我国通货膨胀影响因素的计量经济学分析
我国通货膨胀影响因素的
计量经济学分析
班级:111001 姓名:李圆圆
提交日期:2014.7.3
目录
一、 二、 三、
理论陈述„„„„„„„„„„„„„„„„„„„„„„„„„„„„„1
变量与数据的选取及处理 „„„„„„„„„„„„„„„„„„„„„„1
计量分析的具体流程 „„„„„„„„„„„„„„„„„„„„„3
(一) 解释变量的平稳性检验„„„„„„„„„„„„„„„„„„„„„„3 (二) 变量的调整 „„„„„„„„„„„„„„„„„„„„„„„„„„6 (三) 新解释变量的平稳性检验 „„„„„„„„„„„„„„„„„„„„7
(四) 模型的参数估计 „„„„„„„„„„„„„„„„„„„„„„„„ 10 (五)模型的检验与确定 „„„„„ „„„„„„„„„„„„„„„„„„11
四、结论分析与建议 „„„„„„„„„„„„„„„„„„„„„„„„15 五、参考文献 „„„ „„„„„„„„„„„„„„„„„„„„„„„16
摘要:通货膨胀是市场经济不可避免的产物,从中国改革开放到现在,我国的社会主义市场经济也逐渐形成了较为完善的结构体系。在这种经济背景下,通货膨胀的产生是不可避免的,已经并且会继续影响着我国的发展和普通人民的生活。本文旨在运用计量经济学的科学方法,对我国改革开放后通货膨胀的成因进行一定的探讨和思索,给广大的读者一定的启发。
关键词:通货膨胀 货币供给 国内生产总值GDP 固定资产投资
一、理论陈述
关于通货膨胀的定义, 迄今为止还没有形成统一的说法。我们认为,通货膨胀可以定义为:通货膨胀是经济运行中价格总水平大幅度持续上升的货币现象。在通胀理论方面,我国学者与国外之间有很大差异。比如, 我国学者提出了与西方成熟通货膨胀理论大相径庭的通货膨胀概念和理论,包括摩擦性通货膨胀、隐形通货膨胀、体制型通货膨胀的概念以及低效率导致通货膨胀理论等。以下是几种国外对通货膨胀的理论研究成果:
(一)货币数量论:该理论可以视为西方经济学界主要分析通胀成因的理论,他们认为,在其他条件不变的情况下,价格水平是由货币数量直接决定的,货币数量增加则物价水平会上升。通胀的原因必然是货币供应量相对于需求过多,以致较多的货币追逐较少的商品,而解决通货膨胀的措施就必定是进行货币的紧缩。该理论提出如下方程式:π=m-y+v
其中,π为通货膨胀率,m为货币增长率,v为货币流通速度变化率,y为查处增长率,当v与y不变时,通货膨胀率π就与货币增长率m成正比关系。
(二)需求拉动学论:认为通货膨胀是由于强制流通的纸币和信用货币对商品和劳务的总需求过度增长引起的。代表学派是凯恩斯主义和货币学派。前者认为,货币供应量增加会引起利息率降低,从而会刺激投资的增加和总需求的增加,当达到充分就业,产量无法继续扩大时,物价就会上涨,通货膨胀发生;后者认为,从长期趋势看,货币供应量增加,就会导致物价水平提高,通货膨胀就会发生,货币供应量对产量的增长影响很小,而从短期看,货币供应量的增加暂时会影响产量的增长。
(三)成本推进论:该理论认为,在一个完全竞争的市场中,任何特定的利益集团都无法凭借超经济的权力获得超额收益,因而也无法引起成本推进的通货膨胀。在不完全竞争市场中,工会以及少数垄断性部门却可以使收入的增长超过劳动生产率和经济的增长,因而就产生了成本推进的通货膨胀。
(四)结构性价格上涨论:这一理论的学者从价格结构的变动方面去寻找成本上升的基本力量,认为通胀会在较长时期受到结构失衡及其调整的影响。也就是说,在没有需求拉动与成本推进的情况下,只是由于经济结构因素的变动,也会出现一般价格水平的持续上涨。
对于通货膨胀理论,目前国际上也没有一种得到了公认,不同学派对于通货膨胀的成因及其治理方法的看法上存在着巨大的差别,最为突出的就是货币数量派与结构价格上涨派之间的观点,几乎是完全相反的政策主张和政策措施。我国对于其理论,也在不断的探索之中。 二、变量与数据选择及处理(1990~2012)
(1)货币供给量(M2)根据弗里德曼的理论,通货膨胀归根到底是一种货币现象,其本
1
质是货币的过量。此外,经济学上认为,货币供给的扩张是需求拉动型通货膨胀的最主要原因。因此我们选取以M2这样一个衡量较为全面的货币供给量作为解释变量。
(2)经济增长(G)虽然从经济学理论上来看,经济增长与通货膨胀之间并没有必然的联系,同时经济增长使社会价值和财富增加,从而使社会有效供给增加而对通货膨胀有一定抑制作用,但就我国的实际情况来看,经济的持续增长常常伴随着一定的通货膨胀,因此我们选取以GDP增长衡量的经济增长作为一个解释变量。
(3)固定资产投资(I)的快速增长会造成国家财政的紧张,而财政赤子又会导致货币供给的增加,从而增加通货膨胀的压力。同时,固定资产的过快增长会导致农业、能源、交通等部门供给方面的紧张,导致农产品和基础工业产品的价格上涨,加大社会总需求与总供给之间的缺口。我国最近一轮经济增长中就出现了比较严重的“瓶颈”制约现象,因此我们选取固定资产投资作为另一个解释变量。
(4)GDP平减指数,(以下简称PJG),又称GDP缩减指数,GDP折算指数,是指没有剔除物价变动前的GDP(现价GDP)增长与剔除了物价变动后的GDP(即不变价GDP(constant-price GDP)或实质GDP)增长之商。该指数也用来计算GDP的组成部分,如个人消费开支。它的计算基础比CPI更广泛,涉及全部商品和服务,除消费外,还包括生产资料和资本、进出口商品和劳务等。因此,这一指数能够更加准确地反映一般物价水平走向,是对价格水平最宏观测量。因此我们选择GDP平减指数来描述通货膨胀。
因为在统计年鉴中没有直接给出GDP平减指数,因此只能自行计算。在年鉴中查出从78年开始的GDP以及以78年为基值100的GDP指数,用GDP*指数算出相应年份的不变价GDP,再根据公式:GDP平减指数=现价GDP/不变价GDP,算出每一年的GDP平减指数。具体见附录表一。
因此最终得到的数据为下表:
obs 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
