【我国居民消费价格指数的影响因素探析和未来CPI预测探究10000字（论文）】

PAGEPAGE2我国居民消费价格指数的影响因素分析和未来CPI预测研究CPI（ConsumerPriceIndex），即为居民消费价格指数。居民消费价格指数，是一个重要宏观经济指标，用于反映与居民生活相关的消费品及服务价格水平的变动情况，也是一个用于宏观经济分析与决策以及国民经济核算的重要指标。一般来说，居民消费价格指数的高低直接影响着国家宏观经济调控措施的出台与力度，比如央行是否需要调息、是否需要调整存款\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"准备金率等等。同时，居民消费价格指数还是度量通货膨胀的一个重要指标。本文采用2015年-2021年的月度数据，对我国居民消费价格指数影响因素进行描述性统计分析和多元回归分析，并建立ARMA模型进行预测，使用Eviews软件。研究中以原材料购进价格指数（MPI）、工业品出厂价格指数（PPI）、货币和准货币供应量指数（M2）和商品零售价格指数（RPI）为相关变量探究其对我国CPI的影响及建立模型。数据来源于国家统计局。分析结果表明，商品零售价格指数对居民消费价格指数的影响是最大的，其次是PPI工业品出厂价格指数。而现如今，我国的经济发展进入了新常态，居民消费水平的增长对经济增长的推动作用日益明显。为了让我国有平稳健康的经济发展，就要坚持“扩内需、促消费”的战略，努力提高居民消费水平。关键词：居民消费价格指数；多元回归分析；ARMA模型；商品零售价格指数；预测目录TOC\o"1-3"\h\u一、绪论 1（一）选题背景和意义 11、选题背景 12、选题意义 1（二）文献综述 1（三）我国CPI现状 3二、数据来源及变量解释 4（一）数据来源 4（二）变量解释 41.居民消费价格指数（CPI） 42.工业品出厂价格指数（PPI） 43.商品零售价格指数（RPI） 54.原材料购进价格指数（MPI） 55.货币和准货币供应量（M2） 5三、我国CPI影响因素的实证分析及预测 5（一）描述性统计分析 5（二）相关分析 6（三）协整检验 7（四）单位根检验 8（五）回归分析 8（六）结论 91.RPI对居民消费价格指数的影响及分析 92.PPI对居民消费价格指数影响及分析 10四、建立ARMA模型并预测 11（一）自相关和偏自相关分析 11（二）ARMA模型构建 11（三）根据模型进行预测 12五、结论及不足 14（一）结论 14（二）不足之处 14参考文献 15附录A 16一、绪论本文主要研究我国居民消费价格指数的影响因素，及对未来的预期。（一）选题背景和意义选题背景消费者物价指数（\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"CPI）也就是居民消费价格指数，是反映与居民生活有关的消费品及服务价格水平的变动情况的重要\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"宏观经济\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"指标，也是\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"宏观经济分析与决策以及国民经济核算的重要指标。一般来说，居民消费价格指数的高低直接影响着国家宏观经济调控措施的出台与力度，比如央行是否需要调息、是否需要调整存款\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"准备金率等等。同时，居民消费价格指数的高低也间接影响着资本市场，例如\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"股票市场、\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"期货市场、\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"资本市场和\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"金融市场等，使他们发生变化。居民消费价格指数还与\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"就业形势报告结合在一起，就形成了金融市场上另一个热门的经济指标，被人们仔细研究，因为每一个人都会受通货膨胀的影响，它决定着消费者需要花费多少来购买商品和服务，并且左右着商业经营的成本，极大地破坏着个人或者企业的投资，影响着已经退休的人的生活质量。而且，对于\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"通货膨胀的展望是有助于设立劳动合同，以及制定政府的财政政策。选题意义消费是宏观的经济变量，可以用于衡量一个国家或地区在某一时期内的经济水平。居民消费水平的计算是按照人口数量来算的，然后得出平均消费额，用来反映一个国家的居民对其物质文化生活的满意程度，可以作为反映国家或地区的经济发展状况以及居民生活水平的衡量指标。而居民的消费对于国民的生活水平有着非常重要的影响，如果居民不消费，不能在社会经济活动中收益，那么国民的生活水平也很难有提高。同时居民消费对于国民经济也有着不小的影响，国家经济增长并不能只依赖于投资，倘若居民不再进行消费活动，投资也会失去它的意义。