找到究竟是哪种原因或者价格体系部分引致了CPI的攀高，从而能有针对性的提出解决问题建议，为政府政策制定提供有意义的借鉴。

1.3 相关研究文献评述

关于CPI的影响因素及M2、RPIF、RMPPI对CPI的影响作用和程度，国内外学者做过很多研究。货币主义大师弗里德曼认为，通货膨胀归根结底是一种货币现象，他通过对美国1867-1960年的数据研究表明，货币供应量与通货膨胀之间存在密切关系(Friedman & Schwarz，1965)。Lucas(1980)采用1953-1977 年美国的季度时间序列数据，通过对比货币数量变化率、通胀率、名义利率三者的移动平均值，发现只要调整合适的移动量，货币数量的变化就会带来相同比例价格指数和利率的变化。Nelson(1985)通过逻辑分析表明稳定的通货膨胀状态由稳定的货币增长来决定。Kormendi & Meguire(1998)，以及Geweke(2000)也得出了类似的结论。Reynard(2006)通过对美国和欧洲的数据研究发现，通货膨胀率与货币增长率之间具有明显的比例关系。Sekine(2006)认为，由于近年来很多国家的货币

? 维森教授在《华尔街日报》上评论说:“现在看来这一逻辑(指文中提到的后凯恩斯学派的银行贷款创造村矿的逻辑)仍然在中国经济的现实中不断展现自身，且看来仍然在大行其道。”

大幅贬值并未导致通货膨胀率出现大幅波动，传统的通货膨胀传导效应正在减弱。相反地，也有大量学者的研究表明，货币供应与物价水平之间的这种正比例关系要么并不存在，要么由于货币流通速度的不稳定性而缺乏可信度。我国学者，陆瑞(2007)通过实证分析找出M0、M1、M2三种货币供应量中，M2与 CPI 的相关度最大,认为要维持CPI在0-3% 的水平, M2货币供应量应该维持在一个15%-17%的水平。熊伟(2007)也从实证的角度分析了我国货币发行量与CPI、GDP之间的关系，证明了货币政策的首要目标应是稳定物价。两篇文章均量化了M2的水平，得出了一个不超过20%的M2适宜增长率，而纵观我国近两年M2的增长率，甚至一度达到29%(2009年9月份)，考虑到M2对CPI影响的滞后性，有必要把M2看作对CPI的重要影响因素之一放入考察。

有一种观点认为，目前原材料价格的大幅度上涨，不可避免地会向下游制成品转移。原材料价格的上涨，预示着商品的全面性上涨。我国学术界主流的看法是用上下游价格传导机制来解释，认为生产资料价格上涨对居民消费价格的影响出现了传导时滞及弱化的变异(中国价格协会课题组，2005)，价格传导系数的降低(夏斌，2004)。江凯(2010)验证了国际原油价格波动分别对我国CPI、PPI 和RMF 存在Granger 因果关系，因此输入性通胀问题不容忽视。今年来，国际大宗商品价格的显著上涨，我国国内的食品价格也一路攀升，也有专家认为今年CPI上涨罪魁祸首就是食品和原材料的价格上涨，因此本文把这个问题也考虑在内。

Nakayama Toshiko & Paul Monson(1976)曾论证了食品价格和通胀的联动关系;食品价格的下降会减弱通胀压力。Jerry Lignt & Thomas Shevlin(1998)认为，农产

Joseph、Kowal(2008)等则指出，能源和食品价格品价值对商品价格的影响加强，

的提高也会加剧生产价格指数的上涨压力。因此，本文加入食品零售价格指数，以分析通货膨胀的推动力。

二、基本假设、指标选择和数据来源

2.1 基本假设

(1)通货膨胀水平主要是从一个国家的整体物价水平来考量，尤其是消费品物价水平。因此本文通过我国CPI比率指标来度量全国的经济增长水平。

(2)联系到我国的通货膨胀受到国际环境及国际贸易状况影响，本文采用原材料、燃料、动力购进价格指数(RMPPI)来反映大宗商品价格和国际通货膨胀转移的影响。

(3)为了避免季节性因素影响，本文指标采用同比增长率形式来消除季节性因素对各经济指标的影响。

(4)在模型建立的过程中，不考虑经济波动以及战争、灾害等突发事件等特殊因素的影响。

2.2 指标选择

通过上文分析，本文决定采用如下几个指标分析通货膨胀的影响因素。

(1)消费者物价指数(CPI)

