基于CPI分类权重优化的中国核心通货膨胀率计算_cpi论文

基于CPI分类权重优化视角的我国核心通货膨胀率测算，本文主要内容关键词为：权重论文,视角论文,核心论文,通货膨胀率论文,我国论文，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。

      通货膨胀通常是指一般物价水平的持续显著上涨，现实中人们习惯于使用消费者物价指数（CPI）来衡量通货膨胀水平，但因传统CPI数据中存在食品等短暂性、非货币性价格影响因素，并不能很好地反映通货膨胀中的经济内容。如果CPI数据变动主要是由此类因素引起，则针对CPI的货币政策效果势必削弱，甚至会对其他产业发展产生不利影响（范跃进和冯维江，2005），解决这一问题的一个主要方法便是编制核心通货膨胀率指标。对此所进行的研究自始就未淡出过人们的视野，特别是20世纪90年代以来，越来越多的国家（地区）开始编制发布核心通货膨胀率数据，并将其作为宏观经济政策制定的重要依据之一。

      在核心通货膨胀率的测度方面，目前存在两大类主要的分析方法，分别是统计法和计量法。前者主要通过把CPI指数中的易波动部分剔除，并对可能受到供给冲击影响的成分进行再次加权来获得核心通货膨胀率，以剔除法、修剪均值法等为代表。而后者则根据某种计量经济方法或者宏观经济理论支持下的计量模型来测度核心通货膨胀率，相应的典型方法主要包括移动平均法、Hodrick-Prescott滤波、Beveridge-Nelson分解法以及协整—误差修正模型、结构向量自回归模型等。

      具体到我国的情况，尽管至今尚未发布核心通货膨胀率数据，但对此的测度研究却一直是一个热点问题。考虑到数据的可获得性等问题，现有研究中较多使用计量方法进行分析，比如简泽（2005）所构建的包含实际GDP和零售物价指数的两变量结构向量自回归模型；赵昕东（2008）所构建的包含通货膨胀率、食品价格指数和产出增长率在内的三变量结构向量自回归模型；王少平和谭本艳（2009）在度量我国核心通货膨胀率时，所采用的基于协整—误差修正模型调节系数阵中的正交分解技术等。在这些计量方法的应用中，最为常见的便是结构向量自回归方法。最初，Quah和Vahey（1995）从其核心通货膨胀定义出发，利用两变量的结构向量自回归方法度量了英国的核心通货膨胀率；尽管该方法能够满足经济理论上的需要，但其所反映的传导机制却并非完全与我国的现实情况相符。在存在金融管制的情况下，通货膨胀的相关影响因素并不能像理论所描述的那样，完美地作用于通货膨胀。利用向量自回归方法测度核心通货膨胀时，各变量之间的传导关系还有待进一步研究，只有确保传导机制与现实经济关系相吻合的情况下，使用该方法进行的研究才真正有效。

      而基于统计法的应用研究，在我国较具代表性的有：范跃进和冯维江（2005）分别利用剔除法、修剪均值法和加权中位数法进行了我国核心通货膨胀率的测度；黄燕和胡海鸥（2006）测度了剔除食品项后的CPI指数和基于加权中位数法的核心通货膨胀率，通过对比显示：两者波动性均小于CPI序列，且与CPI序列呈现正相关关系。利用此类方法估算核心通货膨胀率，既可以有效贴合我国现有的CPI指数编制，又能在很大程度上节省统计资源、提高官方统计服务社会公众的能力。但是，从现有的研究来看，也存在对这种方法的批评，以龙革生等（2008）的研究为例，该文通过对比剔除法、修剪均值法、加权中位数法、结构向量自回归模型和共同趋势法在测量核心通货膨胀率上的结果，认为修剪均值法和加权中位数法计算出的核心通货膨胀率受食品类权重过大的影响，不适合在我国应用。对于这种评价也同样出现在剔除法中，对此，本文认为出现这样结果的关键主要在于两个方面：一是食品类项下涵盖很多的细分项目，其中并非所有项目都受短暂性和非货币性因素的影响，在具体应用时应从细分项目入手；二是我国CPI指数的分类项目权重，存在食品类高估、居住类低估等问题，在采用统计法进行核心通货膨胀率测算的过程中有必要修订分类项目权重。

