价格指数分析范文（精选11篇）

价格指数分析 第1篇

关键词：食品分类,价格指数,价格波动

消费者物价指数 (Consumer Price Index) , 英文缩写为CPI, 也称消费价格指数, 是反映与居民生活有关的产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, 是与人民生活密切相关的参考指标。

价格对经济起到调节作用。价格的变动会对总价格水平或对消费品价格水平有影响, 特别是农业价格对价格总水平的影响最大。近年来, 我国消费者物价指数 (CPI) 连创新高, 2007年至2011年CPI指数分别为104.8%、105.9%、99.3%、103.3%和105.4%, 其中, 食品类价格指数分别为112.3%、114.3%、100.7%、107.2%和111.8%。我们可以很明显地看到食品价格指数都会高于当年的居民消费价格指数, 与其他七大门类指数相比, 食品类涨幅也是最高的。居民消费价格统计的八大类消费品当中, 食品价格权重约占三分之一, 因此, 城市居民食品零售价格是消费者物价指数的重要组成部分, 其变动趋势及变动幅度, 给国家政策以及老百姓的生活都带来了不同程度的影响, 是2011年乃至今后相当长时间内政府需要关注、调控的重中之重。在这种背景下, 研究影响我国食品价格变化特点和走势以及解决对策, 对于政府更加明确调控物价的主要方向及侧重点, 进一步制定民生发展决策促进我国经济全面发展具有重要意义。因此, 研究食品价格的变化趋势也就有了十分重要的现实意义。

1 食品分类概述

本文参照中华人民共和国国家统计局的食品分类的标准, 将武汉市价格信息网中统计的食品分成了七类:油类 (菜籽油、大豆油、花生油、大豆调和油) , 肉禽类 (鲜猪肉、鲜牛肉、鲜羊肉、活鸡、鸡肉) , 水产品 (带鱼、草鱼、鲤鱼) , 鲜菜类 (芹菜、大白菜、油菜黄瓜、萝卜、茄子、西红柿、土豆等) , 鲜果类 (芦柑、苹果、香蕉、西瓜) , 调味品 (食用盐、糖、酱油、醋) , 蛋类及乳制品 (鸡蛋、豆腐、鲜牛奶) 。

2 食品价格指数的定义

定义:某类食品价格指数, 为同一时间每一类食品中选取的个调查样本的价格指数。

采用价格指数这一指标, 不仅使不同类食品的零售价格具有可比性, 而且能直观地看出食品价格的变化幅度, 如菜籽油在2010年3月25日的价格指数为0.9938, 也就是说3月25日的价格相对于基期下跌了0.62%.

为了剔除各种食品价格的季节性影响, 本文依据定义, 得到七类食品的价格指数如表1:

3 食品的价格指数变化趋势

为了更好的说明七类食品的价格变化幅度, 本文依据表1绘制七类食品的价格指数变化趋势图如图1:

从图中我们可以粗略地看出七类食品价格幅度波动性呈现出不同的特征:从2010年6月至9月, 鲜菜类、水产品、鲜果类食品价格指数呈下降趋势, 其中鲜菜类食品变化趋势最为显著, 蛋类及乳制品和肉禽类食品价格指数略有增加, 调味品增长幅度较为明显, 而油类食品基本保持不变;2010年10月至2011年3月, 七类食品的价格波动幅度大致都呈递增的趋势, 特别是进入2011年2月, 除水产品增长幅度不是很明显外, 其余种类食品的价格增长幅度较显著;而其间2010年10月到2011年1月, 蛋类及乳制品和肉禽类食品持续增长幅度最显著, 调味品基本上保持不变, 鲜菜类食品的价格变化幅度先急剧上升后保持不变再迅速下降。

参考文献

[1]刘峰等.ARIMA模型在农产品价格预测中的应用[J].计算机工程与应用, 2009, 45 (25) .

[2]孙超等.中国粮食价格的影响因素分析与预测比较——基于支持向量机的实证研究[J].农业经济, 2011.

经济管理价格与非价格竞争分析论文 第2篇

1.价格竞争和非价格竞争及产生的前提条件

价格竞争是指企业通过降低生产成本，以低于市场价格或其他同类商品的价格，在市场上销售商品，打击和排挤竞争对手，扩大商品销路，巩固和提高市场占有率。非价格竞争则排除了价格因素，是指通过提高产品的质量和性能，增加花色品种，改进商品包装装潢和规格，改善售前售后服务，提供优惠的支付条件，更新商标牌号，加强广告宣传和保证及时交货等手段，来提高产品的素质、信誉和知名度，以增强商品的竞争能力，扩大商品的销售。企业无论采用价格竞争还是非价格竞争，其最终目的都是为了扩大产品的销售，获取利润，以求生存和更好的发展。价格竞争和与非价格竞争是市场经济和买方市场条件下的产物。

2.价格竞争

在市场经济买方市场的较低级阶段，价格竞争比较盛行。这是因为：(1)从消费者角度来说，价格竞争盛行主要受消费者收入水平的制约。根据经济学的两个基本假设：人是理性的、又是自私的，人们所得到的(有用的)东西自然是多多益善，价格低就可以表达这个意思。因此，企业采用的价格竞争手段自然就受到消费者的欢迎。(2)从企业角度来说，价格竞争盛行主要在于生产同类或替代型产品的企业很多，生产技术、营销技术等技术水平不高，很难从价格以外的因素去考虑怎样使自己的产品与众不同，而且这也迎合了消费者收入水平不高，从而求廉的理。另外，企业之间的实力差别悬殊，较强的企业为了击败实力较弱或较强的企业或者阻止新的企业进入自己所在的市场，往往采取低价策略，以便扩大市场占有率;然而在此阶段，企业的非价格竞争意识不强。产品和服务差异化受到技术水平、消费观念等的制约，特别是在售后服务、反馈信息、品牌和产品个性化等方面意识薄弱。

3.非价格竞争

经过市场经济低级阶段价格竞争的充分洗礼，各种制度逐渐规范化，企业逐渐理性化，消费观念也不断得到更新。它们或者实力不相上下，或者有自己独特的生存之道，一般情况下，谁也难以被淘汰。技术的发展使得企业可以提供多样化的产品和服务，而消费者收入水平的上升使得其可以满足多样化的需求。那么，在市场经济发展的较高级阶段，企业为什么偏好于非价格竞争?这是因为：

(1)从消费者角度来说，随着消费者的收入水平不断提高、知识的不断丰富以及消费文化的发展、消费观念的更新使得消费者对价格的关心程度已大大降低，越来越注重产品和服务的非价格因素。首先，消费者可以购买以前不能买的东西，而且购买力的增强极大地刺激了消费者的想象空间和消费欲望，使得许多梦想成为现实。此时，单一的价格竞争已不如非价格竞争那么具有吸引力。消费者所需要的商品的品种、品质、颜色等要求不再雷同。而且，把物质看成是既存的事实，从而越来越看中商品所带来的附加价值。第三，消费者越来越关注自身健康，趋向于购买环保产品。因此，那些想以价格取胜的非环保产品将不再受欢迎。

(2)从企业角度来说，多样化的需求也造成了市场的充分细分，这些被充分细化了的市场也在被企业发现和占领。鉴于价格竞争的单一性，无法满足消费个性化和多样化的发展趋势，因而，企业不再把价格策略作为重要武器，而更加注重非价格竞争。一方面，企业认识到消费者购买力增强、消费理念变化这个现实，需要迎合其个性化和多样化的需求;另一方面，企业意识到价格竞争的利润空间已大大缩水，更大的利润空间在于产品的附加价值及其理念创新。因此，企业越来越注重非价格竞争的作用。非价格竞争手段丰富，企业可以从以下几个方面提高商品非价格竞争的能力，从而迎合消费个性化和多样化需求的特点。如(1)提高产品质量(2)加强技术服务，提高商品性能，延长使用寿命;

(3)加速产品升级换代，不断推出新产品，更新花色品种等。

4.非价格竞争的力量

价格指数分析 第3篇

一、2009年价格指数运行情况简述

2009年价格指数呈现一个触底回升的过程，从年初的惨淡收视和清淡开市，再从3月份内轻纺城市场开始由内销回暖拉动市场复苏，逐步形成内外结合双向拉动的繁荣场面，接着出现夏季淡市的震荡调整，最后轻纺城市场集体发力成交迅速提升，再现07年的兴旺。价格指数在20090302期出现2009年的最低点90.05点，在20091228期出现2009年的历史最高点93.16点，上涨3.11点。从具体走势分析，价格指数它主要经历了以下五个主要过程：

