勞齊瑩，唐國強，屈慧芳

(桂林理工大學(xué) 理學(xué)院，廣西 桂林 541006)

0 引 言

在經(jīng)濟(jì)全球化發(fā)展趨勢下,我國的大宗商品現(xiàn)貨、期貨市場交易體系日趨成熟,大宗商品涉及能源、工業(yè)原材料和農(nóng)產(chǎn)品,其價格的波動成為影響國家宏觀經(jīng)濟(jì)走勢的重要因素。全球金融危機以來,以原油、有色金屬、鐵礦石、農(nóng)產(chǎn)品為代表的大宗商品價格急劇波動,給經(jīng)濟(jì)發(fā)展、企業(yè)經(jīng)營、投資者決策帶來了嚴(yán)峻挑戰(zhàn),大宗商品市場波動備受國內(nèi)外各界關(guān)注。目前我國針對大宗商品市場,也存在比較有代表性的指數(shù)體系,如CCPI(China commodity price idex,中國大宗商品價格指數(shù))、 BPI(business China commodity index,高盛中國商品指數(shù))、 GSCCI(goldman sachs China commodity index,生意社大宗商品價格指數(shù))等。CCPI是依托中國流通產(chǎn)業(yè)網(wǎng)大宗商品現(xiàn)貨價格周度數(shù)據(jù)庫,以2006年6月為基期,利用加權(quán)平均法計算的定基指數(shù)，其指標(biāo)涵蓋了能源、鋼鐵、礦產(chǎn)品、有色金屬、橡膠、農(nóng)產(chǎn)品、牲畜、油料油脂、食糖等9大類別26種商品,基本涵蓋了我國生產(chǎn)商采購的原料產(chǎn)品,因此在一定程度上能夠反映我國大宗商品市場趨勢,成為促進(jìn)經(jīng)濟(jì)資源合理配置和持續(xù)健康發(fā)展的重要參考依據(jù)。

生產(chǎn)者價格指數(shù)(producer price index,PPI)是一個用來衡量制造商出廠價平均變化的指數(shù),它衡量的是企業(yè)購買的一籃子物品和勞務(wù)的總費用,反映生產(chǎn)環(huán)節(jié)價格水平。整體價格水平的波動一般先出現(xiàn)在基礎(chǔ)產(chǎn)品、工業(yè)原材料以及能源等領(lǐng)域,然后通過產(chǎn)業(yè)鏈向生產(chǎn)環(huán)節(jié)產(chǎn)業(yè)擴散,所以大宗商品價格變動會直接影響生產(chǎn)者價格指數(shù)的走勢變化。

國內(nèi)外學(xué)者關(guān)于大宗商品價格與國內(nèi)物價波動的關(guān)系進(jìn)行了大量的研究:Moosa對國際初級產(chǎn)品價格指數(shù)和工業(yè)化國家的消費者物價指數(shù)進(jìn)行實證研究,結(jié)果表明國際大宗商品價格的變動對CPI(consumer price index,居民消費價格指數(shù))有明顯沖擊作用[1];Lescaroux等利用VAR模型來分析石油價格對物價水平的影響,結(jié)果發(fā)現(xiàn)外部價格的波動直接影響CPI與PPI的表現(xiàn)[2];蔡慧等通過編制我國綜合商品期貨價格指數(shù)(futures price index,FI),發(fā)現(xiàn)其預(yù)測功能弱于國際期貨市場大宗商品價格指數(shù)的預(yù)測功能,提出要進(jìn)一步完善我國的期貨市場[3];常清等以1996—2009年的CRB(international commodity futures price index,國際商品期貨價格指數(shù))與我國CPI為實證研究對象,得出CRB期貨價格指數(shù)與我國消費者物價指數(shù)存在8個月的因果關(guān)系[4];戴麗輝從國際大宗商品價格波動的原因出發(fā),分析其對我國工業(yè)品出廠價格影響的傳導(dǎo)機制[5];吳翔等通過構(gòu)建非線性ST-SVAR模型和廣義脈沖響應(yīng)函數(shù)分析了國際大宗商品價格變動對我國生產(chǎn)者價格指數(shù)影響,得出國際大宗商品價格對我國PPI產(chǎn)生較為顯著的正向影響[6];盧延純等發(fā)現(xiàn)國際大宗商品價格對我國PPI具有顯著影響,但是對CPI的影響不明顯[7]。