G 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 316030.3 340320.0 399759.5
I 4517 5594.5 8080.1 13072.3 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.4 88773.6 109998.2 137323.9 182915.3 250229.7 278140.0
M2 15293.4 19349.9 25402.2 34879.8 46923.5 60750.5 76094.9 90995.3 104498.5 119897.9 134610.3 158301.9 185007 221222.8 254107 298755.7 345603.6 403442.2 475166.6 610224.5 725851.8
PJG 1.82 1.94 2.1 2.42 2.92 3.32 3.53 3.59 3.56 3.51 3.58 3.66 3.68 3.77 4.03 4.19 4.35 4.68 5.08 5.01 5.33
2
2011 2012
468562.4 516282.1
311485.1 374694.7
851590.9 974148.8
5.71 5.84
首先,我们单独考虑各因素是否构成对通货膨胀的影响:通过上图,我们可以看出,GDP平减指数PJG和M2、G、I三个量之间存在一定的相关性,并且都表现出滞后性,因此在建模的过程中考虑引入滞后变量。
三、计量分析的具体流程
(一)解释变量的平稳性检验: (1)M2
通过EVIEWS的单位根检验有:
Null Hypothesis: D(M2) has a unit root Exogenous: Constant
Lag Length: 3 (Automatic based on SIC, MAXLAG=4)
t-Statistic 1.783724 -3.857386 -3.040391
Prob.* 0.9993
3
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level
2011
2012 468562.4 516282.1 311485.1 374694.7 851590.9 974148.8 5.71 5.84
首先,我们单独考虑各因素是否构成对通货膨胀的影响:通过上图,我们可以看出,GDP平减指数PJG和M2、G、I三个量之间存在一定的相关性,并且都表现出滞后性,因此在建模的过程中考虑引入滞后变量。
三、计量分析的具体流程
(一)解释变量的平稳性检验:
(1)M2
通过EVIEWS的单位根检验有:
Null Hypothesis: D(M2) has a unit root
Exogenous: Constant
Lag Length: 3 (Automatic based on SIC, MAXLAG=4)
t-Statistic 1.783724 -3.857386 -3.040391 Prob.* 0.9993
3
Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level
10% level -2.660551
Null Hypothesis: D(M2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic based on SIC, MAXLAG=4) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.415656 0.9785
Test critical values: 1% level -4.532598
5% level -3.673616
10% level -3.277364
Null Hypothesis: D(M2) has a unit root
Exogenous: None
Lag Length: 3 (Automatic based on SIC, MAXLAG=4) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 2.437215 0.9940
Test critical values: 1% level -2.699769
5% level -1.961409
10% level -1.606610
可以看出M2在一阶差分的情况下,检验出非平稳。
(2)G
通过EVIEWS的单位根检验有:
Null Hypothesis: D(G) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=4) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 3.442005 1.0000
Test critical values: 1% level -3.788030
5% level -3.012363 10% level -2.646119
4
Null Hypothesis: D(G) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 3 (Automatic based on SIC, MAXLAG=4) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -0.431409 0.9770
Test critical values: 1% level -4.571559
5% level -3.690814
10% level -3.286909
Null Hypothesis: D(G) has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=4) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 4.386114 0.9999