1冬季尾市春季开市，价格指数一路下跌。2009年元旦假期以后，中国轻纺城进入冬季尾市，现货价格走跌，市场成交明显萎缩。自1月初以来，价格指数一路下跌，至3月初已跌至全年最低点，20090302期价格指数收盘于90.05点，同比下跌5.21％。

2春市利好显现，价格指数震荡上移。自3月初至5月底，价格指数呈震荡上移走势，绍兴县开展多种系列活动，为轻纺城贸易商拓展搭建平台，使不少轻纺城经营户从中受益，拉动价格指数震荡上移至20090525期价格指数收于91.79点，上涨1.74点。

3夏日淡市价格指数震荡下滑。从6月初开始至8月初，价格指数呈震荡下滑走势，至20090803期价格指数收于90.92点。下跌0.87点。6月底至8月上旬，轻纺城市场进入夏日常规淡季阶段，夏季面料现货多以降价抛售为主，因对口客商逐日退减，成交下挫，致使价格指数震荡回缩。

4秋市成交震荡反弹，价格指数逐日提振。秋市成交震荡反弹，创新花式面料附加值提升，成交呈逐日放量攀升走势。因2009中国柯桥国际纺织品博览会(秋季)开幕，对口南北商贾人市认购者尚有增加，至11月上旬，因需求支撑市场成交多日增量。

5冬市价格指数快速上行，后市涨势平缓。11月30日至1 2月7日价格指数呈快速上行走势，至20091207期价格指数收于93.05点，上涨1.14点。12月上旬至12月底，因冬季产品现货上市增加，同质产品竞价销售相对较多，价格指数涨势平缓。至20091 228期价格指数收盘于全年最高位93.16点，上涨0.11点。

二、2009年价格指数波动成因分析

1年终岁末市场成交减退指数走跌

2009年元旦假期以后，离农历年关休市已不足两周，中国轻纺城各专业市场营销已进入冬季尾市阶段，大众现货价格仍有小幅走跌，部分冬季加厚型面料现货仍以低优价位抛售为主，整体市场成交仍显萎缩走势。各面料市场部分冬季现货仍迎来对口客商扫尾性认购，大众现货价格仍有小幅走跌；随着各路南北商贾的逐日返乡离场，连日成交呈明显萎缩走势。

2应对危机市场提振信心指数回升

A《纺织工业调整和振兴规划》出台，跌落的信心重新回升。国务院办公厅于2009年4月24日公布了《纺织工业调整和振兴规划》，纺织界普遍显示，一度跌落的信心重新回升。信心带动了实绩。2009年以来，绍兴县出台《加快纺织产业集群升级行动计划》，指出了实现“三个中心”具体目标的主要途径。相关职能部门，以“市场拓展年”为抓手，开展系列活动，搞好服务，为轻纺城贸易商市场拓展搭建平台。

B对接会使轻纺城较高附加面料赢得市场空间。4月23日至25日，柯桥中国轻纺城东升路市场派出有21家顶级厂商及经销商组成的“大团”，随身携带着最新研发的数百种新款产品，与湖南省株洲市数百家服饰加工企业、商家尝试强强联手，让柯桥的面辅料直供芦淞。继湖南之行后，轻纺城建管委又成立了市场招商小分队，分赴四川九龙广场、湖北武汉汉正街、广东虎门服装市场等地进行对接，建立分销点，将这些市场所拥有的各类优势资源间接拥为己有，使轻纺城较高附加面料赢得市场空间。

c“请进来”成效明显凸显。自2009年以来，轻纺城建管委先后派出多支招商小分队赴江苏、广州、成都、辽宁等面料市场及产业集群地进行针对性招商，新引进绍兴县外毛纺企业、针织布企业150余家，促使较高附加值的服装面料上市增加。自2009年以来，中国轻纺城通过划行归市，已成功“孵化”毛纺面料市场和针织面料市场两个崭新的专业面料市场。

三、2010年纺织品价格指数展望

201 0年元旦以后，中国轻纺城市场成交多显宽幅震荡格局，局部性成交震荡推升；随着东盟自由贸易区的全面启动，外销订单承接将继续增长，各地服装厂家春季服装订单业务量亦相应增加；因外需拉动，内销市场进一步拓展，附加值相对较高的纺织品中外采购商认购进一步加大，预计2010年纺织品价格指数在震荡中继续呈一定幅度攀升走势。

1外贸营销显现局部回温现象，创新产品附加值明显提升。2010年1月，中国轻纺城服装面料市场外贸营销显现局部回温现象，各地外贸服装生产企业因外单增加，前来轻纺城组货的采购商有所增加，中东、印度、非洲、东盟、拉美等地外商入市现货认购和订单发送亦有增长。201 0年，绍兴纺企和轻纺城纺织品公司重点则是谋划国际化，通过探索建立‘柯桥总部+境外窗口市场’模式，在国内外、特别是境外开辟二级分市场或展示窗口，扩大轻纺城的辐射范围和营销网络，争取建立起以柯桥为中心、辐射全球主要纺织品集散地的国际性纺织商圈。

我国居民消费价格指数分析 第4篇

近两年来, 除食品外, 水电、液化气等商品和服务价格纷纷涨价, 这些商品和服务与百姓的生活息息相关, 具有“刚性”, 消费者几乎每日都要到市场上购买, 感受自然强烈, 其价格稍稍波动就会引起人们的高度关注。但同期, 家电、通讯、服装等类商品则以降价的姿态呈现在消费者眼前, 让人们享受到科技进步带来的生活水平的提高和生活质量的改善。奇怪的是, 它们的价格下降却几乎没有引起人们的注意, 或被认为是理所当然, 或被熟视无睹。

据专家分析, 在日常生活中人们习惯侧重于关注市场上涨价的商品, 而对平价或降价商品的反应则十分微弱或视而不见。这种心态很容易产生用部分商品的涨幅以偏概全地代替市场价格总水平上涨幅度的错觉。关于商品价格的增长是一种怎样的态势, 对于人们生活有着怎样的影响, 本文从居民消费价格指数的角度进行分析。

一、居民消费价格指数

CPI (居民消费价格指数, consumer price index) 是指城乡居民购买支付生活消费品和服务项目的价格, 是社会产品和服务项目的最终价格, 同人民生活密切相关, 在整个国民经济价格体系中具有极为重要的地位。居民消费价格指数是一个反映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指标。是通过一组代表性消费品及服务项目随着时间的变动, 反映在居民家庭购买消费品及服务价格水平变动情况的相对数 (指数的基期数值定为100) 。居民消费价格指数度量指定的“一篮子”消费商品和服务随着时间的变动, 价格发生变动。它是进行经济分析和决策、价格总水平监测和调控及国民经济核算的重要指标。

二、居民消费价格指数的作用

1.反映通货膨胀状况

通货膨胀的严重程度是用通货膨胀率来反映的, 它说明了一定时期内商品价格持续上升的幅度。通货膨胀率一般以消费者物价指数来表示。

undefined

2.反映货币购买力变动

货币购买力是指单位货币能够购买到的消费品和服务的数量。消费者物价指数上涨, 货币购买力则下降;反之则上升。消费者物价指数的倒数就是货币购买力指数。

货币购买力指数undefined

3.反映对职工实际工资的影响

消费者物价指数的提高意味着实际工资的减少, 消费者物价指数的下降意味着实际工资的提高。因此, 可利用消费者物价指数将名义工资转化为实际工资, 其计算公式为:

实际工资undefined

三、我国CPI的编制方法和有关数据质量的情况

我国从1953年就开始编制价格指数, 在编制价格指数方面积累了丰富的经验, 其中CPI的编制工作始于1984年。经过对CPI统计调查方案、计算方法的数次改革, 目前, 我国CPI的调查方法、计算公式、权数的获取等均已比较成熟, CPI编制在世界各国中处于前列。我国CPI的编制方法与国际货币基金组织 (IMF) 等国际组织和一些国家的同行专家进行过广泛的讨论与交流, 并按照IMF数据公布通用系统的要求公布在IMF网站上。

目前, 我国CPI的调查内容分为食品、烟酒及用品、服装、家庭设备用品及服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务、居住等八大类, 共263个基本分类 (国际分类标准) , 约700种商品和服务项目。主要是根据我国城乡居民消费模式、消费习惯, 参照抽样调查原理选中的近12万户城乡居民家庭 (城市近5万户, 农村近7万户) 的消费支出数据, 并结合其他相关资料确定的。