虽然CPI这个数据具有\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"滞后性，但它却是市场经济活动与政府货币政策的一个重要参考指标。CPI保持稳定、就业充分以及GDP增长是目前最重要的社会经济目标。因此研究居民消费水平有着非常重要的意义。（二）文献综述通过收集和查阅的大量研究我国居民消费价格指数影响因素和预测的文章，为本文的写作思路和研究方法提供了很大的帮助。研究者们从各方面各种角度进行研究，不尽相同且各有优势。从建立多元回归模型分析我国居民消费价格指数的影响因素的方面。如‘魏静洁（2016）在她的论文我国居民消费价格指数CPI影响因素的实证分析中总结到，各个因素相互间也对居民消费价格指数的变动产生影响，首先从棄元回归的模型了解到当各个因素相互的影响对居民消费价格指数的变动产生不同的影响再次从主成分分析来看，此方法避免删除过多信息来进行较全面的模型分析。ＧＤＰ（Ｘｉ）、Ｍｌ（Ｘ３）、ＣＦＩ（Ｘ４）和ＣＥＩ（Ｘｓ）四个因素比ＢＡＩ（Ｘ２）对ＣＰＩ上升或下降的影响更明显，其中ＣＦＩ（Ｘ４）对ＣＰＩ上升或下降的影响最突出’[1]。多元回归的实际意义很大，并且操作相对简洁明了，结果也更清晰，为了多元回归中剔除项影响最终结果，该学者还运用了主成分分析进行分析，值得学习和借鉴。还如‘刘懿枞（2019）的我国居民消费价格指数（CPI)影响因素的分析中，采用了Spearman检验法、DW检验法、方差扩大因子法以及构建多元回归模型等计量经济方法，对我国CPI的影响因素进行了分析研究，通过修正后的多元回归模型，我们可以得出以下结论：一是货币供应量与我国CPI呈正相关关系，并对CPI的增长起推动作用；二是进出口总额与我国CPI呈正相关关系，但对我国CPI的影响弱于货币供应量的影响’[2]。可以看出，检验是构建模型中不可缺少的，要根据检验对数据进行处理，或者根据检验结果修正模型。从建立ARMA模型对我国居民消费价格指数进行分析和预测方面。如‘张禾（2018）的基于ARMA模型的我国居民消费价格指数预测中，运用R3.4.3对2016年的居民消费价格指数进行预测，考虑到时间原因，2016年的月度居民消费价格指数已经公布，便于通过预测值与实际值的对比检验模型的拟合程度’[3]。ARMA模型是研究时间序列的重要模型，是用于预测未来数据的很好的方法。从这篇文献中可以学习到，在预测前先确认模型拟合情况，先与已有数据作比较，使得预测的未来数据更加准确。从单变量对于我国居民消费价格指数的影响来看，如‘韩萌（2020）的居民消费价格指数和商品零售价格指数的分析——基于一元线性回归分析中写到，居民消费价格指数和商品零售价格指数为正相关，居民消费价格指数和商品零售价格指数是同时变化的’[4]。单一变量的研究方式，可以更仔细更全面的分析这一变量对其的影响。可以看出，商品零售价格指数对居民消费价格指数的影响是很大的，在选取数据的时候，商品零售价格指数这一数据不可缺少。上述是学者用不同分析方法对我国居民消费价格指数的影响因素相关分析。通过对我国相关ＣＰＩ的分析方法来进行相应的比较，本文将相关的数据资料整理分析加利用，来进行实证性分析针对有关影响我国居民消费价格指数的因素，并根据研究分析结果来提出对稳定我国居民消费价格指数的意见及建议。然后建立模型对未来居民消费价格指数进行预测。根据2015年1月－2021年3月的我国居民消费价格指数月度数据，从国家统计局上提取，进行分析和预测。（三）我国CPI现状图1.3居民消费价格指数趋势图整理数据我们可以发现，近多年来，物价飞涨问题一直困扰着我国政府，也是国内外关注和研究的焦点。从图3.1可以看出，每年的一月份是一年中物价涨得最厉害的时期，其主要原因一是天气寒冷，食品价格上涨；二是新年假期导致供需失衡。并且可以看到每一年的趋势大致有一点规律，最低点出现在2020年三月份，是受新冠肺炎疫情和恶劣天气的影响。二、数据来源及变量解释（一）数据来源基于2015年1月-2021年3月的月度数据，建立我国居民消费价格指数的相关模型。数据来源于国家统计局网站。为了分析影响CPI的变化的因素，我们选择以居民消费价格指数CPI为因变量，以原材料购进价格指数（MPI）、工业品出厂价格指数（PPI）、商品零售价格指数（RPI）、货币和准货币供应量指数（M2）分别为解释变量，构建模型进行分析，探讨影响CPI变动的主要因素。在分析中，原数据货币和准货币供应量（M2）的单位为亿元，将其与其他变量单位统一，化作百分比数据，因此，解释变量的单位统一为百分比。（二）变量解释1.居民消费价格指数（CPI）居民消费价格指数（CPI）是一个反映居民家庭一般所购买的\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"消费品和服务项目价格水平变动情况的\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"宏观经济指标。它是在特定时段内\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况，是一个月内商品和服务零售价变动系数。居民消费价格统计调查的是\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"社会产品和服务项目的最终价格，一方面密切的和人民群众的生活相关，另一方面在整个国民经济价格体系中也有着很重要的地位。它是进行经济分析、经济决策、\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"价格总水平监测和调控及国民经济核算的重要指标。