中国通货膨胀影响因素的实证研究
一、 引言
自新世纪以来，通货膨胀的困扰可谓是一直萦绕在国人心头，不论是快速上涨的物价，抑或是完全打破国人心理承受底线的房价，可以说是涨涨不休，这对我国社会稳定和经济平稳健康发展产生了极为不利的影响。特别是07年以来，通货膨胀率持续在高位徘徊，07年到11年间，除了受金融危机影响的09年，其他年的通货膨胀率全部超过了国际公认的3% 的警戒线，而08年和11年甚至达到了可怕的5.9%和5.4%，持续高位的通胀率抑制了经济的发展，制造出大量的社会问题，如失业率上升，工资价格上涨，投机性行为增加等，对经济造成了较大的负面影响。而在12年和13年，通货膨胀率有所下降，均为2.6%，属于可接受的温和通货膨胀，这种温和的通货膨胀虽然一般情况下不会对社会经济生活造成重大影响，但也是一种经济信号，如果不采取措施控制其发展，当物价进一步加速上升，就有可能重复08年和11年的情形。14年的月度数据显示，通胀率已经持续走低，由年初1月的2.5%降为12月的1.5%，已经产生了通胀紧缩的风险，应该引起有关部门的注意。纵观最近十多年的通货膨胀率，由温和到持续高位，又由高位降到产生紧缩压力，研究其中的原因对国家经济发展具有重大意义。鉴于此，文章试图通过分析通货膨胀的影响因素来探讨问题的答案。
二、 文献综述
对于中国通货膨胀影响因素的研究已经由来已久，各种各样的文献也是汗牛充栋，不同的学者从不同的角度出发，采用不同的研究方法，得出来的结论也有所差异。
部分学者对通货膨胀影响因素进行综合分析。王于栋、杨昊晰（2006）运用格兰杰因果关系检验分析了通货膨胀诱因在历次通货膨胀中的作用，最终得出了通货膨胀率与固定资产投资、居民消费支出、净出口和广义货币供给量M2等通货膨胀诱因间的量化模型[1]。黄新飞、舒元（2007）在多变量VAR 模型的基础上，采用中国季度宏观经济数据，运用协整分析和ECM 等方法发现外汇储备、货币供给量和国内投资引发了通货膨胀率上升，而贸易开放度抑制了通货膨胀。方差分解结果表明外汇储备是影响长期通货膨胀最重要的因素，FDI 对外汇储备的冲击存在正向作用且效应呈递增趋势[2]。白金、蒋木子（2011）基于VAR 模型，运用协整分析和脉冲响应函数等方法发现我国房地产市场的“财富效应”已经大于“替代效应”，且房地产价格中包含了对未来通货膨胀的预期，因此房地产价格的变化对于预测未来通货膨胀具有重要意义。巨额的外汇储备在短期对价格形成过大的冲击，因此要从减少贸易顺差、实施意愿结售汇制度等方面防止外汇储备过快增长[3]。
而更多的学者是从单一因素出发对通货膨胀进行分析。陈六傅、刘厚俊（2007）通过建立VAR 模型对人民币有效汇率的价格传递效应进行分析，发现人民币有效汇率对我国进口价格和消费者价格的传递效应影响程度非常小，几乎可以忽略不计，且在稳定而又较低的通货膨胀环境下，汇率对消费者价格的传递效应明显减小，由此认为应实行更具弹性的汇率制度，同时要实行稳定、可信的货币政策，以稳定通货膨胀预期，从而稳定并降低汇率对国内通货膨胀的传递，以隔绝外部冲击给国内通货膨胀造成的压力[4]。中国人民银行营业管理部
课题组（2009）通过建立结构VAR 模型考察了1997年1月至2008年8月期间外部冲击（国际石油价格和人民币名义有效汇率）对我国国内物价水平及其分类价格指数的传递效应。结果表明, 价格和汇率传递都是不完全的、滞后的和沿价格链递减的，和对分类价格指数的传递差异较大；相比人民币名义有效汇率，国际石油价格冲击对我国进口价格指数、生产者价格指数和消费者价格指数的传递率更高, 影响更大；我国近期消费者价格指数的上扬较多地是受到上游价格链冲击、需求冲击、货币政策冲击和供给冲击的影响，人民币升值的抑制通胀效应较弱[5]。其他一些研究主要还有：高铁梅(2003)利用ARCH 族模型分析了产出缺口、货币供给与预期对价格变动的影响[6]；石柱鲜等(2004)、赵昕东（2008, 2008）使用不同方法估计了潜在产出与产出缺口，并分析了产出缺口与价格变动率之间的关系[7-9]；刘哲（2010）以辽宁省为个案进行分析，认为价格水平波动的源头在生产领域，食品价格和资源价格的上
