通货膨胀率的含义

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇通货膨胀率的含义范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

通货膨胀率的含义范文第1篇

关键词：NAIRU；菲利普斯曲线；通货膨胀

文章编号：1003－4625（2008）12－0003－06中图分类号：F821.5文献标识码：A

Abstract: As a leading indicator to judge the change trend of inflation rate, NAIRU has been paid much attention when macroeconomic policies are made in western countries and it’s based on short-term Philips Curve. In economic transmission period in China, the structure of Chinese labor force market is different from that of labor force market of western countries, and the relationship between unemployment rate and inflation rate is inconsistent with the logic of short-term Philips curve, so that NAIRU is not suitable to be adopted as a leading indicator to judge the change trend of inflation rate in China.

Key Words: NAIRU； Philips Curve；Inflation

一、引言

NAIRU (non-accelerating inflation rate of unemployment，非加速型通货膨胀下的失业率)在宏观经济学，特别是在宏观经济政策制定和讨论中是一个经常援引并引起关注的概念。这不仅因为实现充分就业是政府宏观经济政策的重要目标之一，更为重要的是，宏观经济政策决策者、讨论者试图依据NAIRU作为判断通货膨胀变化趋势、制定宏观政策的先行变量之一。在中国，对NAIRU研究和关注相对较少，主要原因是，在中国经济转型时期，NAIRU相关理论对宏观经济决策的作用具有一定的局限性。本文包括以下四个部分，第一部分NAIRU理论综述，包括其由来、含义及影响因素；第二部分是NAIRU理论在中国的适用性问题探讨；第三部分是中国NAIRU的估计；第四部分是结论。

二、NAIRU理论综述

（一）NAIRU概念的由来、含义

根据英国的资料，Phillips（1958）得出失业率与名义货币工资变动率之间呈现替代关系，Samuelson和Solow（1960）用通货膨胀率替换货币工资变动率，使用美国的数据得到了“菲利普斯曲线”，其表明，失业率上升,通货膨胀率下降；失业率下降, 通货膨胀率上升。菲利普斯曲线为凯恩斯主义需求管理的宏观经济政策提供了依据，其政策含义是，依据“菲利普斯曲线”，宏观经济政策以容忍一般物价水平以不变的速度上涨为代价，实现一定的就业率。

依据Wicksell的“自然利息率（the natural rate of interest）”概念，Friedman,Milton(1968)提出了“自然失业率（the natural rate of unemployment）”假说，认为自然失业率由实体经济力量中的供给方面决定，预期到的货币政策对就业没有影响，只有未预期到的货币政策的变化，影响就业；如果政府希望持续降低失业率在自然失业率水平之下，只有实行非预期的货币增长，出现非预期到的通货膨胀；结果，为维持低的失业率水平，货币政策必然导致加速的通货膨胀；在长期，“菲利普斯曲线”垂直于自然失业率水平。面对美国20世纪60年代后期出现的经济“滞涨”想象，及货币主义者对“菲利普斯曲线”的评判，Modigliani和Papademos(1975)提出了NIRU(noninflationary rate of unemployment)这个概念，其目的是为当时美国的货币政策提供一个决策指标。他们定义NIRU为“这样的一个失业率，只要实际失业率水平高于它，预计通货膨胀将下降”。关于“菲利普斯曲线”的性状，有两种极端的情形：在短期，“菲利普斯曲线”的斜率是负的；在长期，“菲利普斯曲线”垂直于自然失业率。在两种极端情形之间，受货币主义自然失业率的影响，Modigliani和Papademos认为，正如在美国1953至1971年的情况，“菲利普斯曲线”在高失业率水平相对平坦，在低失业率水平接近于垂直。这样，在“菲利普斯曲线”上，存在一个失业率区间，在这个区间内，通货膨胀率是相对稳定的，这个区间内的失业率就是NIRU；实际失业率低于这个区间的下界时，随失业率逐渐减少，通货膨胀率上升的概率增加；实际失业率高于这个区间上界时，随失业率升高，通货膨胀率下降的概率增加（如图1）。

早期凯恩斯主义者认为菲利普斯曲线是相当平坦的，特别是在高失业率的情况下，可以较低的通货膨胀率上升为代价增加就业；而货币主义者认为菲利普斯曲线是相当陡峭的，扩张性的需求管理政策产生高的通货膨胀率，但降低失业率的效果不明显。这样，无论凯恩斯主义，还是货币主义者都认为，在短期，菲利普斯曲线上存在一个失业率区间，在这个区间，通货膨胀没有上升和下降的压力。这样，尽管对政府参与经济的态度不同，NIRU为凯恩斯主义者和货币主义者所共同接受，后来被Tobin(1980)称之为NAIRU (non-accelerating inflation rate of unemployment，非加速型通货膨胀下的失业率)。显然，NAIRU是把凯恩斯主义理论和货币主义及新古典宏观经济学理论黏合在一起得到的一个概念，依其实施凯恩斯主义的政策（宏观经济政策可以影响失业率水平），但其逻辑来源于“自然失业率”假设（宏观需求管理的政策有一定限制）。

多数文献明确界定NAIRU为这样一个失业率，当经济中的实际失业率低于NAIRU时，通货膨胀率有上升的趋势；当经济中的失业率高于NAIRU时，通货膨胀有下降的趋势；当经济中的失业率等于NAIRU时，通货膨胀率不变。不过，依据这样的定义，NAIRU概念的理论逻辑基础并非那么明确，文献中NAIRU的含义存在一些模糊不清之处。一些文献没有区分NAIRU和自然失业率概念，例如，Laurence Ball和N.Gregory Mankiw(2002)。但大多数经济学家认为,货币对经济的影响在长期是中性的，非对称信息、长期劳动合同和价格黏性等因素导致货币在短期是非中性的。由此，涉及NAIRU的文献中，多数文献都或明或暗地假定NAIRU是短期的自然失业率，或者直接称之为the Short-run NAIRU，在涉及自然失业率假设时，更强调自然失业率对应的通货膨胀率为零，货币政策对自然失业率没有影响。例如，Camarero,Liuis Carrion-I-Silvestre, Tamarit(2005)把NAIRU分为三类，短期、中期和长期，认为短期NAIRU是政策制定者评估通货膨胀变化趋势的一个合适指标，而长期NAIRU并不能估计。这是自然失业率和NAIRU概念在不同文献中存在的细微差异。

（二）影响NAIRU的主要因素

影响NAIRU的因素主要有以下四个方面（Joseph Stiglitz，1997），一是劳动力人口的结构，例如劳动力中性别结构的变化影响NAIRU的高低；二是劳动生产率的变化，例如生产率增长慢时，NAIRU可能出现短暂的增加，而劳动生产率的上升，降低ANIRU水平；三是劳动力市场和产品市场的一些变化，劳动力市场竞争程度越高，NAIRU就越低,诸如对劳动力流动限制的一些市场法律法规的变化、职业培训等因素降低NAIRU；四是劳动力和厂商在决定实际劳动工资时的讨价还价能力。影响NAIRU的因素主要和劳动力市场的特征有关，在不同的国家和地区，影响NAIRU的因素存在很大的差异。