其\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"变动率在一定程度上能够反映\t"/item/%E6%B6%88%E8%B4%B9%E8%80%85%E7%89%A9%E4%BB%B7%E6%8C%87%E6%95%B0/_blank"通货膨胀或紧缩的程度。通过该指数可以观察和分析消费品的零售价格和服务项目价格的变动对城乡居民实际生活费用支出的影响程度。2.工业品出厂价格指数（PPI）工业品出厂价格指数（PPI）是反映一定时期内全部工业产品出厂价格总水平的变动趋势和变动幅度的相对数，它也是通货膨胀的先行指标。工业品出厂价格是由生产成本、利润和税金三部分组成，它是工业产品进入流通领域的最初价格。是商业企业、物资部门制定批发价格、零售价格和物资供应价格的基础。包括了工业企业售给本企业以外其他所有单位的各种产品，和直接售给居民用于生活消费的产品。通过工业品出厂价格指数还能观察出厂价格变动对工业总产值的影响。3.商品零售价格指数（RPI）商品零售价格指数（RPI）是反映一定时期内商品零售价格变动趋势和变动程度的相对数。商品零售价格指数分为食品、饮料烟酒、服装鞋帽、纺织品、中西药品、化妆品、书报杂志、文化体育用品、日用品、家用电器、首饰、燃料、建筑装潢材料、机电产品等十四个大类，国家规定有304种必报商品，需要予以特别说明的是，从1994年起，国家、各省（区）和县编制的商品零售价格指数不再包括农业生产资料。零售物价的调整变动对城乡居民的生活支出和国家的财政收入有直接影响，并且影响居民购买力和市场供需平衡，影响消费与积累的比例。因此，该指数可以从侧面角度对上述经济活动进行观察和分析。4.原材料购进价格指数（MPI）原材料购进价格指数（MPI）是反映企业家对原材料购进价格判断的扩散指数。5.货币和准货币供应量（M2）货币和准货币供应量（M2）是指流通于银行体系之外的现金加上企业存款、\t"/item/M2/_blank"居民储蓄存款以及其他存款，它包括了一切可能成为现实\t"/item/M2/_blank"购买力的货币形式，通常反映的是社会总需求变化和未来通胀的压力状态。近年来，很多国家都把M2作为货币供应量的调控目标。M2的计算公式大致=流通中的现金+活期存款+准货币（\t"/item/M2/_blank"单位定期存款+居民定期存款+其他存款+证券公司客户保证金+住房公积金中心存款+非存款类金融机构在存款类金融机构的存款）三、我国CPI影响因素的实证分析及预测（一）描述性统计分析在实际分析中我们从国家统计局选取了2015-2020年的月度数据，合计样本量达到75个，通过Eviews软件进行描述性统计分析，涵盖了Mean（均值）、Median（中位数）、Maximum（最大值）、Minimum（最小值）、Std.Dev.（标准差）、Skewness（偏度）、Kurtosis（峰度）、Jarque-Bera（JB统计量）、Probability（显著性）、Sum（求和）、SumSq.Dev.（总离差平方和）、Observations（样本量）等不同的统计指标，结果如下：表1-1描述性统计分析CPIMPIPPIRPIM2Mean100.173354.36133100.0987100.1240100.8286Median100.100053.40000100.1000100.1000100.7484Maximum101.600069.60000101.6000101.2000102.6268Minimum98.8000041.1000098.7000098.7000099.33624Std.Dev.0.5532057.4300320.6032550.4831880.735907Skewness0.1045570.2662070.228217-0.2253910.229006Kurtosis3.1106512.2831763.0797503.3085992.450615Jarque-Bera0.1749142.4915680.6709130.9326201.598743Probability0.9162580.2877150.7150120.6273130.449611Sum7513.0004077.1007507.4007509.3007562.147SumSq.Dev.22.646674085.19826.9298717.2768040.07537Observations7575757575从样本量的数据来看CPI、PPI、RPI和M2均是以上一月度为100来衡量单位的指数，而MPI则是以实际的指数编制为计算单位，从上表可以看出CPI、PPI、MPI、RPI、M2的均值分别为100.1733、54.36133、100.0987、100.1240、100.8286，最大值分别为101.6000、69.60000、101.6000、101.2000、102.6268；最小值分别为98.80000、41.10000、98.70000、98.70000、99.33624，除MPI外大部分数据均维持在一个稳定的区间，这主要得益于我国强有力的宏观经济调控政策和稳健的货币政策，使得各个指数均维持在一个相对合理的区间。（二）相关分析相关分析是通过计算相关系数的方式，来论证变量间所存在的相关关系，相关关系和回归关系，其原理存在较大的差别，相关是变量间的存在于数理统计上的关系，而回归则是体现了一种变量间的因果关系；相关分析侧重于发现随机变量间的种种相关特性，回归分析更侧重于研究随机变量间的依赖关系，以便用一个变量去预测另一个变量。进而可以得到如下的分析结果：表1-2相关分析结果CorrelationProbabilityCPI

