我國通貨膨脹區域特征實證分析

鞠立新

內容摘要：本文利用Gonzalo-Granger分解31個省份組成的4個地區通貨膨脹序列，得到4個地區通貨膨脹共同因子，進一步分解地區通貨膨脹共同因子得到一個全國通貨膨脹共同因子，因此31個省份通貨膨脹具有相同的長期趨勢成分，全國通貨膨脹共同因子與全國通貨膨脹相關系數高達0.996，側面映證了全國通貨膨脹合理地反映各個省份通貨膨脹長期趨勢。中國通貨膨脹具有明顯的區域特征，全國通貨膨脹共同因子構成中，東部地區的權重高達52.67%，而在東部地區通貨膨脹共同因子中，上海、浙江、天津、河北是權重最大的，因而需要對這4個長三角和京津冀部分?。ㄖ陛犑校┑耐ㄘ浥蛎涀儎忧闆r更為關注。此外，對中西部地區應予以適當監控，且該地區省份應傾斜于安徽、湖南、江西和新疆、重慶。

關鍵詞：Gonzalo-Granger分解 通貨膨脹 CPI共同因子 區域特征

引言

隨著市場機制的完善與宏觀調控的增強，中國國內生產總值（GDP）的波動不斷放緩，但以CPI為代表的物價波動不僅沒有趨于平緩，反而不斷地在通脹和通縮之間反復。由于通脹成因復雜，僅研究通脹總指數很難滿足通脹治理的需要。與此同時，伴隨著改革開放，我國實行非平衡區域發展，各個區域經濟金融情況差異很大，如東部的開放程度和對外貿易依存度遠高于其他區域，這些因素造成各地方通脹成因和走勢不同。區域內省份在發展戰略中也有不同定位，同時行政性分權、財政分權與政企職責不分，使各省份市場分割較嚴重，構成所謂的“諸侯經濟”，尚未形成完全的全國統一市場體系。而且“米袋子”、“菜籃子”的行政首長負責制使得地方在通脹調控上得到更大的自主權。在上述背景下，地域差別是否會造成不同省份CPI的實質性差別，即各個省份CPI是否具有不同的長期趨勢。筆者認為，忽略CPI的地域結構，而針對全國CPI實施統一的貨幣政策不可行。此外，部分省份和直轄市在國家經濟發展戰略中具有重要的地位，如東部的上海、廣東、浙江、天津以及西部的重慶等，這些省市的CPI是否對同區域其他省份的CPI也產生重要的影響力？另外，全國CPI核算時，采用全國CPI八大類細項的加權平均，而全國CPI與各個地方CPI之間的關系一直被忽略，也需要予以關注。

現有研究CPI結構的文獻中，其分析角度主要有三個：分八大類細項、分省或區域、分城鄉。從文獻數量上看，基本上分為兩類：第一類文獻是CPI八大類細項的角度。圍繞核心通貨膨脹率概念或者八大類細項與CPI之間關系，研究CPI的結構問題。王少平和譚本艷（2009）利用Gonzalo-Granger分解全國CPI八大類細項得到共同長期成分，即核心通貨膨脹率，并使用ARIMA模型分析核心通貨膨脹率的動態調整特征；侯成琪、龔六堂和張維迎（2011）通過新凱恩斯菲利普斯曲線提出多部門商品價格變化的理論分解公式，進而基于計量模型和兩階段方法，估計出我國核心通貨膨脹；趙昕東和湯丹（2012）利用CPI的8個大類細項構建動態因子指數模型，估計我國2001年1月-2011年4月的核心通貨膨脹率。張成思（2009）運用grid-bootstrap中值無偏估計和向量自回歸模型分析2001-2008年中國CPI的8個大類細項的動態傳導特征、子成分對CPI的動態影響以及貨幣政策對各個子成分的動態傳導機制。張文朗和羅得恩（2010）研究中國食品價格上漲的影響因素及其對CPI的影響，發現食品價格上漲因素中，需求壓力比供給沖擊更重要，同時未發現食品價格對非食品價格上漲造成明顯的“二輪效應”。第二類文獻主要是立足于分省、分經濟區域的CPI。楊曉和楊開忠（2007）分析改革開放以來全國統一的貨幣政策對東中西三大區域經濟的不同影響，認為東部地區對貨幣政策最敏感，而中部、西部敏感度依次弱化。申俊喜、曹源芳和封思賢（2011）實證分析統一貨幣政策在不同區域形成效果的差異性，認為貨幣配給機制與外匯管理機制是導致我國貨幣政策區域異質性效應的主要因素，建議施行區域差異化存款準備金率的貨幣政策、改變銀行信貸資金縱向管理和區域分割體制。廖迎和胡日東（2012）基于Esteban偏離-份額時間序列模型，從CPI八大類細項角度，研究2001-2012年中國東、中、西部CPI的波動來源，發現中、西部地區CPI增長率明顯高于東部，其波動主要受全國增長的影響，東部價格波動主要源于行業偏離效應，而且中西部絕大多數行業價格定價力效應高于東部。