价格调查范围涉及全国31个省 (区、市) 的500多个市县、50000多个调查网点。国家统计局直属的全国调查系统采取定人、定时、定点的直接调查方式, 由近3000名专职物价调查员到不同类型、不同规模的农贸市场和商店现场采集价格资料。对于与居民生活密切相关、价格变动比较频繁的商品, 至少每5天调查一次价格, 从而保证了CPI能够及时、准确地反映市场价格的变动情况。

编制CPI所用权数是依据全国12万户城乡居民家庭调查资料中的消费支出构成确定的。随着人民生活水平的提高, 消费结构在不断变化。为此, 我国的CPI权数每年都做一些小调整, 每5年做一次大调整。因此, 可以说经过20多年实践的检验, 我国CPI的编制方法是科学可靠的, 数据反映了我国居民消费价格变动的实际情况, 为我国价格体制改革、宏观经济调控、国民经济核算提供了科学可靠的依据。

四、个别感受往往会与总体平均状况出现差异

需要说明的是, 这里所说的感受是指人们对居民消费价格上涨的感受, 而不是其他的感受。有的人将居民生活负担轻重的感受与居民消费价格上涨相比, 有的人将居民收入水平或支出水平的高低与居民消费价格上涨相比, 有的人将不属于CPI统计范围内的商品或服务价格变动与居民消费价格上涨相比, 这些都是不科学的。实际上, CPI是以居民购买并用于消费的一组代表性商品和服务项目价格水平的变化情况来反映居民消费价格变动幅度的统计指标。而居民生活负担的轻重、居民收入水平或支出水平的高低等则会受到除CPI涨跌外其他诸多因素的影响。例如, 居民的生活负担加重, 可以受开支范围扩大, 每户劳动力赡养人口增多, 未来支出预期加大等多方面因素的影响。

五、造成对价格变动的感受存在差异的原因有下列几种因素

1.少数商品或服务项目价格与“一篮子”商品或服务项目的综合平均价格的差异。一般说来, 消费者往往喜欢用较小范围的商品及服务项目价格来与统计局公布的价格指数比较, 这样很可能出现差异。例如, 百姓经常反映看病贵, 上学难, 电信收费高, 汽油价格也不断上调, 但从CPI中医疗、教育、通信、交通等分项的涨幅来看, 似乎并不高。汽油价格上涨虽在CPI中有体现, 但对CPI的整体影响有限。例如, 对于北京、上海这些大城市的有车族来说, 汽油涨价确实较大幅度地增加了这些居民的消费支出。但公共交通价格的涨幅并没有那么大, 对于大部分中低收入市民来说, 日常交通还是公共交通 (公共汽车、地铁等) , 因此汽油价格高涨对大多数无车族的影响相对有限。又比如, 一些较高收入者经常或定期更换手机, 这肯定增加通信方面的支出, 但支出费用的增加并不代表此类用品价格上升。事实上, 手机等通信工具刚上市价格一般较高, 随后就一直在下降。

2.地区之间和地区与全国平均水平的差异。全国价格指数是反映全国各地区价格总水平的综合平均变化情况, 而对于一般消费者来说, 对其居住的省、市、县, 特别是居住地附近的商场、农贸市场的商品价格变动情况了解多一些, 感受也深一些, 而对其他地区的商品价格变动情况了解少一些。全国价格指数是综合反映全国而不是反映个别地区的价格变动情况。分析某地情况时, 应该用当地的价格指数。

3.对比基期的差异。目前统计局公布的价格指数有环比指数和同比指数, 它们对比的基期是上月和上年同月。一般来说, 消费者比较的价格往往是近期的价格, 如今天与前几天, 今天与两个星期前等等。

4.个人承受力的差异。由于消费者之间在收入和消费水平上存在着差异, 也会导致实际感受与价格指数不一致。一般来说, 收入和消费水平越高, 消费面越宽, 对价格上涨的承受力越大。反之, 收入和消费水平低, 消费面窄, 对价格上涨的承受力也就弱些。例如, 低收入者的支出大部分集中在食品和水电燃气等基本生活品上, 而这些开支是不能紧缩的, 当这些商品价格上涨时, 就会感到价格上涨的压力很大。此外, 由于高收入者的收入来源比较广, 当发生通货膨胀时, 其财产等方面的收入也会随之增加, 从而增加其承受能力。

5.差异受到具体消费环境的影响。例如, 当前CPI反映出的药品价格是下降的, 因为政府一直在采取各种措施降低药品价格。但如果大夫开药方时, 增加了用药种类或提高了用药档次, 或开大处方、用进口设施诊断和治疗, 特别是有些降价药品从医生处方上消失等因素, 都会给患者带来巨大的、不断上升的医疗支出。而患者支出的增加, 只是反映了医疗费用的增加, 并不反映药品价格的上涨。再如, 在教育支出方面, 如果学杂费、课本费等价格变化很小, 对CPI影响也有限。目前, 义务教育支出方面的价格受到政府严格控制, 然而对普通家庭来说, 确实存在“择校费”以及名目繁多的辅导班等方面的支出。对此, 国家统计局早就给予了关注, 并开始了这方面的研究, 但这些收费大多不太规范, 难以通过正常采价渠道取得价格, 目前还没有纳入CPI的计算, 这是需要加快改进的。相信随着改革的深化, 这些不规范的收费将会逐步减少。各级政府也在这方面采取了一系列措施, 正在收到初步成效。

六、商品房价格不应该直接计入CPI

有些人认为, 应将商品房价格变动反映到CPI中, 有的甚至还建议将股票市场的价格变动也纳入其中。这实际是对CPI的内涵及其作用的曲解。事实上, CPI只能反映与居民当期消费密切相关的消费品及服务项目的价格变动, 不能反映房地产和股票等资产类价格的变动。无论从统计口径看, 还是从使用角度看, 都没有必要编制一种既能反映资产价格变动, 又能反映消费品价格变动的“全能”价格指数, 因为即使编制出来, 也会因其覆盖面太广, 涵义不清晰而无法使用。

无论是按照国际惯例, 还是从实际情况考虑, 商品房价格是不应该直接计入CPI的。一是因为出于国民经济核算的需要, CPI的统计口径必须与国民经济核算体系中的消费分类相一致, 而根据这个分类, 商品房购买属于投资范畴, 不属于消费行为。二是商品房购买与当期消费不同步, 购买支出与当期实际住房消费不对等。商品房购房行为实质上是一种在短期内大量金额的集中投放, 但商品房要用于今后几十年的消费。换句话说, 当期的实际住房消费对应的只是整个住房的一部分 (国际上通常用虚拟租金来代替) , 而不是整个住房的价格。例如, 假设100户居民, 在某年有一户居民买了商品房, 花费了100万元, 而其他居民这一年用于住房的日常消费 (水、电、煤气、物业费等) , 每户花了2000元。如果在这一年里, 日常居住消费价格上涨了2%, 而商品房价格上涨了15%, 那么包括商品房在内的住房价格涨幅应高达10%以上, 而事实上这年的住房日常消费价格只上涨了2%。因此, 将商品房价格变动直接纳入CPI统计并不合理, 国际上通常也都不这样做。事实上, 如果真的将商品住宅销售价格直接纳入CPI的统计范围, 由于商品住宅的投资性质, 特别是金融投资性质, 其决定因素太多 (包括市场投机因素) , 极易引起波动, 这必将导致CPI的大幅波动, 这对于我们观察宏观经济形势, 根据CPI决定工资和养老金等补贴的变动等都是极其不利的。

当然, 这并不是说居民居住消费价格的变动不需要在CPI中得到反映。恰恰相反, 目前我国和世界各国的CPI都包括了居民居住消费的相关商品和服务的价格, 如居民住房的房租、水、电、燃料、购买商品住宅贷款利率、住房维护修理费用、建房及装修材料等的价格。这些商品和服务等价格的变动, 特别是房租的变动, 可以反映居民居住消费价格变动的情况。对租房的人来说, 其居住价格变动是通过实际租金来体现的。对拥有自己住房的人来说, 其居住价格变动是通过虚拟租金, 即一定时期居民租用住房可能要付出的租金来体现的。房租是居民居住需求与供给关系的直接反映, 它是商品住宅价格波动的决定性因素之一, 除非商品住宅的需求受到非居住需求的影响过大, 或者是商品住宅的供给出了问题, 而后者则正是我们在编制CPI时所应该极力避免的。

摘要：居民消费价格指数与百姓日常生活紧密相关。应该针对正确理解我国居民消费价格指数涵盖范围和统计权重的依据以及国家统计局发布的CPI涨幅总体平均状况出现差异的原因进行深入地探讨。

关键词：CPI,价格变动,分析

参考文献

[1]新华网, 2006-03-30.