消费者物价指数(Consumer Price Index，CPI)，是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。

(2)广义货币(M2)

M0、M1、M2、M3都是用来反映货币供应量的重要指标。

我国对货币层次的划分是:

M0=流通中的现金;

狭义货币(M1)=M0+活期存款(企业活期存款+机关团体部队存款+农村存款+个人持有的信用卡类存款);

广义货币(M2)=M1+城乡居民储蓄存款+企业存款中具有定期性质的存款+信托类存款+其他存款。

另外还有M3=M2+金融债券+商业票据+大额可转让定期存单等。

M1反映着经济中的现实购买力;M2不仅反映现实的购买力，还反映潜在的购买力。若M1增速较快，则消费和终端市场活跃;若M2增速较快，则投资和中间市场活跃。

(3)原材料、燃料、动力购进价格指数(RMPPI)

原材料、燃料、动力购进价格指数是反映工业企业通过各种形式购进的主要原材料、燃料、动力价格水平变动趋势和程度的相对数。原材料、燃料和动力购进价格指数是反映工业企业作为生产投入，而从物资交易市场和能源、原材料生产企业购买原材料、燃料和动力产品时，所支付的价格水平变动趋势和程度的统计指标，是扣除工业企业物质消耗成本中的价格变动影响的重要依据。

(4)食品零售价格指数(RPIF)

食品零售价格指数是指反映一定时期内食品零售价格变动趋势和程度的相对数。其编制目的，是掌握市场商品价格的变动状况，并在此基础上编制其他各种派生指数，为研究市场流通、进行国民经济核算提供依据。在这里我们为了明确目的，只选择食品零售价格指数作为因素分析。

2.3 数据来源

根据选取的四个指数，本文通过国家统计局《经济景气月度报告》与中国人民银行《金融统计季度报告》等资料分别获取2001-2010年的月度数据，便于分析，保持一致性。

三、数据的处理与检验

3.1 数据的处理

用RCPI表示居民消费价格上涨率，它在数量上等于CPI月度同比数据减去100。用RRMPPI表示原材料燃料动力购进价格上涨率，它在数量上等于RMPPI月度同比数据减去100。基于CPI和RMPPI采用月度同比比数据，广义货币供应M2同样采用月度同比数据，用RM2表示广义货币供应M2上涨率，它在数量上等于M2月度同比数据减去100。用RRPIF表示原材料燃料动力购进价格上涨率，它在数量上等于RPIF月度同比数据减去100。

考虑到月度数据容易受季节波动的影响，故需要进行季节因素调整，拟采用Eviews6.0软件中提供的X12方法进行加法季节调整。相应地，生成四个序列新序列，分别以RCPI_SA、RRMPPI_SA、RRPIF_SA和RM2_SA表示。 3.2 描述性统计

我们通过时间序列图来获取对RCPI_SA的直观印象，如图3所示。

-10

-20

01020304050607080910

RCPI_SARM2_SA

RRMPPITRM_SARRPIFOOD_SA

图3:RCPI_SA时间序列图

从图中可以看出，在过去的十年(2001-2010)中，我国居民消费价格上涨率差异较大，显然是不平稳的时间序列。Phillips证明，如果两个时间序列都服从单位根过程序列不平稳，那么即使他们之间不存在任何相关性，当样本容量增大时，以一个时间序列对另一个时间序列回归也总能得到显著的参数，这就是“伪回归”问题。因此，在做模型分析之前，应当对各时间序列进行单位根检验。