現有文獻研究CPI結構問題，一般采用的計量方法是向量自回歸模型（VAR）。通過協整進行靜態分析，結合脈沖響應函數與方差分解進行動態分析，但中國多達31個省市會產生自由度問題，而且Johansen協整檢驗MHM臨界值的約束使協整分析也會遇到困難。因此，向量自回歸模型并不適合分析中國各省份CPI。本文采用的Gonzalo-Granger分解，通過兩階段方法避免自由度問題與臨界值問題，先對各個地區進行分解得到區域CPI因子，后再對這四個區域因子進行分解得到全國CPI因子。

Gonzalo-Granger分解理論

（一）Gonzalo-Granger分解及其特點

（三）經濟含義的解釋

Gonzalo-Granger分解的經濟含義體現在兩個方面：一方面，S.C.Norrbin（1995）利用Gonzalo-Granger分解24個工業行業產出數據，檢驗工業產出數據是否僅受一個共同隨機趨勢驅動。如果僅存在1個共同隨機趨勢，則表明未加總行業產出數據是同質的，其長期驅動力為唯一的共同趨勢，加總或者加權平均得到的總量數據與未加總數據是同質的。另一方面，Gonzalo-Granger分解估計得到的α⊥被賦予價格發現能力的解釋。首先對α⊥各個元素進行正則化，使其所有元素之和為1。以Isabel Figuerola-Ferretti，Jesus Gonzalo（2010）的應用為例，金屬鋁現貨市場和期貨市場價格對應的發現函數α⊥=（0.09 0.91），權重越大說明對價格發現過程的貢獻越大，因此，鋁期貨市場的價格發現能力遠高于現貨市場，而且識別檢驗并不拒絕α⊥=（0 1）的原假設，因而可知鋁期貨價格是價格發現過程的決定性因素。事實上，F.H.Harris、Thomas H.McInish和Robert A.Wood（2002）首次引入Gonzalo-Granger分解，分析紐約、芝加哥和太平洋股票交易所對于道瓊斯成分股價格發現的貢獻后，大量文獻沿著這一思路研究不同信息關聯市場的價格發現能力，如David K.Ding、F.H.Harri等（1999）、Libin Tao和Frank M.Song（2010）、華仁海、盧斌和劉慶富（2008）等。王少平和譚本艷（2009）揭示Gonzalo-Granger分解所得長期趨勢與核心通貨膨脹率間的緊密聯系。

實證分析結果

（一）數據說明與基本統計分析

本文的數據來自中國經濟信息網。各地方CPI使用分省月度同比CPI，樣本期為1999年1月-2012年7月，共163個樣本觀測值。本文沿用《中國區域金融運行報告》的地區劃分方式，將31個省市分為東部、中部、西部和東北四個地區。東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南10個省市；中部地區包括山西、安徽、江西、河南、湖南、湖北6個??；西部地區包括廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內蒙古等12個省市；東北地區包括黑龍江、吉林、遼寧3個省。