[2]周利芳.对物价指数中居住类指数编制的几点思考[J].北京统计, 1999 (8) .

[3]田爱国.浅谈现行物价指数编制存在的问题及对策[J].成人高教学刊, 1996 (2) .

[4]郭建军, 李映东, 王鹏.消费者对物价认识的几种偏差[J].上海统计, 1997 (7) .

原油期货价格因素分析 第5篇

一，供求关系。

供求是最基本的因素，其他因素都是直接或间接的影响供求从而影响价格。近来，欧佩克产量下降，伊朗对霍尔木兹海峡的可能性封锁，都降低了世界原油的供给能力。美国、欧洲经济的不稳定性将会导致下半年原油需求的不稳定性。相比于欧美需求的减少，经合组织原油需求依然呈现强劲的增长势头，而中东国家也将进入原油需求旺季。

二，宏观经济。

不同的经济形势下原油会呈现出不同的价格波动。经济繁荣时，工业生产旺盛，原油需求量大，价格走高；经济疲软时，工业生产萎缩，原油需求少，价格走低。在世界经济危机还未完全恢复的当今，美国的金融危机和欧洲的主权债务危机都在一定程度上抑制着原油的需求。财经政策，通货膨胀，汇率（尤其美元）等经济方面的因素都会左右原油的价格。例如当今美元的贬值，会使油价相对较高，因为油价一般是以美元计价的。

三，国际政治因素。

原油是重要的战略资源，其价格受政治影响较大。如战争，**等。而现在美对伊朗的制裁，在一定程度上打压了原油供给。而一些地区的石油工人的罢工也价低了供给。不过随着阿联酋和沙特启用新的输油管道，相信会对此有所缓解。

四，国际石油相关组织。

如石油输出国组织的石油议价能力在相当程度上影响着石油价格。据欧佩克最新统计：2012年6月份欧佩克原油日产量3136万桶，比修正过的2012年5月份日均减少10.6万桶。这在很大程度上使世界的供给减少。五，相关市场的联动性。

黄金，股票，外汇等市场与原油市场价格波动存在着较强的相关性。六，投机活动和心理预期。

价格指数分析 第6篇

关键词：区组Bootstrap方法；居民消费价格指数；趋势分析；R软件

居民消费价格指数，简称CPI，它是一种随着时间变动的相对数，用于衡量居民生活消费品与服务价格水平，能综合反映出居民购买生活消费品与服务价格水平的变动情况。及时了解国家或某个地区的通货膨胀情况对于其经济的发展有着重要的意义。

一、区组Bootstrap 方法

在大多数条件下，统计数据具有一定的相依结构，但并不能满足独立同分布的需要，如果继续使用独立同分布的Bootstrap，很可能导致失败。文中，对云南省居民消费价格指数进行的趋势分析问题是采用带有相依结构数据的Bootstrap方法中的一种即：不交叠区组Bootstrap法，详细的流程有以下几点：首先将n个数据点按照顺序拆分为N个区组，每个区组长度为l，拆分好数据之后，重抽样的对象就变成了这N个区组。

（一）数据区组长度的选取

对于区组Bootstrap法算法来说，最重要的是数据区组长度的选取。研究表明，数据块长度的选取是有规律的，并证明了取块长度为，为样本个数，。

在合理的假设条件下，统计量具有相依结构的样本构造，对统计量来说，其均方误差和样本观察值成比例，而比例的常数项还没有确定下来。但在大多数条件下，并不需要对比例常数进行确定，那么就可以用以下算法略过估计比例常数：

（1）给定（数据块长度）的初始值，通过数值模拟得出统计量的估计值。

（2）取满足，的、，对个可重叠的不同样本， ，分别计算，进一步得到样本容量为、数据块为的的均方误差估计：

（3）固定，对不同的，重复以上过程，找出使最小化的，进一步得到样本容量为的样本最优化块长

以上算法不需要对比例常数进行估计，可以通过以为初始值的迭代过程来验证存在的充分性。

二、趋势分析的理论研究

通常可采用线性分解模型来描述时间序列：

，t=1，2，…，n

式中：为时段的时间序列；为趋势分量；为季节分量；为循环变动分量；为不规则变动分量。

（一）趋势分析

趋势分析研究的是时间序列顺序递增或递减的变化规律。文章采用常用的非参数方法：斯波曼秩相关检验法。其统计量可描述为：

其中表示数据在时间序列中的排序，由于不存在趋势的序列统计值D服从正态分布，则可定义斯波曼检验统计量，其服从标准正态分布。

（二）用Bootstrap方法估计显著性水平

用Bootstrap方法估计显著性水平的原理：假设时间序列， 对于能描述序列趋势的统计量，如果改变序列中的数据的位置，将不会发生明显变化。该方法为：

（1）选择合适的统计量（如斯波曼检验统计量），计算原 的统计值。

（2）对原序列再抽样N次，分别计算第i次抽样序列的统计量，对其进行排序：

（1）

如果介于和之间， 即：

（2）

则可采用经验频率估计分位数： （3）

如果统计量是一绝对值形式， 则为单侧假设检验，相应的显著性水平；否则为双侧假设检验，显著性水平可估计为：

（三）居民消费价格指数趋势分析

借助2011-2014年云南省居民消费价格指数月度数据，采用非参数斯波曼秩相关检验统计量，用区组Bootstrap方法估计其趋势分析的显著性水平，从而对居民消费价格指数趋势做出分析与预测。见表1

利用R软件得到云南省居民消费价格指数基本走势如下：

参考文献：

[1]Rao CR. Linear statistics inference and its applications. （2nd Edit）New York， John Wiley & sons.Inc.1973

[2]Efron B & TibshiraniRJ. An Introdution to the bootstrap. New York： Chapman & Hall， 1993

[3]刘攀，郭生练，肖义等.水文时间序列趋势和跳跃分析的再抽样方法研究[J].水文，2007，27 （2）：49-531

永外城8月份价格指数分析 第7篇

书写工具类

本月价格指数同比上涨0.53%。铅笔、记号笔、笔芯、墨水由于原材料涨价和人工成本上升, 再加上处在学讯期间, 价格上涨;水性笔、中性笔购买量减少, 价格下滑;在上涨幅度最大的铅笔中, 环保铅笔、彩芯铅笔销量见长, 价格稳中有升;黑芯铅笔价格呈跌势。

文件管理类

本月价格指数同比小幅上扬。其中文件装置用具中的期刊架、文件柜价格上扬;文件盘则下跌;文件分类用具中孔夹本月畅销, 报刊架、板夹、台历架买卖走低。文件归纳工具中的文件夹、文件袋、资料册、风琴包、档案袋、档案盒价格上涨;相册、集邮册名片册价格呈跌势。

纸品纸张类

本月价格指数与上月相比持平, 其中本册簿中的软抄本、密码本、通讯录、螺旋本、皮面抄、活页夹由于处在学讯期间, 销售火爆;学生本、签名录、活页纸价格下跌;办公用纸中的复印纸需求量较大;作业纸、信纸、报事贴市场看冷。

学习文具类

本月价格指数同比下降0.62%, 其中绘图文具中的橡皮泥、油画棒为小幅上扬态势;水彩笔价格微幅下跌;绘图工具中的放大镜、绘图板、丁字尺、圆规、直角尺仍然走俏;笔袋、文具盒与上周相比价格上扬;笔筒价格小幅下跌;卷笔刀价格为小幅上扬态势;剪刀、削笔器均呈跌势;电子文具中学习器和计算器价格均为下滑。

办公工具类

本月价格指数总体属于小幅下跌态势, 但教学用品中的磁扣和板擦价格上扬;白板、绿板价格略有下降。胶粘用品中的胶水、胶带和强力胶价格上升;固体胶棒价格微幅下跌;涂改用品中的橡皮擦、修正带、修正液价格上扬;装订用品中的大头针、回形针行情看好;工字钉、起钉器、打孔机、订书订、长尾夹价格下滑。

