CPI與PPI的非線性Granger因果關系研究
——基于深圳市月度數據的實證分析

黃智淋

（1.北京大學經濟學院，北京 100871； 2.深圳市政府投資項目評審中心，廣東 深圳 518036）

CPI與PPI的非線性Granger因果關系研究
——基于深圳市月度數據的實證分析

黃智淋

（1.北京大學經濟學院，北京 100871； 2.深圳市政府投資項目評審中心，廣東 深圳 518036）

文章基于深圳市2005年1月至2013年12月的居民消費價格指數(CPI)和工業生產者出廠價格指數(PPI)，運用非線性Granger因果關系檢驗，從非線性的角度考察深圳市的CPI與PPI之間的作用關系，并采用逐步檢驗方法對CPI與PPI之間在不同時期的作用關系進行動態分析。非線性Granger因果關系檢驗的結果表明，在所考察的樣本時期內，存在著由PPI到CPI的單向非線性Granger因果關系。逐步檢驗則進一步顯示，PPI是引起CPI變化的非線性Granger因果原因。這說明供給因素在以CPI衡量的通貨膨脹中占優于需求因素，也意味著上游生產要素的價格上漲將傳導至下游消費品的價格，以致加大了成本推動通貨膨脹的壓力。因此，治理通貨膨脹應采取以供給調控為主的政策，并適時適度地根據CPI與PPI之間的動態關系進行宏觀調控。

居民消費；價格指數；通貨膨脹；供需調控

一、引言

關于消費者價格指數(CPI)與生產者價格指數(PPI)之間的相互作用關系，一直以來都是國內外宏觀經濟研究的重點問題。一般認為，如果PPI是引起CPI變化的Granger因果原因，則意味著供給因素在以CPI衡量的通貨膨脹中占優于需求因素，此時的通貨膨脹可認為是成本推動型的；如果CPI是引起PPI變化的Granger因果原因，則意味著需求因素在以CPI衡量的通貨膨脹中占優勢，此時的通貨膨脹可認為是需求驅動型的；如果CPI與PPI存在相互影響的雙向Granger因果關系，此時的通貨膨脹則可認為是供需混合型的。因此，厘清二者的作用關系，不僅有助于識別通貨膨脹的類型，而且也可以據此預測通貨膨脹的走勢，及早地采取相應的治理措施，防患于未然，從而有利于實現保持價格總水平基本穩定的宏觀調控目標。

目前，國內外研究CPI與PPI關系的文獻，至今還存在爭議，尚未形成一致的觀點，主要存在以下三種不同的看法：

第一種觀點認為PPI是引起CPI變化的Granger因果原因。Ghazali et al.(2008)基于馬來西亞1986年1月至2007年4月的消費者價格指數(CPI)與生產者價格指數(PPI)，協整關系檢驗表明CPI與PPI存在長期均衡關系，Granger因果關系檢驗及Toda-Yamamoto因果檢驗的結果表明存在著由PPI到CPI的單向因果關系[1]。Sidaoui et al.(2010)的研究表明墨西哥1994年2月至2008年10月的PPI是引起CPI變化的Granger因果原因[2]。劉敏等(2005)的研究認為PPI與CPI之間存在線性相關關系，且PPI的變動一定會影響CPI的變動[3]。蕭松華和伍旭(2009)的研究表明PPI引導了CPI變動，并認為PPI可作為通貨膨脹的先行指標[4]。

第二種觀點認為CPI是引起PPI變化的Granger因果原因。劉鳳良和魯旭(2011)認為國內已有研究CPI和PPI之間傳導機制的經驗文獻，普遍存在著實證方法誤選或因遺漏變量導致“虛假傳導”的問題，通過引入貨幣政策的分析框架來研究價格傳導機制，結果發現CPI是引起PPI變化的Granger因果原因[5]。Tiwari(2012)檢驗澳大利亞1969年第三季度至2010年第四季度的生產者價格指數和消費者價格指數之間的Granger因果關系，結果發現消費者價格指數是單向引起生產者價格指數變化的Granger因果原因[6]。