由于我國大宗商品市場開展較晚,運行機制還不夠成熟,尚處于初級階段。針對我國大宗商品價格指數(shù)對宏觀經(jīng)濟(jì)影響的文獻(xiàn)較少,而生產(chǎn)者價格指數(shù)反映上游生產(chǎn)環(huán)節(jié)的價格波動,整體價格的波動會先表現(xiàn)為生產(chǎn)領(lǐng)域的價格波動,再向下游傳導(dǎo)擴散,因此研究我國大宗商品價格指數(shù)與生產(chǎn)者價格指數(shù)具有一定的現(xiàn)實意義。本文通過建立VAR和VEC模型來探究CCPI與PPI二者之間的關(guān)系,分析CCPI對PPI影響的傳導(dǎo)機制,檢驗我國大宗商品價格波動能否成為反映價格走勢的先行指標(biāo),從而為宏觀調(diào)控部門提供有效的依據(jù)。

1 理論與建模步驟

1.1 VAR模型

1980年Sims提出了向量自回歸模型(VAR模型)[8],是在對原聯(lián)立方程組模型的缺陷進(jìn)行改進(jìn)的數(shù)據(jù)統(tǒng)計性質(zhì)的基礎(chǔ)上建立起來的一種非結(jié)構(gòu)化的多方程模型，主要用于預(yù)測相互聯(lián)系時間序列系統(tǒng)以及分析隨機擾動對變量系統(tǒng)的動態(tài)沖擊,從而解釋各種經(jīng)濟(jì)沖擊對經(jīng)濟(jì)變量的影響。

兩個變量y1t、y2t的VAR模型的數(shù)學(xué)表達(dá)式為

(1)

其中：p是最大滯后階數(shù)；μ1t和μ2t是隨機誤差向量。

VAR建模的關(guān)鍵是最大滯后階數(shù)p的確定,通常使用赤池信息準(zhǔn)則(AIC)和施瓦茨信息準(zhǔn)則(SC)來確定VAR模型的滯后階數(shù)。VAR模型的穩(wěn)定要求特征方程的特征根的絕對值小于1,即AR根都在單位圓內(nèi)。當(dāng)VAR模型平穩(wěn)時才可以直接進(jìn)行脈沖響應(yīng)函數(shù)和方差分解分析。

1.2 Johansen協(xié)整檢驗

Johansen等在1990年提出的一種以VAR模型為基礎(chǔ)的檢驗回歸系數(shù)的方法,是一種進(jìn)行多變量協(xié)整檢驗的較好的方法[9]。協(xié)整的定義如下:

設(shè)k維向量時間序列yt=(y1t,y2t,…,ykt)′，t=1,2,…,T的分量序列間被稱為d、b階協(xié)整,記為yt=CI(d,b),如果滿足:

①yt～I(xiàn)(d),要求yt的每個分量yit～I(xiàn)(d);

1.3 脈沖響應(yīng)函數(shù)和方差分解

在實際應(yīng)用中,由于VAR模型是一種非理論性的模型。模型的主要解釋變量是被解釋變量和其他內(nèi)生變量的滯后值,從而構(gòu)成一個相互作用的動態(tài)系統(tǒng),而且它們的系數(shù)往往正負(fù)互現(xiàn),因此VAR模型的t檢驗不能直接揭示某個給定變量的變化對系統(tǒng)內(nèi)其他變量產(chǎn)生的影響是正向還是負(fù)向,以及會在系統(tǒng)內(nèi)產(chǎn)生多長時間的影響，所以需要通過考察VAR模型的脈沖響應(yīng)函數(shù)和方差分解來獲取這些信息[10]。

脈沖響應(yīng)函數(shù)描述的是隨機擾動項的一個標(biāo)準(zhǔn)差大小的沖擊或新息對內(nèi)生變量的當(dāng)期值和未來值所帶來的影響。根據(jù)兩變量的VAR(2)模型來說明脈沖響應(yīng)函數(shù)的基本思想：