      对于CPI分类权重的质量问题，不仅存在于统计法的测算过程中，基于计量法的核心通货膨胀率测算也同样存在问题，利用本身就存在问题的CPI指数进行核心通货膨胀率测算，很难保证最终测算结果的可靠性。对此，本文在测量核心通货膨胀率之前，首先就我国CPI权重问题进行分析，以自有住房支出估计为突破口，重新估算CPI分类指数权重和CPI指数。具体的，在自有住房的处理上，我国官方统计并非在住户调查中就将自有住房支出分摊考虑进居住类支出中，而是在年度GDP核算时纳入支出法GDP核算，因而住户调查层面的支出数据中并未包含自有住房的虚拟租金。

      从这个角度来看，现有研究中对于我国CPI权重的估计文献大多存在一些问题，基本上都难以将这一问题解释清楚，或者存在误解、或者缺少对关键环节的解释说明，这样也对结果的可靠性产生不利影响。对此，本文以国家统计局的相关核算方案和说明为依据，尽可能清楚详尽地展开分析。从可获取的数据资料来看，对CPI分类权重的估计所能利用的最有效的数据资料，即住户调查中的人均消费支出数据，其大类分类情况也与CPI大类指数最为接近，但因该数据的居住类支出中并未包含自有住房的虚拟租金部分，因此，文章分析的关键也就集中在自有住房支出的测算上。

      自1998年我国开始住房市场化改革以来，福利分房体制已基本转换为货币化住房制度，城镇居民主要通过货币购买的形式获取住房。在这样的背景下，仍利用城镇与及工矿区个人建房单位面积工程造价来计算住房支出存在明显的偏差。特别是近些年来，受我国住房市场刚需旺盛、投机性需求走强的影响，住房价格居高不下，居民住房负担明显加重。此外，住房支出负担也会挤出其他类型消费，进而对居民的支出结构产生影响。对居住类支出的衡量偏差无法真实反映住房价格变化对居民生活的影响，使得CPI数据质量受到诸多质疑。因此，优化自有住房支出统计对提升现有CPI数据质量，以及对本文将要展开的核心通货膨胀率测算都有重要的现实意义。

      一、测算我国核心通货膨胀率的思路与方法

      1.研究思路

      目前，国际上包括统计部门和央行在内的官方机构，在编制核心通货膨胀率指标时，基本上都采用剔除法或截尾平均法（范跃进和冯维江，2005），这两类应用的关键在于CPI分类权重。在我国，官方CPI统计数据与公众感知存在不符有多方面的原因。除了由该指数计算方法的特性以及缺少针对不同群体的分类指数等原因外，还有一个重要因素便是现有CPI分类指数权重设定不合理所引起的数据质量问题。本文的研究，即以居住类支出低估为研究突破口，通过对CPI分类指数权重的重估来测算相应的核心通货膨胀率。

      在具体处理过程中，尽管我国官方统计公布了CPI指数的编制方法和原理，但缺少必要的权重资料数据，因此，本文的研究首先从我国CPI权重资料的分析入手。主要的分析思路是：针对国家统计局CPI统计中，居住类支出处理方面所存在的问题，采用几类较为典型的自有住房处理方法重新估计本文经调整后的自有住房支出数据；用本文估算的自有住房支出数据，推算本文计算所需的CPI分类权重数据；利用剔除法和截尾平均法测算核心通货膨胀率数据，并对两种方法下的测度结果进行评价。考虑到篇幅和农村消费支出数据的限制，文章将着重对城镇CPI进行分析，对于农村数据的处理仅简单阐述分析过程和结果。

      2.自有住房支出的处理方法

      （1）替换法。以城镇CPI统计为例，根据王军平（2006）、王军平和王华妍（2008）的阐述，国家统计局计算自有住房支出的方法可写为：

      [（年初城镇居民住房面积+年末城镇居民住房面积）/2]×城镇及工矿区个人建房单位面积工程造价×折旧率 （1）

      式（1）中，居民自有住房的虚拟房租除了由住房面积决定外，还有住房单位面积价格和折旧率两个重要因素。根据孙文凯和罗圣杰（2011）等的说明，国家统计局对于自有住房虚拟租金的估计主要采用“城镇及工矿区个人建房单位面积工程造价”，而由此则可能产生不同程度的城镇居民自有住房支出低估问题。