M2

MPI

PPI

RPI

CPI

1.000000

M2

-0.0728231.0000000.5347

MPI

0.094431-0.0880411.0000000.42030.4526

PPI

0.106794-0.0697590.9316601.0000000.36180.55200.0000

RPI

0.942249-0.0612960.2805000.3251011.0000000.00000.60140.01480.0044

从相关分析的结果来看CPI和M2、MPI、PPI、RPI之间的相关系数分别为-0.072823、0.094431、0.106794、0.942249，其相伴概率Prob分别为0.534、0.4203、0.3618、0.0000，据此可得，上表中仅有CPI和RPI间存在显著相关关系，且相关系数为0.942，由于两者间变量的相关系数大于0.5即可说明可能存在共线性关系，可通过差分的方式，消除共线性。（三）协整检验在宏观经济计量分析中，最主要工具之一就是Granger(1987)所提出的协整方法，该方法分析了非平稳经济变量之间数量关系，且通过\t"/item/%E5%8D%8F%E6%95%B4%E6%A3%80%E9%AA%8C/_blank"线性\t"/item/%E5%8D%8F%E6%95%B4%E6%A3%80%E9%AA%8C/_blank"误差修正模型(ECM)刻画了经济变量之间的线性调整机制，这就是所谓的线性协整方法。协整即存在共同的随机性趋势。协整检验是论证变量间是否存在协整的重要方法，意义在于检验它们的回归方程所描述的因果关系是否是伪回归，即检验变数之间是否存在稳定的关系。通过不同滞后期的判断分析来分析变量间所存在的协整关系，进而通过协整检验可以得到如下表：表1-3协整检验UnrestrictedCointegrationRankTest(Trace)HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*