Test critical values: 1% level -2.679735
5% level -1.958088
10% level -1.607830
可以看出G在一阶差分的情况下,检验出非平稳。
(3)I
I在一阶差分的情况下,同样检验出非平稳。
(4)PJG
通过EVIEWS的单位根检验有:
Null Hypothesis: D(PJG) has a unit root
Exogenous: Constant
Lag Length: 1 (Fixed) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.681071 0.0946
Test critical values: 1% level -3.808546
5% level -3.020686
10% level -2.650413
5
可以看出PJG在有截距项无趋势时,在一阶差分,滞后一期条件下,检验出为平稳时间序列。
由于M2、G、I的一阶差分都不平稳,而PJG的一阶差分检验出平稳,以目前我们所学的知识无法进行协整。于是我决定将变量进行变换,以消除原变量的趋势,达到平稳协整的目的。
(二)变量调整:
(1) PJG
在之前PJG选择的是以78年为基期的定基数据,我们将其修改为环比数据得:
PP=PJG/PJG(-1),环比数据可以反映相对的增长量,任何一期的物价上涨都是可以理解的,因为随着经济的发展,成本的提高,物价必然上涨,但是一旦PP值过大或过小偏离了正常水平,即可以视为发生了通胀或者紧缩。
(2) M2
同样,之前的M2为实际期末存量,是一个绝对量,我们选择用其增长率代替:M22=M2/M2(-1),M2的不断增长是客观的必然,但是偏离了正常水平的暴涨,就有可能引起通货膨胀。
(3) G和I
投资必然会引起GDP的增长,因此G和I之间必然存在强烈的共线性,为消除这种共线性,我们选择计算结构相对数(比重)指标。选用的变量是固定资产投资占GDP总量的比率,知所以选用这一比率,是因为它同时考虑到了两个因素的影响,分子I和分母G都会使该变量发生改变。之后,再将该变量转换为增长幅度作为最终的使用变量,即:IG=(I/G)/(I(-1)/G(-1)),之所以这样做是因为在我国,固定资产投资的比重基本上是逐年增加的。
(4) 虚拟变量V
由于物价可能会受到国家内的政治或者经济事件的影响,比如88和89两年出现的政治局势上的波动对我国经济运行特别是物价变动有着一定的影响。因此这段时期的物价变动和其他时期的通货膨胀有一定性质上的区别;再比如93和94年房地产热和证券热等经济行为引发的通货膨胀;2007年开始的经济危机都对物价产生了一定的影响。对于政治经济局势的正常与否这一指标我们无法直接对其影响进行度量,因此我们引入虚拟变量V:
V=1(政治或经济波动)
0(政治或经济平稳)
最终调整之后的数据为:
obs
1990
1991
1992
1993
1994
1995
1996
1997
1998 M22 1.280000 1.265245 1.312782 1.373102 1.345292 1.294671 1.252581 1.195813 1.148394 PP 1.058140 1.065934 1.082474 1.152381 1.206612 1.136986 1.063253 1.016997 0.991643 IG 0.932247 1.061492 1.168454 1.232751 0.955729 0.931312 0.977606 0.981031 1.065668 V 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 0.000000
6
1999 1.147365 0.985955 0.989173 0.000000 2000 1.122708 1.019943 0.996604 0.000000 2001 1.176001 1.022346 1.022863 0.000000 2002 1.168697 1.005464 1.065205 0.000000 2003 1.195754 1.024457 1.131714 0.000000 2004 1.148647 1.068966 1.077505 0.000000 2005 1.175708 1.039702 1.088927 0.000000 2006 1.156810 1.038186 1.059354 0.000000 2007 1.167355 1.075862 1.015954 1.000000 2008 1.171235 1.073432 1.073233 1.000000 2009 1.177787 1.081322 1.082122 1.000000 2010 1.182323 1.083244 1.086543 1.000000 2011 1.188765 1.094371 1.956215 1.000000 2012 1.193235 1.097863 1.986322 1.000000
(三)新解释变量的平稳性检验:
(1)M22
通过EVIEWS的单位根检验有:
Null Hypothesis: D(M22) has a unit root Exogenous: Constant Lag Length: 4 (Fixed) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.652663 0.0167 Test critical values: 1% level -3.920350
5% level -3.065585
10% level -2.673459 *MacKinnon (1996) one-sided p-values. Warning: Probabilities and critical values calculated for 20