      目前，我国公开发布的统计数据中，有关城镇地区住房价格的数据资料有“城镇及工矿区个人建房单位面积工程造价”（从2005年开始，《中国统计年鉴》不再发布这一数据）、“固定资产投资（不含农户）房屋施工、竣工面积和房屋竣工价值”、“房地产开发企业房屋竣工造价”、“商品房（住宅）平均销售价格”。

      

      

      从第t+v期来看，第t+v+1期的期望观现值可写为：

      

      在式（3）两端同时乘以

，再减去式（2）可得：

      

      式（4）两端同时乘以（1+

）可得：

      

      在实证分析中，可将式（5）写为：

      

      考虑到实证分析的便利性，将式（6）进行变形可得：

      

      （3）基于消费成本法的自有住房支出测算。对于前两种方法而言，第一种方法在自有住房支出衡量时只涉及折旧的分摊，对于相关的维修费、税收、保险等费用支出的考虑不足②。而第二种方法，尽管在成本衡量范围上有较大扩展，但因涉及住房资产收入的核算，使得在住房价格变动较大的情况下，存在自有住房支出为负的情形，既缺少足够的理论支撑，也会出现一种怪现象，即市场上其他商品（服务）价格都上升的情况下，总体CPI却可能会下降。

      Beatty和Larsen（2010）提出一种修正的使用成本法，又称消费成本法。消费成本法对原有使用成本法的修正主要体现在：为了获得住房消费的价格，需要剔除资本的支付项目（这些支付应当被划分为储蓄）；同时，也不能纳入住房买卖价差所形成的资本收入部分。在具体的操作上，消费成本法仅考虑利息支付、持有成本和交易成本，为了避免短期利率与CPI指数间的内生关系，该方法还引入了平滑处理的长期利率和期望短期利率。其具体的计算方法可写为：

      

      3.核心通货膨胀率的测算方法

      （1）剔除法。在核心通货膨胀率测算方面，最有效且最具经济理论含义、最符合国民经济核算规则的便是剔除法，该方法在编制核心通货膨胀率的过程中，通过直接剔除那些易波动的项目来计算核心通货膨胀率数据。具体的，在构成CPI指数的不同分类项目指数中，受外部冲击的影响不同，通过将那些最易受短期冲击影响的、波动最为激烈的构成项目指数剔除，并将调整后的分类项目重新分配新的权重来计算核心通货膨胀率。具体方法如下：

      

      式（12）中，分子、分母的加总个数依赖于每一大类项目下的二级分类项目数，该数在每个大类中可能不一样。在计算核心通货膨胀率时，假设第i个大类项目中拟剔除的二级子项目为

，则：

      

      从编制原理、汇总方法等来看，与传统CPI统计并无明显差异；但有一个关键问题是，如何确定被剔除项目的范围，以及所剔除项目的占比情况，这便是利用剔除法进行核心通货膨胀率测算时的关键所在。以食品类项目为例，在我国，该项目在CPI中占有1/3左右的比重，如果直接予以删除，尽管能够避免食品类短期外部冲击对CPI指数的影响，但因该项目包含信息量较大，直接删除势必造成大量有用价格信息的丢失。具体的处理办法应是在数据资料可获取的前提下，尽可能细化分类项目，既要确保易受短期冲击、波动最为频繁的项目被剔除，也要保证核心通货膨胀率有足够的信息量。

      （2）截尾平均法。是有限影响估计法中的一种，又称修剪均值法。该方法主要通过针对每个截面的CPI分类指数进行分析③，找出价格波动的极端项目，并将其作为“修剪对象”予以去除。之后，将剩余部分重新调整权重，进而计算核心通货膨胀率。具体计算方法如下：

      

      就该方法而言，在修剪值β确定的情况下，其扣除项目是相对确定的，但因需对每个时期的截面数据逐个进行分析，可能会产生每期被扣除项目的类型不同，对指数的同质性产生影响。应用中的重点，主要在于修剪值β的确定以及计算过程中可能出现的问题。

