我国通货膨胀影响因素实证分析.doc

南京财经大学学年论文

我国通货膨胀影响因素实证分析
经济072 华懿（31）
摘要：本文主要通过对通货膨胀进行多因素分析，建立以度量通货膨胀的商品零售物价指数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，对影响通货膨胀的各主要经济因素进行考察，说明它们对通货膨胀的影响程度，从而为我国避免严重的通货膨胀以确保经济的持续稳定发展提供理论依据。
关键词：通货膨胀 多因素分析 模型 计量经济学 检验 修正
一、引言
中国人民银行6月底发布的《中国金融稳定报告2009》提示：为应对金融危机，包括中国在内的一些国家所采取的大规模注资和经济刺激计划，导致货币天量增发和财政赤字大幅上升，从中长期看，有可能转化为通货膨胀的压力。
国家统计局公布上半年核心经济数据表明，上半年实现国内生产总值(GDP)13.99万亿，较去年同期增长7.1%。6月份新增贷款达到了15304亿元。以此计算，今年上半年，我国新增贷款达到了7.37万亿元，超出年初5万亿元预计的近50%。6月末的广义货币供应量(M2)同比增长28.5%，为1997年3月央行公布此项数据以来之最。新一轮股市的暴涨，从今年初到现在，上证综指已经上涨了近80%。从年初楼市大规模的打折促销，到年中风风火火的涨价热潮，短短的半年之内，楼市的价格像跷跷板一样倒向了另一端。6月份市场上成交的土地价格频创高价，“地王”接连诞生。北京、上海、广州、杭州几地的房价上涨幅度最低已经逼近7%，高的已经在10%左右徘徊。一些原材料价格也在涨。截至目前，钢材价格已经连续15周大涨，建筑钢材几天来几乎是以每天上调100元的幅度涨价。有色金属中的铜从去年年底的2.2万元/吨涨到了4万元/吨。黄金价格也成为人们应对通胀的又一利器。黄金矿业服务有限公司(GFMS)近期发布了第13期中文版《黄金年鉴》称，由于通货膨胀的预期将推动新一轮的黄金投资浪潮，2009年下半年的黄金价格将达到创纪录的新高位。
各种信息都使人们产生了通货膨胀的预期，而这预期使人们对未来更加恐慌，人们担心手中的钱会越来越不值钱，反而有制造了各种上涨行情。股市、楼市还有黄金市场，成了不只是富翁，还是老百姓的避风港，资产泡沫又起。南京楼市似乎正处于癫狂状态中。
二．文献综述
1．通货膨胀的意思是：物品和生产要素的价格普遍上升的时期。通货膨胀意味着一般价格水平的上涨。今天我们用价格指数即成千上万种产品的加权平均价格来计算通货膨胀。（保罗•萨缪尔森《经济学》第十一版）
2、 平均价格水平的上升，并不是任何一种特殊价格的上升。（布拉德利•希勒《当代经济学》）
3．所谓通货膨胀率，实际上也就是物价指数（如居民消费物价指数）的年增长率。一般地，各国用以计算通货膨胀率的物价指数主要有消费物价指数（CPI）（或者零售物价指数RPI），批发物价指数（WPI）（或者生产者价格指数PPI），以及国内生产总值缩减指数（IPD）等三种。（«通货膨胀问题研究»«中国物价»2005.01）
4．（一）从需求方面对通货膨胀进行分析，选择宏观经济变量：工业总产值，固定资产投资额的对数和零售物价指数的对数进行建模，选择的样本区间为1980-1997年间的年度数据，建立向量自回归模型的价格指数方程……
（二）从工资成本方面分析通货膨胀，采用了Granger因果关系检验法，检验成本对通货膨胀的推动作用，选择1978-1997年间的职工平均工资，零售物价上涨率的数据作为样本……
（三）消费对通货膨胀影响的计量分析，选择1978-1997年间的数据进行分析，选取的指标为相对消费水平C=居民消费水平/人均GDP和零售物价上涨率P，得回归方程……（«我国通货膨胀的成因分析»«天津市职工现代企业管理学院学报»2004.12第四期）
5．（一）我国固定资产膨胀主要表现为一般加工工业投资增长过快，非生产性建设如楼堂馆所搞得大多，这就造成投资结构向加工工业和非生产性建设倾斜，造成能源、原材料的供应和交通运输极度紧张，由此带来的缺口又使国家不得不增加重点建设投资，使国家财政收支状况进一步恶化，增加物价上涨的压力。
（二）经济的增长也会导致通货膨胀，经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给通胀埋下一定的隐患。
（三）外汇和通胀也有一定的联系。这种通货膨胀是由于外债负担过重、外贸逆差过大以及国际市场价格与国内市场价格相差悬殊所引起的通货膨胀……
（四）上一期的物价指数对通胀的影响在于：人们会根据上一期的物价指数来决定自己该期的消费计划，而且由于物价指数存在一定的滞后，所以它会对该期的通胀造成一定的影响。（«需求推动角度考虑通货膨胀成因的实证分析»）
三．理论陈述
1．通胀的定义
通货膨胀是宏观经济的一个重要组成部分，也是当代国家经济发展的一个关键问题。但是，到目前为止，还没有一个被人们普遍接受别的关于通货膨胀的定义。西方经济学中最常用的是实用主义的通货膨胀定义：“通货膨胀是价格持续上涨的一种过程，或者从同等意义上说，是货币不断贬值的一种过程。”我们可以看出这个定义坚持了两点：（1）通货膨胀是一种货币现象而非一般的经济现象，通货膨胀或通货紧缩的发生总是与货币量的多少直接相关；（2）通货膨胀所表现出来的物价上涨是长期的和普遍的，而不是个别商品价格的上扬。