observations and may not be accurate for a sample size of 16
Augmented Dickey-Fuller Test Equation Dependent Variable: D(M22,2) Method: Least Squares Date: 01/07/14 Time: 12:46 Sample (adjusted): 1997 2012 Included observations: 16 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
7
D(M22(-1)) -1.493202 0.408798 -3.652663 0.0044
D(M22(-1),2) 0.354368 0.326793 1.084381 0.3036
D(M22(-2),2) 0.669292 0.278048 2.407113 0.0369
D(M22(-3),2) 0.776589 0.268463 2.892721 0.0160
D(M22(-4),2) 0.476892 0.210408 2.266509 0.0468
C -0.011109 0.008591 -1.293181 0.2250 R-squared 0.735905 Mean dependent var 0.001581
Adjusted R-squared 0.603858 S.D. dependent var 0.051824
S.E. of regression 0.032618 Akaike info criterion -3.727920
Sum squared resid 0.010639 Schwarz criterion -3.438200
Log likelihood 35.82336 F-statistic 5.573040
Durbin-Watson stat 2.144324 Prob(F-statistic) 0.010389
可以看出M22在有截距无趋势的条件下,一阶差分四期滞后的情况下,检验出平稳。
(2)IG
通过EVIEWS的单位根检验有:
Null Hypothesis: D(IG) has a unit root
Exogenous: Constant
Lag Length: 1 (Fixed) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.493726 0.0200
Test critical values: 1% level -3.831511
5% level -3.029970
10% level -2.655194 *MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20
observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IG,2)
Method: Least Squares
Date: 01/07/14 Time: 12:50
Sample (adjusted): 1994 2012
Included observations: 19 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
D(IG(-1)) -1.200518 0.343621 -3.493726 0.0030
8
D(IG(-1),2) 0.215736 0.244205 0.883421 0.3901
C 0.000695 0.023999 0.028977 0.9772 R-squared 0.515986 Mean dependent var -0.000688
Adjusted R-squared 0.455485 S.D. dependent var 0.141748
S.E. of regression 0.104598 Akaike info criterion -1.533454
Sum squared resid 0.175050 Schwarz criterion -1.384332
Log likelihood 17.56781 F-statistic 8.528464
Durbin-Watson stat 1.999905 Prob(F-statistic) 0.003012
可以看出IG在有截距无趋势的条件下,一阶差分一期滞后的情况下,检验出平稳。
(3)PP
通过EVIEWS的单位根检验有:
Null Hypothesis: D(PP) has a unit root
Exogenous: Constant
Lag Length: 1 (Fixed) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.876478 0.0091
Test critical values: 1% level -3.831511
5% level -3.029970
10% level -2.655194 *MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20
observations and may not be accurate for a sample size of 19
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PP,2)
Method: Least Squares
Date: 01/07/14 Time: 12:57
Sample (adjusted): 1994 2012
Included observations: 19 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
D(PP(-1)) -1.005355 0.259348 -3.876478 0.0013
D(PP(-1),2) 0.382086 0.216439 1.765329 0.0966
