Eviews基于多元回归模型OLS的CPI影响因素分析

简介: Eviews基于多元回归模型OLS的CPI影响因素分析

全文链接:http://tecdat.cn/?p=32104


2015年以来,通货膨胀越来越成为我国的重要经济现象。作为衡量通货膨胀的主要指标,CPI(消费者物价指数)与人们的生活具有最密切的关系点击文末“阅读原文”获取完整文档、数据


本文帮助客户分析CPI变化的主要因素,并着重分析通货膨胀的成因,为政府实现宏观调控目标、促进国民经济健康持续发展和改善人民生活提出建议。


数据



问题的提出


近年来,国内农产品、国际市场石油、铁矿石等价格剧烈波动,特别是去年国内商品价格变动存在较大的不确定性。2009 年宽松的货币政策促进了经济复苏,但偏高的货币供给与增加的工资率对2015年的通货膨胀形成了很大压力。由此我们有理由猜测,原材料和燃料价格上涨、货币供给增加、工资率提高等因素形成的价格影响机制对我国宏观经济的调控提出了新挑战。那么,CPI的大幅增长是否与上述因素密切相关呢?


经济理论分析


通货膨胀和就业率是经济宏观调控的两个重要指标。其中CPI是衡量通货膨胀最及时的指标,也与人们的生活关系最密切。根据宏观经济学理论,通货膨胀按成因可分为三类:需求拉动型、成本推动型及结构型通货膨胀。对CPI影响因素的分析可以以此为依据。


模型建立


理论模型的建立

本文通过建立多元回归模型对CPI的影响因素进行分析。结合前述经济理论,我们选取广义货币供给量M2(x1)、工资率(x2)、原材料燃料价格(x3)及不变价格计量的实际GDP(X4)作为影响消费者物价指数CPI(y)的因素,建立y与X1、X2、X3、X4的多元回归模型,试图找到对CPI有较强影响的经济变量,对引起CPI上涨的因素进行分析。


样本及变量说明


为使统计单位具有一致性,广义货币供应量M2、工资率及原材料能源价格因素以增长率作为计算数据。


点击标题查阅往期内容


R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系


01

02

03

04


模型参数的估计


在Eviews中,利用OLS法进行参数估计,其中β4没有通过显著性检验(T=1.683234<2),即不能认为实际GDP与CPI存在显著的线性关系。X1、X2、X3再次回归,得到回归方程为:

y = -9.630412 + 0.274652x1 + 0.41676x2 + 0.474415x3


模型的检验


经济检验 由样本方程知,估计参数β1=0.274652,即广义货币供应量M2与CPI成正相关关系,符合货币供应量增加推动总需求上升进而使CPI上涨的基本经济原理。参数B2=0.41676,B3=0.4744,即工资率、原材料燃料价格均与CPI成正相关关系,符合成本因素上升推动价格上涨的原理。


统计意义检验


拟合优度检验

模型拟合优度R2=0.903625,回归模型对于文章选取的2014~2015年的观测值拟合程度较好。

回归方程显著性 F 检验及系数显著性 T 检验

回归模型的F值为43.75543,P值为0.000000,回归模型通过了方程显著性F检验。X1(M2增长率)、X2(工资率增长率)、X3(原材料燃料价格增长率)整体能与Y(CPI)之间建立较为理想的回归模型。同时,方程通过系数显著性T检验。数据如下表:


实证分析


通过以上模型,可以清楚地看到货币供应量、工资率及原材料燃料价格三个因素对我国CPI的量化影响。其中,M2增速每变化一个单位,CPI平均同向变化0.274652个单位。工资率每变化一个单位,CPI平均同向变化0.416762个单位。原材料燃料价格每变化一个单位,CPI平均同向变化0.474415个单位。以此为依据,下文对中国90年代以来的通货膨胀原因进行分析。

CPI增幅超过3%即认为发生了通货膨胀。由数据可以看出,90年代以来中国共发生过两次严重的通货膨胀,一次为1993~1996年,另一次为2007年至今。

2007年以来,我国CPI再次持续居于高位。究其原因,也与货币超发及成本上升密切相关。2007年中国外汇储备增长率高达43.32%,极大地增加了国内的通胀压力,同时存贷款利率处于较低水平,引发了以房地产行业为代表的价格上涨。

通过以上分析,我们可以看到90年代以来中国的几次通胀产生的原因都可以在建立的回归模型中找到相应的数字依据和经济路径,因而认为该模型对于解释CPI变动的原因,特别是通货膨胀的原因有一定作用。

相关文章
|
6月前
|
机器学习/深度学习 数据可视化
R语言MCMC的lme4二元对数Logistic逻辑回归混合效应模型分析吸烟、喝酒和赌博影响数据
R语言MCMC的lme4二元对数Logistic逻辑回归混合效应模型分析吸烟、喝酒和赌博影响数据
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
基于聚类和回归分析方法探究蓝莓产量影响因素与预测模型研究
k均值聚类模型多元线性回归模型随机森林模型在数据分析项目中,选择合适的模型是至关重要的。本项目中,我们采用了三种不同的模型来分析蓝莓的生长条件和产量,以确保从不同角度全面理解数据。一、K均值聚类模型K均值聚类模型是一种无监督学习方法,用于根据数据的相似性将样本分成不同的组。在这个项目中,我们使用K均值聚类模型来识别具有相似特征的蓝莓品种。通过聚类分析,我们将蓝莓分为4个类别,每个类别代表了不同的生长条件和产量特性。这种分类有助于我们理解在不同环境条件下,哪些因素对蓝莓产量有显著影响。
|
6月前
|
存储 数据挖掘
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
|
6月前
|
算法
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
|
6月前
|
数据可视化 测试技术
R语言几何布朗运动GBM模拟股票价格优化建立期权定价用概率加权收益曲线可视化
R语言几何布朗运动GBM模拟股票价格优化建立期权定价用概率加权收益曲线可视化
|
6月前
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
|
6月前
|
资源调度 数据建模 测试技术
R语言乘法GARCH模型对高频交易数据进行波动性预测
R语言乘法GARCH模型对高频交易数据进行波动性预测
|
6月前
|
算法 测试技术
R语言基于Garch波动率预测的区制转移交易策略
R语言基于Garch波动率预测的区制转移交易策略
|
6月前
|
Python 数据可视化 索引
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
|
6月前
|
监控 数据可视化 数据挖掘
对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归|附数据代码
对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归|附数据代码