Eviews基於多元回歸模型OLS的CPI影響因素分析

2023-04-11   tecdat拓端

原標題:Eviews基於多元回歸模型OLS的CPI影響因素分析

全文連結:http://tecdat.cn/?p=32104

原文出處:拓端數據部落公眾號

2015年以來,通貨膨脹越來越成為我國的重要經濟現象。作為衡量通貨膨脹的主要指標,CPI(消費者物價指數)與人們的生活具有最密切的關係。

本文幫助客戶分析CPI變化的主要因素,並著重分析通貨膨脹的成因,為政府實現宏觀調控目標、促進國民經濟健康持續發展和改善人民生活提出建議。

數據

問題的提出

近年來,國內農產品、國際市場石油、鐵礦石等價格劇烈波動,特別是去年國內商品價格變動存在較大的不確定性。2009 年寬鬆的貨幣政策促進了經濟復甦,但偏高的貨幣供給與增加的工資率對2015年的通貨膨脹形成了很大壓力。由此我們有理由猜測,原材料和燃料價格上漲、貨幣供給增加、工資率提高等因素形成的價格影響機制對我國宏觀經濟的調控提出了新挑戰。 那麼,CPI的大幅增長是否與上述因素密切相關呢?

經濟理論分析

通貨膨脹和就業率是經濟宏觀調控的兩個重要指標。其中CPI是衡量通貨膨脹最及時的指標,也與人們的生活關係最密切。根據宏觀經濟學理論,通貨膨脹按成因可分為三類:需求拉動型、成本推動型及結構型通貨膨脹。對CPI影響因素的分析可以以此為依據。

模型建立

理論模型的建立

本文通過建立多元回歸模型對CPI的影響因素進行分析。結合前述經濟理論,我們選取廣義貨幣供給量M2(x1)、工資率(x2)、原材料燃料價格(x3)及不變價格計量的實際GDP(X4)作為影響消費者物價指數CPI(y)的因素,建立y與X1、X2、X3、X4的多元回歸模型,試圖找到對CPI有較強影響的經濟變量,對引起CPI上漲的因素進行分析。

樣本及變量說明

為使統計單位具有一致性,廣義貨幣供應量M2、工資率及原材料能源價格因素以增長率作為計算數據。

模型參數的估計

在Eviews中,利用OLS法進行參數估計,其中β4沒有通過顯著性檢驗(T=1.683234<2),即不能認為實際GDP與CPI存在顯著的線性關係。X1、X2、X3再次回歸,得到回歸方程為:

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

模型的檢驗

經濟檢驗 由樣本方程知,估計參數β1=0.274652,即廣義貨幣供應量M2與CPI成正相關關係,符合貨幣供應量增加推動總需求上升進而使CPI上漲的基本經濟原理。參數B2=0.41676,B3=0.4744,即工資率、原材料燃料價格均與CPI成正相關關係,符合成本因素上升推動價格上漲的原理。

統計意義檢驗

擬合優度檢驗

模型擬合優度R2=0.903625,回歸模型對於文章選取的2014~2015年的觀測值擬合程度較好。

回歸方程顯著性 F 檢驗及係數顯著性 T 檢驗

回歸模型的F值為43.75543,P值為0.000000,回歸模型通過了方程顯著性F檢驗。X1(M2增長率)、X2(工資率增長率)、X3(原材料燃料價格增長率)整體能與Y(CPI)之間建立較為理想的回歸模型。同時,方程通過係數顯著性T檢驗。數據如下表:

實證分析

通過以上模型,可以清楚地看到貨幣供應量、工資率及原材料燃料價格三個因素對我國CPI的量化影響。其中,M2增速每變化一個單位,CPI平均同向變化0.274652個單位。工資率每變化一個單位,CPI平均同向變化0.416762個單位。原材料燃料價格每變化一個單位,CPI平均同向變化0.474415個單位。以此為依據,下文對中國90年代以來的通貨膨脹原因進行分析。

CPI增幅超過3%即認為發生了通貨膨脹。由數據可以看出,90年代以來中國共發生過兩次嚴重的通貨膨脹,一次為1993~1996年,另一次為2007年至今。

2007年以來,我國CPI再次持續居於高位。究其原因,也與貨幣超發及成本上升密切相關。2007年中國外匯儲備增長率高達43.32%,極大地增加了國內的通脹壓力,同時存貸款利率處於較低水平,引發了以房地產行業為代表的價格上漲。

通過以上分析,我們可以看到90年代以來中國的幾次通脹產生的原因都可以在建立的回歸模型中找到相應的數字依據和經濟路徑,因而認為該模型對於解釋CPI變動的原因,特別是通貨膨脹的原因有一定作用。

最受歡迎的見解

1.R語言多元Logistic邏輯回歸 應用案例

2.面板平滑轉移回歸(PSTR)分析案例實現

3.matlab中的偏最小二乘回歸(PLSR)和主成分回歸(PCR)

4.R語言泊松Poisson回歸模型分析案例

5.R語言混合效應邏輯回歸Logistic模型分析肺癌

6.r語言中對LASSO回歸,Ridge嶺回歸和Elastic Net模型實現

7.R語言邏輯回歸、Naive Bayes貝葉斯、決策樹、隨機森林算法預測心臟病

8.python用線性回歸預測股票價格

9.R語言用邏輯回歸、決策樹和隨機森林對信貸數據集進行分類預測