基于TVECM的CPI和PPI关系研究

基于TVECM的CPI和PPI关系研究张洁王少平（华中科技大学经济学院）摘要：本文应用门限向量误差纠正模型（TVECM）对我国消费者价格指数（CPI）和工业品出厂价格指数（PPI）进行实证研究，结果表明我国CPI和PPI之间尽管长期中存在稳定的协整关系，但短期中，CPI向均衡的调整具有非对称特征。分机制的格兰杰检验表明，CPI偏低时，存在CPI向PPI的单向传导，CPI偏高时则相反，这也说明我国通货紧缩多源于需求的冲击而通货膨胀的一个重要原因是成本推动。进一步，我们分析了08年的剪刀差现象，并初步预测此后我国很可能面临较大的通货紧缩的压力。关键词：门限向量误差纠正模型消费者价格指数工业品出厂价格指数ResearchonCPIandPPIbasedonTVECMAbstract:AnewmethodnamedThresholdVectorErrorCorrectionModel(TVECM)isadoptedinthispaper.Theempiricalstudysuggeststhat,thoughtheredoesexistacointegrationrelationshipbetweentheConsumerPriceIndex（CPI）andProducerPriceIndex（PPI）ofChaininlong-run,theshortadjustmenttothelong-equilibriumofCPIisasymmetric.GrangerCausalityTestindifferentregimesshows:whenCPIisrelativelylow,CPIisPPI’sGrangerCausalitywhilewhenCPIisrelativelyhightheresultisopppsite.Thisresultindicatedthatthedeflationcomesfromdemandshockwhileinflationcomesformsupplyshock.Basedontheresults,westudiespricescissorsintheCPIandPPIintheyear2008,andthen,makespreliminaryforecastonthepricetrend.Keywords:ThresholdVectorErrorCorrectionModel(TVECM)ConsumerPriceIndex（CPI）ProducerPriceIndex（PPI）一引言物价指数是反映经济运行的晴雨表,以消费者价格指数（CPI）度量的通货膨胀历来是政府关心的问题。事实上，长期以来人们也一直在寻找通货膨胀的先行指标，其中，工业品出厂价格指数（PPI）最受关注。PPI反映的是工业品进入流通领域的最初价格，是制定工业品批发价格和零售价格的基础，CPI反映的是居民购买消费品的价格。PPI的构成中，生活资料和生产资料的比例约为1：2，生活资料价格上涨直接进入CPI，而原材料、动力、燃料等生产资料价格上涨影响工业消费品的成本以及农业生产资料的价格，间接进入CPI，所以从供给角度来讲,PPI很大程度上决定着CPI。从需求角度来讲,CPI的构成中工业消费品约占一半（另一半是食品和服务），显然市场需求旺盛时CPI的高升会拉动投资品价格的上涨，进而影响到PPI。由此，CPI和PPI之间呈现一定的正相关关系。但是现实经济中，二者在短期经常会表现出一定的偏离，比如我国08年出现的CPI和PPI倒挂的剪刀差现象。那么，CPI和PPI之间究竟存在什么样的关系？这也是学术界和政策制定者非常关注的一个问题。国外有代表性的研究有Mehra(1991)andHuhandTrehan(1995)，结论是长期来看CPI显著影响PPI中的劳动力成本，一定程度上说明了二者传导关系的存在。LownandRich(1997)运用1965到1996年的数据表明，PPI中的劳动力成本对引起CPI高涨有重要作用。AlirezaDorestaniandLariH.Arjomand(2006)建立了线性协整模型，结果显示PPI的变动是CPI变动的重要指标。国内关于CPI和PPI关系的研究也比较多，其中定量分析的方法主要有两种：一是估算CPI、PPI及其构成因素的相关系数，根据相关系数大小以及显著性来说明相互间的关系，如刘敏、张燕丽、杨延斌（2005）认为PPI与CPI之间具有线性相关关系,并且PPI的变动,一定会影响CPI的变动，此影响存在滞后期，并且相关系数的年度数据差异较大，说明二者关系与经济发展的总体水平有关。第二种是通过线性协整方程及相关的误差纠正模型（ECM）和格兰杰因果检验说明二者之间的传导关系。如宋金奇、舒晓惠（2008）通过线性ECM模型考察了我国CPI和PPI的关系，结论是：短期来看，我国CPI对PPI具有反向拉动作用，PPI对CPI的正向传导作用并不显著，长期来看，较高的PPI会拉动CPI上升。此外，还有蔡风景、李元、王慧敏（2008）基于上海市2003至2007年的月度数据，运用有向非循环图(DAG)技术和VAR方法表明,PPI对CPI的传导有一定的滞后效应,长期传导作用显著。就目前收集到的文献来看，关于我国CPI和PPI的计量研究都是基于传统的线性模型，且结论也不尽一致。我们注意到，标准的线性时间序列模型都设定了一个前提，即在不同时期经济运行周期的不同位置，变量之间的关系是不变的；在线性误差纠正模型中，暗含的假设是短期偏离向长期均衡的调整是连续且匀速的。