中国货币政策论文中国不应忽视食品价格.docx
- 文档编号:2984158
- 上传时间:2022-11-16
- 格式:DOCX
- 页数:15
- 大小:27.81KB
中国货币政策论文中国不应忽视食品价格.docx
《中国货币政策论文中国不应忽视食品价格.docx》由会员分享,可在线阅读,更多相关《中国货币政策论文中国不应忽视食品价格.docx(15页珍藏版)》请在冰豆网上搜索。
中国货币政策论文中国不应忽视食品价格
中国货币政策
聂丹
姓名:
施千达
学号:
51109602284
2010级3班
中国货币政策不应忽视食品价格
要谈到中国货币政策与食品价格的关系就要先谈谈食品价格与CPI的关系。
根据网上搜集的最新数据,对2011年1月至7月各月份影响CPI变化的八项指标进行分析,利用EXCEL数据分析,笔者最终发现了与CPI相关性最高的是食品价格。
笔者通过建立一元线性回归模型,采用最小二乘的方法,利用MATLAB对数据进行预测,得到的回归系数b0=63.3867和b1=0.3759都在置信区间内。
并且绘制了残差图,剔除了误差均值置信区间不过零点的数据,从而拟合出线性模型。
CPI指数,及消费者物价指数,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,也往往是市场经济活动与政府货币政策的一个重要参考指标。
当CPI指数上升时,表明通货膨胀率上升,消费者的生活成本提高,货币的购买力减弱;相反,当CPI指数下降时表明通货膨胀率下降,亦即消费者的生活成本降低,货币的购买能力增强。
2011年国家统计局发的数据显示,居民消费价格指数CPI同比上涨一路上涨并屡创新高,超出市场很多人的预期。
当前,国家通过各种价格干预的努力,维护市场稳定,已经取得部分成效。
CPI的高低直接影响着居民的生活水平,因此,准确的分析并及时的对CPI做出合理的预测,对国家制定相应的经济政策,实行宏观调控,稳定物价,保证经济的正常平稳发展具有重要意义。
CPI是对固定消费品价格的衡量,主要反映消费者支付商品和劳务的价格变化情况,也是一种度量通货膨胀水平的工具,是一个与基期100相比较的数值。
CPI指标十分重要,而且具有启示性,必须慎重把握,为能够给国家政府在今后制定相关措施和银行适当调整存贷款利率提供一定科学可靠的依据需对CPI进行合理的研究以及对其今后的走势作出科学的预测。
问题一属于数据统计分析的数学问题,此类问题一般采用统计回归、插值、拟合等能得到自变量与因变量确切的函数关系的数学模型来解决。
本文需要选择一个侧面并且从其入手来研究其与CPI之间的关系,根据2011年全国城乡居民消费支出调查数据以及有关部门的统计数据,按照制度规定对CPI权数构成进行了相应调整。
其中食品在其构成部分中权重较大,见下表()且食品价格居调整力度之大的第二位。
无论从数据比例还是消费现实来看,食品类价格如何直接关系CPI走势如何,关注了食品价格就相当于关注了CPI整体,而解决了“食品领涨”因素,也就基本解决了持续上涨的CPI走势。
所以本文选择食品价格这一侧面来研究其与CPI之间的关系。
CPI能够在一定程度上反映当前市场经济活动,是政府制定相关政策来规范国家整体经济活动和改善居民生活水平的一个参考指标,所以如果能对CPI作出合理的预测,政府就能采取一定的措施来防患于未然。
问题二属于对事件预测的数学模型,一般的预测模型有时间序列、统计回归、灰色预测模型等。
由于本文中对CPI的预测和时间具有紧密联系,故而本文采用了与时间关联度较高的灰色预测模型和时间序列模型。
模型Ⅰ采用灰色GM(1,1)预测模型,通过对最近一年的数据进行分析和拟合,得出预测值,并把预测值和原始值相比较,计算残差,相对误差,级比偏差,来检验模型的偏差。
模型Ⅱ时间序列模型,由于历史数据对未来值的影响是随时间间隔的增长而递减的,故我们对各期观察值依时间顺序进行加权平均作为预测值,也就是指数平滑法。
