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Word文件下载.docx
《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Word文件下载.docx》由会员分享,可在线阅读,更多相关《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Word文件下载.docx(19页珍藏版)》请在冰点文库上搜索。
2010年第二季度上证指数K线图
和讯网
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HymanP.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美金大关、金属矿等在2011第一、二季度月涨幅都在10%左右。
苏剑等(2011)归纳说,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。
NakayamaToshiko&
PaulMonson(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。
JerryLignt&
ThomasShevlin(1998)认为,农产品价值对商品价格的影响加强,Joseph、Kowal(2008)等则指出,能源和食品价格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(ConsumerPriceIndex,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。
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
时间序列名称
检验类型
ADF检验值
临界值1%显著性水平)
结论
RCPI_SA
(C,N,0)
-1.441882
-3.486064
不平稳
RRMPPI_SA
(C,T,3)
-3.609012
-4.039075
RRPIF_SA
(C,N,12)
-2.357979
-3.492523
RM2_SA
-3.286566
△RCPI_SA
-9.493006
-3.486551
平稳
△RRMPPI_SA
-4.865522
-4.038365
△RRPIF_SA
(C,N,11)
-4.670034
△RM2_SA
(C,T,0)
-10.53802
-4.037668
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。
3.4Johansen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RCPI_SA、RRMPPI_SA、RRPIF_SA和RM2_SA他们都服从I
(1)过程,,那么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
原假设
特征值
迹统计量
临界值(5%的显著性水平)
无协整向量
0.239963
76.68818
47.85613
至多1个协整向量
0.202290
46.77982
29.79707
至多2个协整向量
0.141720
22.14468
15.49471
至多3个协整向量
0.049092
5.486827
3.841466
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。
3.5Granger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
滞后阶数
F统计量
P值
RRMPPI_SA没有导致RCPI_SA
2
3.09878
0.0490
RCPI_SA没有导致RRMPPI_SA
4.05414
0.0199
RRPIF_SA没有导致RCPI_SA
1.66944
0.1005
RCPI_SA没有导致RRPIF_SA
2.43694
0.0128
RM2_SA没有导致RCPI_SA
2.04720
0.1339
RCPI_SA没有导致RM2_SA
8.55462
0.0003
RRPIF_SA没有导致RRMPPI_SA
2.40745
0.0139
RRMPPI_SA没有导致RRPIF_SA
1.09329
0.3761
RM2_SA没有导致RRMPPI_SA
1.30049
0.2527
RRMPPI_SA没有导致RM2_SA
3.95931
0.0004
RRPIF_SA没有导致RM2_SA
0.62179
0.5388
RM2_SA没有导致RRPIF_SA
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:
式中,
是m维内生变量向量;
是d维外生变量向量;
和
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
-2245.934
NA
1.14e+12
36.27313
36.34137
36.30085
1
-1488.029
1466.913
6455561.
24.19402
24.46695
24.30489
-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
常数项
系数
-0.338306
-0.089793
-0.714210
2.095099
标准差
0.40774
0.51155
1.10132
0.72170
t值
-0.82971
-0.17553
-0.64851
2.90301
RCPI_SA(-1)
0.363230
0.578317
-1.014901
-0.298106
0.30884
0.38747
0.83419
0.54665
1.17611
1.49253
-1.21663
-0.54533
RCPI_SA(-2)
0.663274
-0.676183
1.651925
0.089639
0.30366
0.38097
0.82019
0.53747
2.18429
-1.77490
2.01409
0.16678
RRMPPI_SA(-1)
0.140879
1.672195
0.206888
-0.238902
0.05308
0.06659
0.14337
0.09395
2.65411
25.1103
1.44304
-2.54284
RRMPPI_SA(-2)
-0.137247
-0.734939
-0.247530
0.163474
0.05426
0.06808
0.14656
0.09604
-2.52931
-10.7955
-1.68888
1.70206
RRPIF_SA(-1)
0.243907
-0.110086
1.418856
-0.055734
0.11066
0.