0.595272

125.9674

69.81889

0.0000Atmost1*

0.298477

60.84043

47.85613

0.0019Atmost2*

0.219301

35.31627

29.79707

0.0104Atmost3*

0.168949

17.49158

15.49471

0.0247Atmost4*

0.056232

4.166979

3.841466

0.0412

Tracetestindicates5cointegratingeqn(s)atthe0.05level

*denotesrejectionofthehypothesisatthe0.05level

**MacKinnon-Haug-Michelis(1999)p-values从上表可得各变量在None*、Atmost1*、Atmost2*、Atmost3*、Atmost4*分别对应的显著性为

0.0000、0.0019、0.0104、0.0247、0.0412；说明变量在原始序列、滞后1期、滞后2期、滞后3期、滞后4期均存在协整关系，进而可以得到变量间均存在协整关系，适合构建回归模型分析。（四）单位根检验单位根检验时间序列的单位根研究是时间序列分析的一个热点问题。时间序列矩特性的时变行为实际上是反映了时间序列的非平稳性质。对于非平稳时间序列的处理方法一般都是将其转变为平稳序列，这样就可以用有关平稳时间序列的方法和模型来进行相应得研究。对时间序列单位根的检验就是对时间序列平稳性的检验，非平稳时间序列如果存在单位根，则一般可以通过差分的方法来消除单位根，从而得到平稳序列。数据为平稳的时间序列是进行回归分析的前提假设，通过ADF检验判定ADF值分别在1%level、5%level、10%level的何种区间，是进行单位根检验的重要方法，进而可以得到如下分析结果：表1-4模型的单位根检验ADF1%level5%level10%levelprobCPI-6.861853-3.521579-2.901217-2.5879810.000MPI-3.119219-3.522887-2.901779-2.588280.0294PPI-3.769376-3.522887-2.901779-2.588280.0049RPI-6.545672-3.522887-2.901779-2.588280.0000M2-8.73335-3.538362-2.90842-2.5917990.0000从上表可以得到CPI、MPI、PPI、RPI、M2的ADF值分别为-6.861853、-3.119219、-3.769376、-6.545672、-8.73335，显著的大于1%level所分布的-3.521579、-3.522887、-3.522887、-3.522887等值，因而可以判定CPI、MPI、PPI、RPI、M2的单位根检验中，各项值均在99%的显著性前提下显著。（五）回归分析回归分析是研究一个\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"因变量与两个或两个以上的\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"自变量的回归。又称为\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"多元线性回归，是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应变动的规律。是建立多个变量之间\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"线性或\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"非线性数学模型\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"数量关系式的\t"/item/%E5%A4%9A%E5%85%83%E5%9B%9E%E5%BD%92/_blank"统计方法。在构建回归分析模型中，我们选取了2015-2020年的月度数据；我们选择以居民消费价格指数CPI为因变量以原材料购进价格指数（MPI）、工业品出厂价格指数（PPI）、商品零售价格指数（RPI）、货币和准货币供应量指数（M2）分别为被解释变量，构建模型进行分析，探讨影响CPI变动的主要因素，可得到回归模型如下所示：CPI=C+βitMPI+βit表1-5模型回归分析结果VariableCoefficientStd.Errort-StatisticProb.