      二、CPI分类指数权重计算

      1.数据选取与处理

      根据CEIC数据库和国家统计局网站所整理的消费价格指数数据中，我国CPI月度指数中的八大类分类指数数据，从2001年1月起与现有的分类相同，为保证数据的连续可比，本文以2001年为研究起点。对于住房价格的选择，考虑到我国住房市场化发展改革历时较短，现阶段居民所持有的住房有相当部分是福利房，直接采用商品房销售价格可能会存在高估住房支出的可能，故采用房地产开发企业房屋竣工造价作为住房支出价格，数据选自《中国统计年鉴》。因农村消费支出数据十分有限，仅在权重计算部分阐述对农村CPI的分析和处理。

      （1）对“城镇及工矿区个人建房单位面积工程造价”进行替换处理。对于式（1），本文将基于“房地产开发企业房屋竣工造价”计算相应的自有住房支出④。对于“（年初城镇住房面积+年末城镇住房面积）/2”，主要利用我国城镇人均住房建筑面积一项计算⑤。《中国统计年鉴》中历年城镇人均住房建筑面积是指报告期末的数据，系按居住人口计算的平均每人拥有住房建筑面积⑥；此外，设定每年末的人均住宅面积数据为下一年度的年初数据。而对于折旧率一项，我国新建住宅使用权为70年，按照直线法和会计上通用的5%残值率对房屋计提折旧，可知其年折旧率为1.36%，而相应的50年、35年使用期限的年折旧率分别为1.90%和2.71%。但考虑到我国居民的消费习惯和住房刚需，以及存在住房消费对其他商品（服务）类别消费的挤出效应⑦，本文选取4%的折旧率⑧。

      

      （3）消费成本法下的数据处理。对于住房价格

的选择，为保证与前文分析相对应，采用“房地产开发企业房屋竣工造价”进行测算。考虑到所计算自有住房支出数据为年度值，文章将ξ的取值设为1。对于

的选择，文章根据Beatty和Larsen（2010）的说明，选择三年移动平均的住房抵押贷款利率（五年以上期限）和三年移动平均的一年期定期存款平均利率进行测算。而对于税收减扣率τ，具体到我国的实际，将其设置为0。

      在

的选择上，因交易费用类型众多且进行量化分析面临较大的困难，很难包含全面，故选择住房抵押手续费和住房转让手续费两项。其中，住房抵押手续费按件收取，收费标准为贷款额的0.08%，在具体测算过程中要分摊至各偿还期⑩，一般情况下我国首套住房首付比例为30%（11），贷款金额为住房金额的70%，则住房抵押手续费为住房金额的0.056%，分摊至30年，则每年支付比例约为0.00187%（12）；对于后者，住房转让手续费同样按件收取（13），其中，房改房3元/平方米、存量房6元/平方米、商品房3元/平方米，取三者平均值4元/平方米，考虑到住房交易市场同时存在新房和二手房，为便于分析处理，设定住房转让手续费的分摊时限为50年，每年单位面积（每平方米）的分摊金额为0.08元。对于

的选择，和前文的处理一样，因物业费包含在官方数据（基于住户调查的消费支出）之中而不予考虑，出于数据的可获得性，仅纳入房屋保险，具体的处理与使用成本法相同。

      2.自有住房成本估算

      按照上述3种方法计算的自有住房支出数据如表1所示。

      3.消费支出数据的调整和CPI分类权重计算

      根据国家统计局的相关说明，基于城镇住户调查所获得的消费支出数据未包含自有住房支出部分，而支出法GDP核算中的消费者支出部分则包含自有住房支出，为避免自有住房支出的重复计算，本文拟采用城镇住户调查数据进行分类权重的计算。同时，住户调查数据中已包含了本文自有住房支出中暂未考虑的物业费等费用，利用该数据和本文测算自有住房支出数据的结合分析，有利于较好地认识我国城镇CPI分类权重问题。具体处理上：何新华（2011）的研究认为，应将消费支出中的“杂项商品和服务”项的一半归为烟酒及用品，而剩余的一半则归入医疗保健，并据此计算每年各分项对应的权重，并将其用作对下一年度居民消费价格指数计算时的权重（14）。

      