图中显示，2008-2010两年多时间内，四个指标都出现了一个较大幅度的波动。这个实际现象不难解释，08年第三季度开始爆发全球性金融危机，经济衰退导致投资、消费陷入低迷，并出现通货紧缩，为了应对金融危机的冲击，我国政府开始实行积极的财政政策和宽松的货币政策，货币供应量大幅上涨。随着金融危机影响减弱，经济在09年第二季度开始回升，各项指标也开始经历小范围回调。到了2010年，金融危机冲击退去，经济全面复苏，但受到财政和货币政策以及资产泡沫等各种因素影响，四项指标依旧呈现较大的波动，其中CPI指标最为突出。

3.3 时间序列的单位根检验

本文采用ADF方法来进行单位根检验。对于RCPI_SA、RRMPPI_SA和RM2_SA这三个时间序列，依据AIC和SIC准则确滞后阶数。检验结果如表1所示。

表1:时间序列的单位根检验?

临界值1%时间序列名称检验类型 ADF检验值结论显著性水平) RCPI_SA (C，N，0) -1.441882 -3.486064 不平稳

?注:检验形式(C，T，K)表示单位根检验方程包括常数项、时间趋势项和滞后期，N表示不包括C或T。加入滞后项是为使残差项为白噪声，其中滞后阶数的选择根据AIC定阶准则确定;Δ表示一阶差分。

RRMPPI_SA (C，T，3) -3.609012 -4.039075 不平稳 RRPIF_SA (C，N，12) -2.357979 -3.492523 不平稳 RM2_SA (C，T，3) -3.286566 -4.039075 不平稳 ?RCPI_SA (C，N，0) -9.493006 -3.486551 平稳 ?RRMPPI_SA (C，N，0) -4.865522 -4.038365 平稳 ?RRPIF_SA (C，N，11) -4.670034 -3.492523 平稳 ?RM2_SA (C，T，0) -10.53802 -4.037668 平稳

从上表的检验结果看，在1%的显著水平下，RCPI_SA、RRMPPI_SA、RRPIF_SA和RM2_SA他们都服从I(1)过程，符合协整检验的条件。

3.4 Johansen协整关系检验

协整检验主要是用模型来描述变量间直接动态的、长期的关系。前文已经检验出他们都服从I(1)过程，，那么RCPI_SA、RRMPPI_SA、RRPIF_SA和RM2_SA

它们之间是否存在协整关系呢,拟采用Johansen的方法进行检验，确定滞后阶数为3。检验结果见表2。

表2:特征值轨迹检验

临界值(5%的显著性水原假设特征值迹统计量平)

0.239963 76.68818 47.85613 无协整向量

0.202290 46.77982 29.79707 至多1个协整向量

0.141720 22.14468 15.49471 至多2个协整向量

0.049092 5.486827 3.841466 至多3个协整向量

依据表2可知，迹统计量大于在5%的显著水平下的临界值，说明在5%的显著水平下，四个序列之间存在显著的协整关系。

3.5 Granger因果关系检验

在确定序列间存在协整关系之后，我们需要进一步检验序列间的长期均衡关系是否构成某种因果关系，我们利用Eviews6.0对原始序列进行Granger因果关系检验，确定滞后阶数为2，检验结果见表3。

表3:Granger因果关系检验

滞原假设 F统计量 P值后阶数

RRMPPI_SA 没有导致 RCPI_SA 2 3.09878 0.0490

RCPI_SA 没有导致 RRMPPI_SA 2 4.05414 0.0199

RRPIF_SA 没有导致 RCPI_SA 2 1.66944 0.1005

RCPI_SA 没有导致 RRPIF_SA 2 2.43694 0.0128

RM2_SA 没有导致 RCPI_SA 2 2.04720 0.1339

RCPI_SA 没有导致 RM2_SA 2 8.55462 0.0003

RRPIF_SA 没有导致 RRMPPI_SA 2 2.40745 0.0139

RRMPPI_SA 没有导致 RRPIF_SA 2 1.09329 0.3761

RM2_SA 没有导致 RRMPPI_SA 2 1.30049 0.2527

RRMPPI_SA 没有导致 RM2_SA 2 3.95931 0.0004

RRPIF_SA 没有导致 RM2_SA 2 0.62179 0.5388

RM2_SA 没有导致 RRPIF_SA 2 4.16747 0.0078

从表3可初步判断，RMPPI的变动与CPI的变动之间互为Granger原因;

