分析物价趋势的指标选择，本文主要内容关键词为：物价论文,指标论文,趋势论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
关于当前①中国的物价走势，国内外有不少讨论。人民银行作为中央银行，一直高度重视对物价走势的跟踪分析和研究，也积累了一定的基础。在去年有关经济形势分析会上，人民银行较早提出，2011年11月份的物价同比数据会出现大幅下降，但这种大幅下降很有可能是一次性的，不具有持续性。后来国家统计局发布的数据显示，11月份CPI从10月份的5.5%大幅降至4.2%。当时，有人分析认为12月份的CPI会继续下降到4%以下，但我们还是坚持认为不会出现这种状况。后来的统计数据表明，2011年12月CPI同比涨4.1%，全年CPI同比上涨了5.4%。关于中国的物价走势特别是下一步是否会形成下行趋势，国际上也有很多分析，总体看他们的分析方法有所不同，意见也不太一致。
研究物价问题必然涉及“基数效应”的概念。“基数效应”是国际上比较通用的提法，字面上也比较容易理解。我国则通常称之为“翘尾因素”，但除了一部分业内人士，很多人不太清楚“翘尾因素”的含义；事实上，即使从字面上看，这个提法也不太准确。另外，研究物价还涉及用什么指标来分析判断其变化趋势的问题。人民银行多次对外界提出，在分析通货膨胀趋势时应该用经过季节校正后的环比年率化。这里面涉及三个关键词：一个是“季节校正”，二是“环比”，三是“年率化”。关于为什么要提倡使用这个指标观察趋势变化，可能不是所有人都十分清楚。今天，我想从解析图示谈起，与大家讨论一下如何理解和用好上述几个概念，从而更好地帮助中央银行进行物价分析和判断。
一、物价环比指数与同比指数相互作用的图解
要解释清楚各种物价指标之间的关系，最简单有效的方法是图解，解析几何可以对各种数学关系给出直观的图形表达。不妨介绍一下我早些年对上个世纪80年代末、90年代初通货膨胀所做的研究，作为例子②。
1988年物价上涨很快，1989年出现政治风波，风波结束后的若干月份物价已明显转缓。但如果仍然从过去所习惯使用的年率化的累计平均值指标看，就很难及时发现这一趋势的转变。也就是说，对判断通货膨胀趋势来说，年率化的累计平均值指标往往是很滞后的。为清楚地说明这一点，我当时作了一个图来解释（见图1）。图1（A）把1988年和1989年的物价走势图上下叠加在一起，直观地理解，就是把1988年12月底的物价水平作为1989年物价水平变化的起点，在这个起点上，我们来观察1989年的物价走势。图的纵坐标为物价水平，横坐标为时间，以月为单位，计数期为一年。
应该说明的是，由于物价数据是按月统计测算并发布，因此实际上是不连续的，更多地是图1（B）（见下页）所表示的形式。在数据分析中，往往对图1（B）中各月物价水平变化进行平滑处理，从而得到物价变动的平滑曲线，即如图1（A）所示。
为了便于理解，下面主要结合图1（B）阐释几个概念。
以上介绍了通胀统计中几个最基本的概念及其图形解释，为什么这种理解是清晰且有用的呢？不妨进一步举例说明。从图1（B）可以看出，1988年物价水平上涨很快，特别是前几个月，几乎每月以1%左右的环比增速攀升。到4月末的数据出来后，有些人开始坐不住了，担心通货膨胀失控。但也有人提出，既然通货膨胀水平都这么高了，不妨正好顺势加快推进价格改革，即推出所谓的“价格闯关”。从环比CPI可以清楚地看到，1989年2月以后物价水平持续上涨的势头得到了控制，6月份以后环比CPI就开始下降了。但物价的同比统计指标显示，1989年上半年各月的同比通货膨胀率仍然很高，全年零售物价指数同比累计上涨了18%，这意味着从当时所用的统计数据看，1989年的通货膨胀并没有得到有效控制。与图中所反映的实际情况相比，这个信息显然是滞后的，没有及时反映物价水平变化的真实状况。为什么会出现这种信息滞后的情况呢？这与过去我们所采用的统计方法及概念有关。因为，年度同比通胀率不仅取决于本年度的物价水平波动状况，而且很大程度上还取决于上年度的物价波动情况。