(2)

式中，ai、bi、ci、di是待估參數(shù);εt是隨機擾動項, 假設(shè)從第0期開始活動, 且設(shè)xt-1=xt-2=zt-1=zt-2=0, 同時給定了擾動項ε10=1,ε20=0, 且其他擾動項均為0, 即ε1t=ε2t=0(t=1,2,…),稱此為第0期對y1t的脈沖響應(yīng)。同樣地,當(dāng)擾動項ε10=0,ε20=1,且其他擾動項均為0,即ε1t=ε2t=0(t=1,2,…),稱此為第0期對y2t的脈沖響應(yīng)。

與脈沖響應(yīng)函數(shù)主要用來描述VAR模型中的一個內(nèi)生變量的沖擊對系統(tǒng)的動態(tài)影響不同,方差分解是通過分析VAR模型中每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度RVC(即相對方差貢獻(xiàn)率),進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性,因此方差分解給出的是對VAR模型中的變量產(chǎn)生影響的每個隨機擾動的相對重要性的信息。

把VAR模型的每個內(nèi)生變量表示為過去所有誤差項沖擊的和

(3)

式中: 括號項是第j個擾動項εj從無限過去到t時刻對yi影響的總和。假設(shè)εj序列無關(guān),則括號項的方差為

(4)

再假設(shè)擾動項向量的協(xié)方差矩陣是對角矩陣,那么yt的方差是yit方差的k項和

(5)

則第j個變量的沖擊對第i個變量的方差的相對方差貢獻(xiàn)率為:

(6)

1.4 VEC模型

Engle和Granger將協(xié)整概念和誤差修正的思想結(jié)合在一起,提出了向量誤差修正模型[11]。只要序列之間存在協(xié)整關(guān)系,可以由自回歸分布滯后模型(ADL)導(dǎo)出誤差修正模型(ECM)。而在VAR模型中的每個方程都是一個自回歸分布滯后模型,因此,可以認(rèn)為VEC模型是含有協(xié)整約束的VAR模型,多應(yīng)用于具有協(xié)整關(guān)系的非平穩(wěn)時間序列建模。

VEC模型的表達(dá)式為

(7)

1.5 建模步驟

本文通過建立VAR模型和VEC模型,并運用協(xié)整檢驗、脈沖響應(yīng)和方差分解等方法來探究我國大宗商品價格指數(shù)CCPI和生產(chǎn)價格指數(shù)PPI兩者之間的關(guān)系,具體的建模步驟如下:

① 為了消除異方差性對回歸結(jié)果的影響,分別對CCPI、PPI數(shù)據(jù)取自然對數(shù),記為序列LNCCPI和序列LNPPI;

② 對原始數(shù)據(jù)分別進(jìn)行單位根檢驗,檢驗序列是否為非平穩(wěn)序列,并對非平穩(wěn)序列進(jìn)行平穩(wěn)性處理;

③ 建立VAR模型分析CCPI與PPI之間的動態(tài)關(guān)系。建模前,依據(jù)AIC準(zhǔn)則和SC準(zhǔn)則確定VAR模型的最大滯后階數(shù)p,從而構(gòu)建VAR(p)模型, 并驗證該VAR(p)模型是否為平穩(wěn)模型;

④ 對一階單整序列LNCCPI和LNPPI作Johansen協(xié)整檢驗,檢驗兩者之間是否存在長期均衡關(guān)系;

⑤ 在VAR(p)模型是平穩(wěn)的基礎(chǔ)上,進(jìn)行脈沖響應(yīng)函數(shù)分析,判斷CCPI和PPI兩者在受到自身和對方一個標(biāo)準(zhǔn)差大小沖擊時的影響程度和方向;

⑥ 對序列LNCCPI和LNPPI進(jìn)行方差分解,分析每個擾動項因素對每個內(nèi)生變量影響的相對重要性;