（三）NAIRU在经济决策中的运用

在宏观经济政策讨论中，NAIRU之所以得到广泛的关注，主要体现在三个方面，一是在经验研究中可以用来作为评估通货膨胀率变化方向的参照点，如果失业率高于NAIRU，则预计通货膨胀率有下降的压力，如果失业率低于NAIRU，预计通货膨胀率有上升的压力；二是在经济理论中，NAIRU可以用来作为理解通货膨胀原因的起点；三是在宏观经济政策选择中可作为一个评判宏观经济形势的指标，特别是对于货币政策而言，当失业率低于NAIRU时，通货膨胀率有上升的压力，这时不宜采取松的货币政策，当失业率高于NAIRU情况下，通货膨胀有下降的压力，这时不宜采取紧的货币政策。

在宏观经济政策中运用NAIRU概念作为先行指标时需要注意一些问题（Marcoa.Espinosa-Vega，Steven Russell,1997）。依据NAIRU概念，当实际失业率低于NAIRU时，通货膨胀率有上升的趋势，应实施紧的货币政策；当实际失业率高于NAIRU时，通货膨胀率有下降的趋势，应实施松的货币政策。这个货币政策规则暗含的一个假定是，劳动力供给和需求的变化导致的工资率的变化将传导到一般物价水平，这是一个十分严格的假定。在诸如美国、西欧一些国家，劳动力市场相对成熟，工资率的变化影响商品价格，这个假定在一定程度上具有合理性。但在一些发展中国家，劳动力资源比较丰富，很多情况下是商品价格首先变化，然后才有工资率的调整。在工资率的变化不完全等于通货膨胀率的情况下，以维持币值稳定为目标的货币政策的效果有限。NAIRU理论另外一个暗含的假定是，失业率的变化是货币政策变化的结果，或者说是总需求变化的结果，这样只要调整货币政策的方向，就可以调整失业率，可以影响通货膨胀。然而，影响实际失业率的因素很多，在很多情况下，货币政策并不一定能够影响实际失业率。还可以从另外一个角度看利用NAIRU作为宏观经济先行指标的局限性。在时间先后上，物价水平的变化和失业率的变化有三种关系：同步，一般物价水平的变化先于实际失业率的变化，失业率的变化先于一般物价水平的变化。在前两种情况下，利用NAIRU作为货币政策的先行指标效果不是很理想。

三、NAIRU理论在中国的适用性探讨

实现最大限度的就业、维持物价水平稳定是在社会经济转型时期中国面临的重要问题之一。如果宏观经济政策能够同时解决这两个问题，当然是最佳的选择；如果能够实现帕累托改进，解决一个问题，而不影响另外一个问题，当然也是一个好的结果；如果不能实现帕累托改进，那么需要进行权衡和取舍，这种就业和通货膨胀率之间的取舍所面临的约束在经济学理论就是菲利普斯曲线。这里考察菲利普斯曲线和NAIRU在中国的适用情况。

回顾经济理论的发展，无论凯恩斯主义，还是货币主义都承认存在短期的菲利普斯曲线。但短期菲利普斯曲线是一个单纯的经验关系，其并没有明确的理论基础（James K. Galbraith，1997）。这里通过考察通货膨胀率和失业之间的关系理解菲利普斯曲线背后的逻辑。影响一般物价水平的因素主要是社会总供给和总需求，影响失业率的因素主要是劳动力市场上劳动力的供给和需求。由于影响因素不同，失业率和通货膨胀率变化趋势之间的关系存在多种可能。一种情形是，总需求首先增加，引起物价水平上升，供给增加，然后失业率下降。另一种情形是，首先劳动力需求大于供给，失业率下降，实际劳动工资率上升，假若工资是企业成本的重要部分，持续工资上涨推动通货膨胀率上升。这两种情形下失业率和通货膨胀率遵循短期菲利普斯曲线表述的统计关系。在美国、西欧，经济政策关注的是劳动力资源的利用状况，NAIRU理论暗含的假定是，就业率的变化影响实际工资，而实际工资是厂商的主要成本，持续工资变化最终将导致一般物价水平的变化；进一步的假定是，就业率和工资率的变化先于一般物价水平的变化。这样NAIRU可以作为判断通货膨胀率变化方向的先行指标。通货膨胀率和失业率之间还有另外一种可能关系，通货膨胀率和失业率之间并没有统计上的关系，短期的菲利普斯曲线并不存在，这种情形主要存在于转型国家，或者发展中国家。失业率主要受劳动力市场上劳动力供给和需求的影响，通货膨胀率主要受商品市场上供给和需求的影响；当劳动力市场的均衡和商品市场的均衡联系相对比较弱，通货膨胀率和失业率的统计联系就会相对弱，甚至统计上没有关系，菲利普斯曲线就不存在。

在中国社会经济转型时期，（1）城市劳动力市场和农村劳动力市场存在一定程度的分隔，劳动力市场二元结构特征明显；劳动力在农村的生产率相对于在城市的低，农村存在一定程度的隐性失业。（2）1979年以来,对城乡劳动力流动的约束逐渐减少,劳动力流动量越来越大，这在一定程度上减弱了城镇工资率上升的压力。（3）无论实际工资率的变化，还是名义工资率的变化都没有完全反映劳动力的供给和需求状况。例如，国有企业、垄断部门等的工资形成机制呈现刚性，即使在失业十分严峻的情况下，实际工资水平上升趋势明显。1985年国有单位职工平均工资是城镇集体单位职工平均工资的1.25倍①，2006年成为1.7倍；2006年国有单位、城镇集体单位、其他类型企业职工的平均工资分别为1993年的6.26倍、5.02倍和4.02倍。（4）经济增长没有带来相应的就业增长（林秀梅，王磊，2007；李骏娴，薛江，2007；蔡，都阳，高文书，2004）。因此，在中国经济转型时期，城市就业率和一般物价水平联系较弱，有时关系不大，失业率和通货膨胀率的联系较弱，并不存在短期菲利普斯曲线所表明的逻辑关系。同时，在中国经济转型时期，没有证据表明通货膨胀率的上升是城镇就业人员工资率上升引起的，更多的情况是，过多的总需求在引起一般物价水平上涨的同时，也吸引了更多的城镇居民就业，降低了城镇居民失业率。因此，在中国依据NAIRU作为判断通货膨胀变化趋势的先行指标具有一定的局限性。

上述结论可通过考察通货膨胀率和失业率数据得以验证。1980年至2007年的城镇登记失业率和通货膨胀率的散点图（见图2）、失业率和通货膨胀率的简单相关系数（-0.4322）表明,从整体看，中国并没有完全背离菲利普斯曲线所表明的失业率和通货膨胀率之间的基本统计关系，即相对于低失业率水平，高失业率水平的通货膨胀率相对较低。从图3看，相对于高失业率水平，在低失业率水平，通货膨胀率增加的幅度高，次数多。同时，在不同时间段，通货膨胀率和失业率之间的变化趋势也表现出明显的不同特征。例如，1980年至1984年，在通货膨胀率逐年下降的同时，失业率也在逐年下降；在1998年至2003年，通货膨胀率为负值的情况下，城镇失业率水平呈现上升趋势。这些都和中国转型时期劳动力市场的复杂结构吻合。

对中国的菲利普斯曲线研究的文献众多（范从来，2000；赵博，雍家胜，2004；曾利飞，徐剑刚，唐国兴，2006），但中国经济处于急剧的转型过程中，并没有获得一个一致的中国菲利普斯曲线，这些都实际上和中国的劳动力市场结构有关。因此，建立在菲利普斯曲线基础上的NAIRU在中国不能成为实施宏观经济政策的先行指标。