1988年8月份以后物价上涨得特别快，到年底物价水平已涨到了一个相当高的水平，1989年刚开始的时候物价涨得仍然比较快，但很快就平稳下来了。尽管如此，领导人在1989年下半年看到的是带有“翘尾因素”影响的通货膨胀数据，表现为图1（B）中1988年和1989年物价曲线之间月度阴影面积累加得到的数据，直观看比较大，从而误认为通货膨胀仍然十分严重。实际情况是，当时经济已经冷下来了，物价波动也如图1（B）所示相对比较平稳了。正是由于对物价走势的判断过于滞后，导致了当时所采取的宏观政策也滞后较多，对宏观经济增长造成了较大的负面影响。1990年我国GDP增长率仅为4%，是改革开放以来30年中经济增速最低的一年。
图2描述了1988～1997年这十年间的物价变动情况，两条水平线之间的间隔越大，代表翘尾因素对下一年同比物价指数的影响越大。图中显示，有时物价变化的趋势已经发生变化，但月度同比CPI还没有反映，而月度累计同比CPI的滞后性更加严重。1993～1995年我国的年度同比通货膨胀率都达到了二位数，但实际上1995年物价上涨的趋势已有所放缓，由于1994年物价“前低后高”，“翘尾”因素非常显著，导致1995年全年累计同比物价仍上涨17.1%，高于1993年的14.7%。实际上，图2显示，1995年最后四个月的环比物价涨幅已明显趋平，由于当时对这些物价指标的滞后性缺乏解释，货币政策决策险些作出误判。此外，1997年的物价曲线出现了“前高后低”的下行走势，年底的物价水平甚至低于1996年年底，但由于存在“翘尾”因素，1997年的月度同比CPI虽逐月下降或持平，但一直为正值，而全年累计同比CPI上涨2.8%，也未能及时反映物价变化。
以上，通过解析几何图形法说明了月度同比通货膨胀率和年度累计通货膨胀率的形成原理及其影响。为什么要说明这些？除了要解释清楚这些概念的基本原理外，重要的是有助于我们认识到这些数据形成和使用的意义。这就是说，对于国家统计局公布的数据，比如2011年12月的同比CPI是4.1%、2011年全年累计同比CPI为5.4%等这样的说法，就需要考虑：这些数据是如何产生的，究竟有什么意义，相互之间具有什么关系？只有我们把这些数据分析和解释清楚了，我们才能知道如何恰当地使用这些数据；国际上也才能掌握中国发布的这些数据有什么具体含义，这些数据的产生与国际上的一些通行做法相比有什么区别，等等。总体而言，累计同比数据有很明显的滞后性，对于开展宏观经济趋势分析，特别是对于制定和执行货币政策而言，参考价值相对不太大。
二、几个极端情况
常见到这样的情形：某一年（T期）物价水平有显著上升，主要是下半年最后几个月，价格上升非常快；那么即使第二年（T+1期）物价水平没有任何上涨，在图形上表示为一条水平线，那么，第二年各月的同比通胀率也很高，如图3所示。与前面的分析一样，第二年的同比物价累计涨幅是图3中阴影部分的面积。也就是说，即使第二年物价没有任何上涨，两条曲线之间的阴影面积仍较大，T+1年年末时得出的累计同比统计数据所表示的通胀率仍然会很高，具有很明显的滞后效应。这就是最直观的“翘尾”现象。
假设某一年物价水平在年中涨得比较厉害，但到年末几个月时又掉头降下来了（如图4），按照前面的图解方法从12月底拉回一条水平线，这时第一年物价曲线有一部分可能会高出水平线，高出的这块面积所代表的基数效应就是负的，对此需要有更好的数学表达和数学理解。