⑦ 在協(xié)整檢驗和VAR(p)模型的基礎(chǔ)上,建立VEC模型探究變量CCPI和PPI之間的短期變化和長期均衡關(guān)系。

2 CCPI與PPI的實證研究

2.1 變量處理與數(shù)據(jù)來源

搜集了2010年1月—2017年11月的月度CCPI和PPI統(tǒng)計數(shù)據(jù),共95組觀測值。其中，CCPI數(shù)據(jù)來源于中國流通產(chǎn)業(yè)網(wǎng),PPI數(shù)據(jù)來源于國家統(tǒng)計局。為了消除季節(jié)趨勢和異方差性，減少波動,對原始序列CCPI、序列PPI均取自然對數(shù), 分別記為序列LNCCPI和LNPPI。 CCPI與PPI的時間序列如圖1所示。

圖1 2010—2017年CCPI與PPI的時間序列圖Fig.1 Time series diagram of CCPI and PPI from 2010 to 2017

可以看出,2010—2017年間我國月度CCPI波動幅度較大,月度PPI相較而言波動較小,但總體上CCPI與PPI的變動趨勢基本是一致。兩序列隨著時間變化而有所變化,直觀上可以判斷CCPI序列和PPI序列具有明顯的非平穩(wěn)性。因此需要對序列進(jìn)行單位根檢驗以判斷其平穩(wěn)性。

2.2 序列的平穩(wěn)性檢驗

變量的單位根檢驗通常用ADF檢驗,采用ADF檢驗方法對兩個序列LNCCPI和LNPPI進(jìn)行檢驗,檢驗結(jié)果見表1。

表1 單位根檢驗

可知,原始序列CCPI、 PPI、 LNCCPI和LNPPI的ADF檢驗值均大于顯著性水平分別為1%、 5%、 10%的t統(tǒng)計量臨界值,且P值均大于0.05, 因此不能拒絕原假設(shè), 即認(rèn)為原始數(shù)據(jù)CCPI、 PPI、 LNCCPI和LNPPI都是非平穩(wěn)序列。 需對序列LNCCPI和LNPPI分別進(jìn)行一階差分, 再進(jìn)行ADF檢驗, 結(jié)果發(fā)現(xiàn)ADF檢驗值均小于t統(tǒng)計量臨界值, 且P值均小于0.05。 所以, DLNCCPI和DLNPPI為平穩(wěn)序列。 因此LNCCPI和LNPPI均為一階單整變量, 即LNCCPI～I(xiàn)(1)、LNPPI～I(xiàn)(1)。

2.3 VAR模型滯后期的選擇

在建立CCPI與PPI的VAR模型對兩者之間的關(guān)系進(jìn)行研究前,需要進(jìn)行模型滯后階數(shù)的選取。本文根據(jù)SC準(zhǔn)則和AIC準(zhǔn)則來確定模型的最大滯后階數(shù)p,0～8階VAR模型的AIC和SC的值見表2。

注： *表示依據(jù)相應(yīng)的準(zhǔn)則選擇出來的最大滯后階數(shù)。

可以看出,AIC和SC準(zhǔn)則都表明,選擇滯后2期最好,故選擇p=2進(jìn)行VAR模型的估計。

2.4 VAR模型的建立和檢驗

運用EViews軟件構(gòu)建LNCCPI和LNPPI的VAR模型, 則建立的VAR(2)模型的表達(dá)式為

LNCCPI=1.301 794×LNCCPI(-1)-0.322 678×LNCCPI(-2)+1.305 403×LNPPI(-1)-

1.153 128×LNPPI(-2)-0.600 080；

LNPPI=-0.000 314×LNCCPI(-1)-0.005 151×LNCCPI(-2)+1.687 650×LNPPI(-1)-

0.706 754×LNPPI(-2)+0.114 374。

VAR(2)模型的AIC值為-12.474 35, SC的值為-12.203 78, AIC和SC值都很小, 說明建立VAR(2)模型來研究CCPI與PPI之間的關(guān)系是有效的, 從而初步給出了CCPI和PPI兩者組成的經(jīng)濟(jì)系統(tǒng)之間的相互影響作用。

在估計出VAR(2)模型系數(shù)的基礎(chǔ)上,對模型的平穩(wěn)性進(jìn)行檢驗,以便判斷該模型是否可以進(jìn)行脈沖響應(yīng)分析。如果被估計的VAR模型所有根的模的倒數(shù)都小于1,即位于單位圓內(nèi),則表明模型是穩(wěn)定的,就可以直接進(jìn)行脈沖響應(yīng)分析；反之，則說明模型不穩(wěn)定。

