中國制造業PMI與CPI的相關性分析

蔣翠清，沈光輝

（合肥工業大學 管理學院，合肥 230009）

中國制造業PMI與CPI的相關性分析

蔣翠清，沈光輝

（合肥工業大學 管理學院，合肥 230009）

文章選取了2005年1月至2015年4月的中國制造業采購經理指數（PMI）與居民消費價格指數（CPI）的數據進行相關性分析，并對兩個時間序列構建向量自回歸模型，進而通過Granger因果檢驗、脈沖響應函數分析、方差分解分析說明了中國制造業PMI與CPI之間的定性定量關系，得出PMI與CPI互為Granger因果關系，PMI與CPI之間存在相互作用關系，且PMI對CPI具有較長時間和較大程度的正向影響。

制造業PMI；居民消費價格指數CPI；向量自回歸模型VAR

0　引言

采購經理指數（PMI）是一套月度發布的綜合性的經濟先行指標體系，是國際上通行的宏觀經濟監測指標體系之一，在一定程度上預示著宏觀經濟的變化趨勢和經濟波動規律。居民消費價格指數（CPI）反映了當前的通貨膨脹或緊縮程度。經濟波動和經濟運行過程中的擴張與收縮、繁榮與蕭條，是經濟運行中交替出現的正常現象。研究PMI與CPI的相關關系，對正確識別宏觀經濟波動的周期幅度和頻率，從而采取合理的經濟調控政策，撫平經濟波動的大起大落，保證經濟長期穩定和協調增長具有重要的價值，對政府決策、企業生產經營以及市場投資具有重要的意義。

在當前針對PMI指數的研究中，主要是PMI本身與經濟走勢的相關性研究，也有部分學者做了PMI與其他經濟指標的相關關系研究，但是針對PMI和CPI的相關性研究相對較少，而PMI和CPI又是預判經濟走勢和分析國民經濟的重要指標體系。在此背景下，本文對PMI和CPI之間的相關關系進行實證研究，采用合理的較長且最新的時間序列數據，以期得出PMI和CPI之間的定量定性關系，為準確預測經濟走勢，合理制定宏觀政策提供幫助。

1　數據來源與描述性分析

本文選取2005年1月至2015年4月的PMI和CPI數據，數據來源為國家統計局網站（http://www.stats.gov.cn）和新浪財經（http://finance.sina.com.cn）。

圖1為中國制造業PMI與CPI的時間序列圖，從圖中可以看出，兩個指數都在頻繁的波動。PMI大部分區間位于50以上，說明從2005年以來，我國經濟發展基本處于擴張期，尤其是2005—2008年期間PMI處于較高水平，表明在這段時期我國經濟處于強勢發展時期。2008—2009年期間PMI跌入低谷，且位于分界線50以下，說明在國際金融危機的影響下，我國制造業經濟受挫，經濟發展下行。隨后PMI波動回升，顯示近幾年來我國制造業經濟整體呈回暖趨勢。從圖中可以看出，CPI大部分位于101～107之間。2005—2007年，CPI持續呈高位波動增長，被認為是結構性通脹，但并未升至全面通脹階段，這一增長持續到2008年2月達到最高位108.7。2008年3月到2009年這段時間內，CPI持續回落，進入波谷，2009年末，CPI又出現上漲趨勢，表明通脹現象逐漸明顯。2010—2015年期間，CPI基本徘徊在101～105之間，說明這段時間內物價水平相對穩定，沒有明顯的通脹波動。

圖1　中國制造業PMI與CPI時間序列圖

從PMI和CPI的時間序列圖中可以看出，兩者雖然波動區間不同，但總體波動趨勢具有相似性，且PMI的波峰和波谷領先于CPI一段時間。從圖示曲線初步得出，兩者具有一定的相關關系，且PMI相對于CPI具有一定的先行性。接下來將通過構建向量自回歸模型，對中國制造業PMI和CPI進行定量的實證分析，進一步研究兩者的相關關系。

2　實證分析

本文采用2005年1月至2015年4月的中國制造業PMI與CPI的時間序列數據，使用Eviews軟件建立向量自回歸（VAR）模型，并對構建的模型進行穩定性檢驗、Granger因果檢驗、脈沖響應函數分析和方差分解分析，從而得出PMI與CPI的定量相關關系。