RPIF的变动是CPI的变动的Granger原因，但不是很显著，CPI的变动是RPIF的变动的Granger原因，且显著;M2增长率是CPI变动的格兰杰原因不显著，CPI是M2增长率的格兰杰原因。

四、向量自回归模型的估计和脉冲响应函数

4.1 向量自回归模型的估计

向量自回归(VAR)模型通常用于多变量时间序列系统的预测和描述随机扰动对变量系统的动态影响。最一般的VAR(p)模型如下:

y,Ay，？，Ay，Bx，？，Bx，, t1t,1pt,p1trt,rt

xyA？AB？Btt1P1r式中，是m维内生变量向量;是d维外生变量向量;和

,t是待估计的参数矩阵，内生变量和外生变量的滞后阶数分别为p和r;是随机扰动项，同期之间可以相关，但不能有自相关，不能与模型右边的变量相关。

利用RCPI_SA、RRMPPI_SA、RRPIF_SA和RM2_SA这四个时间序列，构建四变量VAR模型。

利用Eviews6.0进行模型定阶，得到下表4:

表4 模型定阶

Lag LogL LR FPE AIC SC HQ

0 -2245.934 NA 1.14e+12 36.27313 36.34137 36.30085

1 -1488.029 1466.913 6455561. 24.19402 24.46695 24.30489

2 -1421.474 125.5949 2552149.* 23.26572* 23.74335* 23.45974*

3 -1419.016 4.519708 2838123. 23.37123 24.05356 23.64841

4 -1409.597 16.86425 2822551. 23.36446 24.25149 23.72479

5 -1397.356 21.32201* 2684237. 23.31220 24.40392 23.75568

6 -1391.076 10.63576 2812919. 23.35607 24.65249 23.88270

7 -1389.182 3.115495 3167451. 23.47068 24.97180 24.08047

8 -1381.450 12.34732 3250422. 23.49112 25.19694 24.18407

根根据表4，我们确定模型的阶数为2，我们建立VAR(2)模型。利用Eviews6.0对VAR模型进行估计估计结果见表5:

表4:VAR模型估计结果

RCPI_SA RRMPPI_SA RRPIF_SA RM2_SA

系数 -0.338306 -0.089793 -0.714210 2.095099

常数项 0.40774 0.51155 1.10132 0.72170 标准差

-0.82971 -0.17553 -0.64851 2.90301 t值

0.363230 0.578317 -1.014901 -0.298106 系数

0.30884 0.38747 0.83419 0.54665 标准差 RCPI_SA (-1)

1.17611 1.49253 -1.21663 -0.54533 t值

0.663274 -0.676183 1.651925 0.089639 系数

0.30366 0.38097 0.82019 0.53747 标准差 RCPI_SA (-2)

2.18429 -1.77490 2.01409 0.16678 t值

0.140879 1.672195 0.206888 -0.238902 系数

0.05308 0.06659 0.14337 0.09395 标准差 RRMPPI_SA (-1)

2.65411 25.1103 1.44304 -2.54284 t值

-0.137247 -0.734939 -0.247530 0.163474 系数

0.05426 0.06808 0.14656 0.09604 标准差 RRMPPI_SA (-2)

-2.52931 -10.7955 -1.68888 1.70206 t值

0.243907 -0.110086 1.418856 -0.055734 系数

0.11066 0.13884 0.29891 0.19587 标准差 RRPIF_SA(-1)

2.20404 -0.79290 4.74683 -0.28454 t值

-0.273611 0.178382 -0.705781 0.156619 系数

0.10865 0.13632 0.29348 0.19232 标准差 RRPIF_SA(-2)

-2.51821 1.30859 -2.40490 0.81438 t值

0.018159 0.012934 0.045507 0.831077 系数

0.05189 0.06511 0.14017 0.09185 标准差 RM2_SA (-1)

0.34992 0.19866 0.32467 9.04810 t值

0.006618 -0.000920 0.019320 0.071736 系数

0.05073 0.06364 0.13702 0.08979 标准差 RM2_SA(-2)