办公设备及耗材类

本月价格指数小幅下跌。事物机器中的装订机迫于成本上升压力, 推动了行情的走高;考勤机销售减少, 价格下滑;办公机器中的打印机销量见长, 价格稳中有升;传真机价格小幅下滑。

美术画材

本月指数为上涨态势。美术用纸中的素描纸、画布、水粉纸、宣纸价格不同程度的上涨;美术颜料中的墨汁价格小幅上涨;美术用笔中的板刷、水粉画笔、油画笔、国画笔、毛笔小幅上涨;水彩画笔、马克笔价格微幅下跌。

电脑周边及设备

本月指数为小幅下跌态势。其中电脑配件中鼠标、光盘本月销售良好, 价格小幅上涨;移动硬盘、U盘买卖清淡, 价格下滑;网络设备中路由器价格微幅下跌;读卡器销售清冷, 价格小幅下跌。

财务用品

本月价格指数与上涨态势。印章用品中号码机价格小幅上涨, 印台及印泥、印章、印油均微幅下跌;电算化用品中打印纸价格出现上涨;财务软件本月价格则小幅下滑;凭证价格微幅上升;收银用品中点钞机、验钞机、支票打印机小幅上涨。

其它文具办公用品

中国股票价格指数的影响因素分析 第8篇

在自由竞价的股票市场中, 股票的市场价格不断变动。引起股票价格变动的直接原因是供求关系的变化。在供求关系的背后还有一系列更深层次的原因, 进而影响股票价格的涨跌。随着证券市场的崛起和迅速发展, 股票在我国社会经济生活中和国民经济发展中的地位也越来越重要, 已成为了我国资本投资市场的一个核心。

上证综合指数已成为我国股票市场上最常用的一种股票价格指数, 上海证券综合指数是上海证券交易所编制的, 以上海证券交易所挂牌上市的全部股票为计算范围, 以发行量为权数综合。上证综指反映了上海证券交易市场的总体走势。虽然, 我国证券投资市场的发展已取得了很大成绩, 开始逐步走向成熟, 但由于起步较晚, 受规模、经验和硬、软环境等各方面条件的限制, 仍然还存在着许多不够规范、不尽人意和阻碍其健康发展的地方。

“上证指数”全称“上海证券交易所综合股价指数”, 是国内外普遍采用的反映上海股市总体走势的统计指标。对整个市场的综合股票价格的影响因素的研究主要采用的是计量经济学的方法, 通过分析寻找相关因素, 再构建计量经济模型, 使用Eviews软件检验得出结论, 对影响股票价格的因素作出简略的分析。

二、变量选取与模型建立

建立如下多元线性回归模型:

其中Yi代表上证指数, X2i代表M1货币供给同比增长率, X3i代表全国居民消费价格总指数, X4i代表上交所投资者开户数, X5i代表标准普尔指数, μi代表残差项, B1代表常数项C, B2、B3、B4、B5代表各项系数。

(一) M1货币供给量。关于货币供应量对股价的影响, 国外学者进行了一些探索。其中一些学者认为二者关系不定, 货币市场的变化对股价影响可以是正向的、负向的或者是无关的。另一些学者则认为二者有相关关系, 通过分析美国货币政策与股市的反应后得出结论:货币供给强烈影响股票市场。

(二) 全国居民消费价格总指数。消费者物价指数 (Consumer Price Index, CPI, 亦称居民消费价格指数) 在经济学上是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标, 以百分比变化为表达形式。它是衡量通货膨胀的主要指标之一。一般定义超过3%为通货膨胀, 超过5%就是比较严重的通货膨胀。

(三) 上交所投资者开户数。从历史数据来看, 上交所开户人数与上证指数呈现正向关系。开户数的增加标志着投资者参与股票市场积极性提高。这也会促使市场上标的数量的增加, 投资者的可选择范围进而扩大, 并影响大盘的走势。

(四) 标准普尔指数。标准普尔500指数英文简写为S&P 500 Index, 是记录美国500家上市公司的一个股票指数。美国是中国最大的外贸出口国家。我们有理由推断, 美股下跌会对中国股市产生影响。历史数据表明, 2003年2月标准普尔指数继续下滑到841的低点的时候, 上证指数跌到了1, 400。

本文将通过实证检验的方法就上述因素对中国股票价格指数的影响进行定量分析。

三、实证分析

(一) 显著性检验。表2回归结果表明, 每个解释变量和被解释变量之间都存在显著的线性关系, 且包含了所有解释变量的模型5的拟合优度最优, R2和调整后R2均明显高于模型1~模型4。调整后R2为78.19%, 说明拟合优度很好, 其意义为上证指数78.19%的变量可以用M1货币供给量增长率、全国居民消费价格总指数增长率、上交所投资者开户数、标准普尔指数来解释。

注:括号内的值为T值, 、分别代表1%和5%水平下显著。

将结果带入模型得:

结论与检验:我们可以先验地知道全国居民消费价格总指数对上证指数有正向的影响, 标准普尔指数对上证指数有负向的影响, 所以在输出结果中, P值要除以2再作讨论。由表1可知, 模型通过了F检验且各自变量的参数通过了T检验, 且R2高达0.804285, 即解释了80.4285%的变异。由图1可以看出, 实际值与拟合值较前文的方程误差缩小。

模型Y=-41242+85.12246X2+7944.75X3+0.435906X4-166637X5+μi通过了显著性检验, 且M1货币供给同比增长率、全国居民消费价格总指数、上交所投资者开户数、标准普尔指数对上证指数有影响与实际和经济理论相符。

(二) 多重共线性检验。通过表3的相关系数可以看出, 四个自变量的相关系数均明显的偏离±1, 即不存在多重共线性。

(三) 序列相关性检验。由表2可知该模型的DurbinWatson stat为1.917831, 接近2, 所以不存在序列相关性。

(四) 异方差检验。

1.原模型的异方差检验。通过表2怀特检验可以看出该模型的P (Obs*R-squared) =0.0439, 说明存在异方差。

2.利用最小加权二乘法修正模型。经过分析, 误差的方差大体与X2成比例增加, 异方差的存在主要是由自变量X2引起。所以将权重设为

此时, 通过表4怀特检验可以看出该模型的P (Obs*R-squared) =0.4082>5%, 所以不拒绝怀特检验原假设H0 (H0:存在同方差) , 即不存在异方差。

四、最终模型及经济学意义解释及总结

(一) 最终模型。

其中Yi代表上证指数, X2i代表M1货币供给同比增长率, X3i代表全国居民消费价格总指数, X4i代表上交所投资者开户数, X5i代表标准普尔指数变化量, , μi代表残差项。

(二) 经济学意义解释。对于模型中各个参量的经济学意义:一是其他变量不变, M1货币供给同比增长率每增加1个单位, 上证指数就会增72.61583个单位;二是其他变量不变, 全国居民消费价格总指数每增加1%, 上证指数就会增加6495.204%;三是其他变量不变, 上交所投资者开户数每增加1个单位, 上证指数就会增加0.494188个单位;四是其他变量不变, 标准普尔指数的变化量每增加1个单位, 上证指数就会降低1.514138个单位。

(三) 模型整体经济学意义。在研究中国股市 (尤其是对上证指数的研究) 以及个人或机构投资者等股票市场的投资主体在决定自己的投资策略的时候, 可以参照模型, 根据M1货币供给同比增长率、全国居民消费价格总指数、上交所投资者开户数以及标准普尔指数变化量, 再综合其他因素, 对上证指数进行合理的预估。

(四) 总结。本文最初主要选取GDP同比增长率、M1货币供给同比增长率、居民储蓄存款期末余额同比增长率、全国居民消费价格总指数、上交所投资者开户数、人民币实际有效汇率、标准普尔指数、大宗商品期货指数作为模型自变量。模型建立之后发现某些原本认为需要纳入考虑范围的因素其实对结果没有影响。模型的不足就是因为数据的有限, 样本容量受季度数据的制约, 没有考虑更多的因素, 可能一些重要的因素被忽略了。模型的改进在寻找新因素这一方面还有很大的改进空间。

摘要：股票市场是证券市场的重要组成部分, 股价指数是国民经济的“晴雨表”, 作为股票市场总体状况的衡量标准有着举足轻重的作用。本文研究影响股价指数的因素对于影响上证指数的各种因素, 选取2002年2012年上证综合指数的收盘价的季度数据来代表中国的股价指数, 即通过计量经济学的方法, 使用Eviews软件对影响股票价格的因素作回归分析并检验其拟合度, 得出结论。