M2-0.0174510.022988-0.7591110.4503MPI0.0096820.0062591.5467460.1264PPI-0.3178550.078145-4.0674950.0001RPI1.1644110.03693631.524800.0000C16.637938.0186222.0749110.0417R-squared0.935254

Meandependentvar100.1733AdjustedR-squared0.931554

S.D.dependentvar0.553205S.E.ofregression0.144731

Akaikeinfocriterion-0.963543Sumsquaredresid1.466289

Schwarzcriterion-0.809044Loglikelihood41.13286

Hannan-Quinncriter.-0.901853F-statistic252.7855

Durbin-Watsonstat1.976719Prob(F-statistic)0.000000表1-5（续）从上表的回归结果来看MPI、PPI、RPI、M2的系数分别为0.009998、-0.320324、1.165680、-0.017451，相伴概率为0.1128、0.0001、0.0000、0.4503；除MPI、M2原材料购进价格指数未表现显著外，其余变量均表现显著，从系数值来看对CPI影响最大的值为RPI商品零售价格指数，即商品零售价格指数对居民消费价格指数的影响最大，其次是PPI工业品出厂价格指数。（六）实证分析由模型结果可以看出在在所有解释变量中最能影响我国居民消费价格指数的影响因素为商品零售价格指数（RPI）和工业品出厂价格指数（PPI）。其中，RPI是CPI的重要组成部分，是属于流通领域的重要指标。这三个物价指数CPI、RPI和PPI是被一条产业链（上游生产领域至下游消费领域）衔接起来，它们是这个链条上的三个点，分别为链条上的生产领域端点、流通领域端点和消费领域端点。从供给角度上来看，PPI的涨跌必然会顺着产业链传导到零售价格和服务项目上；从需求角度上来看，CPI的大小会通过流通领域的RPI反馈给PPI。因此，CPI、RPI与PPI三者之间传导机制的研究就能解释物价指数下降或者上升的这种经济现象，而且能给政府制定价格政策和居民消费政策提供很大的帮助。1.RPI对居民消费价格指数的影响及分析模型显示居民消费价格指数和商品零售价格指数有着最显著的关系，为了使居民消费价格指数和商品零售价格指数能够更加适应现如今经济发展的需要，政府要鼓励居民不要都将钱存起来，而是更多地投资消费，扩大社会投资，拉动内需，更快的完善促进消费体制机构。为了优化消费和零售等国民经济指数关系，实现需求引领和供给侧改革，我们要提升消费和零售对经济基础的作用，以便构建符合我国长远战略利益的经济发展模式。政府要推动市场经济的发展，增强经济的活力和生机。要通过发展市场经济来促进中国经济与世界经济接轨，建立与国际经济技术的平台，更好的与国际经济技术进行合作和竞争，同时合理的调整经济结构，提高生产增长，提高人民生活水平，使我国经济发展有更好的发展前景。政府还要根据我国市场经济的实际情况调整相应的市场宏观调控政策，协调好市场的价格体系，使价格协调与沟通机制步调一致。还应当建立健全的以市场供求形势为导向的价格调整机制，合理的设计各环节的价格梯度。同时使市场保证充分的良性竞争，为价格形成创造一个稳定的外部环境。建立健全的经济发展和市场规则，稳定物价水平，积极应对市场可能出现的价格波动。维持零售市场终端的价格控制和价格管理，加强市场价格的信息反馈和跟踪控制。2.PPI对居民消费价格指数影响及分析PPI是反映生产环节的价格水平，CPI是反映消费环节的价格水平。整体价格水平的波动一般会先出现在生产领域，然后通过产业链向下游产业扩散，最后才会波及到市场上流通的消费品。以工业品为原材料的生产价格，即工业品价格向居民消费价格指数的传导途径为：原材料→生产资料→生活资料。同时，PPI也作为观察通货膨胀水平的重要指标，一般可以理解为：PPI指数越高，说明经济的通货膨胀压力越大，物价就会上涨；PPI指数比预期指数低时，则说明有通货紧缩的风险，随之消费也会减少，物价就会下降。在不同市场条件下，工业品价格向最终消费价格的传导存在两种可能的情形：一是在卖方市场条件下，成本上涨所引起的工业品价格(如电力、水、煤炭等能源、原材料价格)上涨最终都会顺利传导到消费品价格上；二是在买方市场条件下，由于供大于求，工业品价格很难传导到消费品价格上，所以可能会导致消费品价格保持不变甚至下跌，企业则需要通过减少自身利润对上涨的成本予以消化，其结果表现为中下游企业的产品价格保持不变，甚至可能继续走低，企业盈利减少。对于部分缩减利润后仍难以消化上涨的成本的企业，可能会面临破产。而由于CPI不仅包括消费品价格，还包括了服务价格，CPI与PPI在统计口径上并不是非常严格的对应关系。因此，CPI与PPI的变化在某一时期出现不一致的情况也是有可能的。如果发生价格传导出现断裂的现象，其主要原因在于工业品市场处于买方市场以及政府对公共产品价格的人为控制等。四、建立ARMA模型并预测（一）自相关和偏自相关分析通过自相关和偏自相关分析可以判断ARMA模型可以采用的滞后阶数，自相关和偏自相关图如下：图2自相关和偏自相关图从上图可以看出，自相关和偏自相关在滞后3期的时候表现显著，因此可以构建ARMA（3,3）模型。（二）ARMA模型构建ARMA自相关移动平均模型，其核心原理是通过模型本身的历史数据回溯进而得到其数据本身的预测值，剔除了其他变量对模型的影响；透过上表可以得到基于CPI的ARMA模型可构建ARMA(3,3)模型，得到的结果如下：表1-6ARMA模型分析结果VariableCoefficientStd.Errort-StatisticProb.