      但是，通过对我国住户调查的消费支出数据进行分析发现，何新华（2011）的算法存在一定的问题。以我国城镇住户调查为例，消费支出中的食品项下包含烟草、酒和饮料两个子类，如果忽视这一点必然会造成权重测算中的偏差。对此，本文对何新华的方法进行了修正，将消费支出数据（城镇住户调查）中食品类下的烟草类项目和1/2的酒及饮料类项目从食品类中去除，并归于烟酒及用品项目。按照这样的处理，本文计算了各种方法下的对应CPI分类权重。

      因不同计算方法下的自有住房支出计算结果存在较大差异，进而导致相应的CPI分类权重计算结果也存在较大的差异，需要就不同方法下的权重结果进行比较选择。为尽可能保证与国家统计局方法的可比性，本文分别利用“城镇及工矿区个人建房单位面积工程造价”计算各种方法下的对应CPI分类权重，考虑到国家统计局在公布过2006年八大类分类权重资料（15），本文拟以此作为比较选择的基准进行分析，结果如表2所示。

      

      由表2的结果可以看出，利用“城镇及工矿区个人建房单位面积工程造价”计算的消费成本法1的权重资料与国家统计局公布值最为接近，因此，对于本文权重资料的估算拟选择消费成本法1（16）。根据表1中消费成本法1所计算的自有住房支出结果，结合前文所述的权重计算方法，本文计算的CPI分类权重数据如表3所示。对于农村CPI的分类指数权重计算而言，因无法获得详细的支出数据资料，本文根据何新华（2011）的处理方法计算权重，限于篇幅，计算结果不再单独列出。

      三、利用剔除法和截尾平均法的我国核心通货膨胀测算

      从统计资源有效利用的角度来看，核心通货膨胀率的编制原理、汇总方法以及相关的统计调查等均与传统CPI指数编制相同，可在编制传统CPI的基础上编制核心通货膨胀率数据。本文对此的分析主要采用剔除法和截尾平均法进行，这也是大多数国家统计机构和央行普遍采用的方法。限于数据资料和文章篇幅的制约，文章将着重以城镇地区为例进行分析；对于农村地区而言，可按照同样的方法和思路进行分析，在此仅给出相关计算结果。

      1.城镇地区核心通货膨胀率测算

      （1）基于剔除法的核心通货膨胀测算。通过对比2001年1月至2012年12月我国八大类CPI分项价格指数的月度数据，可以发现研究区间内CPI八大分类指数中，食品类和居住类指数的波动较为激烈（17），特别是食品类指数波动范围在95～125之间。但考虑到，食品类支出在居民消费中占比较大，不宜直接剔除，需要对食品类内部的细分指数进行分析。

      以细分项目指数数据的丰富性为标准，2001年1月以来的数据可以划分为两个阶段。其中，2005年以前的八大类指数数据中，细分项目仅有食品类项下的粮食、肉禽及其制品、蛋（鲜蛋）、水产品、菜（鲜菜）5个分类（18）。而2005年以后（含2005年）可获得的细分项目丰富性明显提高，以食品和居住类为例，前者包括粮食（大米、面粉）、淀粉、干豆类及豆制品、油脂、肉禽及其制品（猪肉、牛肉）、蛋（鲜蛋）、水产品、菜（鲜菜）、调味品、糖、茶及饮料（茶叶、饮料）、干鲜瓜果（鲜瓜果）、糕点饼干、液体乳及乳制品（巴氏杀菌奶或消毒奶、奶粉）、在外用膳食品、其他食品16个分类；后者则包括建房及装修材料、租房、自有住房、水电燃料4个分类。具体分析时，本文分别以2001年和2005年为起点进行研究。

      

      通过对比2001年1月至2012年12月间的粮食、肉禽及其制品、蛋、水产品、菜（鲜菜）5个分类项目的波动情况可以看出，5个分类指数（19）波动均较为激烈，特别是菜类、肉类及其制品、蛋类波动最为激烈（20）。为此，本文剔除食品项中的这五类指数，居住类指数因缺少必要的数据而会被整体剔除。表4给出以2001年为研究起点的剔除项目权重数据，从其结果来看，食品类下的粮食等5个二级分类项目以及居住类项目的相应权重在各个年份之间相对较为稳定，每一年份的剔除项目权重总和基本在34%～38%之间。根据表4中的权重，利用式（13）即可计算得出相应的城镇核心通货膨胀率序列。