C -0.002219 0.008595 -0.258115 0.7996 R-squared 0.492192 Mean dependent var -0.001613
Adjusted R-squared 0.428716 S.D. dependent var 0.049560
9
S.E. of regression 0.037459 Akaike info criterion -3.587216
Sum squared resid 0.022450 Schwarz criterion -3.438094
Log likelihood 37.07855 F-statistic 7.753996
Durbin-Watson stat 1.530023 Prob(F-statistic) 0.004422
可以看出PP在有截距无趋势的条件下,一阶差分一期滞后的情况下,检验出平稳。
pp,m22,ig,v之间存在协整。
(四)模型的参数估计:
我们分别检验M22和IG滞后变量对PP的影响,以选择最合适的滞后期数进行建模。
PP对M22的PDL法滞后分析:
Dependent Variable: PP
Method: Least Squares
Date: 01/07/14 Time: 14:01
Sample (adjusted): 1994 2012
Included observations: 19 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
C 0.390383 0.152022 2.567934 0.0214
PDL01 0.410689 0.144102 2.849984 0.0122
PDL02 -0.020797 0.160603 -0.129491 0.8987
PDL03 -0.174848 0.150076 -1.165064 0.2622 R-squared 0.740783 Mean dependent var 1.060206
Adjusted R-squared 0.688939 S.D. dependent var 0.056673
S.E. of regression 0.031608 Akaike info criterion -3.886154
Sum squared resid 0.014986 Schwarz criterion -3.687325
Log likelihood 40.91846 F-statistic 14.28885
Durbin-Watson stat 1.293528 Prob(F-statistic) 0.000114 Lag Distribution of
M22 i Coefficient Std. Error t-Statistic . * | 0 0.25664 0.18341 1.39925
. * | 1 0.41069 0.14410 2.84998
. * | 2 0.21504 0.14572 1.47574
* . | 3 -0.33030 0.18078 -1.82711 Sum of
Lags 0.55208 0.12407 4.44982
10
由表知,滞后一期的M22与PP之间的相关关系最显著,故选择M22(-1)作为解释变量。
PP对IG的PDL法滞后分析:
Dependent Variable: PP
Method: Least Squares
Date: 01/07/14 Time: 14:03
Sample (adjusted): 1994 2012
Included observations: 19 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
C 0.662715 0.288921 2.293763 0.0367
PDL01 0.182553 0.082976 2.200072 0.0439
PDL02 0.129027 0.099867 1.291982 0.2159
PDL03 -0.100313 0.090180 -1.112358 0.2835 R-squared 0.317016 Mean dependent var 1.060206
Adjusted R-squared 0.180420 S.D. dependent var 0.056673
S.E. of regression 0.051306 Akaike info criterion -2.917349
Sum squared resid 0.039485 Schwarz criterion -2.718520
Log likelihood 31.71482 F-statistic 2.320819
Durbin-Watson stat 0.297844 Prob(F-statistic) 0.116641 Lag Distribution of
IG i Coefficient Std. Error t-Statistic * . | 0 -0.04679 0.15421 -0.30340
. * | 1 0.18255 0.08298 2.20007
. * | 2 0.21127 0.08305 2.54392
. * | 3 0.03936 0.15494 0.25401 Sum of
Lags 0.38639 0.28054 1.37731
由表知,滞后二期的IG与PP之间的相关关系最显著,故选择IG(-2)作为解释变量。
(五)模型的建立与确定:
进行回归得到下表结果:
Dependent Variable: PP
Method: Least Squares
Date: 01/07/14 Time: 14:06
Sample (adjusted): 1993 2012
Included observations: 20 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
11
C
M22(-1)