四、中国NAIRU的估计

（一）NAIRU估计的文献回顾

由于NAIRU在宏观经济政策中的重要性，对NAIRU估计成为NAIRU研究中最重要的内容，多数涉及NAIRU的文献都是关于NAIRU估计的。已有文献对NAIRU的估计方法大体可分为三类：依靠劳动力市场结构、劳动生产率等因素估计NAIRU，依据菲利普斯曲线估计NAIRU，完全依据失业率数据估计NAIRU。相对而言，第一类估计方法以在劳动力市场上的厂商和失业者的选择行为为基础，建立决定NAIRU的方程，但暗含的假设条件太多，实用性较差，应用这类方法估计NAIRU的文献20世纪90年代中期以后较少，但在分析影响NAIRU变化的因素时都从这个角度出发。本文对第二种和第二种NAIRU估计方法简单回顾。

早期研究者Modigliani和Papademos（1975）完全从菲利普斯曲线出发，对NAIRU的值进行了估计。基本方程是=C++b(-1)+c,其中表示通货膨胀率，C为常数，UA为实际失业率，(-1)为通货膨胀率的滞后项，为劳动生产率。估计C、?琢、b、c值后，给定一个能够容忍的稳定的通货膨胀率，就可以推导出NAIRU的值。以后的文献采用了一个附加预期的菲利普斯曲线方程，最简单的方程为，=e-?琢(U-U*)+?淄，其中为实际通货膨胀率，e为预期的通货膨胀率,U为实际失业率，U*为NAIRU，?淄为供给方面的冲击。当预期的通货膨胀率e等于实际通货膨胀率，通货膨胀率将保持不变，则实际失业率U等于非加速型通货膨胀下的失业率U*。上述菲利普斯曲线不能直接估计，因为e和U*都是未知变量。对预期的通货膨胀率e有各种假定，最简单的假定为随机游走模型为，e等于上期通货膨胀率，则由=e-?琢(U-U*)+?淄得到P=?琢U*-?琢U+?淄，在关于?淄假定条件下，使用P、U的统计数据，利用最小二乘法可以估计上式中的常数项和?琢的值，则U*等于估计方程的常数项与估计实际失业率系数?琢之比。Laurence Ball和N.Gregory Mankiw(2002)利用这个方法估计的美国1960年至2000年的NAIRU的值为6.1%。上述关于菲利普斯曲线和NAIRU的估计有很多暗含的假定，文献中从这个角度估计NAIRU的方式，可归结为一个一般化的菲利普斯曲线方程（Douglas Staiger,James H.Stock,Mark W.Watson,1996；Thomas Laubach,2001）:

?仔t-?仔=?茁(L)(u-)+?啄(L)(?仔-?仔)+?酌(L)X+?着

其中?仔t为通货膨胀率,?仔为预期通货膨胀率，u为实际失业率，为NAIRU,X为供给冲击，?着表示序列不相关的误差项，其中?茁(L)、?啄(L)、?酌(L)为滞后算子的多项式。上式中预期的通货膨胀率?仔是一个不可直接观察和统计的变量，必须对其假定，文献中的假定有?仔=?滋+?琢?仔，或者?仔=?滋+?琢(L)?仔,还有其他形式。NAIRU也是一个不可直接观察和统计的变量，对的变化也有多种假定，最简单的情形是假定恒等于。20世90年代初，美国实际失业率下降后并没有出现通货膨胀率上升的趋势，由此，从20世纪90年代估计NAIRU的文献侧重于假定NAIRU是变化的。变化方式有多种假定，一些文献假定是离散的，随环境的变化在不同时间的值不同；还有一些文献假定NAIRU依赖于劳动生产率等因素，即=?准′St；更多文献认为NAIRU随机的，通常假定ut=+?浊t，其中?浊t~N(0,?姿?滓),并且对所有t、?子的，E?浊t?着?子=0。对于还可以依据具体情形有其他假定，例如，Thomas Laubach（2001）假定=+?滋t-1+?浊t，其中?滋t=?滋t-1+?淄t，?淄t~N(0,?滓)，并估计了七个国家的NAIRU。

估计NAIRU的另外一种常用方式是仅仅依靠实际失业率的时间序列数据本身进行估计，暗含的假定是，实际失业率水平必然趋向于其均衡水平。一般化的方程（Douglas Staiger,James H.Stock,Mark W.Watson,1996）为u-=?茁(L)(u-)+?着，其中关于的选择仍然如上述的各种假定。Mariam Camarero,Josep Liuis Carrion-I-Silvestre,Cecilio Tamarit（2005）假定=，Tb,i-1≤t≤Tb,i，上式变为u=?滋+?兹iDui,t-1+?茁(L)ut-1+?着t,用最小二乘法估计上式，间接得到NAIRU==+。Laurence Ball和N.Gregory Mankiw(2002)从简单的菲利普斯曲线Ⅱ=Ⅱ-1-?琢(U-U*)+?淄出发,利用通货膨胀率和实际失业率的数据估计了Ⅱ=?琢U*-?琢U+?淄，其中Ⅱ为一般价格水平，Ⅱ为通货膨胀率，U、U*分别为实际失业率和NAIRU,然后得到U*+?淄/?琢=U+Ⅱ/?琢，上式右边为已知数据，上式左边U*表示一种趋势变量，?淄/?琢表示供给冲击，应用HP滤波技术(Hodrick,Prescott,1997)得到NAIRU的值。

（二）对中国NAIRU的初步估计

由于中国转型时期通货膨胀率和失业率之间的关系复杂，估计一个在经济理论和统计关系两方面都合理的菲利普斯曲线是一个目前仍没有完成的工作。例如，王少平、涂正革、李子奈（2001），王少平，张洁（2007）认为预期扩展的菲利普斯曲线对我国尚不具有适用性。多数经济学家承认，精确估计NAIRU是一个不可能完成的事情，复杂的估计技术并不一定比简单的估计技术更有效。例如，Ray C.Fair(2000)认为一些文献中关于NAIRU的动态设定是不精确的，在低的实际失业率水平，失业率和价格之间的关系是非线性的。这里从菲利普斯曲线和单纯城镇失业率数据两个角度对城镇NAIRU给出初步估计。不过，这两种估计方式都存在较多的假定。

由于附加预期的菲利普斯曲线不适合中国的情况，并且对它的估计在统计上的效果很不理想，这里首先估计简单的中国菲利普斯曲线?仔t=c+?琢Ut+?淄t，其中,?仔t为以商品零售价格水平变化表示的通货膨胀率，Ut为失业率，?淄t为其他变量的冲击。估计结果为?仔t=15.8-3.44Ut，其中，常数项和失业率的t统计量、F统计量都能在5%的临界水平通过检验；修正的R2=0.1555,这表明在统计意义上通货膨胀率变化可归因于失业率变化的比例很低；DW统计量为0.8969，在样本数为28的情况下，接受残差项存在正一阶自相关的假设。一般认为通货膨胀率受供给、需求和通货膨胀率惯性等的影响，这里先验地假定通货膨胀具有惯性，估计方程?仔t=?琢?仔t(-1)+?茁Ut+?淄t，结果为?仔t=10.37-2.71Ut+0.54?仔t-1，其中，常数项和失业率的t统计量、F统计量在5%的临界水平通过检验；修正的R2=0.4761；DW统计量为1.5748，在样本数为27的情况下，残差项不拒绝零自相关的虚假设。对?仔t=10.37-2.71Ut+0.54?仔t-1变形有?仔t=-2.71(Ut-3.83)+0.54?仔t-1。尽管假定失业率变化引起的实际工资率变化导致通货膨胀率变化的逻辑不符合中国经济转型时期的逻辑，如果假定中国存在通常的菲利普斯曲线，并且NAIRU不变，在通货膨胀率为零时可得到1980年至2007年中国的NAIRU为3.83%。从图1看出，在城镇登记失业率低于3%时，多数情况下出现了通货膨胀。