如果第二年的物价曲线始终在第一年物价曲线之上（图4A），则两条物价曲线之间的面积仍然总是正的，意味着第二年物价累计同比涨幅就是正数，仍可沿用前述的解释。但假如第二年的物价曲线有一部分低于第一年的物价曲线（图4B），计算全年累计同比物价涨幅时，就必须用第二年价格曲线高于第一年价格曲线形成的面积，减去第一年价格曲线高于第二年价格曲线形成的面积，即用图中浅色阴影面积减去深色阴影面积，其结果可能是负值。这时再沿用“翘尾因素”去解释将是相当混乱的，也意味着累计同比指标存在局限性。因此我们说，用“基数效应”去描述和解释这些指标（同比、累计同比、全年累计同比）具有更强的使用性，比用“翘尾”来解释更有通用性，也更易于表现这类指标的滞后效应。
从几何角度看，这是一些极端的特例，但也并不是脱离现实的。在这次全球金融危机及其复苏过程中，我们就观察到CPI在2008年和2009年出现了相当异常且复杂的情况，如下页图5所示。需要应用“基数效应”的解释加以理解和沟通。
三、对累计同比口径略加改进
一个简单的改进办法是采用12个月移动平均法来替代年内的累计同比，即计算时不是单纯把该年已过去的月份的物价水平与去年相应月份的物价水平进行比较，而是要与之前12个月的数据相比较。例如，在计算1989年1月份的CPI时，不仅要把1989年1月的物价水平与1988年1月的物价水平相比，还要把从1989年1月份往前的12个月都算上，与前面12个月的平均物价水平相比。这种移动平均的处理方法有一定的合理性，有助于减少误导。例如，假如某年物价在1月、2月涨得很快，但之前若干个月物价变动非常平缓，那么用12个月的移动平均数后，得到的累计物价涨幅就不会太高。但仍然存在滞后性。
不管是用年度累计通货膨胀率还是用移动平均算法的通货膨胀率，都存在显著的滞后性问题，这对于控制通货膨胀、实施货币政策来说，其有用性就大打折扣了。因此，要寻找更灵敏的、能够快速反映物价趋势变化的算法和指标。当然，这并不是说累计通胀指标没有用，这一指标在某些场合具有一定的参考价值，比如在制定收入分配政策时就有参考价值。例如，在物价上涨且波动性大时，在收入分配上想要看一年的购买力侵蚀，以便计算对他们的补贴，累计同比指标就能派上用场。可见，不同的数据有不同的用处。
此外，当销售的季节性差异大时，似应考虑各月社会商品销售额的差别，这往往与季节或节假日因素有关。在表达每个月的矩形面积时，前述图1（B）的办法是对12个月进行等分，宽度均为1/12～0.833，也就是假定每个月的商品销售额是一样的。如果每个月商品销售额差别很大，可考虑每个月在横轴上是不同的宽度。例如，考虑到春节因素，对1、2月份设置的宽度大一些；考虑到“十一”长假因素，对10月份的宽度也可以设置稍大一些，这样这些月份所占的面积就会更大。这种处理，意味着这些月份在计算中所占的权重较大。加权平均法也是比较常见的统计计算法，这里不再详细展开。
四、应着重使用经季节校正的环比指标
要找出某个时点上通货膨胀的趋势，最简单的办法是使用月环比指标，即价格曲线在这一时点的斜率，这是不言自明的。比如，2月到3月这段价格曲线的斜率即3月份对2月份的环比物价上涨率。既然如此，为什么不直接使用环比指数呢？主要原因是，环比指数会受到季节性因素的影响。下面进一步解释为什么我们主张更多使用经过季节校正的环比年率化指标。