IG(-2)
V
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.282063 0.487222 0.169294 0.048113 0.102179 0.071793 0.056941 0.012309 2.760485 6.786440 2.973150 3.908723 0.0139 0.0000 0.0090 0.0013 1.063224 0.056788 -4.694775 -4.495629 40.20204 0.000000 0.882875 Mean dependent var 0.860914 S.D. dependent var 0.021179 Akaike info criterion 0.007177 Schwarz criterion 50.94775 F-statistic 1.152805 Prob(F-statistic)
结论:方程的拟合情况比较理想,各解释变量的t值显著。变量的改变有88.3%可以由模型作出解释。
模型表达式为:
PP=0.282063+0.487222*M22(-1)+0.169294*IG+0.048113*V
T =(2.760485)(6.786440) (2.973150) (3.908723)
2R=0.882875 F=40.20204 DW=1.152805
RESET检验结果:
Ramsey RESET Test:
F-statistic
Log likelihood ratio
Test Equation:
Dependent Variable: PP
Method: Least Squares
Date: 01/07/14 Time: 14:55
Sample: 1993 2012
Included observations: 20
Variable
C
IG(-2)
M22(-1)
V
FITTED^2
R-squared
Adjusted R-squared
0.299045 Prob. F(1,15) Std. Error 1.037051 0.676357 1.894822 0.185701 1.782576 t-Statistic 0.816052 -0.294517 -0.289306 -0.286502 0.546850 Coefficient 0.846287 -0.199199 -0.548183 -0.053204 0.974802 0.592525 0.529785 Prob. 0.4272 0.7724 0.7763 0.7784 0.5925 1.063224 0.056788 12 0.394804 Prob. Chi-Square(1) 0.885164 Mean dependent var 0.854541 S.D. dependent var
S.E. of regression 0.021659 Akaike info criterion -4.614516
Sum squared resid 0.007036 Schwarz criterion -4.365583
Log likelihood 51.14516 F-statistic 28.90536
Durbin-Watson stat 1.067759 Prob(F-statistic) 0.000001
F统计值很小,故模型不存在设定误差。
冗余变量的检验
Redundant Variables: V F-statistic 15.27811 Prob. F(1,16) 0.001251
Log likelihood ratio 13.40660 Prob. Chi-Square(1) 0.000251
Redundant Variables: M22(-1) F-statistic 46.05577 Prob. F(1,16) 0.000004
Log likelihood ratio 27.10890 Prob. Chi-Square(1) 0.000000
Redundant Variables: IG(-2) F-statistic 8.839619 Prob. F(1,16) 0.008968
Log likelihood ratio 8.797024 Prob. Chi-Square(1) 0.003017
均不冗余。
其它的检验及修正:
(1) 多重共线性
相关系数矩阵为:
M22 IG V
M22 1.000000 0.198593 0.290071
IG 0.198593 1.000000 -0.160857
V 0.290071 -0.160857 1.000000
多重共线性不明显,各解释变量之间的相关关系不明显,故模型不存在多重共线性。
残差平稳性检验结果:
Null Hypothesis: ETT has a unit root
Exogenous: Constant
Lag Length: 0 (Fixed)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.049487 0.0068
Test critical values: 1% level -3.857386
5% level -3.040391
10% level -2.660551 *MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20
observations and may not be accurate for a sample size of 18
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ETT)
Method: Least Squares
Date: 01/07/14 Time: 14:34
Sample (adjusted): 1995 2012
Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob.