和存在成熟劳动力市场的美国、西欧不同，中国城镇失业率不仅和经济中总需求和总供给变化有关，也和经济转型过程中对城乡劳动力流动约束的变化、国有企业改革、经济结构的调整等因素有关，由此中国NAIRU是随时间变化的。不过，影响城镇失业率变化的这些变量很难量化，这里利用HP滤波估计城镇失业率中的非周期部分，可作为中国城镇NAIRU的替代，结果如表1。

五、结论

在中国经济转型时期，中国劳动力市场存在一些摩擦因素，城乡劳动力市场是二元的，劳动工资率的变化并没有完全反映劳动力市场上劳动力的供求状况，劳动工资率的变化也不是影响我国通货膨胀出现的主要因素。因此，中国不存在通常意义上的菲利普斯曲线，NAIRU概念在中国宏观经济政策决策中作为先行指标也具有很大的局限性。

由于中国劳动力市场的特殊结构，依靠扩张性的宏观经济政策提高中国的就业率的政策措施效率不高，而提高劳动力市场效率、放松劳动力要素的交易成本、提高劳动者的职业转换能力等微观政策对于降低中国失业率将具有事半功倍的效果。

参考文献：

[1]蔡,都阳,高文书.就业弹性、自然失业和宏观经济政策―为什么经济增长没有带来显性就业[J].经济研究,2004,(9).

[2]范从来.菲利普斯曲线与我国现阶段的货币政策目标[J].管理世界,2000,(6).

[3]林秀梅,王磊.我国经济增长与失业的非线性关系研究[J].数量经济技术经济研究,2007,(6).

[4]李骏娴,薛江.中国经济增长与失业率的实证分析及思考[J].榆林学院学报,2007,(3).

[5]王少平,涂正革,李子奈.预期增广的菲利普斯曲线及其对中国适用性检验[J].中国社会科学,2001,(4).

[6]王少平,张洁.预期扩展的菲利普斯曲线对我国的适用性分析[J].经济学动态,2007,(1).

[7]赵博,雍家胜.菲利普斯曲线研究在中国的实证分析[J].管理世界,2004,(9).

[8]曾利飞,徐剑刚,唐国兴.开放经济下中国新凯恩斯混合菲利普斯曲线[J].数量经济技术经济研究,2006,(6).

[9] Douglas Staiger, James H.Stock,Mark W.Watson,1996,How precise are estimates of the nature rate of unemployment? NBER working paper 5477.

[10] Fiedman, Milton,1968, the Role of Monetary Policy, American Economic Review,58:1-17.

[11]Hildegart Ahumada, Maria Lorena Garegnani,Assesing HP Filter Performance for Argentina and U.S. macro aggregates, Journal of Applied Economics, Vol.III,No.2(Nov 2000),257-284.

[12] James K. Galbraith,1997, Time to Ditch the NAIRU, Journal of Economic Perspectives,Volume 11, Number1-Winter 1997,p93-108.

[13] Joseph Stiglitz，Reflections on the Natural Rate Hypothesis,The Journal of Economic Perspectives, Vol. 11, No. 1. (Winter, 1997), pp. 3-10.

[14] Laurence Ball,N.Gregory Mankiw,2002,The NAIRU in theory and practice, Journal of Economic Perpectives,Volume16,Number4-Fall,P115-136,36.

[15] Marcoa.Espinosa -Vega,Steven Russell,1997,History and Theory of the NAIRU:a Critical Review, Federal Reserve Bank of Atlanta,Economic Review,Second Quarter,1997.

[16] Modigliani, Franco and Lucas Papademos,1975,Targets for Monetary Policy in the Coming Year, Brookings Papers on Economic Activity,1:141-163.

[17] Mariam Camarero, Josep Liuis Carrion-I-Silvestre,Cecilio Tamarit,2005, Unemployment dynamics and NAIRU estimates for accession countries: a univariate approach, Journal of Comparative Economics 33(2005)584-603.

通货膨胀率的含义范文第2篇

关键词：货币供给量,通货膨胀率,单位根检验,协整分析,误差修正模型

1引言

通货膨胀是衡量一国宏观经济运行是否稳定和健康的重要指标。货币学派的代表人物弗里德曼认为通货膨胀无论何时何地都是一种货币现象[1]，指出货币在长期是中性的，其扩张率将全部转化为通货膨胀率，也就是说货币供给增长是通货膨胀波动的主要根源。

国外对有关经验数据的研究结果表明，价格变动与货币供应密切相关。弗里德曼曾把每10年作为一个数据点来考察美国1867年～1960年间货币供给(以M2度量)与通货膨胀(以GDP减缩因子度量)的关系，发现高的货币供给导致高的通货膨胀，但用同样的方法去观察二者的短期关系时却没发现有规律性关系的存在[2]。McCandless和Weber考察了110个国家，得出这样的结论：通货膨胀率和货币供给量的变化具有非常强的相关性，相关系数在0.92～0.96之间，几乎接近于1，并且长期来看，货币供给量的增加将最终导致相同程度的通货膨胀率的上升[3]。他们的结论一致，即货币供给量的变化最终体现在物价的变化上。

各国的国情不同，其经济运行也存在差异。王少平以1978年～1994年为样本，运用Granger检验进行实证研究，验证了中国通货膨胀形成的基本原因是货币的过量发行[4]。李军采用不同的理论模型对货币供给与通货膨胀的长期和短期关系进行分析，其结论是二者的长期关系与短期关系不一致，短期内较高的货币供给不一定会造成短期内较高的通货膨胀，但长期来看过多的货币迟早会通过未来的通货膨胀来体现[2]。刘金全以1982年1月～2004年3月期间M0和M1月度同比增长率的数据为基础进行分析，发现货币供给增长率和通货膨胀之间不存在显著的协整关系[5]。张文刚以1981年1月～2002年6月期间通货膨胀率与M1的月度同比增长率进行实证分析，发现二者之间不仅存在长期均衡关系，也存在短期误差修正机制，不过两者之间的影响关系依赖总供给与总需求之间的相互制约[6]。刘霖、靳云汇利用1978年～2003年的数据进行分析，没有发现在长期内货币供应增长率影响通货膨胀的证据，认为在经济的货币化进程中，货币供应增长率的提高并不一定导致通货膨胀，货币化程度的提高使得货币流通速度逐年降低，大量的货币增量被经济消耗了[7]。