根據(jù)圖2,利用AR根的圖表驗證發(fā)現(xiàn),所構(gòu)建模型的4個單位根均位于單位圓之內(nèi),表明該結(jié)果能夠通過單位根檢驗。因此,所建立的VAR(2)模型是穩(wěn)定的。

圖2 AR單位根的位置圖Fig.2 Location map of AR unit root

2.5 Johansen協(xié)整檢驗

如果序列具有非平穩(wěn)性,直接構(gòu)建模型很可能導(dǎo)致偽回歸現(xiàn)象。因此應(yīng)用協(xié)整檢驗分析方法驗證回歸方程所描述的因果關(guān)系是否是偽回歸, 決定一組非平穩(wěn)序列的線性組合是否具有協(xié)整關(guān)系,即變量之間是否存在長期均衡的關(guān)系。滿足協(xié)整關(guān)系的基本條件是各時間序列必須是不平穩(wěn)的,且都是同階單整序列。由前面的ADF檢驗結(jié)果可知,序列LNCCPI和LNPPI均為非平穩(wěn)序列,且都是一階單整序列,因此可以進(jìn)行Johansen協(xié)整關(guān)系檢驗檢驗結(jié)果見表3。

表3 Johansen協(xié)整檢驗結(jié)果

根據(jù)特征根的跡檢驗結(jié)果可知, 在5%的顯著水平下,原假設(shè)None(即不存在任何協(xié)整關(guān)系)的跡統(tǒng)計量為15.517 85,大于臨界值15.494 71,且對應(yīng)的P值小于0.05,則拒絕不存在協(xié)整關(guān)系的原假設(shè)。原假設(shè)At most 1(即最多存在一個協(xié)整關(guān)系)的跡統(tǒng)計量小于臨界值,且P值大于0.05,則不能拒絕原假設(shè),接受兩者之間至多存在一個協(xié)整關(guān)系的假設(shè),表明二者有且僅有一個協(xié)整關(guān)系,所以我國大宗商品價格指數(shù)與生產(chǎn)價格指數(shù)之間具有長期均衡的關(guān)系。

2.6 脈沖響應(yīng)分析

脈沖響應(yīng)函數(shù)是用來分析當(dāng)系統(tǒng)受到外部沖擊后,系統(tǒng)中各序列的變動路徑,描述的是在隨機誤差項上施加一個標(biāo)準(zhǔn)差大小的沖擊后對所有內(nèi)生變量的當(dāng)期值和未來值所帶來的影響。運用EViews軟件,可以得到10期內(nèi)相應(yīng)的脈沖分析圖,如圖3所示。其中, 實線是脈沖響應(yīng)函數(shù)； 虛線是±1倍的響應(yīng)函數(shù)的標(biāo)準(zhǔn)置信帶；橫軸表示滯后期數(shù)(月)；縱軸表示因變量對解釋變量的響應(yīng)程度(%)。

圖3 CCPI與PPI的脈沖響應(yīng)分析圖Fig.3 Impulse response analysis diagram of CCPI and PPI

可知,CCPI對于自身一個標(biāo)準(zhǔn)差的沖擊產(chǎn)生的反應(yīng)強烈,在5期內(nèi),CCPI受到自身的正向沖擊,并在此時達(dá)到了最大值0.037 452,隨后逐期減弱,從8期開始維持在0.03的水平。而PPI對CCPI的一個標(biāo)準(zhǔn)差沖擊在第1期反應(yīng)不明顯,隨后在第2期開始呈現(xiàn)正向波動,并隨著滯后期的延長不斷上升,說明從長期趨勢來看,生產(chǎn)價格指數(shù)PPI對我國大宗商品價格指數(shù)CCPI有著長期的正向影響。