季节性效应首先反映在农业经济的供应周期上。中国现在虽然已不是典型意义的农业社会，但农业对国民经济的影响依然很大。农业生产历来季节性很强，1月份以及6月份、10月份的供求关系往往有非常明显的季节性波动，因此不能简单地直接作比较。其次，季节性差异还在一定程度上表现为节假日效应。一些西方国家已经没有明显的农业周期，农业只占GDP的1%～2%，食品消费占消费者总支出的比重不到15%，而食品价格有一部分是由食品加工各环节涉及的价格所决定的，这些加工环节的价格和农业收获季节之间关系不大。但即便如此，西方国家也存在过节效应的季节性波动，比如大多数西方国家圣诞节都是传统的购物旺季，因此也存在比较明显的季节效应。
有鉴于此，当我们需要使用环比物价指标时，最好是作必要的季节校正，即考虑扣除数据形成背后的季节性影响因素，只有把该季节性因素扣除之后，才能更好地判断当期的趋势。
另外，月度比较的环比数据通常数值比较小，一般在百分之零点几的水平，对很多人来说不太直观，因此通常予以年率化处理。年率化就是把月度环比数据扩展成全年的数据，在数学处理上即把月度环比数加1后取12次方再减1得出的数据。如某月份的环比数为x，则按[
-1]的计算公式进行年率化后，可得出年化率的物价上涨率。
简单介绍一下中国的季节校正特征。中国的春节一般是在1月份或2月份，春节期间的居民购买力很强，消费需求旺盛，容易导致物价较快上涨。春节过后，价格开始下降，尤其是在3月份、5月份、6月份下降得比较明显；之后物价从8月份又开始上涨，通常8月、9月会高出平均值，之后物价涨幅略有回落，但年底时又开始回升。这是多数情况下中国物价环比月度涨幅所呈现的季节特征。我国的通胀周期也曾多次受到这种季节效应的影响。典型的例子是，2011年的4月和5月，CPI环比都只上涨0.1%，6月份的CPI也只上涨了0.3%，当时有人因此对物价形势产生了比较乐观的判断。但季节特征表明，4月、5月、6月环比数据应是负值，经过季节校正后，则2011年4月、5月、6月物价上涨明显偏高。可见，在分析和使用物价数据时，确有必要进行季节校正。
季节校正的复杂之处在于校正的方法非常多。一般是通过历史数据找出我国物价波动的季节性特征，但有时也会受到干扰。比如“五一”本来是长假，后来因政策变化，规定“五一”不放长假了，那么再用以前的历史数据来分析判断当前的趋势，就会产生偏差。但总体而言，历史数据是可以用的。从2000年至今，用最简单的平均数方法考察季节效应可以发现，1月份和2月份物价环比平均值都在1%左右，如果予以年率化，全年物价涨幅将超过12%。3月份春节以后，物价一般都会迅速下降，过去11年来3月物价环比下降的幅度平均为0.66%；4月份的环比降幅略低一些；5月份环比下降幅度平均为0.27%；6月份平均下降0.61%；7月份平均下降0.1%。8月份以后，物价开始逐月回升，过去11年8月～12月份物价环比涨幅平均值分别是0.48%，0.74%，0.2%，0.19%和0.47%。这就是过去11年各月物价涨幅的平均值所反映的季节特征。
当然，用取平均数的分析方法来描述季节特征是最简单的处理方法之一。此外，也可以选取更长一点的时间序列，还可以用其他校正的方法。使用不同的处理方法，结果会略有差异，但总体上是大同小异的。人民银行调查统计司较多地使用周期项处理方法，这是季节校正的一种方法。还有一种简单的办法是用过去11年的样本做一削边平均值处理，即剔除一个最高值和一个最低值后，对剩下的数取平均值。这是因为最高值和最低值可能发生在异常年份，比如2003年春季由于“非典”爆发、2008年秋冬由于全球金融危机爆发，这两年的数据会呈现过分异常，此时这种方法可以把这些异常的数据予以剔除，之后再取平均值，就可得出较能反映正常年份情况的季节特征。从技术上讲这类校正属于“滤波”器（Filter），在实现方式上有多种滤波模型可供选择，它们各有各的优缺点和适用性。