由此可见，不同研究的结果并不一致，出现这种现象的主要原因在于样本区间选择的不同以及建模的方法存在差异。改革开放以后，我国经济环境发生显著变化，中央银行调控货币政策的手段、能力日渐成熟。货币政策在20世纪80年代和90年代显著不同，据此货币供给量的增长对通货膨胀率的影响也可能存在变化。因此如果在建立模型时不区分特定的时间阶段，很有可能使结论受到干扰。使用传统的经济计量方法研究时存在着动态的稳定性假设，而实际上经济时间序列通常是非平稳的，直接运用变量的水平值研究经济现象间的均衡关系容易导致伪回归。近年发展起来的处理平稳数据的时间序列分析方法——协整(co-integrated)和误差修正模型(errorcorrectionmodel,ECM)，恰好弥补了这一稳定假设的不足。协整分析可用于检验经济时间序列变量水平数据是否存在长期均衡关系，误差修正模型则可建立它们变化的短期动态模型，研究其短期变动规律。

基于上述考虑，本文拟运用协整理论和误差修正模型来考察我国不同层次的货币供应量增长与通货膨胀率的长期均衡关系和短期动态关系。

2变量和数据

2.1变量选取

有关货币供应量的统计口径，央行1994年10月27日明确了Mi(i=0，1，2，3)的统计范围。M0=流通中的现金(货币供应量统计机构之外的现金发行)；M1=M0+企业存款(扣除单位定期存款和自筹基建存款)+机关团体存款和农村存款+信用卡类存款；M2=M1+城乡居民储蓄存款+企业存款中具有定期性质的存款(单位定期存款和自筹基建存款)+外币存款+信托类存款；M3=M2+金融债券+商业票据+大额可转让定期存单[8]。对于货币供应量的度量指标，现有文献在选取M0还是M2上存有争论。Chow推荐使用M0，因为在中国消费者不能使用支票，M0同商品零售价格的统计口径也较为一致[9]；也有研究者认为M2相对于M0更具有外生性，同时M2考虑到国家的信贷规模扩张情况，故M2更能满足货币数量论的要求[10]。为了全面考察货币供应量增长与通货膨胀率的关系，避免因货币度量指标误选而导致的结果不稳定，本文将分别使用M0、M1、M2来进行实证分析。

测算通货膨胀最常用的价格指数有居民消费价格指数(CPI)、商品零售价格指数(RPI)、批发物价指数(WPI)和GDP价格平减指数。居民消费价格指数和商品零售价格指数最主要的区别是前者的调查内容涵盖了居民日常消费品和服务项目，可以全面反映多种市场因素变动对居民实际生活费用支出的影响程度，并且它也是国际上测算价格水平和通货膨胀最常用的指标[11]。我国按照国际通行的理论和方法编制和CPI已有多年历史，数据质量可靠，为此本文选用CPI作为衡量通货膨胀的指标。

2.2数据来源

由于我国金融体制改革的原因，1993年前后我国货币供应量的统计口径发生了变化，1993年之前是国家银行与农村信用社的统计口径，1993年之后为央行1994年所明确的口径，这就造成了前后数据不具有可比性。在1994年以前，中央银行货币政策主要采用直接调控手段，货币政策的类型表现为扩张和紧缩政策的循环交替，而在1994年以后中央银行开始逐渐采用间接的调控手段，因此本文将1994年第一季度～2004年第四季度作为样本区间。M0、M1、M2和CPI的数据均来源于《中国人民银行统计季报》[12]。

2.3数据处理

假设M[，t]是货币供给量，Q[，t]是产品数量，P[，t]是产品价格，则货币流通速度的倒数K[，t]可以表示为K[，t]=(M[，t]/Q[，t]P[，t])。如果实际产出序列和货币序列都是非平稳的，并且它们之间存在协整关系，那么货币流通速度将是一个均值重复过程。由于在一般情况下货币流通速度序列并不是均值重复过程[6]，因此可以判断出实际产出和货币序列在水平值上不存在协整关系。从而，需要讨论它们的差分序列(对应增长率序列)中可能存在的协整关系，此时需要判断的是货币供给增长率与通货膨胀率之间的长期均衡关系。用G来表示对应变量的同比增长率序列，GM0、GM1、GM2分别表示本季度M0、M1、M2与上年同季度之比。用GP来表示通货膨胀率序列，则GP=(CPI-100/100)。由于货币供给量增长率为同比增长率，与编制CPI的对比期类似，所以这里没有采用定基比的通货膨胀序列。

图1、图2和图3给出了样本期内通货膨胀率与M0、M1、M2的季度同比增长率的变化路径。

附图

图1通货膨胀率与M0增长率

Figure1TheRelationshipbetweenInflationRateandM0GrowthRate

附图

图2通货膨胀率与M1增长率

Figure2TheRelationshipbetweenInflationRateandM1GrowthRate

附图

图3通货膨胀率与M2增长率

Figure3TheRelationshipbetweenInflationRateandM2GrowthRate

比较图1～图3中通货膨胀率与货币供给增长率路径之间的联系可以看出，在大部分阶段它们具有类似的波动模式，通货膨胀率与货币供给增长率离散幅度存在差异，货币作用到价格水平上需要一定的时滞。

3实证分析

3.1单位根检验

在建立关于货币供给量增长率和通货膨胀率的长期均衡方程之前需要先对各序列进行单位根检验，以判断各序列的平稳性。检验序列平稳性的方法比较多，但最为常用的是AugmentedDickey-Fuller(ADF)和Phillips-Person(PP)单位根检验法。PP检验原理类似于ADF检验，不过PP检验法对残差的异方差性和自相关性不敏感[13]。

对GM0、GM1、GM2和GP的序列进行数据生成过程研究可以得知，应采用没有趋势成分和常数项的单位根检验方法。利用Eviews4.0软件分别对各变量水平值和一阶差分序列进行平稳性检验，其中检验过程中滞后阶数的确定采用赤池信息准则(AIC)，可得表1的检验结果。

表1各序列的单位根检验结果

Table1UnitRootTestonEachSeries变量ADF检验值临界值PP检验值临界值

GM0-1.025348-1.6208[***]-1.915827-1.9486[**]

GM1-0.619661-1.6208[***]-0.753221-1.6198[***]

GM2-2.138849-2.6227[*]-0.988499-1.6198[***]

GP-3.500881-3.6067[*]-2.231399-2.6830[*]

GM0-4.408319-2.6196[*]-8.972842-2.6182[*]

GM1-3.656011-2.6243[*]-6.337483-2.6182[*]

GM2-3.357905-2.6227[*]-5.799792-2.6182[*]

GP-3.237557-2.6196[*]-3.335052-2.6182[*]

注：为差分算子；*为1％显著性水平下的Mackinnon临界值；**为5％显著性水平下的Mackinnon临界值；***为10％显著性水平下的Mackinnon临界值。

资料来源：Eviews4.0输出结果，作者整理。

表1的检验结果表明，用ADF单位根检验方法，GM0和GM1在10％的显著性水平无法拒绝单位根过程，GM2和GP在1％的显著性水平无法拒绝单位根过程；用PP单位根检验方法，GM0在5％的显著性水平下无法拒绝单位根过程，GM1和GM2在10％的显著性水平下无法拒绝单位根过程，GP在1％的显著性水平下无法拒绝单位根过程，但这些变量的一阶差分序列都是平稳的，并且都是在1％的显著性水平下拒绝单位根过程。综合来看，这些变量都是一阶差分序列。