0.13046 -0.01445 0.14100 0.79892 t值

决定系数 0.930972 0.984208 0.914470 0.906483

调整后的决定系数 0.925906 0.983048 0.908193 0.899619

回归标准差 0.672035 0.843140 1.815190 1.189504

F-统计量 183.7594 849.1300 145.6766 132.0706 赤池信息量准则(AIC) 2.116192 2.569839 4.103463 3.258155

从表5可以看出:第一，RCPI_SA的滞后一期对自身具有显著的正向影响，其系数的估计值约为 0.363230，RCPI_SA的滞后二期对自身具有显著的正向影响，其系数的估计值约为 0.663274。这说明当月CPI变动同比提高1个百分点，会使未来第一个月CPI变动同比提高约 0.363230个百分点，使未来第二个月CPI变动环比提高约 0.663274个百分点。第二，RRMPPI_SA的滞后1期对RCPI_SA具有正向影响，其系数的估计值为0.140879。RRMPPI_SA的滞后2期对RCPI_SA具有负向影响，系数的估计值为-0.137247。第三，RRPIF_SA的滞后1期对RCPI_SA

具有正向影响，其系数的估计值为0.243907。RRPIF_SA的滞后2期对RCPI_SA具有负向影响，系数的估计值为-0.273611。第四，RM2_SA 滞后1期、2期系数估计值比较小，影响微弱，t统计量较小，可以认为RM2_SA对RCPI_SA没有影响。模型的系数估计结果与前面所做的Granger因果检验比较吻合。

4.2 脉冲响应函数分析

脉冲响应函数是用来衡量每个内生变量的变动或冲击对它自己及所有其他内生变量产生的影响作用。这些影响的轨迹显示任意一个变量的扰动是如何通过模型影响所有其他变量，最终又反馈到自身的过程。依据上述建立的VAR模型，绘制脉冲响应图。见图3。

Response to Cholesky One S.D. Innovations ? 2 S.E.

Response of RCPI_SA to RCPI_SAResponse of RRMPPITRM_SA to RCPI_SA

1.003

0.752

0.50

10.25

0.000

-0.25

-151015205101520

Response of RRPIFOOD_SA to RCPI_SAResponse of RM2_SA to RCPI_SA

2.50.8

2.00.4

1.50.0

1.0

-0.40.5

-0.80.0

-0.5-1.251015205101520

图4:脉冲响应函数

由图4脉冲响应函数我们可以得知:

第一，从RCPI_SA对RCPI_SA冲击的响应图来看，当在本期给通货膨胀上涨率一个正冲击后，其自身立刻有反应，反应迅速，随着时间的推移响应变弱，直至趋于平稳

第二，从RRMPPI_SA对RCPI_SA冲击的响应图来看，当在本期给RRMPPI_SA一个正冲击后，经市场传递，对RCPI_SA有一个小幅的冲击，但此时相对较弱，随后在第六期达到峰值，随后冲击减弱，直至到零值上下;

第三，从RRPIF_SA对RCPI_SA冲击的响应图来看，当在本期给RRPIF_SA一个正冲击后，经市场传递，对RCPI_SA有正的冲击，且冲击幅度较大;

第四，从RM2_SA对RCPI_SA冲击的响应图来看，当在本期给RM2_SA一个正冲击后，经市场传递，当期对RCPI_SA有一小幅冲击，第二期对RCPI_SA即有负的冲击，冲击幅度先加剧后减弱，从长远来看冲击趋于零。 4.3 模型的检验

为保证模型的正确性，我们对该模型所分离出来的残差项进行检验，发现残差项是平稳的，没有单位根，比较接近白噪音。说明模型经受住了检验，其拟合效果比较理想，如表6所示。

表6:残差的单位根检验

T统计量

ADF统计量 -10.42964

置信水平 1% 水平下 -2.586960

5% 水平下 -1.943882

10%水平下 -1.614731

五、主要结论

本文在对货币供应量、原材料燃料动力购进价格指数、食品零售价格指数和通货膨胀等变量进行协整检验的基础上，利用VAR模型，通过Granger因果检验和脉冲响应函数、方差分解分析技术脉冲响应函数分析了M2 增长率和RMPPI增长率、RPIF增长率对CPI 的影响，并采用方差分解法进一步确定了各变量冲击的相对重要性，得出以下结论:

第一，虽然通过单位根检验结果显示货币供应量、原材料燃料动力购进价格指数、食品零售价格指数和CPI都是非平稳的时间序列，但通过协整检验我们得出三者之间存在一个协整关系，即它们之间有长期的动态均衡关系。

第二，一个标准差的货币供应量会引起通货膨胀率产生先快速下降后慢速下降最后升高的周期性变化，在对通货膨胀的影响力度和影响时间上与其他两个指标存在明显差异。

第三，尽管货币供应量增加、原材料燃、动力购进价格指数上涨都能在一定程度上解释CPI 变化，但是CPI 自身是导致其变化的最重要原因。如果不考虑货币增发、原材料、燃料、动力购进价格指数影响，可以认为我国近10 年来的通货膨胀的发生并不全是货币供应量增加的结果。

第四，通过Granger因果检验我们得出原材料燃料动力购进价格指数、食品零售价格指数、货币供应M2都是推动CPI的Granger原因，但M2增长率是CPI变动的格兰杰原因不显著，CPI是M2增长率的格兰杰原因。这说明M2和CPI存在单向的Granger因果关系。

第五，通过脉冲响应分析和方差分解分析进一步论证了原材料燃料动力购进价格指数、食品零售价格指数对CPI的上涨有着长期显著的拉动作用，但货币供应的拉动作用短期并不明显，存在一定滞后性。

最后，通过统计分析，可以得出我国目前的通货膨胀还将继续，至少到今年的第四季度难以改观。

近期随着我国物价水平的持续走高，治理通货膨胀、防止经济滞涨成为政府工作的重点，一些官员和学者建议主要从货币和信贷的角度来进行调控。然而随着我国经济的货币化程度加深，本文讨论的指标并不是引起通货膨胀的全部原因，甚至不是主要原因，国内的通货膨胀更多的可能是由于经济结构不合理而引

起的结构性通胀或是成本上涨所诱发的成本推动型通胀。但是，本文在一定程度

上还是有一定借鉴意义的。

参考文献

[1] 陆瑞.中国的通货膨胀与货币供应量之间的关系分析,J, 今日科苑 2007,16 [2] 熊伟我国货币发行量与CPI和GDP之间关系实证分析,J, 新西部 2007,9

[3] 金三林当前价格上涨的主要特征及发展趋势,J, 经济研究参考, 2008～20

[4] 江凯输入型通货膨胀视角下的物价稳定问题研究,J, 金融与经济 2010～8

[5] 资料来源:国家统计局《经济景气月度报告》与中国人民银行《金融统计季度报告》 [6]刘金全,刘志强.中国货币政策非中性,J,～吉林大学社会科学学报～20024,

[7]刘金全～张文刚～刘兆波.货币供给增长率与通货膨胀率之间的短期波动影响和长期均衡关系分析,J,～中国软件学～20047)

[8]朱慧明,张珏.基于ECM模型的货币供给量与通货膨胀关系研究,J,～管理科学, 2005 10) [9]刘霖,靳云汇.货币供应、通货膨胀与中国经济增长-基于协整的实证分析,J,～统计研究～20053,

[10]杨晓东,潘海涛.基于多项式回归模型的货币供应与通货膨胀的实证分析,J,～经济研究导刊, 200910)

[11]步妍,李晓明.中国货币供应与通货膨胀背离现象分析,J,～海南金融, 20095) [12]Lucas, R. E. “Two Illustrations of the Quantity Theory of Money”, The American Economic review, Vol. 70, No. 5. (Dec., 1980), pp.1005-1014. [13]Duck, N. W. “Some international evidence on the quantity theory of money”, Journal of Money, Credit and Banking, Vol. 25, No. 1 (Feb., 1993), pp: 1-12.