西方经济学对于通货膨胀的分类有三种：（1）温和的通货膨胀：年通货膨胀率为一位数的通货膨胀；（2）急剧的通货膨胀：总价格水平以每年100%，甚至200%的二位数或三位数的速率上涨；（3）恶性的通货膨胀：各种价格以每年百分之一百万，甚至百分之万亿的惊人速率持续上涨。
对于通胀的定义还有很多，但都是大同小异。通胀的表现是物价在长期的普遍上涨，且通胀对于经济的成长是很不利的。通货膨胀使个人和企业承受更高的实际税赋；通货膨胀降低储蓄的数量和效率；通货膨胀减少投资；通货膨胀严重损害供给；通货膨胀导致贸易逆差。我们要积极制止通胀的形成，因此有必要对通胀的成因进行一系列的分析。
2．通胀的度量
一般情况下，世界各国多用国内生产总值GDP缩减指数的增长率和消费价格指数的增长率来衡量通货膨胀，这两个指数虽不能相互替代，但在变化趋势上往往是一致的。在本文中，我们采用商品零售价格指数来度量通货膨胀。之所以选择零售物价指数，是因为它能全面的反映整个国民经济中所有的价格指数和物价水平，而且较其他的物价指数更具有代表性。
3．通胀的影响因素
影响通货膨胀的因素很多，但由于许多因素之间相互重叠，同时为了反映影响通货膨胀主要的经济因素，有必要从诸多的因素中选出有代表性的若干个。综合考虑各方面的因素，我们考虑以下一些变量：
（1）固定资产投资总额（I）。我国当前的总需求增长较快，主要是由投资拉动的，而其中政府主导的投资拉动作用最明显，用于基础设施建设，我国固定资产膨胀主要又表现为一般加工工业投资增长过快，这就造成投资结构向加工工业和非生产性建设倾斜，造成能源、原材料的供应和交通运输极度紧张，增加物价上涨的压力。投资对通货膨胀的影响。在公式GDP = C + I + G + NX里投资也是国内生产总值（GDP）的一部分。投资过度理论把经济的周期性循环归因于投资过度。由于投资过多，与消费品生产相对比，资本品生产发展过快。资本品生产的过度发展促使经济进入繁荣阶段，但资本品过度生产从而导致的过剩又会促进经济进入萧条阶段。资金过度进入基础设施建设、资本市场和房产市场都不可能直接的拉动民生产业和家庭消费。资产泡沫将更大。经济学家刘伟在《供求失衡的特点与通货膨胀的治理》一文中提出影响当时通货膨胀的两大因素，在需求方面主要表现在固定资产投资仍然增长过快。张曙光在《中国进入中度通货膨胀时期》一文中指出，输入型的通货膨胀即中国经济与国际接轨，国际生产要素价格上涨，从而导致一些进口生产要素价格上涨。正因为投资是GDP的一部分，所以本文在研究投资对物价影响时，从投资在GDP中的百分比为变量。
（2）国内生产总值（g）对通货膨胀的影响。新凯恩斯主义解释，需求拉动通货膨胀发生于因GDP所产生的高需求与低失业，又称菲利普斯曲线型通货膨胀。最近中国经济增长与宏观稳定课题组在《外部冲击与中国的通货膨胀》中提出GDP的增长是决定通胀的最主要因素。蔡昉在《如何取得经济增长与抑制通货膨胀之间的平衡》中提出到时通货膨胀形成的直接原因是伴随着高速经济增长，城乡就业得到前所未有的扩大，城乡普通劳动者的工资水平和中低收入家庭的收入增长显著增加，而中低收入家庭具有较高的边际消费倾向和较高的恩格尔系数，导致了食品价格上涨的需求因素。经济的增长也会导致通货膨胀，经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给通胀埋下一定的隐患。
（3）货币发行量（M2）。为了拉动内需，国家有时会采取适度的货币扩张政策，货币超量供应会使市场购买力大增，此时，如果供应量不能满足增加的需求量，市场只有涨价，这是由价值规律决定的。最明白的就是银行贷款增加使得流通货币增加，货币过度增加的结果就是钱越来越不值钱，商品价格过度上升，泡沫增加。王海峰在《规避通胀风险须准确把握宏观调控的着力点》中提出中国通胀压力与国内流动性过剩有一定关系。他指出，货币供给大于实体经济需求是通货膨胀压力剧增的根本原因。张五常在《中国的通货膨胀》一文提出，中国当时的通货膨胀主要是因为货币发行过快，导致市场上通胀反应过快。
（4）商品房年度销售价格（P），随着经济的发展，通货膨胀是一定的，但如何规避自己手里的钱贬值的风险，对于绝大多数的老百姓来说只有买房了。因为他们相信房价不会跌，而且政府也不会让房价跌。其中除了因为为了GDP和个人利益的地方政府、为了赚钱的开发商、炒房族，还有那些乐于当“房奴”的人在主动或被动地哄抬房价原因外，房地产的发展让央行已经印了大把大把数量惊人的钞票，如果房价降了，中国其他产品价格就会飞涨，这个后果谁来承担？高房价和通货膨胀是恶心循环，它能反映当时的通货膨胀。所以中国人会根据房价来判断通货膨胀的情况，这也是对老百姓来说最直观的方式之一了。
（5）上一期的零售物价指数(y(-1))。人们往往会根据上一期的物价指数来制定自己当期的消费计划，而且由于物价指数本身存在一定的滞后性，所以它会对该期的通胀造成一定的影响。
综上所述，尽管各种文献对通货膨胀的影响因素观点不一，选取的视角个不相同。但基本观点，如各因素的作用想法一致。本文综合考虑，并顾忌到数据收集的简易，分析的方便，从以上几个方面考虑。
四．数据来源
来自于中国统计网和中经专网的统计年鉴和统计数据库，取1987-2008年的数据。见附表
四、通货膨胀影响因素的分析
（一）．模型建立及参数估计
综上，建立模型如下：