C100.16540.0561811782.9200.0000AR(3)-1.0000009.39E-05-10648.880.0000MA(3)0.9999809.67E-0510339.450.0000SIGMASQ0.2092040.0323986.4572520.0000R-squared0.307169

Meandependentvar100.1733AdjustedR-squared0.277895

S.D.dependentvar0.553205S.E.ofregression0.470096

Akaikeinfocriterion1.479781Sumsquaredresid15.69031

Schwarzcriterion1.603381Loglikelihood-51.49180

Hannan-Quinncriter.1.529133F-statistic10.49270

Durbin-Watsonstat1.756975Prob(F-statistic)0.000009InvertedARRoots

.50-.87i

.50+.87i

-1.00InvertedMARoots

.50-.87i

.50+.87i

-1.00从上表ARMA（3,3）的结果可以看出，AR(3)、MA(3)的系数分别为-1.000000和0.999980，其相伴概率分别为0.0000、0.0000；在显著性为99%的前提下模型均表现显著，说明ARMA（3,3）模型设置合理结果较好。得到模型结果为：CPI=100.1651+[AR(3)=-999,MA(3)=0.999,UNCOND,ESTSMPL="2015M012021M03"]（三）根据模型进行预测基于该ARMA模型进行2年的数据预测，并与实际值进行比较，得到结果如下：data原始数据预测值2019M01100.5100.20673672019M02101100.48333262019M0399.699.960873612019M04100.1100.12397732019M0510099.847381372019M0699.9100.36984042019M07100.4100.20673672019M08100.7100.48333262019M09100.999.960873612019M10100.9100.12397732019M11100.499.847381372019M12100100.36984042020M01101.4100.20673672020M02100.8100.48333262020M0398.899.960873612020M0499.1100.12397732020M0599.299.847381372020M0699.9100.36984042020M07100.6100.20673672020M08100.4100.48333262020M09100.299.960873612020M1099.7100.12397732020M1199.499.847381372020M12100.7100.36984042021M01101100.20673672021M02100.6100.48333262021M0399.599.960873612021M0499.877887712021M0599.760473082021M06100.25948532020-2021年的月度居民消费价格指数在官网上已经公布，可以通过预测值与实际值的对比去检验模型的拟合程度。将2020年11月-2021年3月已经公布的实际值：99.4，100.7，101，100.6，99.5与模型得到的预测值：99.85，100.37，100.21，100.48，99.96相比较，可以发现居民消费价格指数的实际值与预测值两者最大差值仅为1个百分点，说明模型有较高的可信度。此外还预测出了2021M04、2021M05、2021M06的值99.87788771、99.76047308、100.2594853，模型预测精度较好，可以得到如下图所示：图2模型实际预测图CPI为模型原始数据,CPIF为模型预测值，从上图来看模型预测值其波动大致拟合了实际数据的波动，但是其幅度和区间较小，数据回测幅度和范围控制较为合理。