[14]McCandless, G. T. & W. E. Weber, 1995, “Some Monetary Facts”, Bank of Minnea pol Quarterly Review, 19, 2-11, Federal Reserve. [15]Reynard, S. “Money and the Great Disinflation”, Swiss National Bank, January 2006.

范文四：间断性销售楼盘环比价格指数的计算

间断性销售楼盘环比价格指数的计算

间断性销售楼盘是指～由于市场供求变化等原因导致该楼盘当月有交易～对应分类上月没有交易～而在本月之前的三个月内曾经有交易的楼盘。

对于该类楼盘～依据该楼盘本月之前三个月内离本月最近的各分类成交数据计算各分类平均价格～再利用下列计算公式计算基本分类环比价格指数:

ij,Ptnij,H, ,1-3, ij,P0

ij,其中:P表示第i个楼盘第j基本分类t期,本月,平t

ij,均价格～P表示距离本月最近的对应基本分类平均价格～n0

为距离本月的月份个数。

?计算全市基本分类,含保障性住房,月环比价格指数

nij,ij,Hw,tji1,R,计算公式为: ,1-4, tt,1,nij,w,ti1,

Hij,其中:为第i个项目第j基本分类环比价格指数～http://www.docin.com/jcfy81精品资源，欢迎下载!(页眉可删除,文档可编辑) 最新海量范文模版:竞聘考核,年终总结,公务员国考,ppt模版,绩效管理,述职述廉,规章制度,临床医学,论文范文,财务营销,MBA考研,讲话稿演讲稿,工程审评招竞标,营销策划等等

ij,为第i个项目第j基本分类t期,本月,销售面积,金wt

额,～n为该基本分类中包含楼盘的个数。将分别利用销售面积和金额加权计算得到的两个指数再简单平均计算。

http://www.docin.com/jcfy81精品资源，欢迎下载!(页眉可删除,文档可编辑) 最新海量范文模版:竞聘考核,年终总结,公务员国考,ppt模版,绩效管理,述职述廉,规章制度,临床医学,论文范文,财务营销,MBA考研,讲话稿演讲稿,工程审评招竞标,营销策划等等

范文五：二手住宅销售价格指数的计算方法

二手住宅销售价格指数的计算方法

?各城市基本分类月环比价格指数

? 计算各基本分类中选中的二手住宅的环比指数

ij,pt计算公式为: ,2-1, ,Hij,ij,p,t1

ij,其中:为第j基本分类中第i个样本住宅t期,本pt

ij,p月,价格～为t-1期,上月,价格。 t,1

(2)计算全市基本分类环比价格指数

采用双加权计算全市各基本分类的环比指数～即分别利用本月销售面积和金额作为权数计算价格指数～然后将两个价格指数再简单平均。

nij,ij,Hw,tji1,R,计算公式为: ,2-2, tt,1,nij,w,ti1,

其中:Hij,为第j基本分类中第i个样本住宅环比价格指

ij,数～w为第j基本分类中第i个样本住宅所代表住宅类型的t

t期,本月,销售面积,金额,～n为该基本分类中包含样本住宅的个数。

?各城市二手住宅销售价格指数的计算方法同各城市新建住宅价格指数。

?70个大中城市二手住宅销售价格指数的汇总方法 http://www.docin.com/jcfy81精品资源，欢迎下载!(页眉可删除,文档可编辑) 最新海量范文模版:竞聘考核,年终总结,公务员国考,ppt模版,绩效管理,述职述廉,规章制度,临床医学,论文范文,财务营销,MBA考研,讲话稿演讲稿,工程审评招竞标,营销策划等等

?基本分类环比价格指数

根据70个大中城市基本分类月环比价格指数分别利用各城市本月销售面积和金额作为权数计算价格指数～然后将两个价格指数再简单平均计算。

70ij,ij,Hw,tji1,R,计算公式为: ,2-3, tt,1,70ij,w,ti1,

ij,其中:Hij,为第i个城市第j基本分类环比价格指数～wt为第i个城市第j基本分类t期,本月,销售面积,或销售金额,。

?70个大中城市二手住宅销售价格指数的计算方法同70个大中城市新建住宅销售价格指数。

转载请注明出处范文大全网 » 住宅销售价格指数