利用STATA进行回归：

T=(+0.39) (+0.65) (+0.62) (+0.64) (+1.13) (+10.45)
=0.9989 =2691.47
以上结果可知,=0.9989，说明模型整体拟合得很好, 各因素对物价的解释程度高达99.89%；F=2691.47>F(5,15)=2.90 (显著性水平a=0.05)，表明模型从整体上看物价指数与各解释变量间线形关系显著。
（二）. 各种检验和修正
1.多重共线性检验和修正
(1)检验
(obs=21)

| var8 y g i m p y1
-------------+---------------------------------------------------------------
var8 | 1.0000
y | 0.9750 1.0000
g | 0.9422 0.9910 1.0000
i | 0.8696 0.9345 0.9453 1.0000
m | 0.9062 0.9737 0.9839 0.9515 1.0000
p | 0.9785 0.9811 0.9705 0.9166 0.9325 1.0000
y1 | 0.9776 0.9992 0.9889 0.9285 0.9709 0.9801 1.0000
由上表可见，各个解释变量间都存在高度相关性, 由模型回归结果也可看出, 尽管模型整体拟合较好，但G，I和M的参数t值不显著，表明模型确实存在严重的多重共线性,需要进行修正。
(2)修正
用逐步回归法：
ⅰ.运用OLS方法逐一求Y对各个解释变量的回归, 结合经济意义和统计检验选出拟合效果最好的一元线形回归方程:

(21.14) (32.24)

(-4.28) (11.44)

(15.27) (18.64)

(3.57) (22.13)

(-2.03) (105.81)

各因素从大到小的排序为>G>P>M>I。经分析, 在五个一元回归模型的中Y与的线形关系最强，拟合程度最好，因此，纳入得模型①：

(-2.03) (105.81)