[10]涨对CPI 的影响显著；董梅（2010）则认为原料、燃料和动力购进价格指数和工业品出厂
价格指数对居民消费价格指数的影响较显著，但远低于居民消费价格指数对自身的影响[11]。周向雯（2012）研究发现，外汇储备剧增导致基础货币过度投放，是造成我国通货膨胀的原因之一[12]。
综上所述，以上研究虽然较为丰富，但也存在一些不足：（一）学者们大多都是从单一的角度来考察这些因素对通货膨胀的影响而没有考虑这些变量的内在关联及他们对通货膨胀的综合影响；（二）时间上的滞后性，而且当前具有通胀紧缩的压力，得重新纳入考察体系范围内。因此，文章在前人研究的基础上，采用基于向量自回归的协整检验、Granger 因果检验等对通货膨胀的影响因素进行实证分析。
三、 基于VAR 模型的实证检验
（一）变量选取及数据处理
综合前人的研究成果以及当前中国的实际情况，文章选取通货膨胀率作为被解释变量，并采用居民消费价格指数（CPI ）作为测度指标，解释变量分别从经济增长、流动性、资产价格、对外经济等几个角度出发，具体指标如下：国内生产总值指数（GDP ）、货币和准货币供应指数（M2）、固定资产投资价格指数（FPI ）以及外汇储备指数（FER ）。文章采取2003年第一季度到2014年第四季度的数据作为样本进行实证分析，为了避免取对数是产生负值，所有变量都采用同比指数形式（上年同季度=100）。其中由于CPI 指数和FER 指数并没有公布季度数据，因此采用了每季度月平均指数作为分析样本，而M2指数近年来统计口径发生变化，采用同比计算指数时与官方的不一致，所以直接采用的官方每季度末月数据。文章数据均来源于国家统计局，使用的计量软件为STATA12。
为了减少数据的波动性和消除数据的异方差，我们对原始数据进行对数化处理，用LCPI 、LGDP 、LM2、LFPI 、LFER 表示。为了消除季度数据的季节因素影响，文章采用指数平滑方法对数据进行调整，调整后用LCPISA 、LGDPSA 、LM2SA 、LFPISA 、LFERSA 分别表示对应指数。
（二）单位根检验
经济数据大多具有时间趋势，特别是在宏观经济领域，因此这些数据基本都是不平稳的，如果直接进行回归就会产生伪回归问题，建模型首先就得进行平稳性检验。文章采用ADF 检验对各序列的检验结果如表1所示：
表1各变量的ADF 平稳性检验结果
注：*表示10%显著性水平下通过，**表示5%通过，***表示1%通过
检验结果表明，原序列在10%的显著性水平下也都没有拒绝单位根假设，因此他们都是非平稳的时间序列，但是所有变量经过一阶差分后，在10%显著性水平下拒绝了单位根假设，即所有变量都是一阶单整的，可以进行协整检验。同时注意到季节调整前后，t 统计量显著性有了较大的下滑，但由于后面结果均显著，此处没多做探究。
（三）滞后阶数选取与VAR 模型建立
对D.LCPISA 、D.LGDPSA 、D.LM2SA 、D.LFPISA 、D.LFERSA 建立非限制向量自回归模型（VAR 模型）时，首先要确定模型的最优滞后阶数，采用AIC 、SC 等信息准则综合检验的结果如表2所示：
表2最优滞后阶数检验
从该表中可知几种准则给出的标准不太一致，其中一阶滞后与四阶滞后都有两个准则最优，但考虑到滞后阶数过多会影响样本数且增大建立模型及检验的难度，同时结合后面稳定性检验格兰杰因果检验等的结果，认为一阶滞后为最优，因此应该建立VAR(1)模型。