五、结论及不足（一）结论ARMA模型拟合趋势较为准确，并预测出了2021年4月至6月的居民消费价格指数数据约为99.88、99.76、100.26。现如今，我国的经济发展进入了新常态，居民消费水平的增长对整体经济增长的推动作用越来越明显。为了促进我国经济的平稳健康发展，要坚持扩内需、促消费的战略，全力提高居民消费水平。而居民消费价格指数与居民生活密切相关，在国民经济中把握我国CPI走势有着很重要的作用，对于利益我们应当长远的考虑，因此建议有关部门应在注重当下利益的同时加强对我国国民经济的监测和预警，密切关注国内和国际市场的价格变化，在物价水平不稳定时及时采用调控措施，合理的引导价格走势；同时也要适时关注和调节国家宏观调控的力度，继续调整生产和消费的结构政策，鼓励居民消费，及时掌握和应对出现的各种新情况，确保国民经济运行在合理区间，努力避免中国经济的硬着陆，使中国保持在平稳较快的经济发展势头上。（二）不足本文为了分析我国居民消费价格指数的影响因素共选取了四个解释变量，数据量为75个，所得模型精度还可再提升；根据趋势图可发现数据有一点季节性规律，导致模型拟合效果还与提升空间，还可选取更多的数据量进行分析。参考文献魏静洁.我国居民消费价格指数（CPI）影响因素的实证分析[D].云南大学,2016.刘懿枞,李明洋,王虹博.我国居民消费价格指数（CPI)影响因素的分析[J].商场现代化,2019(17):25-26.张禾.基于ARMA模型的我国居民消费价格指数预测[J].商场现代化,2018(07):15-16.韩萌.居民消费价格指数和商品零售价格指数的分析——基于一元线性回归分析[J].现代商业,2020(17):12-13.黄树花.ARIMA与BP模型在我国居民消费价格指数的实证分析[D].云南大学,2015.马永梅,林天水.基于我国居民消费价格指数的聚类分析[J].青海师范大学学报(自然科学版),2019,35(02):26-34.卞集.我国居民消费价格指数的随机波动性研究[D].首都经济贸易大学,2014.潘姝敏.我国居民消费价格指数的基本现状及波动趋势分析[J].科技广场,2016(11):158-161.杨坚,费俊俊.我国居民消费价格指数走势实证分析与预测[J].统计与决策,2014(07):112-116.陈娟,余灼萍.我国居民消费价格指数的短期预测[J].统计与决策,2005(04):40-41.郭玉,李明星,邸彦彪,李晓梅.基于ARMA模型我国居民消费价格指数实证分析及预测[J].辽宁工业大学学报(社会科学版),2017,19(01):27-28+41.何岩岩.基于ARMA模型的我国居民消费价格指数的分析及预测[J].商,2016(06):204+143.石捡情,杨世娟.我国居民消费价格指数时间序列预测——基于ARIMA模型的分析[J].科技资讯,2017,15(33):35-36+40.叶梦翔.居民消费价格指数的影响因素及评价[J].中国商论,2020(23):15-16.杨宇,陆奇岸.CPI、RPI与PPI之间关系的实证研究——基于VAR模型的经济计量分析[J].价格理论与实践,2009(05):57-58.YanQin.SeasonalAdjustmentofCPITimeSeriesBasedonX-12-ARIMAandSARIMA[J].WorldScientificResearchJournal,2021,7(5).附录A年份月份居民消费价格指数cpi原材料购进价格指数mpi工业品出厂价格指数ppi商品零售价格指数rpi货币和准货币供应量M2指数2015年1月100.341.998.999.9101.16702252月101.243.999.3100.9101.18050533月99.54599.999.6101.4277544月99.847.899.799.7100.4270545月99.849.499.999.9102.07518146月10047.399.6100101.99010047月100.344.799.3100.1101.48762018月100.544.999.2100.3100.27320659月100.145.899.699.9100.214906210月99.744.499.699.7100.087999611月10041.199.5100100.950412412月100.542.499.4100.5101.33352892016年1月100.5