ⅱ.逐步回归:
（1）把G引入模型：

(1.41) (15.12) (2.30)

因为提高，并且G的系数通过显著性检验，所以把G引入模型进行回归。
（2）把P引入模型：

(1.56) (11.89) (2.25) (1.03)

因为提高，并且P的系数通过显著性检验，所以把P引入模型进行回归。
（3）把M引入模型：

(1.71) (11.06) (0.67) (1.50) (1.12)

虽然提高了，但M的引入使G的系数不能通过显著性检验，。所以把M剔除。
（4）把I引入模型：

(0.10) (12.01) (1.43) (0.95) (1.11)

虽然提高了，但I的引入使常数的系数不能通过显著性检验，。所以把I剔除。
综上可得, Y对G, P,的回归模型为最优, 即通过多重共线性的修正得到的最优模型为：

(1.56) (11.89) (2.25) (1.03)

2.异方差的检验与修正
(1)检验
利用BPLM检验
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance

Variables: fitted values of y

chi2(1) = 2.70

Prob > chi2 = 0.1002

因为P值为0.1002，所以接受,不存在逆方差。
3.自相关的检验与修正
(1)检验
DW=1.552582，查DW分布表知，在5%显著性水平下，样本数为21，解释变量为3时，，。所以模型存在随即干扰项正一阶自相关。
（2）修正

（1.102612） （1.695127） （1.172470） （9.875947） （0.674697）

五．最终模型和结论
1.最终模型

（1.102612） （1.695127） （1.172470） （9.875947） （0.674697）

模型表明,,模型拟合很好, 即当期物价变动有99.87%可由滞后一期的GDP,房价（即通货预期）和滞后一期的物价指数共同解释，且它们对当期物价的分别影响都显著，t值分别为1.695127，1.172470，9.875947。
GDP每变动1%，引起当期物价变动0.0298%，可见通货膨胀是经济发展中不可避免的现象，所以我们对通胀的态度应该是在保证经济发展的前提下积极治理，而不应该过于敏感以至于造成经济减缓甚至停滞；商品房价格（即通货预期）变动1引起当期物价变动1.2797%说明应该更加重通货预期因素对通货膨胀的作用，更加重视通过控制人们的预期来控制通涨；滞后一期物价指数变动1%，引起当期物价变动90.3445%说明通胀的治理是一个长期的过程，不可能通过某一段时间的治理就能得到明显的改善。前期的通货现象会严重影响现期。
通货膨胀影响因素众多，本文只是捡几个比较公认的因素分析，通过了解通货膨胀的影响因素与影响程度，我们更要更好的控制通货膨胀，使其在一健康水平，有利于经济发展。
要防止中国经济过热，就要防止GDP一直在高位运行。因为GDP是影响物价上涨的最关键因素。防止固定资产投资高居不下，是控制GDP的重要手段，因此控制国内总需求，特别是投资需求是加强宏观调控是关键。
不断增加的各项贷款使会使社会上流动性过剩，过剩的流动性会不断流向短期收益较高的资产市场。不断推高资产价格，积累泡沫风险，甚至成为经济危机的导火线。资金的推动使房地产价格不断走高，股市繁荣，但必须严格清查银行信贷安全，防范资产泡沫。经济复苏需要大量的信贷，但大量的信贷也会导致通货膨胀的压力。
通货膨胀可以因为通胀预期而自我实现。防止通货膨胀非常重要的就是防止通胀预期，应为通胀一旦形成，要消除它必须付出沉重代价。这是历史，也是各国的共同经验。要如何防止通胀预期，就必须防止影响人们生活的基础商品的价格过度上涨。这是形成通胀预期的核心力量。如猪肉、鸡蛋、蔬菜等商品我们必须高度关注，政府也必须有措施抑制其高度增长。
通货膨胀引起的原因有很多，所以解决方法也有很多。对于我国的通货膨胀问题的解决，绝不能照搬照抄哪一个国家的模式，必须对症下药。走适合实际情况的解决之路，同时我们要从根源上来解决问题，达到标本兼治的目的。 
六、参考文献
[1]石良平.加息的宏观效应[J].我国统计，2007，(4). 
[2]朱庆.解读当前市场流动性过剩[J].金融观察，2006，(12). 
[3]张伟兵.我国潜在通货膨胀的主要成因[J].经济导刊，2007，(4).
[4]张五常.中国的通货膨胀[N].经济学消息报，2008-02-01
[5]林毅夫.等.2008：高速增长下的调控之道[J].新华文摘，2008，（10）；46
[6]吴敬琏.等.通货膨胀与发展转型[J].新华文摘，2008，（10）：41.
[7]周其仁.通货膨胀与价格管制[N],经济学消息报，2008-05-06
[8]张平，王宏淼.“双膨胀”的挑战与宏观政策调整[J].2008,(6):44.
[9]中国经济增长与宏观稳定课题组.外部冲击与中国的通货膨胀[J].经济研究，2008，（5）：4
[10]蔡昉.如何取得经济增长与一直通货膨胀之间的平衡[J],宏观经济研究，2008，（5）：3
[11]大中华经济.郎咸平：二元经济是通胀根源[EB/OL].星岛环球网，2008-05-13
[12]易宪容.通货膨胀：2008中国经济第一关[J].国民经济管理，2008，（4）：101
七、附表：