2.1平穩性檢驗

在構建VAR模型之前，先要對時間序列進行平穩性檢驗。如果一個時間序列的均值或者方差隨時間變化而改變，那么這個序列就是不平穩的時間序列。如果該序列經過d階差分后變成平穩序列，則稱該序列是d階單整序列，記作I（d）。通常使用單位根檢驗來判定時間序列的平穩性。在Eviews中對PMI和CPI時間序列進行ADF單位根檢驗，檢驗結果如表1所示。

表1　PMI和CPI的ADF單位根檢驗結果

從表1可以看出，PMI和CPI的原始時間序列在不同顯著水平下均是不平穩的。而對兩個時間序列分別做一階差分后，在1%顯著水平下均是平穩的，即PMI和CPI都是一階單整序列。單位根檢驗結果表明，可以對PMI和CPI時間序列構建VAR模型并進行相關的分析。

2.2VAR模型建立和分析

在構建VAR模型時，需要確定模型的滯后階數。根據AIC（Akaike Information Criterion）、SC（Schwarz Criterion）和FPE（Final Prediction Error）準則，經過多次檢驗，最終確定最優滯后階數為3。因此，建立3階滯后期的VAR模型，得到取對數的PMI和CPI之間的VAR（3）回歸方程，如下所示：

上述回歸方程建立了PMI與CPI之間的定量關系，根據Eviews的分析結果，建立的滯后3期VAR模型的擬合優度較高，達到了0.94，接下來對模型進行穩定性檢驗。

2.2.1AR根檢驗

在建立好VAR模型后，應檢驗被估計的VAR模型是否恰當，一般采用AR根圖表（AR Roots Graph/Table）檢驗。如果VAR模型所有的根模的倒數都小于1，在AR根圖里的體現就是根都落在單位圓內，則該模型是穩定的，反之則不穩定。在Eviews中對上述建立的模型進行AR根檢驗，結果如圖2所示。

圖2　 VAR模型AR根檢驗結果

在AR根圖中，VAR模型的所有根都位于單位圓內，因此得出結論上述建立的VAR模型滿足穩定性條件。

2.2.2Granger因果檢驗

Granger因果檢驗主要用來分析變量間的因果關系，判斷一個變量是不是另一個變量變化的原因。為了進一步研究PMI與CPI之間的相互影響關系，對這兩個指數進行Granger因果檢驗分析，分析結果如表2所示。

表2　VAR模型中的Granger因果檢驗結果

從表2中可以得出，在5%的顯著水平下，變量log (PMI)能夠Granger引起變量log(CPI)，變量log(CPI)也能夠Granger引起變量log(PMI)，即PMI和CPI之間存在著雙向Granger因果關系。Granger因果檢驗的結果表明PMI與CPI之間具有較強的相互作用關系。

2.3脈沖響應函數分析

脈沖響應函數用來描述一個內生變量對由誤差項所帶來的沖擊的反映，或者說用來分析當模型的某個變量受到某種沖擊時對系統的動態影響。下面通過對構建的VAR模型進行脈沖響應函數分析，進一步研究PMI和CPI之間的相互影響關系。在Eviews中的分析結果分別如圖3和圖4所示，圖中橫軸表示沖擊作用的滯后期數（月），實線表示脈沖響應函數，上下兩條虛線表示正負兩倍標準差偏離帶。

圖3　 log（CPI）沖擊log（PMI）的響應函數

圖4　 log（PMI）沖擊log（CPI）的響應函數

從圖3中可以看出，當在本期給CPI一個正向沖擊后，PMI迅速上升并且在第3期達到最高點，然后開始迅速減弱，在第5期前后穿過0點，滯后造成反向沖擊并持續一段時間，最后在第46期前后收斂趨于0。檢驗結果表明，當CPI在受到外部條件的影響發生變化之后，能夠將受到的擾動傳遞給PMI，在前期迅速對PMI造成正向沖擊，在第3期達到最大值，之后迅速減弱，并帶來反向沖擊，且反向沖擊的持續時間較長。