关键词：上证综合指数,M1货币供给量,回归分析

参考文献

[1].Peter Ferderer.1996.“Oil price volatility and the macro economy”[J].Journal of Macroeconomics, 18 (1996) :1~26

[2].Kiseok Lee, Shawn Ni, Ronald A.Ratti.Oil Shocks and the Macroeconomy:The Role of Price Variability[J].The Energy Journal, International Association for Energy Economics, 1995, 4 :39~56

[3].李海波, 孙蓉, 史本山.我国货币供应量对股票价格指数的影响研究[J].西南交通大学学报 (社会科学版) , 2011

[4].高婷婷.我国股市影响因素模型分析[J].经济视角, 2009

价格指数分析 第9篇

关键词：股票价格指数,宏观经济变量,多重共线性,自相关

一、引言

根据沪深交易所的统计数据,截至2007年4月30日,我国沪深股市共有1640支股票(其中:沪市944支,深市696支),盘后两市总市值首次超过16万亿,而去年我国GDP为20.9万亿元,这意味着我国沪深股票总市值占GDP比例达到76.5%,这使得股市经济“晴雨表”的功能更加显著。股票市场的运行态势是一国宏观经济发展情况的“缩略图”,相关宏观经济变量的变动必定会对证券市场产生重大影响,因此本文将以整个股票市场作为研究对象,来考虑影响股票价格指数的宏观经济因素及其影响程度。

二、模型设定

本文选择上证综指(以Y表示)作为股票价格指数的代表。选择上证综指为Y的原因主要有以下二点:其一,深圳证券市场股票价格指数与上海证券市场价格指数具有很强的相关性,两市综指走势极为相似;其二,上证综指具有广泛的代表性。

影响股票价格指数的宏观因素众多,本文综合各方面因素,选择较具有代表性的7个宏观经济变量:居民消费物价指数(X1)、商品零售物价指数(X2)、企业商品价格指数(X3)、社会消费品零售总额(X4)、股市成交量(X5)、汇率(X6)、货币供应量(X7)。选择这7个宏观变量的原因在于:X1、X2、X3和X4从不同侧面反映了我国的经济市场环境;X5、X6和X7反映了我国金融环境对股票价格指数的影响;X5从一个侧面反映了股市状况。

三、样本数据的收集和整理

本文选取的数据为2005年1月-2008年3月各月的月度数据,其中,对于相对价格变量(价格指数变量以及汇率),以原变量形式进入模型;而对于其它绝对数额变量,为了消除异方差,取对数形式进入模型。在对数据调整后,建立如下模型:

利用最小二乘回归方程,得到如下的结果:

得到的结果为

对数据进行分析:在10%的显著性水平下,查表得tα/2(n-k)=1.6939,X2、X3、LX4的系数估计值的t值不显著,表明很可能存在多重共线性。计算各解释变量的相关系数。

由表可以看出各解释变量相互之间的相关系数很高,证实存在严重多重共线性。

1. 修正多重共线性

采用逐步回归的办法,去检验和解决多重共线性。做LNY对各个解释变量的一元回归,然后逐步加入其他的解释变量,保留R2最大的,同时要看t值和F值。

过程如下图:

表(一)中LNY对LNX7做一元回归时,R2最大,参数的t检验显著,保留LNX7。

表(二)加入LNX5时,R2最大,同时参数t检验很显著,保留LNX5。

表(三)加入X3时,R2最大,同时参数t检验很显著,保留X3。

表(四)加入X6时,R2最大,同时参数t检验很显著,保留X6。

当继续加入其他的解释变量的时候,参数的t检验明显不显著,并且参数的符号也变的不合理,所以最后可以保留的参数是X3、LNX5、X6、LNX7,回归结果为:

2. 自相关性检验

对样本量为39,4个解释变量的模型,5%显著水平,查DW统计表可知:dL=1.273dU=1.722。而模型中的DW值为1.413385,在dL和dU之间,因此无法判断是否存在自相关性,需要增大样本空间。经过计算,加上2004和2005年的数据,可以通过自相关性检验。

四、模型分析

1. 模型系数分析

运用这个模型可以对上证指数作出分析,在上证市场,X3每增加1个百分点,上证指数就增加0.058841个百分点。LnX5每增加一个百分点,上证指数就会增加0.216592个百分点。X6每增加一个百分点,上证指数就会增加0.696406个百分点。LnX7增加一个百分点,上证指数就会增加2.753907个百分点。

2. 模型的现实性分析

本模型保留了企业商品价格指数(X3)、、股市成交量(X5)和汇率(X6)、货币供应量(X7),这与我国的现实经济情况及股票市场的情况是基本相符的。

从2005年以来,我国股市可谓“牛气冲天”,从2006年初的1163.88一路高攀至2007年10月底的6124.04点,这与我国的经济高速稳定发展形势相一致,起到了“睛雨表”的作用。从2007年的十月份的最高点下降到2008年3月份3357.23点,虽然这一段时间的股指与我国经济的发展情况无法匹配,但是本文还是能较好的解释股指的情况。

企业商品价格指数(X3)代表了我国的市场环境,其系数为正表示企业商品价格增加,则上证综指也会同比上涨。企业商品价格指数上涨,从一个侧面说明市场环境良好,使得企业商品总收益增加,在其它情况不变的情况下,企业的预期利润是增加的,市场预期趋好,故而股票价格指数增加。

股市成交量(X5)对股指的推升作用是相当巨大的。从模型可以看出,股市成交量基本上是和股指同方向变化。在2005年1月到2007年10月,股市成交量节节高涨,同时股指也在随之上涨,到2007年的10月份达到了最高点6124.04,从2007年的11月份开始,股市成交量减少,股指也逐渐下降。虽然中国的经济形势是一路向好的,但是由于没有大量资金入市,上证综指也就一路低迷。2008年4月以后,随着奥运会的临近,形势似乎骤然逆转,股市成交量也连续增加,股指也顺势而涨。

汇率(X6)对我国股指的影响程度日益加大,特别是在2005年7月21日汇改以来,现在人民币兑美元已突破7。从国外的经历来看,汇率与股市的关系是:本国货币升值-热钱流入-股市上涨-吸引更多热钱流入-加大升值压力。股市是观察境外“热钱”流动的一个重要窗口。“热钱”流入后会伺机而动,一旦发现股市突破,它们就会如猛虎下山扑向股市,促使股市疯狂上涨,这样又会吸引更多的“热钱”流入。这与现实情况是吻合的。

货币供应量(X7)与股指的变化也是密切相关的,货币供给量对股票价格的正比关系,有三种表现:(1)货币供给量增加,一方面可以促进生产,阻止商品利润的下降;另一方面使得对股票的需求增加,促进股票市场的繁荣。(2)货币供给量增加引起社会商品的价格上涨,股份公司的销售收入及利润相应增加,从而使得以货币形式表现的股利会有一定幅度的上升,使股票需求增加,从而股票价格也相应上涨。(3)货币供给量的持续增加引起通货膨胀,通货膨胀带来的往往是虚假的市场繁荣,造成一种企业利润普遍上升的假象,保值意识使人们倾向于将货币投向贵重金属、不动产和短期债券上,股票需求量也会增加,从而使股票价格也相应增加。由此可见,货币供应量的增减是影响股价升降的重要原因之一。当货币供应量增加时,多余部分的社会购买力就会投入到股市,从而把股价抬高;反之,如果货币供应量少,社会购买力降低,投资就会减少,股市陷入低迷状态,因而股价也必定会受到影响。

参考文献

[1]严忠．我国宏观经济与股票价格指数的关系．温洲大学学报，2005—12．

[2]马树才．沪市股票市场价格影响因素的实证分析．统计研究，2000，(8)．

[3]中国景气月报．

价格指数分析 第10篇

为了更好地研究吉林省居民消费价格指数与城乡居民消费价格指数的变化,在本小节采用数据缩放法以凸显其变化过程,根据《吉林统计年鉴》《中国统计年鉴》[1~2],对消费价格指数进行整理得(见表1),并对其进行构建(见下页图1)。