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 5, 15) = 2691.47
Model | 827738.307 5 165547.661 Prob > F = 0.0000
Residual | 922.62239 15 61.5081594 R-squared = 0.9989
-------------+------------------------------ Adj R-squared = 0.9985
Total | 828660.929 20 41433.0464 Root MSE = 7.8427
-----------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
g | .0001437 .0002194 0.65 0.522 -.000324 .0006114
i | .4225282 .6774945 0.62 0.542 -1.021517 1.866574
m | .0000662 .0001032 0.64 0.531 -.0001537 .0002861
p | .013094 .0116325 1.13 0.278 -.0117002 .0378881
y1 | .9007634 .0862109 10.45 0.000 .7170093 1.084518
cons | 9.610026 24.63012 0.39 0.702 -42.88782 62.10788
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 1, 19) = 1039.65
Model | 813788.692 1 813788.692 Prob > F = 0.0000
Residual | 14872.2366 19 782.749294 R-squared = 0.9821
-------------+------------------------------ Adj R-squared = 0.9811
Total | 828660.929 20 41433.0464 Root MSE = 27.978
------------------------------------------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
g | .0024835 .000077 32.24 0.000 .0023222 .0026447
_cons | 210.574 9.96108 21.14 0.000 189.7252 231.4227
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 1, 19) = 130.98
Model | 723684.893 1 723684.893 Prob > F = 0.0000
Residual | 104976.036 19 5525.05452 R-squared = 0.8733
-------------+------------------------------ Adj R-squared = 0.8667
Total | 828660.929 20 41433.0464 Root MSE = 74.331

------------------------------------------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------
i | 20.51971 1.792936 11.44 0.000 16.76705 24.27237
_cons | -290.8876 67.9547 -4.28 0.000 -433.1184 -148.6568
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 1, 19) = 347.28
Model | 785676.412 1 785676.412 Prob > F = 0.0000
Residual | 42984.5166 19 2262.34298 R-squared = 0.9481
-------------+------------------------------ Adj R-squared = 0.9454
Total | 828660.929 20 41433.0464 Root MSE = 47.564

------------------------------------------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
m | .0014696 .0000789 18.64 0.000 .0013045 .0016346
_cons | 241.6571 15.82844 15.27 0.000 208.5278 274.7864
-------------

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 1, 19) = 489.59
Model | 797703.37 1 797703.37 Prob > F = 00000
Residual | 30957.5586 19 1629.34519 R-squared = 0.9626
-------------+------------------------------ Adj R-squared = 0.9607
Total | 828660.929 20 41433.0464 Root MSE = 40.365

-------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
p | .1988106 .0089851 22.13 0.000 .1800044 .2176167
_cons | 70.76449 19.84966 3.57 0.002 29.21867 112.3103
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 21
-------------+------------------------------ F( 1, 19) =11195.72
Model | 827257.011 1 827257.011 Prob > F = 0.0000
Residual | 1403.91845 19 73.8904446 R-squared = 0.9983
-------------+------------------------------ Adj R-squared = 0.9982
Total | 828660.929 20 41433.0464 Root MSE = 8.596

------------------------------------------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
y1 | 1.099339 .0103898 105.81 0.000 1.077593 1.121085
_cons | -9.861104 4.858508 -2.03 0.057 -20.03008 .3078689
------------------------------------------------------------------------------

Source | SS df MS Number of obs = 21
----------- F( 2, 18) = 6864.07
Model | 827575.831 2 413787.916 Prob > F = 0.0000
Residual | 1085.09768 18 60.2832044 R-squared = 0.9987
-------------+------------------------------ Adj R-squared = 0.9985
Total | 828660.929 20 41433.0464 Root MSE = 7.7642

------------------------------------------------------------------------------
y | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------