      然而，因所使用的二级分类项目过少，使得上述分析在可获得数据增加的情况下，有必要进一步深入分析。为此，对2005年以来（含2005年）的城镇CPI数据进行专门分析。2005年以来的CPI分类指数数据中，食品类和居住类下分别含12个、4个三级分类（21）；其中，本文拟用于分析的食品类下级项目包括粮食、肉禽及其制品、蛋类、水产品、菜类、调味品、糖类、干鲜瓜果类、糕点类、奶及奶制品、其他食品、在外用餐，居住类下级项目包括建房及装修材料、租房、自有住房和水电燃料及其他。

      

      

      通过对上述两个大类内部的各个指数走势情况的对比可知，食品类内部主要二级分类项目指数中的肉禽及其制品、蛋类、菜类、干鲜瓜果类、奶及奶制品5个类别的价格指数和居住类内部二级分类项目指数中的自有住房价格指数变动相对较为激烈，可定为剔除对象。此外，粮食和水电燃料及其他两个项目为受管制项目，也列为剔除对象。表5是以2005年为研究起点的剔除项目权重数据，各剔除项目的权重在研究区间内相对较为稳定，总剔除比例在32%～36%之间，与以2001年为研究起点的剔除项目权重数据相比，剔除比例范围相对缩小，核心通货膨胀率的信息含量有所提高。同样，根据表5中的权重，利用式（13）可计算得出对应的城镇地区核心通货膨胀率数据。

      （2）基于截尾平均法的核心通货膨胀率测算。首先，对八大类CPI分项价格指数按从小到大的顺序逐月排序，找出每个月份截面中的最大值和最小值并进行个数统计，结果如表6所示：每个月份的CPI分类指数中，最大值个数最多的是食品类（共84个，占比达57.93%），其次是居住类（共33个，占比达22.76%）和教育文化娱乐用品及服务（共16个，占比达11.03%）、烟酒及用品类（共10个，占比达6.90%），四类合计占比达98.62%。而在每个月份的最小值中，交通和通信个数最多（共53个，占比达35.57%），其次是衣着类（共46个，占比达30.87%）和家庭设备用品及维修服务（共24个，占比达16.11%）、教育文化娱乐用品及服务（共13个，占比达8.84%），四类合计占比达91.39%。从分类权重来看（见表2），最大值、最小值个数列前四位的分类项目总权重范围分别为[65.05%，69.11%]和[35.70%，38.27%]，两个区间的中间值分别为67.08%和36.985%，后者约为前者的1/2。为便于同剔除法进行比较，以修削比例36%（β=36）为准，对于每个月份最大值的修削比例为24%（β=24），对最小值的修削比例为12%（β=12）。根据式（15）对经处理后的数据进行计算即可获得截尾平均法下的核心通货膨胀率序列。

      

      

      （3）不同方法计算结果的对比分析。为便于比较，将前述3种方法的计算结果同时绘在图1中。此外，图1还绘出了同期的城镇CPI估计序列。通过与城镇CPI估计序列的对比来看，三组核心通货膨胀率序列均对CPI估计序列起到了一定程度的“削峰平谷”作用，且与我国货币政策时间窗口拥有较好的契合度。但从三组测算数据的对比来看，以2005年为研究起点的剔除法核心通货膨胀率序列对于CPI估计序列的“削峰平谷”效果最为明显，且平滑程度较高。具体的评价标准为：一是波动性应小于传统CPI序列；二是与货币增长速度的相关性。为保证可比性，文章对2005年1月～2012年12月的三组测算值进行评价，具体的评价标准主要涉及测算序列的波动性、测算序列与货币增长速度的相关性两方面。结果显示：第一，以2001年、2005年为起点的剔除法测算序列与截尾平均法测算序列的标准差分别为1.5006、1.0990、1.7047，第二组序列的波动性最小；第二，三组核心通货膨胀率测算序列与