ETT(-1) -0.994247 0.245524 -4.049487 0.0009
C 0.000585 0.004437 0.131763 0.8968 R-squared 0.506148 Mean dependent var 0.000656
Adjusted R-squared 0.475282 S.D. dependent var 0.025986
S.E. of regression 0.018824 Akaike info criterion -5.002959
Sum squared resid 0.005669 Schwarz criterion -4.904029
Log likelihood 47.02663 F-statistic 16.39835
Durbin-Watson stat 1.603026 Prob(F-statistic) 0.000930
查表可知:10%的临界值=(-3.4518)+(-0.34672)-0.00861=(-3.8071)> (-4.049487) 残差平稳
(2) 异方差性
由于是时间序列数据,故使用White检验和ARCH检验,得:
White Heteroskedasticity Test: F-statistic 1.577790 Prob. F(5,14) 0.229936
Obs*R-squared 7.208158 Prob. Chi-Square(5) 0.205614
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/07/14 Time: 15:17
Sample: 1993 2012
Included observations: 20
Collinear test regressors dropped from specification Variable
C
M22(-1)
M22(-1)^2
IG(-2)
IG(-2)^2
V
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Coefficient -0.008727 0.006047 -0.002020 0.011333 -0.006420 -0.000341 Std. Error 0.035939 0.058485 0.023696 0.021065 0.010263 0.000256 t-Statistic -0.242841 0.103396 -0.085235 0.537995 -0.625563 -1.333429 Prob. 0.8117 0.9191 0.9333 0.5990 0.5417 0.2037 0.000359 0.000425 -12.58926 -12.29054 1.577790 0.229936 0.360408 Mean dependent var 0.131982 S.D. dependent var 0.000396 Akaike info criterion 2.19E-06 Schwarz criterion 131.8926 F-statistic 2.109345 Prob(F-statistic)
由上可得,Obs*R-squared=7.208158
模型的误差U不存在异方差。 (8)=11.0705,所以接受H0,拒绝H1,表明此
最终模型的确定:
PP=0.313380+0.459585*M22(-1)+0.172895*IG(-2)+0.039180*V
t =(1.910331)(3.684865) (3.044471) (3.118843)
2R=0.902505 F=32.39917 DW=1.973341
四、模型经济意义分析
(1) 货币供给量M2
由模型我们可以看出M2增长率每变动一个单位,会引起物价变动比率改变0.459585个单位。但是这种影响会之后一期(一年),也就是说,去年的货币供给变化会造成今年物价水平的变动。这是很正常的,因为货币的传导机制需要时间,而央行也需要时间来调整其货币政策,比如央行认为去年的通货膨胀率过高,就会在今年抑制货币的发行量,但是这种效果对整个社会的商品价格不会产生立竿见影的效果(对某些特定产业可能会),而到明年,政策的效果一般就能显现出来,使得全社会物价变动幅度降低。
(2)固定资产投资占GDP比率
从模型上表现出来,这一变量对PP的影响达到了0.172895个单位,同时有两年的滞后期。我们认为,这是符合经济常识的,首先固定资产投资往往都是长期投资,特别是国家大型建设项目,通常都具有建设周期长、耗资巨大等特点,这类投资的比率增加,很容易引起成本推动型通货膨胀,而且我们认为,固定资产投资往往有“跟风”效应,这也就决定了其
滞后性。往往一些固定资产投资受到效益后就会引发行业的膨胀,形成重复建设。从而造成全局性的成本上涨。比如90年代初的房地产热在92年邓小平南巡之后就出现了,但直到93、94年才形成通货膨胀高峰,这两年时间的跨度,正好是第一批投资收到效益的时间。滞后性的表现还在于GDP的模糊性。我国长期以来GDP的高速增长一直被西方学者认为有水分,而最终的模型也证明了这种观点不是空穴来风。如果GDP的增长是由于大范围的粗放型建设而引发的,那么一旦泡沫经济破灭,就可能引发较为严重的通货膨胀,因为在GDP增长的背景下是社会供给的相对不足。
(3)政治经济因素
作为一个社会主义市场经济国家,其通货膨胀必然有其独特之处,在中国我们认为政治影响确实是一个不可忽视的因素。相比较这两年的通货膨胀,我国90年代以后的通胀,基本上是处于市场经济的环境下,其成因基本上可以用经济行为解释。而模型得出的结论也证实了我们的观点,政治因素对通货膨胀的影响达到了0.039180个单位,还是比较明显的。至于未来可能出现的通胀现象,则应结合当时的社会环境进行具体分析,以确定政治因素的取值,只要中国还不是完全的市场经济,那么政治因素就不应该被忽视。
参考文献
[1] 张思成 人民币汇率变动与通货膨胀动态走势 [J].国际金融研究,2009,(5);87-89.
[2] 李子奈 计量经济学.[M].北京.高等教育出版社.
[3] 张晓桐 Eviews 使用指南与案例. [M].北京. 机械工程出版社,2009.
[4] 张平,王宏淼 “双膨胀”的挑战与宏观政策调整[J],2008.
[5] 史纹青 中国通货膨胀问题研究,中国财政经济出版社,2000年