3.2协整分析

如果涉及到的变量都是一阶差分平稳的，且这些变量的某种线性组合是平稳的，则称这些变量之间存在协整关系，它反映了所研究变量之间存在的一种长期稳定的均衡关系。普遍使用的两变量协整检验的方法是Engle和Granger提出的两阶段回归分析法[14]。

首先用最小二乘法估计长期货币供给量的增长率与通货膨胀率的方程，得到回归结果为

GP=-0.085+1.008GM0

(-3.454)(5.950)

R[2]=0.744D.W.=1.381F=35.401(1)

GP=-0.118+0.9427GM1

(-2.920)(4.319)

R[2]=0.791D.W.=1.271F=18.657(2)

GP=-0.170+1.079GM2

(-9.564)(13.064)

R[2]=0.803D.W.=1.438F=170.675(3)

对这三个回归方程的残差进行ADF和PP单位根检验，u[，0]、u[，1]和u[，2]分别表示方程(1)、(2)和(3)的残差，结果见表2。

表2残差序列的单位根检验

Table2TestforCo-integrationbetweenEachTwoVariables变量ADF检验值临界值PP检验值临界值结论

u[，0]-1.784516-1.6199[***]-2.044011-1.9486[**]平稳

u[，1]-2.153864-1.9495[**]-2.895260-2.6168[*]平稳

u[，2]-5.075846-2.6211[*]-3.784644-2.6168[*]平稳

注：*为1％显著性水平下的Mackinnon临界值；**为5％显著性水平下的Mackinnon临界值；***为10％显著性水平下的Mackinnon临界值。

资料来源：Eviews4.0输出结果，作者整理。

从表2可以看出，如果用ADF单位根方法检验，u[，0]、u[，1]和u[，2]分别在10％、5％和1％的显著性水平下是平稳的；而用PP单位根检验方法，则u[，0]的残差在5％的显著性水平是平稳的，u[，1]和u[，2]在1％的显著性水平下是平稳的。因此三个序列都不存在单位根，这说明在所考察的样本期内，三个层次货币供给量的增长率与通货膨胀率之间存在协整关系。根据各个方程的协整系数可以判断，M2与通货膨胀率间的协整关系最强，其次是M0，而M1与通货膨胀率的协整系数相对要小一些。

3.3误差修正模型

通过对变量进行协整分析可以发现变量之间的长期均衡关系，但无法得知这些变量偏离它们共同的随机趋势时的调整速度，误差修正模型可以解决这个问题。根据Granger定理，一组具有协整关系的变量具有误差修正模型的形式[14]，因此在协整检验的基础上进一步建立误差修正模型，研究货币供给量增长率与通货膨胀率之间关系的短期动态调整与长期特征。误差修正模型的一般表示形式为

附图

λμ[，t-1]+v[，t](4)

其中，μ[，t-1]=[，t-1]-δ[，0]-δ[，1]X[，t-1]，ι、p是最优滞后项，t是时间，v[，t]是误差扰动项。该模型的经济含义是：Y[，t]在t时刻的增量决定于在t-1时刻该变量与被解释变量长期均衡关系的误差。若这一误差是正的，Y[，t]在t时刻就应该做出负的修正，即表现为一个负的反馈过程，Y[，t]在不断的修正过程中发展。误差修正项的大小表明了从非均衡向长期均衡状态调整的速度，该模型突出了长期均衡关系对短期的影响。

运用Eviews4.0软件，在协整的基础上，根据Hendry从一般到特殊的动态建模原则[15]，选择季度数据，从滞后八期开始删除不显著的变量，最终得到的误差修正模型为

GP[，t]=-0.005+0.093GM0[，t]-0.119GM0[，t-2]+

(-2.877)(2.080)(-2.962)

0.391GP[，t-1]-0.134u[，t-1]

(3.889)(-4.865)(5)

R[2]=0.929D.W.=2.127F=19.241

GP[，t]=-0.003+0.104GM1[，t]+0.102GM1[，t-2]+

(-1.550)(1.935)(1.907)

0.352GP[，t-1]-0.076u[，t-1]

(2.656)(-2.252)(6)

R[2]=0.859D.W.=1.913F=17.527

GP[，t]=-0.002+0.242GM2[，t]+0.102GM2[，t-2]+

(-1.625)(2.367)(2.095)

0.352GP[，t-1]-0.076u[，t-1]

(3.490)(-2.157)(7)

R[2]=0.903D.W.=1.936F=26.472

由(5)式～(7)式可知，在所考察的样本期内货币供给量增长率与通货膨胀率的误差修正模型的误差修正项系数均小于零，符合反向修正原则，即上一期通货膨胀率高于均衡值时，本期通货膨胀率涨幅便会下降；反之上一期通货膨胀率低于均衡值，本期通货膨胀率涨幅便会上升。

3.4Granger因果关系检验

由协整检验结果可知，货币供给量的增长率与通货膨胀率之间存在长期的均衡关系，但是这种均衡关系是否构成因果关系及因果关系的方向如何尚需要进一步验证。采用Granger和Sims的因果关系检验法来进行分析。

用Granger和Sims的因果关系检验法分析货币供给量的增长率与通货膨胀率之间因果关系的步骤如下[16]。首先检验“GM(货币供给量增长率)不是引起GP(通货膨胀率)变化的原因”的原假设，对下面两个回归模型进行估计。

无限制条件模型

附图

有限制条件模型

附图

这里m是最优滞后阶数，即选择滞后阶数m使模型中的误差项μ[，t]为白噪声。然后根据(8)式、(9)式的残差平方和来计算F统计量，检验(8)式中系数β[，1]，β[，2]，…，β[，m]是否同时显著不为零。若果真如此，就拒绝“GM不是引起GP变化的原因”的原假设，也就是说货币供给量增长率是通货膨胀率变化的原因。

然后，检验“GP不是引起GM变化的原因”的原假设，作同样的回归估计，但是要交换GP和GM的位置，检验GP的滞后项是否显著不为零。要得到GM是引起GP变化原因的结论，就必须拒绝原假设“GM不是引起GP变化的原因”，同时接受原假设“GP不是引起GM变化的原因”。

对上述模型进行估计，并计算F统计量，可以得到表3的结果。

表3Granger影响关系检验结果

Table3CausalityTestResults原假设F统计量概率结论

GP不是引起GM0变化的Granger原因0.753100.52821接受

GM0不是引起GP变化的Granger原因2.765650.05679拒绝

GP不是引起GM1变化的Granger原因0.780340.51316接受

GM1不是引起GP变化的Granger原因3.533650.02489拒绝

GP不是引起GM2变化的Granger原因0.495600.68776接受

GM2不是引起GP变化的Granger原因3.568450.02399拒绝

资料来源：Eviews4.0输出结果，作者整理。

以上的检验表明，在检验的样本期内，无论使用哪一种货币供给量指标，我国的通货膨胀率都是由于货币供给量增长所致，因而我国的通货膨胀仍然是货币现象。同时样本期内我国各层次货币供给量的过快增长不能归因于高位通货膨胀拉动，这说明我国货币供给的外生性(即货币供给)很大程度上只是一种政府行为而非经济手段。

4结论

本文以我国1994年第一季度～2004年第四季度的统计数据为基础，采用单位根检验、协整分析、误差修正模型和Granger因果关系考察不同层次货币供给量增长率与通货膨胀率之间的关系，可以得到以下的结论。