注:消费价格指数统计标准为上一年 100,为了更好地观察其变化,对表中数据缩小 100 量化处理。

结合上页表1和图1,从吉林省居民消费价格指数变动的长期趋势看,居民消费价格指数与城乡居民消费价格指数基本保持一致,三组数据的平均绝对偏差稳定在2.1左右,但城市居民消费指数明显更加贴近居民消费价格,并且随着时间的变化,城乡之间的差距日益凸显。通过观察,吉林省居民消费价格指数在1996—2013年期间,大致可以分为三个阶段。第一阶段为1996—1999年,该期间居民消费价格指数缓慢下降,最大下滑指数9.2.称此阶段为下滑阶段。2000年以后开始第二阶段,2000—2009年居民消费价格指数呈现跳跃势增长趋势,从最初的 -1.4经过经济复苏达到均值为2,此阶段属于经济复苏阶段。第三阶段为2009年以后,居民消费价格指数基本处于稳步增长状态,2000—2013年居民消费价格指数变动在均值3.575左右,有关政策措施的改革、完善和实施使得广大居民收入水平稳步增长,因此称为发展阶段。

二、GM(1,1)预测

灰色预测是一种对既含有已知信息,又有未知信息,在一定方位内变化的、与时间有关的灰色系统预测,通过少量的、不完全的信息,建立灰色微分预测模型,弱化原始数据的随机性,使其呈现出较为明显的特征律,对事物发展变化做出模糊性的长期描述。本文利用1996—2013年间居民消费价格指数为单变量的时间序列数据[3~4],建立GM(1,1)模型。具体步骤如下:

1.输入原始时间序列。对表 1 中 1996—2013 年居民消费价格指数数据进行还原作为原始时间序列,并以1996年为序列号1,依次输入原始时间序列如下:

X(0)={X(0)(1),X(0)(2)…X(0)(18)}

2.计算累加序列。进行一次累加如下:

X(1)=(X(1),X(2),…X(18))

=(X(1)…X(1)(n-1)+X(0)(18))

3.计算 GM(1,1)模型参数估计。根据最小二乘法 min||Bx-Y||,计算累加序列的背景 Z(1)=1/2[X(1()k)+X(1()k-1)(]k=2,3,…18)得到矩阵如下:

4.建立模型。经过以上累加计算,建立模型,并通过该模型进行预测:

5.GM(1,1)模型检验。采用后验差检验,S1记为原始数列方差,S2为绝对误差数列方差,方差比 C=S1/S2,小误差概率计算P={|P=Δ(0)(n)Δ(0)|≤0.6745S1},判断标准[5](见表2)。

通过matlab(2012a)编写程序,对吉林省1996—2013年居民消费价格指数计算得(见下页表3):

通过计算得方差比C=0.0566,小误差概率经过计算P=1,根据表2发现,C=0.0566<0.35并且P=1>0.95表明预测等级为一级,预测效果好,可进行外推预测,通过软件matlab(2102a)计算得时间响应方程如下:

X(0.5)(k+1)=7.99874e0.105337k-0.798737

预测2014年、2015年的消费指数值(见下页表4)。

在预测等级为一级的前提下,2014吉林省居民消费价格指数预计为105.3257,比2013年稍高一些,与当前居民消费八大类商品及服务价格呈“七升一降”态势相吻合,同时预测了2015年约为105.9137,由第85页表1和图1可以看出,2009—2013年期间居民消费价格指数有缓慢增长之趋,虽然目前影响吉林省消费价格指数上涨的因素有很多,但在在短期内不大可能出现下降,甚至在未来一段时期内价格有可能持续上升,在稳步发展的前提下,本文预测值与实际情况相符合,但众多不确定因素仍导致消费价格指数在短期内没有办法得到有效控制。

三、主成分分析

为了精确地考察吉林省CPI波动的结构特征,根据前面划分的三个阶段,从吉林统计年鉴选取2009—2013年构成我国CPI的八类消费价格指数,分别是食品(SP)、烟酒及用品(YJ)、衣着(YZH)、家庭设备用品及服务(JTSB)、医疗保健及个人用品(YLBJ)、交通和通信(JTTX)、娱乐教育文化用品及服务(YLWH)以及居住(JZH)[6]。并利用SPSS(19.0)对分类指数进行主成分描述如下(见表5):

由表5可知,虽然前2个特征根的累计贡献率达到85.099%,达到提取标准85%[7],但是发现前3个主成分的累计贡献率达94.789%,接近95%,相对前两个主成分特征根来说,更具有分析价值,故通过主成分分析,对原来8个指标变量进行降维处理,提取前3个成分作为主成分。

由以上分析可得:第一类主成分特征值的贡献率是58.895%。其对吉林省居民消费价格指数的影响最为重要,根据表6主成分得分系数表中JTTX与JZH对应的成分系数较大。因此其主要成分为吉林省交通、通讯类和居住类居民消费价格指数,其次为食品类,随着居民的生活水平日益提高,对居住条件要求越来越高,同时开始注重时间效率价值,交通工具逐步现代化,从身边发现,农村家庭购车量正在逐步上升,此评价结果符合实际情况。第二类主成分特征值的贡献率是26.204%,对吉林省居民的主要消费集中在家庭设备用品及服务类、烟酒及用品类方面。这说明,随着吉林省居民生活质量逐步改善,对家庭设备与生活必需品的消费也随之增加,同时吉林省是我国重要的烟酒产地之一,对带动地区居民消费至关重要。第三类主成分特征值的贡献率为9.686%,娱乐教育文化用品及服务类对应的系数为0.675,可以看出居民在崇尚科学、发展自我等方面的新需求明显增多,大多家庭注重子女的课外培训,形成教育产业化发展,并已经成为消费领域的一个亮点[8]。

四、结论

根据本文对吉林省居民消费价格指数的预测分析研究得到:通过对2014年、2015年居民消费价格指数的短期预测,发现近两年内居民消费价格指数仍然保持增长,但增长态势趋于平缓,应该不会出现通货膨胀或者通货紧缩现象。为避免价格大起大落,可实行经济可持续发展战略。利用主成分分析法进行分析得出结论,2009—2013年最近这几年影响吉林省居民消费的结构因素最主要的是交通通讯类、居住类以及家庭设备用品及服务类、娱乐教育文化用品及服务类。因此,在未来几年吉林省居民消费价格指数没有大变动的前提下,有关部门在制定相关政策与措施方面可参考以上研究结论。

摘要：首先分析1996—2013年吉林省居民消费价格指数,并将其划分为三个阶段,接着运用GM(1,1)模型在预测等级为一级的前提下对居民消费价格指数进行短期预测分析,得出结论呈短期平稳增长状态,为了更好地研究消费价格指数增长的结构因素,运用主成分分析方法在第三阶段对八类消费价格指数进行降维处理,并提取三个主成分对其进行更深一步的研究。

价格指数分析 第11篇

居民消费价格指数,即俗称的CPI,与我们平常生活水平的好坏息息相关,是衡量生活环境与经济环境的重要指标。它既可以反映居民消费的日常用品与质量的物价水平的波动状况,同样也可作为政府制定重大相关金融政策与评价国民生活水平的重要标准之一。CPI的重要性体现在两个方面:一是计算通货膨胀率的重要依据。若CPI在一定时间段内不断的上涨,那么可能存在比较严重的通货膨胀;二是用于国民经济核算。居民消费价格指数可用来观察消费价格的波动对居民生活所产生的影响,为党和政府领导决策部门掌握消费价格的现状,分析和制定一系列有关的国家政策提供可靠的依据。因此,分析和预测居民消费价格指数是经济学领域研究的重要一块。

时间序列,顾名思义就是指变量的数据依照一定的时间进行排列所形成的一组数字序列,它反映了变量随时间变化而变化的情况。时间序列数据通常含有两个重要因素,一个是有关被研究对象时间,一个是所研究对象的数据值。这些信息都是有时间顺序的,并且它们与特定的获取数据的时间点相对应。时间序列分析这一方法就是通过运用相关的数学模型,对变量随时间变化的数据进行研究,寻找变量随时间变化的规律,并基于此对变量的变化进行预测。在对时间序列进行拟合分析并进行预测中,ARIMA模型是运用最广泛的模型之一,因此本文运用Eviews软件,通过建立时间序列的ARIMA模型,以江西省的消费价格指数为对象进行分析预测,得到了较为理想的结果。

1 ARIMA模型介绍

1.1 ARIMA模型

ARIMA(Auto Regressive Integrated Moving Average)模型对时间序列数据进行分析判断得出有关的规律以及相关参数,然后基于此对时间序列数据进行相关的预测。这种预测方法的优点在于不考虑模型所产生的影响,仅仅是对时间序列本身进行分析研究,根据相关参数建立相应的模型并进行预测分析。相较于回归分析,规避了在建立模型时为了满足随机扰动项的限定条件而产生的矛盾。因为模型的有效性、应用的广泛性、预测的准确性较高而受到广泛关注,且能更为有效的分析时间序列特点,是研究时间序列并进行预测分析的重要经济模型之一。