（四）VAR 模型的稳定性检验
对VAR 模型进行脉冲函数分析，必须要通过模型稳定性检验，结果如图1和表3所示：
图1 VAR 模型稳定性检验
从图1中可知，
VAR(1)
模型的全部根的倒数值都在单位圆之内，因此该VAR(1)模型是稳定的。
而残差自相关检验如表4所示，结果显示残差不存在序列自相关。而对各阶系数联合显著性检验，残差正态分布检验等都具有显著性，说明建立的VAR(1)模型符合要求。
表3 VAR 模型稳定性检验表4残差自相关检验
（五）格兰杰因果检验
由前面ADF 平稳性检验可知，各变量的一阶差分都是平稳的，因此可以一阶差分变量进行格兰杰因果检验，检验结果如表5所示。
表5各变量一阶差分的格兰杰因果检验
从表5可知，GDP 是CPI 的格兰杰因果关系，说明经济增长会推动通货膨胀，而CPI 不是GDP 的原因。CPI 与M2之间互为格兰杰因果关系，这与白金（2011）M2是CPI 的单向原因的结论不太一致。CPI 与FER ，CPI 与FPI 都存在着双向的格兰杰因果关系。
（六）协整方程的建立
协整检验是把存在一阶单整的变量放在一起进行分析，通过这些变量进行线性组合，从而消除它们的额随机趋势，得到其长期联动趋势。前面的平稳性检验表明各变量均是一阶单整，由于VAR 模型研究的是短期动态影响，而协整方程则可以通过变量间的长期协整关系研究长期的关系，所以在建立VAR 模型之前有必要进行协整检验以建立协整方程，从而对变量的长期进行研究关系。鉴于文章研究的是多变量的协整检验，故采用 Johansen 协整检验，通过联合检验，确定使用有截距项但序列没有确定性趋势的 Johansen 协整检验形式。其中协整检验之前得确定最优滞后阶数，信息准则如表6所示，协整检验结果如表7所示。
表6协整方程的最优滞后阶数
表7 Johansen 协整检验结果
从表7可以看出协整秩为2，存在至多2个协整关系，因此上述变量之间存在长期协整关系。通过回归得到长期协整方程如下：
LCPISA=1.870718+0.2699941LGDPSA-0.136477LM2SA+0.5180786LFPISA-0.0529956LFERSA 根据该方程，从长期来看GDP 每增长1%，会推动CPI 增加0.27%；固定资产投资每增长1%，会推动CPI 增加0.52%；外汇储备每增长1%，会使CPI 降低0.053%。其中，固定资产投资对CPI 的推动最大，因此要治理通胀，对于其典型代表房地产的控制不可或缺。而货币对于CPI 的长期影响是负的，即每增长1%，会使CPI 降低0.1365%，可能是货币政策的挤出效应所致。
四、 结果分析与建议
在向量自回归的分析框架下，利用协整方程、格兰杰因果检验等考察各类因子与通货膨胀指数的关系，现在结合实际对模型的经济意义进行解释。
第一，从协整方程来看，固定资产价格投资指数是影响消费者物价指数的最大因素，结合格兰杰因果关系发现两者是正向的相互推动关系，因此固定资产与通胀可以说是一荣俱荣一损俱损的关系。我们顺着房地产的发展就可以对两者的关系有所发现。自从 1998 年中国进行房地产货币化改革以来中国的房地产市场迅速发展，十几年的时间已经发展成为利润率最高的行业之一，随之而来的便是各地房价的疯狂上涨。火热的房价伴随的正是持续高位的通货膨胀率，特别是在08年和11年，通胀率甚至达到了可怕的5.9%和5.4%，远远超过了国际公认的3% 的警戒线，而物价的上涨大大提高了人们对房价上涨的预期，又促使人们大量购房，导致房价进一步疯长，两者相互促进之势明显。而后伴随着中央的国八条、限购令、房产税，特别是经济结构调整期以及政府反腐倡廉行动，使得房地产市场受到打压，从刚公布的11月房地产运行数据看，国房景气指数已经超过历史最低点，而且还在继续下滑，而与之伴随的CPI 也随之进入了“一”时代，12月的消费者物价指数低至1.5%，两者间的相互关系可见一斑。