然而，这些线性模型因忽视了经济行为的内生变化可能产生的非线性，很可能会产生有误的结论（Granger和Teräsvirta,1993）。事实上，在高通胀时期和低通胀时期，不同微观主体的预期和实际代理行为（如企业生产和定价、个人消费、政府调控等）可能是不同的，这也导致在经济周期的不同阶段CPI和PPI的关系可能是不一致的。鉴于此，本文将基于我国不同时期下的CPI和PPI变动特征，通过门限协整分析建立两机制的向量误差纠正模型（ThresholdVectorErrorCorrectionModel,以下简记为TVECM），刻画不同状态下消费者物价指数和工业品出厂价格指数之间的非对称调整关系，深入探究其形成原因，并基于此给出政策建议。二、门限协整误差纠正模型的设定、估计与检验方法1、门限协整误差纠正模型的设定如前述，CPI和PPI之间存在的一定的对应关系，我们设定协整模型：01tttCPIPPI（1）如果模型(1)中的变量都是()Id过程，且残差t～(0)I，则此模型为协整模型。它反映了模型中各变量之间的长期均衡关系。t则为实际CPI与均衡水平之间的差异。考虑到消费者价格指数位于不同的水平时，经济主体的代理行为的不同并导致CPI和PPI关系可能发生的变化，本文将门限协整误差纠正模型设定为:33101111111133101111121113320211221111021121(())(())(())(()ttitijtjtijtitijtjttijttitijtjtijtitiiCPIbbbCPIbPPIdcccCPIcPPIduPPIbbbCPIbPPIdcccCPI3322211121)(,)1(()),(,)1(())jtjttjttttcPPIdudd（2）其中，01(,)为模型（1）中的协整向量,1()t为误差纠正项，代表上期CPI对均衡的偏离程度，我们将其作为门限变量，据此对系统进行划分。为门限参数，1(.)为示性函数，结合AIC准则和实际经济经验，我们选择滞后阶为3。由此，模型(2)根据门限变量1()t的大小不同而将CPI的短期调整划分成两个机制，也即上期偏离的程度决定了CPI所处的机制，进而决定了本期的调整效应。正是这一原因，模型(1)，(2)称为门限协整。1ib,1ic（i=1,2）为误差调节系数，它们分别反映在不同机制下CPI、PPI的短期偏离向长期均衡的调整速度。进一步，若协整残差1t，TVECM服从第一机制，调节效应由1B＝（1121,bb）所刻画；若协整残差1t，VECM服从第二机制，调节效应由2B＝（1121,cc）所刻画。特别地，若1B和2B在统计上具有显著的差异，则表明CPI和PPI的短期调整因经济通胀水平的不同而有显著差异，即存在非对称调节效应，而这种调整差异是由模型（2）中的两机制转换和估计的调节参数1ib,1ic（i=1,2）所刻画，这正是门限协整模型的核心含义。2、门限协整的估计方法在协整向量和门限值均未知条件下，如何实现对模型的估计与检验，尤其是在这个非线性模型中得到一致性的协整向量、具有较高检验势的门限协整统计量及其临界值，是我们面临的困难。Hansen,Seo(2002)的方法是在协整向量未知条件下，首先使用极大似然法估计模型（2），然后基于估计结果构造门限协整检验统计量。模型（2）可表述为''111212()(,)()(,)ttttttxAXdAXdu（3）其中，12,ttdd定义同上，(,)'tttxCPIPPI为qT(本文中q=2,T=146)向量,111()(1,(),)'tttXx。则模型(3)对应的极大似然函数为：112121211(,,,,)log(,,,)'(,,,)22TtttTLAAuAAuAA（4）其中，''111212()(,)()(,)ttttttuxAXdAXd，'()ttEuu。由此，是否存在门限行为的检验(即1B和2B统计上是否存在显著差异)就转化为对1A和2A是否有显著差异的检验。进一步，对模型(2)的极大似然估计12ˆˆˆˆˆ(,,,,)MLEAA就是最大化12(,,,,)LAA。在协整向量未知下，参数,不可识别，因此，使用格子搜索法获得极大似然估计结果，步骤如下：①首先使用Johnsen（1995）协整方法估计模型(1)，获得协整向量ˆ，协整残差ˆˆ()t以及协整向量ˆ的标准差。然后将协整残差1ˆˆ()t按升序排列得到*1ˆˆ()t，去掉*1ˆˆ()t的前15%和后15%个元素，将中间的数据做为阈值参数的格子区间[,]lu①。将协整向量ˆ的置信区间作为的格子搜索区间[,]lu②。②对格子区间中的每一组值，分别用最小二乘回归计算112ˆˆˆ(,),(,),(,)AA。其中:1'1111111111'211212111ˆ(,)(()()'(,))(()(,))ˆ(,)(()()'(,))(()(,))1ˆˆˆ(,)(,)(,)'TTttttttttTTttttttttTtttAXXdXxdAXXdXxduuT（5）③在tu为独立，同正态分布的假定下，极大似然估计等价于最小二乘估计。可以得到受限制的最大似然函数12ˆˆˆ(,)((,),(,),(,),,)1ˆlog(,)22LLAATnp（6）①Andrews(1993)认为，参数的格子区间[,]lu的选择不能使得每次估计的样本容量太小，否则，会降低检验的势。由于本文中的样本为146个，因此选择*1ˆˆ()tw的第19至127个元素作为搜索区间。②此处选择的是95%的置信区间。因此，最小化ˆlog(,)的(,)就是待估计的ˆˆ(,)。3、门限协整的检验方法显然，在通胀水平不同的情况下，CPI和PPI的调节效应是否具有显著的差异，这一问题是本文能否使用模型