CPI与PPI的关系分析

-●商业文化管理视窗CPI与PPI的关系分析张丹丹摘要: 本文主要探讨CPI与PPI的关系。通过模型建立的方法，对1985年到2010年的CPI进行了预测,阐述了CPI和PPI之间“领导”与被“领导”的关系，论证了两者之间的相关性，得出了CPI与PPI之间并不是谁“领导“谁发展的问题，而是随着社会和经济的发展，近两年CPI先于PPI变化，且幅度比PPI小。关键词: CPI; PPI; 相关性;回归模型一、CPI 与PPI的定义以及对经济运行的影响2008105. 9106.9(一) CPI 与PPI的定义200999. 394.61、CPI (Consumer Price Index): 即居民消费价格指数，是2010103. 3l05. 5一个反映城乡居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标，对宏观经济政策的选择、调整和节奏把握上具有重要的指标作用。由于PPI领导CPI变化,那么居民消费价格指数(CPI)和2、PPI ( Producer Price Index): 即生产者物价指数,主要工业品出厂价格指数(PPI) 之间应该存在着一定的相关性。表的目的在衡量各种商品在不同的生产阶段的价格变化情形。PPI1是1990年到2010年CPI和PPI的数据，将以上的数据放入是衡量工业企业产品出厂价格变动趋势和变动程度的指数，是SPSS中建立相适应的模型，该模型中CPI是因变量Y, PPI 是自反映某一时期生产领域价格变动情况的重要经济指标，也是制变量X。定有关经济政策和国民经济核算的重要依据。(一)确定变量之间函数的类型(二)CPI与PPI对经济运行的影响将.上表中的数据放入SPSS中进行回归分析( 1990年的数据CPI和PPI两者-般呈同向趋势，只有当经济走势发生变化作为定基指数)。首先，分析一回归一曲线估计。 然后，把时才会先后发生变化，而谁先谁后并没有太多意义。即:居民消费价格指数(CPI)放人因变量中，把工业品出厂价格指1、CPI上涨和PPI上涨，意味着通货膨胀上升,经济增速数(PPI)放入自变量中。接着，选择要选用的各种曲线，线加快，如果上涨幅度过大，会导致高通胀，进而使得经济衰退。性、二次项、对数、立方、指数、幂等。最后，点击确定。比2、CPI下跌和PPI下跌，意味着经济发展放缓,如果下跌较得出结果中的R'、调整后的R'、F值、t值、Sig值等，最后幅度过大，会导致通货紧缩，经济陷人衰退。选用线性模型对此问题做分析。3、CPI上涨和PPI下跌，意味着企业利润增大，经济将进(二)线性回归分析人一个扩张期。1、CPI与PPI相关性分析4、CPI下跌和PPI上涨，意味着企业利润减少，经济有衰(1)相关性分析退的危险。资2相关性二、CPI与PPI模型的建立居民消费价格指数工业品出厂价格指数虽然理论上PPI应领导CPI变化,但近几年的数据表明CPIPearson 相关性居民消费价格指敷1. 0000. 884先于PPI变化，且幅度比PPI小。以下是近几年CPI和PPI的数工业晶出厂价格指数据:表1 1990-2010 年的CP1和PPI敷据(上年=100)Sig (单侧)|居民消费价格指数0. 00. 000工业品出厂价格指数0. 00000.0年份居民消费价格指数CPI (%)工业品出厂价格指数PPI (%)21199103. 11991103. 4.106. 2| 19S106. 4106. 8由表2可知，CPI和PPI的相关系数为0.884， 而相关系数| 1993 .114. 7124. 0大于0.8时属于高度相关。所以CPI和PPI统计量是高度相关24. 1119. s的。199517. 1114.9(2)散点图分析| 199608. 3102.199702. g99.7| 199899. 295. 9| 199998. 697.62000102. 8200100. 798.720029. 297. 82003101. 2102. '32004103. s106.中国煤化工2005101. 8104. 9200601. 5103. 0_YHCNMHGT。200704. 8围1 CPI与PPI关系的散点图Business, 63.商.管理视窗.商业文化由CPI于PPI的散点图可以看出，CPI与PPI之间确实具有130相关关系，并且PPI的变对CPI的变动具有一定的影响。122、CPI 与PPI一元线性回归分析。y= 0.790x+ 22.127(1)回归模型主要统计量分析R2=0.782◆表3模型汇总’115更改统计量模型R|R方整标准估Dubin -日方计的误差方更改F更改n d2 se「更改|Watson1050.884*0.782 | 0.771| 3.1214 0.782 68.249 1 19 0.000 1.60610a预测变量: (常量),工业品出厂价格指数。