從圖4中可以看出，當在本期給PMI一個正向沖擊后，CPI逐漸上升，其沖擊效應逐漸增強，在第8期前后到達最大值，隨后慢慢減弱，在第24期前后穿過0點，但反向沖擊相對于正向沖擊很小，且作用時間較短，最后在第58期左右收斂于0。檢驗結果表明，當PMI受到外部條件的影響發生變化時，其對CPI有較強的同向沖擊，在前8期沖擊效應逐漸增強，第8期前后達到峰值，之后慢慢減弱。從整個沖擊效應周期來看，PMI對CPI具有較強的正向先導性作用，即PMI的變化將對之后的CPI產生較明顯的同向影響。

通過上面的檢驗分析可以進一步得出結論：中國制造業PMI與CPI之間存在較強的相互作用關系，CPI的變動在短期內會對PMI造成波動影響，PMI的變動在較長時間內會對CPI產生正向作用，且PMI相對于CPI具有較明顯的先行性影響。

2.4方差分解分析

方差分解是通過分析每一個結構沖擊對內生變量變化的貢獻度，進一步評價不同結構沖擊的重要性。在本文構建的VAR模型基礎上利用Eviews進行方差分解分析，進一步研究PMI和CPI之間的定量影響關系，分析結果如圖5和圖6所示。圖中橫軸表示滯后期數（月），縱軸表示相關指標的貢獻率。

圖5　 CPI對PMI的貢獻率

圖6　 PMI對CPI的貢獻率

從圖5所示的方差分解圖中可以看出，CPI對PMI的貢獻率在10%左右。從圖6所示的方差分解圖可以看出，PMI對CPI的貢獻率在50%左右。該分析結果進一步表明，PMI與CPI之間存在定量的相關關系，且PMI對CPI的貢獻度要大于CPI對PMI的貢獻度，這與之前的Granger因果檢驗和脈沖響應函數分析結果一致。

3　結論

本文通過構建VAR模型對中國制造業PMI和CPI的時間序列進行實證分析，驗證了PMI和CPI之間的定性和定量相關關系。本文首先通過PMI和CPI的時間序列圖對兩者的相關關系進行了定性描述，之后建立了PMI和CPI的VAR（3）向量自回歸模型，并驗證了模型的穩定性，即建立了中國制造業PMI與CPI的定量關系。接著通過Granger因果檢驗分析，得出PMI和CPI之間存在雙向的Granger因果關系。接下來對構建的VAR模型進行脈沖響應函數分析，得出PMI與CPI之間存在著較強的內聯相關性，一個指標受到沖擊會引起另一個指標的變化，即CPI對PMI在短期內造成先正后負的波動影響，PMI對CPI主要造成正向影響，作用時間較長，且PMI對CPI的正向沖擊效應更加顯著。最后通過方差分解分析，進一步驗證了PMI與CPI之間的相互作用和影響，得出CPI對PMI波動的貢獻率為10%左右，而PMI對CPI波動的貢獻率為50%左右，即PMI的變化對CPI的貢獻度比CPI對PMI的貢獻度更強。

[1]Afshar T,Arabian G,Zomorrodian R.Stock Return,Consumer Confi?dence,Purchasing Manager’s Index and Economic Fluctuations[J]. Journal of Business&Economics Research,2007,5(8).

[2]章曦,徐文龍.我國制造業采購經理人指數差異性比較研究[J].價格理論與實踐,2012，(9).

[3]中國物流采購聯合會.中國PMI研究與實踐[M].北京：中國財富出版社,2012.

[4]王少平,朱滿洲,胡朔商.中國CPI的宏觀成分與宏觀沖擊[J].經濟研究,2012,(12).

[5]謝佳利,楊善朝,梁鑫.我國CPI時間序列預測模型的比較及實證檢驗[J].統計與決策,2008,(9).

[6]張利斌,馮益.中國PMI與GDP關系的實證檢驗[J].統計與決策, 2012,(2).

[7]張寧,陳晴旖.PMI指數與我國物價水平相關性實證分析[J].商業時代,2013,(15).

[8]朱鈺,吳小華.基于采購經理指數的美國經濟發展階段研究[J].統計與決策,2014,(1).

（責任編輯/劉柳青）

F224

A

1002-6487（2016）22-0095-03

國家自然科學基金重點項目（71331002）；教育部人文社科研究項目（13YJA630037）

蔣翠清（1965—），男，安徽無為人，教授，博士生導師，研究方向：管理決策、經濟管理。沈光輝（1991—），男，安徽長豐人，碩士研究生，研究方向：信息管理與信息系統。