（狭义货币供给量）的相关系数分别为0.4369、0.5427、0.2795，第二组序列的相关性最强。综合而言，选择第二组测算序列用于下文的分析。

      2.农村核心通货膨胀率测算

      为保证测算方法的统一，文章同样按照剔除法计算农村核心CPI。因能够获得的农村消费支出数据十分有限，对此的分析只能集中在大类项目上（22），且权重资料的计算也只能按照何新华（2011）的方法进行。通过对比八大类分项指数的月度序列来看，农村地区仍然是食品和居住两个大类指数的波动性最强，故相应的剔除对象也是这两类分项指数。限于篇幅，文章仅给出所测算的农村核心通货膨胀率计算结果（见图2）。

      

      

      3.核心通货膨胀率的汇总处理与分析

      对于核心通货膨胀率的汇总处理，本文主要利用城乡居民人均消费支出金额进行加权平均计算，这样的处理与国家统计局的CPI统计核算方案相同。在城镇估算数据方面，前文的分析显示，以2005年为起点的剔除法核心通货膨胀序列整体上优于其他序列，为了尽可能使得城镇数据和农村数据相匹配，本文给出2005年以来的汇总数据序（见图3），其中，CPI序列为农村CPI和本文估算城镇CPI的加权平均序列，加权权重计算所需的消费支出数据与前文的处理相同。

      从图3的结果来看，给定时间范围内，我国经济总体上表现出了两轮一般价格水平的上涨情形，分别以2007年和2009年下半年为起点。其中，2007年开始的一轮过程主要受国内农产品价格和美国金融危机等的影响冲击，CPI呈现快速上涨的态势，对此，中国人民银行先后6次上调利率，直至2008年4月，CPI开始下降。从核心通货膨胀率的走势来看，也从2007年开始了一轮上涨过程，但其上涨幅度远低于CPI指数，在止涨回落过程中，核心通货膨胀率滞后于CPI指数，直到2008年年底才出现明显的下降情形，这表明核心通货膨胀率变动的惯性特征和受随机冲击影响持续时间久的特点。

      而对于2009年7月开始的新一轮价格上涨过程而言，因中国人民银行自2010年1月起便开始了一系列提高存款准备金率和贷款利率的调整政策，使得该轮价格上涨过程中，核心通货膨胀率的上涨幅度相对较为缓慢；此后，紧缩性货币政策有所放缓，CPI指数和核心通货膨胀率均有小幅上涨，但因整体物价上涨的动力已经开始减弱，因而从2011年7月开始，CPI指数开始有所回落，核心通货膨胀率从2011年10月开始也呈现下降趋势，这一轮过程中，核心通货膨胀率滞后于CPI指数变动的时间有一定的缩短。从最近的时点来看，尽管CPI指数在2012年底有所上升，但核心通货膨胀率并没有表现出上涨的情形；此外，从整个研究区间来看，2012年底处于核心通货膨胀率较低的时期。因此，从整体形势来看，2013年我国继续实施稳健的货币政策是合理、有效的，有助于刺激内需，稳物价保增长。

      四、启示性结论

      当前，积极开展我国核心通货膨胀率的测算研究有十分必要的理论价值和现实意义，本文的分析正是基于这样一个出发点，旨在给出一个核心通货膨胀率的测算思路和框架。从国外统计部门和央行的实践经验来看，剔除法和截尾平均法具有十分广泛的应用范围，从波动性角度入手去除或者选择某些项目的CPI数据来测度核心通货膨胀率，是一个符合我国国情的可行方法，不仅有利于充分利用统计资源、增进统计效率，也能够进一步提升官方统计服务社会公众的能力。但是，受数据资料的制约，本文的测算过程着重集中在城镇序列的分析方面，对农村序列的测算进行了简化处理，而这主要是因为我国现有CPI统计在资料完备性、核算透明度等方面有所欠缺，应在今后的CPI统计中进一步提升数据的可获得性和统计过程的透明度，为广大学者、机构深入开展核心通货膨胀率研究提供更多更好的基础资料，也为我国尽快编制发布核心通货膨胀率数据提供条件。

      文章仅代表个人观点，与作者所在机构无关。

      ①该式与McFadyen和Hobart（1978）提出的自有住房支出计算方法基本相同：

      