省份之間CPI的差異比較大，這種差異在1999年1月-2005年4月逐漸縮小，之后穩定下來。1999年1月-2002年4月各省份CPI的差異非常突出，一部分省份處于通貨緊縮階段時，另一部分省份卻處于通貨膨脹高位期。這一差異在隨后逐步弱化，1999年1月-1999年8月各省市CPI的極差穩定在4.5左右，1999年10月-2000年8月極差水平突增至9.6以上，最高值達到12.9，2005年4月極差逐步降低至2.4。2005年5月-2012年7月，極差水平略有波動但較穩定，2007年5月-2009年9月極差水平最高值僅為7.4，隨后極差水平降低至2.5左右?？傮w而言，廣東省CPI樣本均值最低，為101.66，而均值最高的是青海，達到103.22。從標準差來看，西藏最小為2.055，廣西最大為3.44。

（二）單位根檢驗與協整檢驗

Gonzalo-Granger分解的對象為單位根序列，因此需要對各省份同比月度CPI進行單位根檢驗。本文根據CPI的圖形選取截距項作為確定項，不包含趨勢項，并依據AIC準則選取單位根檢驗的滯后階數。ADF檢驗結果表明，各省份CPI均為I（1）序列（限于篇幅，具體檢驗結果略）。由于北京、福建CPI的水平值檢驗P值相對較小，本文選用PP檢驗對北京與福建CPI結果進行穩健性檢驗，相應的P值分別為0.0975和0.0000，因此，將北京和福建CPI視為單位根過程是合理的。

本文分東、中、西部和東北地區分別對各區域的CPI進行Johansen協整檢驗。Johansen協整檢驗結果表明，東部10?。ㄖ陛犑校〤PI間存在9個協整關系，中部6省CPI間存在5個協整關系，西部12?。ㄗ灾螀^）CPI間存在11個協整關系，而東北3省CPI間存在2個協整關系，其中，跡檢驗結果與最大特征值檢驗結果一致。對每一個地區進行Gonzalo-Granger分解，均得到1個共同因子，進而可得到4個區域的CPI共同因子。因此說明，各個地區內的省份CPI是同質的，區域內各省CPI長期驅動力均為唯一的共同因子。

（三）東、中、西部、東北CPI共同因子

通過對每個地區進行Gonzalo-Granger分解，東、中、西部、東北四個地區分別得到1個共同因子。每個地區的共同因子表示扣除地區內各個省份短期波動成分之后的地區CPI長期趨勢，是區域內所有省份共有的長期趨勢。由Gonzalo-Granger分解特點可知，扣除的短期成分雖然在短期內影響共同因子，但長期內沒有影響。與共同因子相對應的調整系數正交補矩陣估計量經過正則化之后，反映的是該地區共同因子構成中各個省份所占權重，也是各個省份對于地區CPI長期趨勢的揭示能力。權重越高的省份，揭示地區CPI長期趨勢的能力越強。通過R軟件實現Gonzalo-Granger分解，估計出每個地區的共同因子與共同因子相對應的調整系數正交補矩陣α⊥的估計量。

由表1可知，東部地區共同因子構成中，上海和浙江的權重最大，分別為27%和23%，這2個省市所占權重達到50%，其次是天津和河北，而江蘇省的權重僅為3.7%。長三角和京津冀地區的4個省份CPI對于東部地區CPI共同因子是非常重要的，其所占權重高于70%。值得注意的是北京與海南的權重為負，但其絕對值非常小。關于東部地區調整系數正交補矩陣的識別檢驗，原假設將北京與海南的權重設定為0，對應的P值為0.8611，不能拒絕原假設，可知東部地區CPI共同因子構成中，北京和海南的權重均為0。出于穩定考慮，北京市政府物價調控能力和意愿很強，北京市物價波動整體優于東部其他省份，因而難以反映東部地區的整體物價水平。而海南省作為島嶼經濟，遠離大陸，與東部其他省份相對疏離。因子載荷反映的是各個省份CPI對于區域共同因子的敏感程度，因子載荷越大，對共同因子越敏感。由因子載荷估計可知，海南、上海和北京對東部地區共同因子最敏感，相應因子載荷估計分別為1.6935、1.2426和1.224。而福建與廣東的因子載荷估計量為0.4455和0.5850，是東部所有省份（直轄市）因子載荷估計中最小的。