第二，结合协整方程和格兰杰因果检验发现，GDP 和M2都是CPI 的原因，且与CPI 都存在长期的协整关系，而GDP 对CPI 的冲击程度更大，由于货币政策的时滞性M2对CPI 的冲击作用来得缓慢一点。外汇储备虽然也是CPI 的原因，但是FER 对CPI 的冲击程度远远小于另外几个变量，这也与实际理论相符。
针对以上分析与当前经济形势，提出以下建议：
1、 实行通货膨胀目标制
由上分析可知CPI 具有很强的自相关性，因此消费者的通胀预期对CPI 具有很大的影响作用，为了引导公众形成良好的预期以及避免出现“动态的不一致性”，央行应该尝试通货膨胀目标制，通过与公众交流，降低了货币政策、
利率和通货膨胀的不确定性，以此来改善
经济部门的效率。
2、 采用适当宽松的房地产政策
今年以来，我国房地产市场持续走弱，房地产开发投资额增速变缓，商品房量价均呈现下行，同时，宏观经济各指标也呈现小幅波动，而CPI 也是迅速下降到了1.5%。因此，为了预防通胀下行分风险，应该采取宽松的房地产政策。一方面要取消限购令，促进商品房销售；另一方面加大信贷支持力度，全面放宽信贷政策，全力消除当前的大量房产库存。同时央行应实施稳健货币政策的同时，灵活运用多种货币政策工具，保持适度的流动性，改善和优化融资结构和信贷结构，继续深化金融体制改革，并贯彻定向调控要求，精准发力。
3、 实行积极的财政政策
针对当前经济下行，通货膨胀率迅速降低的情形，国家应当采取积极的财政政策，一方面为较为低迷的经济注入新活力，另一方面进一步促进经济结构优化升级。当前的经济形势虽属低迷，但也是经济结构调整的必经之期，相信经过这一段时期中国经济会更好。
参考文献
[1].王于栋, 杨昊晰. 中国三次通货膨胀:周期划分与因素检验[J]. 河北经贸大学学报, 2006, (3).
[2].黄新飞, 舒元. 基于VAR 模型的FDI 与中国通货膨胀的经验分析[J]. 世界经济, 2007,
(10).
[3].白金, 蒋木子. 基于VAR 模型通货膨胀影响因素的实证分析[J]. 辽东学院学报：社会科学版, 2011, (4):63-69.
[4].陈六傅, 刘厚俊. 人民币汇率的价格传递效应——基于VAR 模型的实证分析[J]. 中南财经政法大学研究生学报, 2007, (4).
[5].中国人民银行营业管理部课题组. 外部冲击与我国物价水平的决定——基于结构VAR 模型的分析[J]. 财经研究, 2009, 35(8). DOI:10.3969/j.issn.1001-9952.2009.08.009.
[6].高铁梅, 刘玉红, 王金明. 中国转轨时期物价波动的实证分析[J]. 中国社会科学, 2003, (6).
[7].石柱鲜, 黄红梅, 石庆华. 关于中国潜在GDP 与景气波动、通货膨胀的经验研究[J]. 世界经济, 2004, (8).
[8].赵昕东. 基于菲利普斯曲线的中国产出缺口估计[J]. 世界经济, 2008, (1).
[9].赵昕东. 基于SVAR 模型的中国产出缺口估计与应用[J]. 经济评论, 2008, (6):90-95.
[10].刘哲.CPI 影响因素实证分析---以辽宁省时间序列数据为例[J].价格理论与实践. 2010,
(6): 46-47.
[11].董梅. 基于VAR 模型的CPI 影响因素分析及预测[J]. 兰州商学院学报, 2010,
(3):122-126.
[12]. 周向雯. 外汇储备、经济增长与通货膨胀的关系研究——基于我国1979-2010年宏观经济数据的实证分析[J]. 南方金融, 2012, (6).