0020b.因变量:居民消费价格指数图2 CPI 与PPI关系的直线围由表3模型汇总可以看出,CP和PPI的相关系数R为0.884,由CPI于PPI的直线图可以看出，CPI与PPI之间确实具有说明CPI和PPI之间高度相关。可决系数R2为0.782,调整后的可线性相关关系， 并且PPI的变对CPI的变动具有正相关的影响。决系数R为0.71,而R2一般表示的是自变量对因变量的解释程3、CPI的预测度。则说明该模型中因变量CPI被自变量PPI解释的很好。从上表表6 CPI 回归预测值中还可以看出标准误差SE为0.045。D- W检验值为1.606,D- W95%的置信区间年份观测值预测值残差小于等于2时,D- W检验法则规定:如果D-W < d,认为存在上限下限正自相关;如果D-W > dy,认为无自相关;如果d 1. 40,所以研究问题不存在自相1992106.40 106.46-0.06 99.76 113.16关。同时根据经验也可知,D- W统计量在1.5- -2. 5之间时,表示1993114. 70| 120. 04-s. 34112. 31127.77没有显著自相关问题。所以也验证了此问题不存在自相关。(2)回归模型方差分析1994124.10 116.497. 61109. 17 I 123. 81表4方差检验平方和199517.10| 112. 854. 25105. 86| 119. 85平方和d均方Fig.1996108. 30| 103. 384. 9296.68 110.071997)2.80| 100.851.95.94. 09107. 6664. 9691664.969| 68. 2490. 000199899.20. L 97.851. 3590.94 104.76185. 123I99. 74319998. 6099. 19-0.5992. 36106. 032000100.40| 103. 30-2.90| 96. 60110. 00总计850. 0922(2001100. 70| 100. 060. 6493.2706. 85自变量为工业品出厂价格指数。200299.20| 99.35-0.1592.53106.182003101. 20 102. 91-1. 71 .96. 20109. 620自变量为工业品出厂价格指数。2004103. 90 105. 91-2.01 99. 21112. 60由表4方差检验可以看出，回归自由度为1,残差自由度为2005101. 80 104. 96-3.16 98.2711.619 (n-2)。 F统计量为68.249, 默认显著水平a为5%下的F2006101. 50103. 46-1.96 96.7610. 15值为4.38, 即，F>F。(1, n-2)。所以该检验通过F检验。2007104. 80 103. 541. 2696. 84110.2又因为P值为0,所以也通过了显著性检验。2008105.90 106.54-0.64 99. 8413. 24(3)相关系数分析残5 系数未标准化系数200999.30 96.832.4789. 8403. 81201003.30| 105.43-2.1398. 7412. 12未标准化系数标准化系数Sig.标准误Beta .由回归预测表可以看出1990-2010年CPI的观测值和预测值相差不大，而且都在置信区间为95%的范围之内，同时也通工业品出厂价格指数0.790 0. 096| 0. 8848.261| 0. 000过了残差检验，所以说CPI与PPI之间回归模型通过了检验，两(常数)22.127| 10. 0242. 207 0. 040者之间确实有线性相关关系。(作者单位:西北师范大学)表2中的数据是相关分析的结果。由表2可知,未标准化的B为0.790 ,标准化后的B为0.884 ,I统计量为8.261 ,自由度为19(n-2),默认显著水平a为5%下的1值为2. 093,即t > t。(19),同.时P值为0,显著小于0.05,因此回归系数B通过了检验。常数项参考文献:为22. 127 ,t统计量为2.207 ,即t >1。(19),P值为0.04 ,也显著小[1]陈贝中国煤化工的实证分析[D],于0. 05 ,因此常数项也通过了检验。所以最终的直线方程为:华东师CNMHG广州，510006Y=22.127+0.790X[2]刘燕，张燕丽，物延斌: ri与LrI关系探究[D](4)线性图表分析[3]数据来源:国研网数据中心64.Business商