ARIMA(p,d,q)模型由三部分组成:自回归过程(AR(p)),即一个时间序列的本期情况可以用来分析预测其滞后p期的表现情况的线性组合;单整(I(d)),时间序列可通过d次差分变换转化为平稳序列,前面的d-1次仍然是非平稳时间序列;移动平均过程(MA(q)),即模型值可以表现为阶残差项的线性函数。其一般形式是:ut=c+Φ1ut-2+…+ΦpUt-2+εt+θ1εt-1+θ2εt-2+…+θqεt-q。

1.2 运用Eviews软件建模过程

(1)首先为了验证时间序列的平稳性,需对其进行单位根检验。若原序列拒绝原假设,则时间序列是平稳的,反之就是不平稳的。若是非平稳序列,则运用差分变换将其转化成平稳序列,通过检验。

(2)然后进行描述性统计分析,并得出时间序列的自相关系数和偏自相关系数以及一些其他的特殊参数。之后对自相关系数、偏自相关系数进行分析与研究,确定几个可能的模型参数,建立ARIMA(p,d,q)模型。对选定不同参数模型拟合的结果进行比较,选取其中结果较为理想的一个。

(3)建立拟合程度最好的模型并得出结果,查看模型的各项参数并检验其显著性是否通过,且查实模型结果是否合理。

(4)扩大样本容量,运用所建立的模型对时间序列进行分析预测,从而了解时间序列的未来走势,得出的结果对相关的经济问题有指导的重要作用。

2 基于ARIMA模型的实证分析

2.1 数据来源

本文以2001年1月至2016年2月江西省CPI月度数据为研究对象,运用Eviews软件进行分析预测,数据来源于Wind数据库。如表一所示。

2.2 平稳性检验

本文分析了CPI的走势图(见图一),从直观上呈现CPI的波动性。采取散点图形式直观的分析序列的平稳性。首先运用Eviews软件描绘出时间序列的散点图,并对其进行观察。我们能够根据时间序列的散点图中数据点是否在均值线上下波动来判断其是否平稳,如果呈现在均线上下波动则判定该时间序列是平稳的。否则的话,该时间序列就是非平稳的。由图一可以看出,CPI随时间的波动较大,CPI数据是不平稳的。从单位根检验我们也可以看出,若检验结果拒绝原假设,则说明是非平稳的时间序列。常见的非平稳序列过程一般都是单位根过程,因此检验序列是否平稳的过程就称为单位根检验。通常来说,有两种方法可以检测平稳性,分别是PP检验和ADF检验。ADF检验是运用差分变换的方法使序列具有平稳性,检验统计量是判定回归滞后因变量的t统计量,由于是单边检测,当计算得到的t值小于临界值时则拒绝原假设,也就是该序列没有单位根。进一步,本文选择ADF方法对CPI的时间序列做出单位根检验,从而测试其平稳性,结果如表二所示。由表二可知,在1%的显著性水平下,ADF方法的t值跟临界值较大,则CPI时间序列数据是非平稳的。

图二为CPI一阶差分后的走势图,直观上不难发现差分变换后的CPI数据比原数据更平稳。然后我们以一阶差分后的CPI序列为对象,对其运用ADF检验方法进行单位根检验,判断该序列的平稳性,检测结果如表三所示。由表三可知,在1%的显著性水平下,ADF的值为-13.48689,比临界值-3.466786小,因此,一阶差分后的序列是平稳序列。所以,江西省CPI月度数据是一阶单整的时间序列,记为CPIt~I(1)。

2.3 模型建立

一阶差分后的江西省CPI月度数据是平稳的,因此对CPI序列建立的ARIMA(p,d,q)模型中,d=1。为了获得ARIMA(p,d,q)中自回归的阶数p和移动平均的阶数q,需要对一阶差分后的CPI月度数据的自相关和偏相关图进行观察,结果如图三所示。

从图三能够看出,观察自相关系数的滞后阶数,发现在3,4,5,时显著不为零,所以能够取p=3,p=4,p=5;观察偏自相关系数的滞后阶数,发现在3,4,5时显著不为零,所以能够取q=3,q=4和q=5。以上是初步判断,利用AIC和SC准则对模型进行比较,我们进行模型选择时,AIC值越小越好。AIC准则是赤池信息准则,赤池信息准则可以通过以下统计量判断模型的优劣:AIC=-2L/n+2K/n。

赤池信息准则中表示,AIC的值越小说明模型拟合程度越好。因为,AIC的大小取决于L和k。k取值越小,AIC越小;L的值越高,AIC值则相对较低小。K值低就表示模型简练,L值高则说明模型精准。综合考察模型的优劣程度,最终选择模型为ARIMA(3,1,3)。如表四所示。

2.4 模型残差序列的独立性检验

本文将模型的残差序列提取出来,对其进行拉格朗日乘数检验法(LM检验),判断序列的独立性,以样本的自相关系数为研究对象进行检测。表五为LM检验结果,从表中可以看出统计量的p值都高于0.05,因此不能否定原假设,也就是说残差序列是独立的。

2.5 模型预测和分析

为了进一步分析江西省CPI月度数据的走势,利用建立的ARIMA(3,1,3)模型对数据进行样本外动态预测,对2016年3月至12月的江西省CPI进行预测,预测结果如表六所示。

3 结论及建议

本文运用Eviews软件,以江西省2001年1月至2016年2月居民消费价格指数月度数据为对象,建立了模型对样本数据进行探讨研究,并作出短期预测,得出结果。发现未来短期内江西省居民消费价格指数波动相对较小。当然本文只是对样本数据做出粗略的估计,还存在许多的不足之处。本文未考虑居民消费指数存在的季节性波动,没有消除其季节性进行研究。

通过上述分析和预测可以发现,2016年江西省CPI指数相对比较稳定,消费品物价有下降趋势,人们的购买力上升,福利水平也有所提高。另一方面,CPI指数的下滑也可能产生不利的影响。CPI就是居民消费价格指数,CPI的下降则表示居民日常消费商品的下降,过度下降使得商家所获得的利润降低,对生产者产生不利的影响,导致生产者的积极性下降,从而使得商品的市场供给量降低。商品生产量下降导致所需要工人的数量降低,那么失业率则会上涨。因此政府应该采取积极地财政政策,刺激消费,鼓励生产,才能保持经济的蓬勃发展。其中包括政府资金投放力度加大,着眼于居民消费商品结构进行调整;大力推进税收改革,调整利率促进消费。

因此,在保持CPI指数稳定,避免通货膨胀的前提下,江西省需要大力实施积极地财政政策,刺激经济的发展,从而实现经济的繁荣与发展,提高居民的生活水平。

摘要：差分自回归移动平均模型(模型)能对非平稳的时间序列进行较好的拟合和预测,是对该经济现象进行实证分析的有效方法之一,而居民消费价格指数就是一个比较典型的非平稳时间序列。因此本文基于2001年1月至2016年2月的月度数据,通过模型选择,建立了数据拟合较好的模型对江西省消费价格指数进行分析并预测近期的消费价格指数。

关键词：ARIMA模型,居民消费价格指数,预测

参考文献

[1]孙宏义,陈建丽,朱梅.我国物价指数的时间序列分析[J].安徽工程科技学院学报,2004,(04):30-33.

[2]王燕.应用时间序列分析[M].北京:中国人民大学出版社,2012.

[3]龚国勇.ARIMA模型在深圳GDP预测中的应用[J].数学的实践与认识,2008,38(04):53-57.

[4]孙宏义,陈平,朱梅,等.股票指数的时间序列模型分析[J].数学的实践与认识,2008,36(08):52-58.

[5]张文斌,霍敬伟,马志峰,等.基于ARIMA模型的我国一次能源产量时间序列分析[J].齐齐哈尔大学学报(自然科学版),2010,26(02):71-73.

[6]蒋燕.ARIMA模型在广西全社会固定资产投资预测中的应用[J].数理统计与管理,2006,25(05):588-592.

[7]王行健,刘欣.ARIMA时间序列模型的研究与应用[J].计算机应用,2008,27(08):65-67.

[8]http://www.stats.gov.cn.