(1)从长期来看，各层次的货币供给量增长率都与通胀率之间存在正相关协整关系，它们之间存在显著的相关性，货币供给变化所产生的影响最终在价格水平上体现出来。由(1)式、(2)式和(3)式可以看出，三个层次货币供给量增长率对于通货膨胀率的乘数分别为1.008、0.9427和1.079，这三个值与1都比较接近，由此可以看出货币变量长期中性的特征仍然明显。

(2)误差修正模型的估计结果显示了货币供应量与通货膨胀率之间的短期动态关系，外部因素的冲击影响使二者之间产生了显著的短期波动，但从长期来看，二者仍可以长期保持稳定关系，价格具有向均衡关系回复的机制。三个层次货币供给量增长率的误差修正系数分别为-0.134、-0.076和-0.150，它们的绝对值不大，这表明短期波动对长期均衡趋势偏离的程度不高，它们的波动幅度不大。值得注意的是，上一期的通货膨胀率的增长与本期的通货膨胀率的增长存在着正相关性，表明某一时期的通货膨胀率会影响下一期的通货膨胀率。通货膨胀率是比较稳定的，一旦形成就将持续一段时期[5]，因此货币这个名义因素对价格水平的影响是一个较长的过程。

通货膨胀率的含义范文第3篇

关键词:产出缺口;货币缺口;通货膨胀

中图分类号:F822.2 文献标识码:A 文章编号:1003-3890(2009)12-0018-04

一、引言

通货膨胀是指一般价格水平持续上升的过程,或货币价值持续下降的过程。通货膨胀形成的原因主要是本国货币供应量增长过快和总需求的过度膨胀。关于前者,美国经济学家弗里德曼(Friedman,1970)把货币主义的思想加入到对通货膨胀的定义中:认为通货膨胀在任何时候都是一个货币现象。关于后者,经典宏观经济学理论认为,总供给和总需求的关系是决定价格总水平变动最主要的原因。总供求之间的差距,即产出缺口,等于实际产出与潜在产出之差,它反映了总需求和总供给之间的差异,是观测通货膨胀压力的重要指标。通常情况下,如果出现正的产出缺口,即总供给小于总需求,则会产生通货膨胀压力。反之,如果出现负的产出缺口,即总供给大于总需求的情况,则产生通货紧缩的压力。

本文利用1999-2007年季度时间序列数据,对产出缺口和货币缺口对中国通货膨胀的影响进行了实证分析。

二、基于菲利普斯曲线的产出缺口和通货膨胀的模型

关于产出缺口与通货膨胀的研究,可以追溯到菲利普斯(Philips,1958)所建立的Philips曲线,产出缺口通过菲利普斯曲线影响通货膨胀(Smets,1995;Svensson,1998)。菲利普斯在研究货币工资变化率与失业率之间的关系时,运用英国1861-1913年间的数据发现这两个变量间存在非线性、负相关关系:?棕t=c0+?茁ut+?着t

?棕t是货币工资增长率,ut是失业率,?着t是扰动项,?茁

Friedman (1968)对传统的菲利普斯曲线所代表的政策含义提出批评,指出货币的一次性变化无法使实际经济变量持久改变,即政策无效。他在菲利普斯曲线中引入预期与自然失业率的概念,认为通货膨胀由实际失业率与自然失业率的差及预期通货膨胀决定,预期是指适应性预期,即通货膨胀预期是对过去若干期通货膨胀的加权平均。Friedman(1968)的菲利普斯曲线可以表示为:

?仔t=?仔te+?茁(ut-ut*)+?着t

这里?仔te是通货膨胀预期,ut*是自然失业率。奥肯法则是将产出缺口与通货膨胀率连接的纽带,根据奥肯定律(Okun,1965),可以用产出缺口代替菲利普斯曲线中失业率与自然失业率的差,于是有如下形式的Friedman菲利普斯曲线(赵昕东,2008):

?仔t=?仔te+?茁(Yt-Yt*)+?着t

这里Yt是实际产出,Yt*是潜在产出,Yt-Yt*是产出缺口。附加预期的菲利普斯曲线表明,预期通货膨胀率越高,实际通货膨胀率也越高。通货膨胀率由两部分组成:一部分是通货膨胀预期,另一部分是产出缺口。当存在正的产出缺口时,工资及价格水平将上升,实际通货膨胀率将高于预期通货膨胀率;反之,如果存在负的产出缺口,则意味着失业率的上升,将减少工资和价格的上涨,实际通货膨胀率低于预期通货膨胀率。

对于产出缺口估计的关键是计算出潜在产出。潜在产出一般是指非加速通货膨胀的情况下,现有的劳动力、资本和技术所能实现的生产水平。潜在产出最早的定义来自于美国经济学家奥肯,Okun(1962)认为,潜在产出不是由无限需求决定的最大可能产出,而是在价格稳定和自由市场经济的目标下,总需求水平达到失业率为4%的水平时的最大可能产出。潜在产出和产出缺口的分析之所以重要,是因为它们与失业和通货膨胀是紧密相联的。

一些学者对中国的产出缺口与通货膨胀的关系进行了检验,如王煜(2005)应用HP滤波方法估算了中国的潜在产出与产出缺口,通过基于向量自回归模型的格兰杰因果检验实证分析了产出缺口与通货膨胀率的关系,结果表明中国存在着传统的菲利普斯曲线。许召元(2005)利用Kalman滤波估计了1979-2004年中国的潜在经济增长率和产出缺口,然后检验了中国经济增长与通货膨胀率之间的交替关系。

三、基于H-P滤波方法的产出缺口和货币缺口的衡量

本文的各个变量为:M2为广义货币供应量;GDP为国内生产总值;CPI为消费者价格指数。为了满足对数据样本的要求,同时也为了避免年度数据掩盖了变量在一年内发生的波动,本文采用的数据是从1999年第一季度到2007年第四季度的季度时间序列数据,数据来源于《中国经济景气月报》各期。GDP和货币供应量M2有明显的季节变动的趋势,因此首先对GDP和M2进行了X12乘法季节调整,以消除季节变动对数据的影响。

在宏观经济学中,人们非常关心序列组成成分中的长期趋势,Hodrick-Prescott滤波是被广泛使用的一种方法。该方法在Hodrick and Prescott(1980)分析战后美国经济周期的论文中首次使用。本文运用H-P滤波衡量了产出缺口和货币缺口。图1为产出缺口,从中可以看到1999年以来中国宏观经济的波动,其中1999年到2001年第三季度产出缺口为正;2001年第四季度到2005年第三季度,产出缺口为负;从2005年第四季度开始,产出缺口基本上为正值。图2为货币缺口,货币缺口绝对值较大,说明中国货币缺口的波动幅度大且不稳定。

四、产出缺口和货币缺口对中国通货膨胀影响的实证检验

(一)建立VAR模型

本文将利用VAR(向量自回归)模型,而不是静态回归模型。主要是因为:第一,鉴于当前引起中国通货膨胀的因素,除了传统的产出缺口以外,货币供应量的增长过快所引起的流动性过剩,也是通货膨胀的一个重要因素。第二,由于VAR模型不受先验经济理论的限制,直接透过时间序列数据本身的特征进行研究,先验知识只用来考虑及选用纳入模型之经济变量,因此,本文将运用VAR模型直接去考虑产出缺口和货币缺口与中国通货膨胀的动态关系。向量自回归(Vector Auto Regressive, VAR)模型是1980年由西姆斯(Sims)提出来的。这种模型采用多方程联立形成,它是用模型中所有内生当期变量对它们的若干期滞后值进行回归,从而估计全部内生变量的动态关系。