如何更好地分析和判断当前的物价走势？在与国外同行交流时，对于统计数据所显示的国内同比物价走势，我们通常要向他们解释这些同比数据含有“基数效应”。这样，国外同行就能对这些数据有更全面的了解。多数情况下，“基数效应”是比较平稳的，但在特殊时期也会变化很大。例如，这次全球金融危机对基数产生的冲击就比较特殊；加上中国为应对危机出台了一揽子刺激计划，力度较大，因此危机和刺激两方面因素叠加产生了比较特殊的基数扰动效应，对下一年物价同比的观察产生了较大影响，可以说形成了一段物价运动的特殊时期。
从上述图5可以看出危机的出现与推动复苏的刺激计划的影响，它不仅影响了环比物价变动，也因显著的基数扰动影响了下一年同比及累计同比指标。比如说，2011年11月份CPI同比涨幅之所以从10月份的5.5%大幅降到4.2%，并不是因为11月份的环比数据出现了大幅下降，而主要是因为2010年11月份同比物价涨得太快（环比上涨1.1%），进而导致基数效应影响显著下降。而2011年6月至9月份，因基数效应很大，物价的同比指标一直维持较高水平（参见图5）。
从上述分析可见，月度同比数据和环比数据之间是有内在联系的，但与环比数据相比，同比数据较多地受到上一年基数效应的影响，特别是在基数效应比较异常的情况下更加令人费解。它在趋势上明显滞后，容易掩盖真实近况，灵敏度不够。为此，人民银行在制定和执行货币政策过程中，较少使用同比CPI和累计CPI等数据，而更多地参考和分析环比数据。从人民银行履行宏观调控职能的实践情况看，使用环比数据的优势比较明显。今后，人民银行仍然将坚持主张用经过季节校正后的环比数据作为经济形势分析和制定、执行货币政策的主要依据。但现在还有一些人不太理解这一做法，因此还要继续强调和宣传这么做的好处。
当然，同比月度CPI和累计同比CPI数据由国家统计局计算并正式公布，比较权威，也更为人们所熟悉。也正因为此，在分析这些数据时，一则我们自己要比较清楚其中的关系，做到心中有数；二则我们还要向其他不太熟悉情况的人解释清楚这些数据，这也是让更多的人读懂宏观数据从而更好地配合我们制定和执行货币政策的需要。要解释清楚这套数据，首先有必要去解释“翘尾”或劝说去运用更为有用的“基数效应”，好在我国有关部门在说明宏观数据时也已习惯于年复一年地解释什么是“翘尾因素”，什么是“新涨价因素”。但仍较少有人能比较清楚地理解这个概念及其计算问题，还是需要推广数学上更为通用的解释及其应用。
总之，如何用好统计指标并进行分析，涉及对宏观形势的研判、宏观政策的设计，以及决策部门与公众如何有效沟通等诸多问题，因此十分重要，特别是对于中央银行制定和执行货币政策而言更是如此。为此，首先要理解物价的当月同比指数、累计同比指数与环比指数之间的关系及其相互转换，才能在国内外交流中解释清楚统计局公布的物价指标。其次，我们要清楚选用不同物价指数的适用范围。累计同比物价指数在观察物价变化对居民购买力的影响时是有用的，能为收入分配政策或补贴政策的研究制定提供参考。但由于同比指数具有明显的滞后性，因此对制定趋势性微调的宏观政策特别是货币政策的参考意义较小。多年来，人民银行一直提倡使用经季节校正的环比年率化指标，该指标更加灵敏，便于判断物价趋势，能为货币政策操作提供更有效的依据。未来，我们要进一步对这一指标加以完善、倡导和推广。
*本文根据中国人民银行周小川行长2012年1月13日在人民银行第78次学术讲座上所作学术报告“关于物价、出口以及服务业发展的数学表达”整理。
注释：
①文中时间表述均以报告时间为基点。
②此系1990年初，周小川向国务院领导解释当时物价情况的资料。
标签：cpi论文; 同比和环比的区别论文; 物价水平论文; 物价闯关论文; 宏观经济学论文; 环比论文; 经济论文; cpi指数论文;