中部地區所有省份，對中部地區CPI共同因子而言，安徽、湖南、江西最為重要，權重分別為34.36%、23.85%、21.18%，權重之和接近80%。湖北與山西的權重最小，尤其是山西的權重僅為0.8%。就因子載荷而言，江西省最大，為1.35，最小的是湖北和湖南，僅為0.58和0.64。

西部地區共12個省份，因此其調整系數正交補矩陣估計大多處于8%的水平，如甘肅、廣西、貴州、寧夏等。新疆、重慶的權重超過10%，達18.9%和14.16%。權重最小的是云南，僅0.9%。西部地區各個省份的因子載荷估計的差別相對東部和中部小得多，最大為青海的1.2015，最小為四川的0.6798。

東北地區3個省份中，遼寧和吉林是東北地區CPI共同因子的重要組成部分，權重分別為54.1%和44.23%，黑龍江的權重僅為1.6%。東北3省的因子載荷估計的差別最小，最大的黑龍江僅比最小的吉林高0.2。

圖1給出了東、中部和西部、東北地區CPI共同因子，為方便比較，一并給出全國CPI。各個地區的CPI共同因子隨著時間推移，走勢更趨一致。這說明，隨著中國市場經濟改革以及基礎交通設施建設，中國區域經濟一體化穩步推進，國內市場整合度逐步提高，各個地區CPI共同因子走勢更為一致。東、中部CPI共同因子與全國CPI走勢高度一致，尤其是2008年7月-2010年10月金融危機以及中國實施4萬億投資時期，東、中部共同因子變動與全國CPI變動幾乎重合。但1999年1月至2008年7月東、中部因子與全國CPI的差異是明顯的。

西部、東北地區CPI共同因子與全國CPI的走勢也較為一致，但相對于東、中部，與全國CPI的差別略大。如圖2所示，2007年1月-2007年8月，西部、東北地區CPI共同因子與全國CPI高度吻合。2008年2月-至2010年2月，東北地區CPI共同因子先于全國CPI與西部CPI進入下行周期，至2009年3月處于谷底后率先反彈，而西部地區恰好相反，在谷底徘徊了較長時間后開始回升，全國CPI則更晚。2008年2月，全國CPI處于周期谷峰時，西部CPI共同因子達到了110.9。

各地區CPI共同因子的權重分布具有不同特點。東部主要集中于長三角和京津冀地區，說明長三角和京津冀地區對東部有很強的輻射作用。西部權重則分散一些，除云南、內蒙古和西藏外，其他西部省份所占權重均值8%左右，重慶和新疆的權重相對大一些，說明西部還沒有形成大型集聚中心。

（四）全國CPI共同因子

單位根和協整檢驗。東、中、西部、東北4個地區將全國31個省劃分為4個子系統，首先對每個子系統進行Gonzalo-Granger分解，得到4個地區CPI共同因子，然后將得到的地區CPI共同因子繼續分解得到全國CPI共同因子。單位根檢驗中，基于地區共同因子圖形選擇的確定項僅包含截距項，不包含時間趨勢項，并根據BIC準則選擇滯后項。根據檢驗結果，東、中、西部、東北地區CPI共同因子均為I（1）過程。此外，根據Johansen協整檢驗，跡檢驗和最大特征值統計量均表明4個地區CPI共同因子間共有3個協整關系，因此4個地區CPI共同因子共有1個全國CPI共同因子。

