誰是PPI上漲的真正助推手?

　　摘要：影響我國工業品出廠價格指數的主要因素分別是以冶金工業、建筑材料工業和森林工業為主的重工業和以食品工業、紡織工業及縫紉工業為主的輕工業，以這兩類行業為代表的因子可以解釋整個體系價格變動近82%的信息。政策制定者既要關注整體價格走勢，又要關注這兩類價格指數的波動情況，盡量避免這兩個因子的同時上升，以免造成通貨膨脹。再者，工業品出廠價格指數、因子一和因子二的波動周期大約為4年，政策制定者應該做好防范措施，避免整體價格上漲。
　　關鍵詞：工業品出廠價格指數；通貨膨脹；因子分析；多元回歸分析
　　在經濟生活中，通常人們用指數的增長率作為通貨膨脹指數。當價格指數長期小于100時，人們一般認為經濟已經進入通貨緊縮期，此時政府相關部門應出臺積極的財政政策和貨幣政策，鼓勵增加投資，刺激消費，繁榮經濟；當價格指數一路攀升，高位運行時，一般人們會判定經濟已進入通貨膨脹期，這時政府會實施緊縮性貨幣政策和財政政策，緊縮銀根，抑制消費，限制投資，控制物價繼續上漲。統計部門公布的工業品出廠價格指數PPI主要是從生產者角度進行統計，而居民消費價格指數主要是從消費者角度進行統計。一般情況下，PPI指數先于CPI指數的變動。以1978年以來的價格指數變化為例，如圖1所示，
　　一、工業品出廠價格指數的影響因素分析
　　因子分析法（factor analysis）是多元統計分析中的一種主要方法，常被用來分析隱藏在表象背后的因子的作用，它的目的是研究如何用少數幾個因子變量來解釋眾多原始變量，同時又盡量避免信息丟失。在對實際問題進行分析過程中，常用因子分析去除重疊信息，將原始的眾多指標綜合成較少的幾個不相關因子變量來分析。另外，因子分析用不相關的幾個因子替代原來高度相關的若干變量，還可以避免計量經濟建模過程中出現復共線性。
　　筆者選擇以冶金工業、電力工業、煤炭工業、石油工業、化學工業、機械工業、建筑材料工業、森林工業、食品工業、紡織工業、縫紉工業、皮革工業、造紙工業、文教藝術用品工業等14個主要行業1990-2009年的同比出廠價格指數作為樣本。筆者首先對上面的數據進行標準化處理，再用SPSS軟件對標準化后得到的數據進行因子分析。
　　相關系數表顯示這14個行業的工業品出廠價格指數之間高度相關，建筑材料工業與冶金工業、建筑材料工業與機械工業、文教藝術用品工業與縫紉工業間的相關系數甚至已經超過0.9。若直接用這14個行業的價格指數作為因變量進行回歸會出現復共線性回歸問題，并且也很難判斷哪個行業的價格指數起主導作用。因此，筆者先用因子分析的主成分分析法從14個行業價格指數中提出少數不相關的因子來解決復共線性回歸問題。再采用方差極大法對最初得到的因子載荷矩陣進行旋轉，使每一個因子變量都成為某個具有實際意義的變量的典型代表，以觀察到在整個體系中起主導作用的價格指數。
　　因子個數提取原則主要包括兩個標準，第一個是為因子對應的特征值大于1的前m個因子，第二個是前m個因子累計貢獻率大于85%。對于第一個原則：特征值在某種程度上可以被看成是表示主成分影響力度大小的指標，如果特征值小于1，說明該因子的解釋力度還不如直接引入一個原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標準。對于第二個原則，累計貢獻率反映了前m個因子，反映了原來總體樣本85%以上的信息，基本反映了原來數據的總體情況。
　　依據因子分析法，標準化后的數據矩陣的特征值大于1的特征值分別是9.066和2.330，這兩個特征值與全部特征值之和的比值為81.398%，小于85%。但若選擇累計貢獻率大于85%的原則，提取3個因子，這3個因子在整個變量集中的方差貢獻率為87.411%，雖然能夠反映原變量集合中的絕大部分信息，但14個行業對因子三的信息反映不多，因此，筆者決定選用2個因子。
　　經過方差極大法的旋轉，我們得到因子一的方差貢獻率為64.756%，因子二的方差貢獻率為16.642%。從旋轉后的載荷矩陣我們可以觀察到因子一主要代表了重工業出廠價格指數的數據特征，其中包括冶金工業、建筑材料工業和森林工業的出廠價格指數；因子二主要代表了輕工業出廠價格指數的數據特征。另外，電力工業、煤炭工業、石油工業和機械工業的出廠價格指數較多的信息體現在因子一上；而化學工業、食品工業、紡織工業、縫紉工業、皮革工業、造紙工業和文教藝術用品工業的出廠價格指數較多的信息主要反映在因子二上。該結果與實際經濟運行狀況較好地吻合了。