PPI對于自身一個標(biāo)準(zhǔn)差的沖擊表現(xiàn)為在當(dāng)期立即反應(yīng), 在第1～6期逐期上升, 隨后開始減弱， 但不為0。 CCPI的一個標(biāo)準(zhǔn)差沖擊在第1期對PPI產(chǎn)生0.001 163的影響, 在第4期對我國生產(chǎn)價格指數(shù)的正向影響達(dá)到最大值, 為0.002 392,即我國大宗商品價格每上升1%,我國生產(chǎn)價格指數(shù)上升0.239 2%。隨后CCPI對PPI的影響逐步減弱,在第10期呈現(xiàn)負(fù)向波動。

綜上分析,與PPI的一個標(biāo)準(zhǔn)差波動對CCPI的沖擊相比,CCPI的一個標(biāo)準(zhǔn)差波動對PPI沖擊反應(yīng)較快,表明CCPI對PPI有一定的影響,可以通過CCPI指標(biāo)的變動預(yù)測PPI變動。長期而言,CCPI與PPI之間存在相互影響的關(guān)系。

2.7 方差分解

方差分解是分析內(nèi)生變量的變化中來自于自身和其他內(nèi)生變量沖擊的比例,描述的是某個變量的變動對系統(tǒng)變量的影響貢獻(xiàn)度,是一種相對效果的描述。10期方差分解的結(jié)果見表4。

可知,在CCPI的方差分解中,PPI對CCPI的貢獻(xiàn)率在第1期并不明顯,之后開始有逐期上升趨勢,最終穩(wěn)定在31%左右,CCPI對其自身的貢獻(xiàn)率則在68%左右。在PPI的方差分解中,短期內(nèi)CCPI對PPI產(chǎn)生沖擊,當(dāng)期的貢獻(xiàn)率為6.25%,隨著時間間隔的增加CCPI對PPI的影響逐漸減弱,而無論是短期還是長期,PPI受到自身擾動的貢獻(xiàn)率都較高，表明PPI指數(shù)對其自身的效果存在強烈的作用機制,而CCPI對PPI的影響作用相對PPI本身來說較小,這也進(jìn)一步驗證了VAR模型檢驗和脈沖響應(yīng)函數(shù)的分析結(jié)果。

2.8 VEC模型的建立

由前述Johansen協(xié)整檢驗的結(jié)果可知,我國大宗商品價格指數(shù)CCPI與生產(chǎn)價格指數(shù)PPI之間有協(xié)整關(guān)系,即CCPI與PPI存在著長期均衡的關(guān)系,但這種長期均衡關(guān)系是在短期波動過程中不斷調(diào)整而實現(xiàn)的。因此,本文之前的VAR(2)模型的基礎(chǔ)上,構(gòu)建VEC模型來分析CCPI和PPI兩者之間的短期波動和長期波動的情況。運用EViews軟件得到VEC模型結(jié)果如下:

ΔLNCCPIt=0.005 120vecmt-1+0.313 816ΔLNCCPIt-1+1.396 251ΔLNPPIt-1+0.000 895，ΔLNPPIt=-0.001 399vecmt-1+0.003 765ΔLNCCPIt-1+0.744 765ΔLNPPIt-1-0.000 167。

式中：vecm為誤差修正項, 用來反映各變量之間關(guān)系偏離長期均衡狀態(tài)后對短期變化的影響程度,vecm前的系數(shù)大小表示擾動發(fā)生時,使CCPI和PPI由短期非均衡狀態(tài)向長期穩(wěn)定均衡狀態(tài)的調(diào)整力度。后面的所有用來作為解釋變量的差分項,其系數(shù)反映的是各解釋變量的短期波動對所有作為被解釋變量的短期變化的影響。

從VEC模型的參數(shù)估計結(jié)果可知,AIC和SC的值分別為-12.441 13和-12.170 57,兩個值都較小,說明模型的估計效果較好,建立該VEC模型是非常合理的?？梢钥闯?前一期的CCPI和PPI會對當(dāng)期的PPI產(chǎn)生正向的影響作用,說明上一期的大宗商品價格指數(shù)上漲,會使當(dāng)期的生產(chǎn)價格水平呈上升趨勢。vecm的系數(shù)估計值分別是0.005 120和-0.001 399,表示當(dāng)短期波動偏離長期均衡時, CCPI將以偏離0.005 120倍的力度在下一期向均衡狀態(tài)調(diào)整, 而PPI的vecm系數(shù)是負(fù)值, 說明對當(dāng)期值起反向調(diào)整作用, 將以0.001 399的值反向修正下一期的PPI值從而達(dá)到一個長期的均衡狀態(tài)。