全國CPI共同因子。根據估計的調節系數正交補矩陣及相應的因子載荷，在全國CPI共同因子的構成中，東部CPI共同因子的權重最大，超過50%，達到52.67%，其次是中部，權重為20.92%，西部的權重為16.62%，權重最小的是東北地區，僅為9.79%。圖3給出由Gonzalo-Granger分解估計的全國CPI因子與全國CPI。全國CPI因子與全國CPI變動高度一致，兩者的相關系數達到0.996。因此，東部地區CPI共同因子在揭示全國CPI因子及與其高度相似的全國CPI方面有重要的地位，而中部和西部則相當。在貨幣政策實施時，需要重點關注東部地區，適當注意中部與西部地區。

結論

通過Gonzalo-Granger分解理論，本文驗證了各個地區內省份CPI是同質的，其長期驅動力為各地區共同因子，且全國31個省份CPI也是同質變量，具有共同的長期驅動力。本文還印證了全國CPI合理地反映了整個國家的通貨膨脹情況，以及各省份共同的長期趨勢。由此的啟示是：長期而言，針對全國實施全國統一的貨幣政策是合理的，各省份CPI的差異主要集中于短期成分。各個省份CPI的特異性對共同因子無長期效應，僅具有短期效應。在長期中，各省CPI由全國性影響因素決定。在全國CPI共同因子構成中，東部地區的權重高達52.67%，而在東部地區CPI共同因子中，上海、浙江、天津、河北權重最大，因而，貨幣政策不僅要密切關注全國CPI，也應有所側重關注不同省份CPI，重點監控4個長三角和京津冀省份（直轄市）的CPI變動。對于中西部地區應予適當監控，且更多傾斜安徽、湖南、江西、新疆、重慶。對于各省份物價調控部門，因子載荷反映了更有意義的內涵。四個地區中，西部地區對于全國CPI共同因子變動最敏感，且是唯一因子載荷大于1的地區。因而，西部省份需要更積極地應對物價波動。

參考文獻：

1.侯成琪，龔六堂，張維迎.核心通貨膨脹：理論模型與經驗分析.經濟研究，2011（2）

2.申俊喜，曹源芳，封思賢.貨幣政策的區域異質性效應—基于中國31個省域的實證分析.中國工業經濟，2011（6）

3.趙昕東，湯丹.基于CPI分項目價格指數的中國核心通貨膨脹估計及政策選擇研究. 統計研究，2012（7）

4.韓蓓，王文舉.通貨膨脹滯后性分析—基于地區差異.管理世界，2009（3）

5.張成思.中國CPI通貨膨脹率子成分動態傳導機制研究.世界經濟，2009（11）

6.王少平，譚本艷.中國的核心通貨膨脹率及其動態調整行為.世界經濟，2009（11）

7.桂琦寒，陳敏，陸銘等.中國國內商品市場趨于分割還是整合：基于相對價格法的分析.世界經濟，2006（2）

8.楊曉，楊開忠.中國貨幣政策影響的區域差異性研究.財經研究，2007（2）

9.廖迎，胡日東.中國居民消費價格波動來源與地區差異分析—基于Esteban偏離-份額時間序列模型.宏觀經濟研究，2012（8）

10.華仁海，盧斌，劉慶富.中國期銅市場的國際定價功能研究.數量經濟技術經濟研究，2008（8）

11.張文朗，羅得恩.中國食品價格上漲因素及其對總體通貨膨脹的影響.金融研究，2010（9）

12.Ding D K，Lau S T，Mcinish T H，et al.An investigation of price discovery in informationally-linked markets：equity trading in Malaysia and Singapore. Journal of Multinational Financial Management，1999

13.Norrbin S C.Disaggregate stochastic trends in industrial production. Economics Letters，1999

14.Tao L，Song F M.Do small traders contribute to price discovery？ Evidence from the Hong Kong Hang Seng index markets.Journal of Futures Markets，2010

15.Figuerola-Ferretti I，Gonzalo J.Modelling and measuring price discovery in commodity markets.Journal of Econometrics，2010

16.Mackinnon J G，Haug A A，Michelis L.Numerical distribution functions of likelihood ratio tests for cointegration，1998

17.Deb Harris F H，Mcinish T H，Wood R A.Security price adjustment across exchanges：an investigation of common factor components for Dow stocks.Journal of financial markets，2002