又由于时间序列的变动存在一定的直线趋势,用一次指数平滑法进行预测,存在一定的滞后偏差,因此我们采用二次指数平滑法。
通过选用最初几期实际值作为初始值依次进行预测。
三、问题假设
1.假设所查数据真实可靠。
2.假设在所预测的时间范围内不发生能影响CPI正常变化的重大事件,如金融危机、流行性疾病、能影响某种或某类相关物品价格飙升的灾难性事件等。
3.假设在所预测的时间范围内国家政府不采取能影响CPI正常走势的相关措施和制定相关法规。
四、符号定义与说明
:
一元线性回归模型中的回归系数
:
二次多项式回归模型中的回归系数
:
回归系数估计值
:
决定系数(表示拟合的精确程度)
:
显著性水平(其值越小,置信水平越高)
:
CPI指数原数据
:
灰色模型中的级比值
:
对源数据一次累加后的数据值
:
灰色模型中的数据矩阵
:
灰色模型中的向量
:
参数向量
:
参数向量估计值
:
生成数列
:
模型还原数列
:
为时期次指数平滑值
:
为加权系数
:
为时期CPI实际值
:
为时期CPI预测值
五、模型的建立与求解
第一部分准备工作
(一)数据的处理
从2011年1月起,我国CPI开始计算以2010年为对比基期的价格指数序列。
调整基期,是为了更容易比较。
因为对比基期越久,价格规格品变化就越大,可比性就会下降,为了便于数据分析与使用,我们选择2011年1月至2011年7月CPI和食品价格同比增长数据来研究两者之间的关系。
(见表1)。
日期食品CPI
2011.01110.3104.9
2011.02111104.9
2011.03111.7105.4
2011.04111.5105.3
2011.05111.7105.5
2011.06114.4106.4
2011.07114.8106.5
表1食品价格和CPI同比增长数据表
图12011年食品价格与CPI走势图
其中2011年8月后数据缺失属于预测范围,不考虑2011年之前数据。
从上表的月度数据可以看出CPI于食品价格的变动趋势具有高度一致性,大致能够呈现同增同减的高度相关性,猜测其可能具有线性关系,但具体的函数关系仍需进一步分析。
问题二中我们只选择2010年之后数据进行CPI走势的预测,因为在今后5年中CPI指数是以2010年为基期的,且在预测中我们已假设在所预测的时间范围内不发生能影响CPI正常走势的重大事件。
(二)模型的预测准备
本文先以时间的角度来分析其二者之间的关系,为了能更加直观的观测食品价格与CPI之间所呈现的关系,作出从2011年1月至2011年7月这7个月CPI和食品价格同比增长的变化态势图,见图(连续曲线为CPI)。
图1CPI和食品价格月度数据的变化态势
从上图中可以看出在2011年前5个月中,食品价格与CPI走势几乎重合,表明它们具有高度相关性,但是在后几个月时间段内两条曲线中间有较大空隙,变动方向完全相同,并且食品价格在上方,表明食品价格变动引起CPI变化,但是CPI还受到其他因素的影响,所以它们没有重合。
但是能够看出存在一定的同增同减关系,可能有线性函数关系,但是若具体来讨论两者之间的关系,需只作出仅含两者的图形,本文作出两者所得相关数据的同比增长散点图,见图2
图2CPI和食品价格指数散点图
从图中可以看出CPI和食品价格可能存在线性关系,但曲线有慢慢趋于平稳的趋势,故猜测还可能具有抛物线与对数的函数关系。
在问题一的统计回归模型中将会从这三个方面来考虑。
第二部分问题一模型的建立与求解
第二部分问题一模型的建立与求解
(一)模型Ⅰ:
一元线性回归模型
记构成CPI因素中的食品价格为自变量,CPI为因变量,表1中的样本数据为,绘制散点图(见图1),可以直观地看出与大致呈线性关系,所以采用一元线性回归模型:
用MATLAB统计工具箱的lsline函数能够绘制出数组和按照最小二乘法得到的拟合直线(见图1)。
计算结果可以整理成表1:
回归系数回归系数估计值回归系数置信区间
=63.3867
[55.540971.2326]
=0.3759
[0.30590.4458]
=63.3867+0.3759
=0.9745,=190.9343,=0
表2一元线性回归模型计算结果
由计算结果可以看出F的统计量比较大,并且p的值为0.回归系数的置信区间都不含零点,说明回归模型的自变量和截距两项对因变量的影响都显著。
并且决定系数比较接近1,说明回归模型的拟合精确程度比较高。
故本文分析各个数据的误差均值置信区间。
再用regress进行线性回归分析的计算之后,用MATLAB统计工具箱函数rcoplot绘制残差图形(见图2)。
图2所建线性模型的残差图
从图中可以看出第2个数据的误差均值置信区间不含零点,故而将其剔除后再来验证两者的线性关系。
同理可以将计算结果整理如下表3:
回归系数回归系数估计值回归系数置信区间
=65.4534
[61.456569.4503]
=0.3578
[0.32220.3933]
=65.4534+0.3578
=0.9949,=780.4692,=0
表3一元线性回归模型计算结果
从表中依然可以看出统计量的值依旧不是很理想,这也是符合实际情况额,因为CPI虽然和食品价格具有高度相关性,但是还有多种因素与之一起来影响CPI。
下面来考虑它们之间是否具有二次函数关系。
再用regress进行线性回归分析的计算之后,用MATLAB统计工具箱函数rcoplot绘制残差图形(见图3)。
图3所建线性模型的残差图
剔除第2个数据后,仍发现第4个数据的误差均值置信区间不含零点,故而再将其剔除后再来验证两者的线性关系。
同理可以将计算结果整理如下表4:
回归系数回归系数估计值回归系数置信区间
=64.9215
[62.729867.1131]
=0.3623
[0.34290.3818]
=64.9216+0.3623
=1.0e+003x0.001,=3.5070x1.0e+003,=0
表4一元线性回归模型计算结果
再一次用regress进行线性回归分析的计算之后,用MATLAB统计工具箱函数rcoplot绘制残差图形(见图4)。
图4所建线性模型的残差图
(一)模型Ⅱ:
一元二次多项式回归模型
同模型Ⅰ设置相同变量,建立二次多项式回归模型:
用MATLAB统计工具箱得到拟合曲线(见图3)。
计算结果可以整理成表2:
回归系数回归系数估计值回归系数置信区间
=-68.1521
[-1.07010.9337]
=2.7099
[-0.01510.0205]
=-0.0104
[-0.00010.0001]
=-0.0104+2.7099-68.1521
=0.9753,=78.9774,=0.0006
由计算结果得知统计量并非很大,回归模型的拟合精确程度不是太高。
故本文分析各个数据的误差均值置信区间。
在用regress进行线性回归分析的计算之后,用MATLAB统计工具箱函数rcoplot绘制残差图形(见图4)。
从图中可以看出第1,2个数据的误差均值置信区间不含零点,并且第二个数据误差很大,故而将其剔除后再来验证两者的线性关系。
同样用MATLAB统计工具箱(源代码见附录2)分别得到拟合曲线(图5)和残差图(图6),并将最终结果整理成表4。
有计算结果得知统计量很大,的值为0.0003(非常接近于0),并且从图中可以看出所有数据的误差均值置信区间均包含零点,说明二次多项式回归模型是显著的。
决定系数接近1,说明回归模型的拟合精确程度比较高。
回归系数回归系数估计值回归系数置信区间
=-29.2188
[-541.3179482.8803]
=2.0375
[-7.048011.1230]
=-0.0074
[-0.04770.0328]
=-0.0074
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国 货币政策 论文 忽视 食品 价格