第三種觀點認為CPI與PPI存在著雙向影響的Granger因果關系。Jones(1986)采用美國1947年1月至1983年12月的數據，運用Granger因果關系檢驗及沃爾德檢驗，結果顯示CPI與PPI存在著雙向影響的Granger因果關系。Shahbaz et al.(2009)基于巴基斯坦1992年1月-2007年6月的生產者價格指數和消費者價格指數，自回歸分布滯后檢驗和協整檢驗的結果表明兩者存在長期穩定的關系，Toda-Yamamoto因果檢驗的結果表明二者存在雙向的Granger因果關系，但是由生產者價格指數引起消費者價格指數變化的因果關系較強些。張成思(2010)采用我國1998年1月至2009年6月的數據，運用向量系統下的協整分析方法，分析上中下游價格的動態傳導特征。結果發現上中下游價格存在長期均衡關系，且上中游價格對下游價格具有顯著動態傳遞效應，而下游價格對中游價格以及中游價格對上游價格分別存在反向傳導的倒逼機制。崔惠民和李文慶(2012)等研究也得出相同的結論。

國內外已有研究CPI與PPI關系的文獻，為文章提供了借鑒，但是這些研究采用的Granger因果關系檢驗(Granger，1969)假設變量間存在線性關系，無法發現變量間可能存在的非線性因果關系，以致結論可能出現一定的偏差(Hiemstar&Jones，1994)。因此，國內外研究者開始運用非線性的Granger因果關系檢驗方法，考察變量之間可能存在的非線性關系，但為數不多。如楊子暉等(2013)分別運用 Hiemstra&Jones (1994)、Diks&Panchenko(2006)[7]的非線性Granger因果關系檢驗方法，研究中國等15個國家的CPI與PPI之間的非線性傳導機制與作用關系。基于作者所能搜索到的文獻，尚未發現有文獻采用非線性Granger因果檢驗方法研究深圳市的CPI與PPI之間的非線性傳導機制。鑒于此，文章擬運用非線性Granger因果關系檢驗方法，從非線性的角度考察深圳市的CPI與PPI之間的作用關系。

二、數據與方法說明

1.數據說明

文章采用深圳市的居民消費價格指數CPI和工業生產者出廠價格指數PPI作為主要的檢驗變量。為了盡量減少季節波動的影響，與張成思(2010)的研究一致，文章的實證分析采用CPI與PPI以上年同月為基期的同比數據，不再對數據進行季節性調整。考慮到數據的可獲得性，樣本數據的時間跨度為2005年1月至2013年12月。數據主要來源于CEIC中國經濟數據庫、Wind數據庫和國家統計局深圳調查隊網站。缺失個別月份的數據，采用同比數據與累計同比數據計算的值近似代替。

2.方法說明

文章擬用到的計量經濟學方法及具體的研究思路為：首先，采用時間序列的單位根檢驗方法，檢驗CPI與PPI的平穩性；接著構建以CPI和PPI為內生變量的向量自回歸模型(VAR)，并進行協整關系檢驗；如果協整檢驗的結果表明存在協整關系，則需進一步采用向量誤差修正模型(VECM)進行估計。其次，采用BDS檢驗、神經網絡檢驗和RESET檢驗等非線性檢驗方法，檢驗經VECM模型線性過濾后的殘差是否存在非線性；如果存在非線性，則分別采用Hiemstra& Jones(1994)、Diks&Panchenko(2006)的非線性Granger因果關系檢驗方法，考察CPI與PPI之間的非線性作用關系。最后，采用每次增加一個月數據的逐步檢驗，分析CPI與PPI動態的非線性Granger因果關系。下面簡要地說明非線性Granger因果關系檢驗方法。

如果要檢驗Yt不是Xt的Granger因果原因的原假設，這相當于要檢驗：

由于Hiemstra&Jones(1994)的TVAL檢驗可能存在過度拒絕原假設的問題，為改進這一問題，Diks& Panchenko(2006)在TVAL檢驗的基礎上提出了非參數Tn檢驗統計量：為局部密度估計，且=I(‖Wi-Wj‖＜e)。