      加拿大官方统计即采用这一方法，即对于自有住房支出的测算使用新房价格，对于居住类成本的衡量能够较好地考虑现有房价因素的影响。

-

是第t期与第t-1期房屋价格的房屋价格差异，用于反映当期房屋作为资本品的资本收入。根据McFadyen和Hobart（1978）的说明，扣除

-

所代表的房屋增值可能会导致自有住房成本出现负值的情形。因此，加拿大官方统计在CPI核算中并没有考虑这部分资本收入。在不考虑住房资本收入的情况下，两式完全相同。

      ②等值租金法还存在一种问题，对自有住房等值租金的估计通常是基于住房租赁市场的调查，但是类似于中国这样的市场，房地产租赁存在整体不发达和市场集中两类问题。此外，在租赁合同中，通常附有通货膨胀调整的条款，租房价格和CPI指数间存在相互依赖的内生关系。

      ③Okun（1970将通货膨胀理解为价格普遍上涨的情况，认为通货膨胀是各种商品普遍的价格上涨过程，这是使用截面数据排除某些商品估计核心通货膨胀的认识基础。

      ④在王军平（2006）的研究中，也是对统计局的方法进行了这样的修订处理。

      ⑤城镇人均住房建筑面积一项的数据来源于相关年份的《中国统计年鉴》和住建部的相关数据。根据《中国统计年鉴》的相关说明，城镇居民人均住房建筑面积为城镇住户抽样调查数据（不含集体户）。

      ⑥“人均住房建筑面积”的计算公式为：人均住房建筑面积（平方米/人）=实有住宅建筑总面积/居住人口。

      ⑦我国居民住房借贷消费表现得尤为谨慎，即使在购房时借款了，也会想方设法提前还贷。居民住房消费必将大量挤占其他产品和服务的即期消费。

      ⑧关于其他折旧率下的自有住房支出数据，限于篇幅不再列出；如有需要，可向作者索取。

      ⑨国家统计局住户调查办公室王有捐：《关于城镇居民人均居住月支出统计的几点说明》，http://www.stats.gov.cn/tjfx/grgd/t20110504402723521.htm，访问时间2013年7月25日。

      ⑩在我国，商业银行住房信贷的偿还时限一般最长为30年，因此，本文选择的分摊时限为30年。

      （11）为便于分析，本文统一采用30%的首付比例。

      （12）进行这样的处理时，我们没有考虑费用支出的时间价值（通货膨胀、通货紧缩等影响）。

      （13）还包括经济适用房的相应转让手续费，其中，首次为1.5元/平方米、二次为6元/平方米。考虑到经济适用房的特殊性，以及交易细节与市场化住房的差别，本文的分析未涉及经济适用房。

      （14）这一处理在后来被多个学者采用，比如孙文凯和罗圣杰（2011）等。

      （15）国家统计局公布数据来自《上海证券报》2005年4月21日和《解放日报》2007年的4月9日的相关报道，具体内容详见链接http://www.cnstock.com/ssnews/2005-4-21/sanban/t20050421_782859.htm、http://epaper.jfdaily.com/jfdaily/html/2007-04/09/content_11803.htm；这两则报道在“烟酒及用品、娱乐教育文化用品及服务”权重上存在矛盾的地方，通过对GDP核算数据、住户调查数据以及相关报道数据等资料的验证分析，将确定的权重列于表2。

      （16）进行这样的选择完全是出于分析的便利，是基于选定数据进行对比的结果，并不表示各种方法在计算方面的优劣程度。

      （17）对于波动性的衡量主要借助样本序列的标准差。对于八大类指数而言，如果某个大类指数标准差大于城镇CPI的标准差，那么认为该大类指数波动较为激烈。

      （18）括号中的内容表示该项目的下级项目。在这些细分项目的选取和归类上，我们只考虑完整序列的数据。

      （19）缺少菜类指数，利用菜类下面的鲜菜类三级指数进行代替。

      （20）对于食品类项下的分类指数，剔除对象的选择同样基于样本序列的波动性，主要利用各细分项目指数序列标准差与食品类指数标准差的对比来进行分析；对于居住类项下的分类指数也同样如此。

      （21）这一数量是通过分类指数数据和消费支出数据进行配对后的结果。

      （22）对于农村而言，本文选择的消费支出数据为现金消费支出。

标签：cpi论文;  通货膨胀率论文;  国家统计局论文;  中国统计年鉴论文;  项目分析论文;  统计调查论文;  购房论文;  cpi指数论文;