表4 CCPI與PPI的方差分解

變量LNCCPI與LNPPI的協(xié)整關(guān)系見圖4,零線均值表示變量之間的長期均衡穩(wěn)定關(guān)系?？梢园l(fā)現(xiàn),2010—2016年,尤其是2011年8月和2016年初,誤差修正項的絕對值較大,說明了該時期短期波動偏離長期均衡關(guān)系比較大。在2016年之后,短期波動偏離長期均衡的幅度開始縮小,逐漸向長期均衡的狀態(tài)調(diào)整。

圖4 LNCCPI與LNPPI的協(xié)整關(guān)系Fig.4 Cointegration diagram of LNCCPI and LNPPI

3 結(jié) 論

通過對2010年1月—2017年11月的月度數(shù)據(jù)進(jìn)行整理并實證分析,本文建立VAR模型探討我國大宗商品價格指數(shù)和生產(chǎn)價格指數(shù)的關(guān)系,運用協(xié)整檢驗、脈沖響應(yīng)函數(shù)和方差分解對兩者關(guān)系進(jìn)行相應(yīng)分析,并構(gòu)建VEC模型,把CCPI與PPI的短期變動和長期變化聯(lián)系起來,可以得到以下結(jié)論:

(1)原時間序列CCPI和PPI都是不平穩(wěn)的,經(jīng)過一階差分后達(dá)到平穩(wěn),兩者均屬于一階單整序列。兩者的VAR動態(tài)模型的最大滯后階數(shù)為2,因此構(gòu)建VAR(2)模型, 且通過AR根檢驗, 表明該VAR(2)模型是穩(wěn)定的。

(2)CCPI與PPI的協(xié)整檢驗結(jié)果表明了兩個價格指數(shù)之間存在協(xié)整關(guān)系,因此我國大宗商品價格指數(shù)與生產(chǎn)價格指數(shù)之間存在長期均衡的關(guān)系。

(3)在脈沖響應(yīng)函數(shù)和方差分解中,CCPI與PPI兩者在受到來自對方同樣大小沖擊時的波動程度表現(xiàn)出非對稱性。PPI的一個標(biāo)準(zhǔn)差波動對CCPI沖擊要大于CCPI的一個標(biāo)準(zhǔn)差波動對PPI沖擊,從長期趨勢來看,PPI對CCPI有著長期的正向影響。CCPI的一個標(biāo)準(zhǔn)差波動在當(dāng)期對PPI產(chǎn)生正向波動,并在第4期波動影響最大,隨后影響逐步減弱，說明CCPI與PPI存在雙向引導(dǎo)關(guān)系,大宗商品價格的波動會對國內(nèi)生產(chǎn)價格產(chǎn)生價格傳導(dǎo)效應(yīng),但CCPI指數(shù)對PPI指數(shù)的作用相對于PPI本身來說影響較小,方差分解中也驗證了這一結(jié)論,因此在我國現(xiàn)有的大宗商品價格體系的基礎(chǔ)上,不斷地建設(shè)和完善現(xiàn)有價格體系,提升其對PPI的預(yù)測能力,有利于經(jīng)濟(jì)的宏觀調(diào)控。

(4)雖然CCPI與PPI之間存在著長期均衡關(guān)系, 但是短期內(nèi)會由于其他因素的干擾而偏離均衡路徑, 因此構(gòu)建VEC模型分析兩者的短期波動和長期穩(wěn)定關(guān)系。 結(jié)果發(fā)現(xiàn)前一期的CCPI和PPI會對當(dāng)期的PPI產(chǎn)生正向的影響作用, 說明上一期的大宗商品價格指數(shù)上漲, 會使當(dāng)期的生產(chǎn)價格水平呈上升趨勢。 誤差修正項系數(shù)分別為0.005 120和-0.001 399,表明當(dāng)短期波動偏離長期均衡時,分別將以0.005 120和-0.001 399的調(diào)整力度將非均衡狀態(tài)拉回到均衡狀態(tài)。