表1 CPI與PPI的單位根檢驗

三、實證分析

1.單位根檢驗

為了避免由于變量存在單位根而出現“偽回歸”的問題，文章分別采用ADF(Augmented Dickey-Fuller)和PP(Phillips-Perron)兩種單位根檢驗方法檢驗CPI與 PPI的 平穩性。表1單位根檢驗的結果表明CPI與PPI的原序列均是不平穩的，而取一階差分后的序列均是平穩的，說明 CPI與 PPI均為非平穩的I(1)過程。

2.經VECM模型線性過濾后的殘差非線性檢驗

估計VECM模型需先確定最優的滯后階數，由于VECM模型是含有協整約束的VAR模型（高鐵梅，2009）[8]。因此，經單位根檢驗CPI與PPI均為一階單整時間序列后，構建以CPI和PPI為內生變量的VAR模型，確定最優的滯后階數；由于CPI與PPI之間可能存在相互影響，以致采用簡單的雙變量協整檢驗，結果可能出現一定的偏差。為此，文章采用在VAR模型的基礎上進行Johansen協整檢驗。

表2 最優滯后階數的選擇

首先，通過構建向量自回歸模型(VAR)確定最優滯后階數。以原序列CPI與PPI為內生變量構建VAR模型，表2中6個確定滯后階數的選擇準則有三個選擇的最優滯后階數均為4，表明VAR模型最優的滯后階數為4。因此，VECM模型的最優滯后階數也選擇為4。其次，采用Johansen協整檢驗方法檢驗二者是否具有協整關系。根據AIC和SIC信息準則，經比較協整檢驗5種趨勢假設的結果，最終選擇由CPI與PPI構成的列向量無確定線性趨勢，協整方程也無截距的形式進行檢驗。表3采用Johansen協整檢驗的結果表明，無論是跡檢驗，還是最大特征值檢驗，CPI與PPI之間都存在著一個長期穩定的協整關系。

表3 Johansen協整檢驗的結果

利用Eviews軟件，分別估計以CPI為被解釋變量的雙變量VECM模型和以PPI為被解釋變量雙變量VECM模型，得到基于VECM模型中CPI的回歸殘差和基于VECM模型中PPI的回歸殘差，進一步采用BDS檢驗、神經網絡檢驗和RESET檢驗等非線性檢驗方法，對經VECM模型線性過濾后的殘差進行非線性檢驗。表4的非線性檢驗結果表明，所有非線性檢驗均顯著拒絕線性關系的原假設，這說明CPI與PPI并不是呈現線性的變化趨勢，而可能是存在著顯著的非線性的動態變化趨勢。此時，如果直接采用傳統的線性Granger因果關系檢驗方法檢驗CPI與PPI之間的相互影響關系，可能由于忽視二者存在非線性傳導關系而導致結果出現明顯的偏差。因此，有必要采用非線性Granger因果關系檢驗，進一步考察CPI與PPI之間可能存在的非線性關系。

表4 CPI與PPI的非線性檢驗

3.非線性Granger因果關系檢驗

基于VECM模型回歸殘差的非線性檢驗結果表明CPI與PPI呈現非線性的動態變化趨勢，為了揭示CPI與 PPI之間的非線性關系，文章分別采用Hiemstra&Jones(1994)、Diks&Panchenko(2006)兩種不同的非參檢驗方法，對經VECM模型線性過濾后的殘差進行非線性Granger因果關系檢驗，基于共同滯后階數Lx=Ly，并將非線性檢驗窗寬設置為e=1.5σ的檢驗結果如表5所示。

由表5可看出，當共同滯后取3至6階時，不論是Hiemstra&Jones(1994)的TVAL非參檢驗統計量，還是Diks&Panchenko(2006)的Tn非參檢驗統計量，都不能拒絕“CPI不是PPI的非線性Granger因果原因”的原假設，而都顯著拒絕了“PPI不是CPI的非線性Granger因果原因”的原假設，表明存在著由PPI到CPI的單向非線性Granger因果關系。這說明深圳市的工業生產者出廠價格指數PPI是引起消費價格指數CPI變化的非線性Granger因果原因。意味著原材料、采掘和加工等生產資料，以及耐用消費品等生活資料的價格上升，可能通過生產鏈向下游的消費商品價格傳導，從而加大物價上漲的壓力，也增大了“成本推動型通貨膨脹”引發的風險，這與楊子暉等(2013)的研究結果基本上是一致的。