　　據中國人民銀行的分析，我國通貨膨脹壓力加大的主要原因是農產品價格上漲和以煤炭和原油為代表的采掘品價格上漲傳導到中間產品再到最終產品，最后使得整體的生產價格指數和消費價格指數上揚。
　　如圖2所示，PPI走勢與因子一和因子二的走勢密切相關，有些地方還出現重合現象。1996-2008年，PPI與因子一和因子二的漲跌幅度不大，基本是在低位狀態平穩運行。2008年，我國PPI指數達到了一個小峰值，為什么呢？2008年，作為工業企業主要原材料的煤炭和石油等行業產品價格大幅上漲，推動下游的冶金工業和食品工業產品價格繼續攀升。從圖2我們可以看出，2000-2008年，PPI、因子一和因子二都一共出現三次波峰，且都是在2000年、2004年和2008年出現波峰，周期大約為4年。由于因子一和因子二在2000年、2004年和2008年同時出現波峰，導致PPI指數在這三年達到峰值。筆者預計，由于以冶金工業、建筑材料工業和森林工業為代表的因子一和以食品行業為代表的因子二價格指數同時上升，我國PPI指數將在2012年達到峰值。如果政府能及早關注到具體行業，及時采取貨幣政策和財政政策，或許有可能避免2012年出現的價格集體上漲。
　　二、多元回歸分析
　　（一）模型建立
　　以因子一和因子二為自變量，標準化的PPI指數為因變量，假定變量間的關系如下
　　PPI=β0+β1F1+β2F2+μ
　　其中：PPI代表標準化的工業品價格指數；F1和F2分別代表因子一和因子二的得分。
　　（二）模型檢驗
　　1、擬合優度檢驗。可決系數R2越接近于1，說明模型的擬合優度越高。從回歸分析結果可以看出，可決系數R2=0.960，這說明模型對樣本擬合得很好。
　　2、方程的顯著性檢驗（F檢驗）。方程的顯著性檢驗旨在檢驗變量之間的線性關系是否統計顯著，如果線性關系統計顯著，說明自變量確實能影響因變量，就可以用自變量的取值去預測因變量的取值，反之亦然。在SPSS中方程的顯著性檢驗主要通過觀察P值來給出，由方差分析表可知，顯著水平小于0.0001，當然小于0.05，說明回歸方程顯著，即因子一和因子二聯合起來確實對PPI指數有顯著影響。
　　3、系數顯著性檢驗（T檢驗）。方程的總體線性關系顯著不代表每個自變量對因變量的影響都是顯著的。因此，必須對每個自變量進行顯著性檢驗，以確定是否作為解釋變量被保留在模型中。在SPSS中的系數顯著性檢驗主要通過觀察P值來給出，由方差分析表可知，顯著水平小于0.0001，當然小于0.05，系數顯著性檢驗通過。
　　（三）結果分析
　　從回歸結果可以看出，方程的擬合優度很好；F檢驗和T檢驗都能通過。本文只討論因子一和因子二對PPI的影響程度，因此只寫出參數的系數。因子一和因子二都與PPI存在顯著正相關關系：因子一每上漲1個百分點，PPI將上漲0.723個百分點；因子二的系數為0.662，說明因子二每上漲1個百分點，PPI將上漲0.662個百分點。這對分析我國PPI上漲的漲跌構成具有指導意義。可以看出，這兩個因子對我國工業品指數走勢影響很大，因子一比因子二影響作用更顯著，因此，政策制定者應該經常關注這兩個因子所代表的行業的價格波動情況，根據這些行業價格波動情況，出臺相應的政策措施。
　　三、結論
　　影響我國工業品出廠價格指數的主要因素分別是以冶金工業、建筑材料工業和森林工業為主的重工業和以食品工業、紡織工業及縫紉工業為主的輕工業，以這兩類行業為代表的因子可以解釋整個體系價格變動近82%的信息。其原因是，其他行業的出廠價格主要受這兩類上游產品價格變動的影響。國家統計局除將每月的PPI指數及原材料、燃料、動力價格指數公布之外，還應該公布行業價格指數，并對漲跌幅度較大的行業進行分析，寫成信息或專報，報告有關部門。為了時刻掌握宏觀經濟實際變動情況，政策制定者既要關注整體價格走勢，又要關注這兩類價格指數的波動情況，盡量避免這兩個因子的同時上升，以免造成通貨膨脹。再者，工業品出廠價格指數、
　　因子一和因子二的波動周期大約為4年，政策制定者應該做好防范措施，避免整體價格上漲。
　　
　　參考文獻：
　　1、William H.Greene.計量經濟分析(影印本)[M].清華大學