表5 經VECM線性過濾的非線性Granger因果關系檢驗

4.非線性Granger因果的逐步檢驗

為進一步分析深圳市的CPI與PPI之間存在不同樣本時期的相互作用關系，文章采用開始于2005年1月-2007年1月并每次增加一個月的數據，運用Diks&Panchenko(2006)的非參檢驗方法，逐步檢驗CPI與PPI之間的動態非線性Granger因果關系。逐步檢驗所用樣本數據的范圍具體為：第1次檢驗采用2005年1月-2007年1月的樣本數據，第2次檢驗采用2005年1月-2007年2月的樣本數據，……，依次類推，直至第84次檢驗采用2005年1月-2013年12月全部的樣本數據，從而得到CPI與PPI的動態非線性Granger因果關系檢驗統計量Tn的時間序列圖（圖1），需加以說明的是，逐步檢驗所用樣本數據的長度為2005年1月至圖1中橫坐標的月份。考慮到逐步檢驗所用的樣本長度有限，文章采用10%作為顯著性水平，只要Tn檢驗統計量對應的概率值小于10%就表明拒絕“不存在非線性Granger因果關系”的原假設。

從圖1可以看出，CPI與PPI之間的作用關系并不是一成不變的。當檢驗CPI是否為PPI的非線性Granger因果原因時，Tn檢驗統計量的數值因所用樣本數據的長短而異，但在逐步檢驗的所有樣本期間均未能在10%的顯著性水平拒絕“CPI不是PPI的非線性Granger因果原因”的原假設。當檢驗PPI是否為CPI的非線性Granger因果原因時，發現以2010年2月為分界點，用始于2005年1月-2010年1月及其之前的數據進行非線性Granger因果關系檢驗的統計量，均未能在10%的顯著性水平拒絕“PPI不是CPI的非線性Granger因果原因”的原假設；而用始于2005年1月-2010年2月及其之后的數據進行非線性Granger因果關系檢驗的統計量，均在10%的顯著性水平拒絕了“PPI不是CPI的非線性Granger因果原因”的原假設。這表明深圳市的工業生產者出廠價格指數PPI是引起居民消費價格指數 CPI變化的非線性Granger因果原因，面臨著由上游價格向下游價格正向傳導的成本推動型通貨膨脹壓力。另外，采用Hiemstra&Jones(1994)的非參檢驗方法的逐步檢驗也表明存在著由PPI到CPI的單向非線性Granger因果關系（因篇幅有限，未報告檢驗結果）。

進一步，借助CPI與PPI滯后4階的散點圖（圖2），具體考察CPI與PPI之間的動態作用關系。圖2顯示，自2010年2月之后，PPI滯后4階的走勢與CPI的走勢基本上是一致的，這似乎從側面說明了PPI的變化是引起CPI變化的原因，也印證了文章采用滯后4階的VECM模型是合適的。

圖1 CPI與PPI非線性Granger因果關系的逐步檢驗

圖2 CPI與滯后4階的PPI散點圖

四、結論與建議

文章基于深圳市2005年1月-2013年12月的CPI與PPI數據，在BDS檢驗、神經網絡檢驗和RESET檢驗等非線性方法表明經VECM模型線性過濾后的殘差存在非線性關系的基礎上，運用Hiemstra &Jones(1994)、Diks&Panchenko(2006)兩種非線性Granger因果關系檢驗方法，結果均表明PPI是CPI的非線性Granger因果原因。這意味著存在諸如原材料、勞動力成本等上游生產要素價格的上漲，通過生產鏈正向地傳導至下游的消費品價格，從而增大了引發成本推動型通貨膨脹的壓力。因此，加大力度監測原材料、勞動力成本等上游生產要素的價格，建立PPI指數的預測預警機制，有利于降低由于成本的提高而引發成本推動型通貨膨脹的風險。針對成本推動型的通貨膨脹，主要采取以供給調控為主的治理政策。

逐步檢驗的結果表明CPI與PPI之間的非線性Granger因果關系隨著所用數據樣本的變化而異，用2005年1月-2010年2月之前的數據檢驗的結果，顯示PPI與CPI之間的非線性Granger因果關系并不是很明顯，而用2005年1月-2010年2月及其之后的數據檢驗的結果表明都存在著由PPI到CPI單向的非線性Granger因果關系。這說明CPI與PPI之間的非線性關系并不是一成不變的。由此建議，應充分重視PPI對CPI的正向傳導作用，可通過PPI的走勢提前預測CPI的走勢，并可采取通過穩定PPI來保持或控制CPI，甚至可在物價的調控過程中，根據CPI與PPI之間動態的非線性Granger因果關系，適時適度地綜合采用供給調節政策和需求調節政策等各種治理通貨膨脹的方法。

[1]Ghazali，M.F.，O.A.Yee and M.Z.Muhammad.Do Producer Prices Cause Consumer Prices?Some Empirical Evidence[J].International Journal of Business and Management，2008，3(11).

[2]Sidaoui，J.，C.Capistr á n，D.Chiquiar and M.Ramos-Francia1.On the Predictive Content of the PPI on CPI Inflation:the Case of Mexico[J].BIS Papers chapters，in：Bank for International Settlements(ed.)，49：249-257.

[3]劉敏，張燕麗，楊延斌.PPI與CPI關系探析 [J].統計研究，2005 (2)：24-28.

[4]蕭松華，伍旭.PPI當前我國通貨膨脹的先行指標 [J].暨南學報(哲學社會科學版)，2009(4)：105-113.

[5]劉鳳良，魯旭.CPI與PPI的“虛假傳導”及其修正 [J].數量經濟技術經濟研究，2011(8)：91-114.

[6]Tiwari，A.K.An Empirical Investigation of Causality between Producers'Price and Consumers'Price Indices in Australia in Frequency Domain[J].Economic Modelling，2012，29.

[7]Diks，C.and V.Panchenko.A New Statistic and Practical Guidenes for Nonparametric Granger Causality Testing[J].Journal of Economic Dynamic&Control，2006(30)：1647-1669.

[8]高鐵梅.計量經濟分析方法與建模Eviews應用及實例 [M].北京：清華大學出版社，2009：267-318.

（責任編輯：FMX）

Study the Nonlinear Granger Causality between CPI and PPI——Based on Shenzhen's Monthly Data

HUANG Zhi-lin
（1.School of Economics，Peking University，Beijing 100871，China； 2.Shenzhen Government Investment Project Evaluation Center，Shenzhen Guangdong 518036，China）

Based on Shenzhen's CPI and PPI from January 2005 to December 2013，this paper investigates the nonlinear relationship between CPI and PPI by using nonlinear Granger causality test，then dynamic analyzes the nonlinear relationship between CPI and PPI at different period by using step-test procedure.The results of nonlinear Granger causality test indicate that there exists a unidirectional nonlinear Granger causality from PPI to CPI during the sample period.What's more，step-test shows that PPI is the nonlinear Granger causality of CPI.This suggests that the supply side factors have played a more important role than demand side factors in CPI inflation， and implies that price rise of upstream factors of production will lead to increase in downstream consumer prices，then result in enlarge the pressures of cost-push inflation.Therefore，we'd better consider the supply side for inflation control and adopt macro-control policies according to the dynamic relationship between CPI and PPI.

Residents'consumption；Price index；Inflation；Regulation of supply and demand

F127.9

A

1004-292X（2014）06-0010-05

2014-03-28

中國博士后科學基金面上資助項目（2013M530448）。

黃智淋（1983-），男，廣東汕尾人，博士后，主要從事西方經濟學、金融計量經濟學等方面的研究。