(二)单位根检验

首先对变量的平稳性进行检验,使用ADF法检验产出缺口(hpcyclegdp)、货币缺口(hpcyclem2)、和通货膨胀(cpi)的稳定性,检验结果如表1所示。经过ADF检验可知,这三个变量均是平稳的。

(三)格兰杰因果检验

Granger因果检验要求变量必须是平稳的,经过ADF检验,得知通货膨胀(cpi)、产出缺口(hpcyclegdp)、货币缺口(hpcyclem2)是平稳时间序列,可以进行格兰杰因果检验,根据AIC和SC最小化准则,本文选取滞后期为1,检验结果如表2所示。根据格兰杰因果检验,可以得出如下的结论:

第一,产出缺口和通货膨胀存在单向的格兰杰因果关系,即产出缺口是中国通货膨胀的格兰杰原因,但通货膨胀不是产出缺口的格兰杰原因。第二,货币缺口和通货膨胀存在双向的格兰杰因果关系,即货币缺口是中国通货膨胀的格兰杰原因,且中国通货膨胀也是货币缺口的格兰杰原因。第三,货币缺口和产出缺口存在单向的格兰杰因果关系,即货币缺口是中国产出缺口的格兰杰原因,但产出缺口不是货币缺口的格兰杰原因。

(四)产出缺口、货币缺口与中国通货膨胀的动态关系检验

1. 脉冲响应函数。从图3可以看出通货膨胀对产出缺口的脉冲响应呈现正方向的变动,1-2期通货膨胀对产出缺口新息的脉冲响应有较大的上升趋势,以后呈现下降趋势,并在长期内趋于平稳。这说明产出缺口增加在短期内对中国的通货膨胀有着较大的拉动作用,但从长期来看,这种拉动作用有下降的趋势,呈现边际效用递减的趋势。从图4可以看出,通货膨胀对货币缺口的脉冲响应一直是正值,1-3期,通货膨胀对货币缺口的脉冲响应有大幅度的上升趋势,虽然从第3期开始下降,但下降幅度不大。这说明货币缺口与通货膨胀之间存在正方向的变动关系。对比图3和图4,可以看出通货膨胀对货币缺口的脉冲响应远远大于对产出缺口的脉冲响应,这说明货币缺口对中国通货膨胀的影响较大。从图5可以看出,1-3期产出缺口对货币缺口的脉冲响应是正向的变动关系,这说明短期内,货币缺口的增加促使了产出缺口的增加;但从长期来看,产出缺口和货币缺口存在反向的变动关系,且逐渐趋于平稳。

2. 方差分解。从表3对通货膨胀(cpi)的方差分解中可以看出,中国通货膨胀的变化中受自身的扰动项的冲击影响的成分越来越少,从第1期的100%逐渐下降到第10期的83.08%;受货币缺口扰动项冲击影响的成分越来越大,到第10期上升为15.78%,货币缺口对中国通货膨胀的贡献呈现上升的趋势,即货币缺口对中国通货膨胀的影响较大;产出缺口扰动项对通货膨胀的冲击一直稳定在1.12%~1.37%之间,说明产出缺口对中国通货膨胀的影响较小、比较平稳,并且远远小于货币缺口波动对通货膨胀波动的贡献。

五、结论

本文利用1999-2007年的季度时间序列数据分析了货币缺口和产出缺口对中国通货膨胀的影响,得出了如下的结论:

第一,货币缺口和通货膨胀存在双向的格兰杰因果关系,即货币缺口是中国通货膨胀的格兰杰原因,并且通货膨胀也是中国货币缺口的格兰杰原因;货币缺口和产出缺口存在单向的格兰杰因果关系,即货币缺口是产出缺口的格兰杰原因,反之不成立;产出缺口和通货膨胀不存在因果关系,即产出缺口不是中国通货膨胀的格兰杰原因,同时通货膨胀也不是产出缺口的格兰杰原因。

第二,货币缺口和产出缺口增加在短期内可能对中国的通货膨胀有着较大的拉动作用,但从长期来看,这种拉动作用有下降的趋势,呈现边际效用递减的趋势。且通货膨胀对货币缺口的脉冲响应远远大于对产出缺口的脉冲响应,产出缺口波动对中国通货膨胀的贡献比较平稳,并且远远小于货币缺口波动对通货膨胀的贡献。

第三,产出缺口通过菲利普斯曲线影响通货膨胀,当产出缺口增加时通货膨胀的压力就会增加,当产出缺口下降时通货膨胀的压力就会下降。正是由于这个原因,所以产出缺口在货币政策实际制定中起着非常重要的作用。在短期,准确地判断产出缺口的方向和大小,可以更有针对性地对当前中国宏观经济进行分析,制定具体宏观调控措施,以调控经济的运行,熨平经济周期的波动。

参考文献:

[1]赵昕东.基于菲利普斯曲线的中国产出缺口估计[J].世界经济,2008,(1).

[2]Okun, A. M. Potential GNP: Its Measurement and Significance. In Proceedings of the Business and Economics Statistics Section [J]. American Statistical Association (Washington, D.C.: American Statistical Association, 1962:98-103.

[3]王煜.中国的产出缺口与通货膨胀[J].数量经济与技术经济研究,2005,(1).

[4]许召元.中国的潜在产出、产出缺口及产量通货膨胀交替关系[J].数量经济技术经济研究,2005,(12).

The Analysis of the Impact of Output Gap and Currency Gap on China's Inflation

Wang Kai1,Pang Zhen2

(1. School of Management and Economics, Northwest University, Xi'an 710127, China;

2. School of Humanities and Arts, Xi'an Electronics and Technology University, Xi'an 710071, China)

通货膨胀率的含义范文第4篇

［关键词］通货膨胀;住房所有者资本成本;住房需求

一、引言

国家统计局公布的数据显示，2009年居民消费价格指数同比下降0.7%，此后出现明显攀升，2010和2011年上半年，居民消费价格指数同比分别上涨3.3%和5.4%， 2011年7月该指数更是高达6.5%的涨幅，出现了明显的通货膨胀趋势。从国际经验来看，发达国家的通货膨胀控制目标一般在2%左右，新兴发展中国家的通货膨胀控制目标大多在3%左右，当物价涨幅高于4%以上时可以认为出现了温和的通货膨胀。通货膨胀对居民的生产生活产生了不利影响，销蚀了现金资产的价值，使资产组合中能对冲通货膨胀影响的资产吸引力增强。根据资产组合理论，如果将和房地产有关的投资加入到某种投资组合中，由此得到的资产组合的通货膨胀风险要显著低于最初的资产组合的通货膨胀风险。房地产被认为是唯一的对于预期和未预期的通货膨胀都有完全对冲能力的资产，因而是对通货膨胀最好的对冲工具 [1]。居民对置业的保值预期，使购房成为抵御通货膨胀实现资产保值的手段之一，从而增强了对房地产的投资性需求。

房地产具有消费和投资的双重属性，在快速城市化进程中的中国社会还存在着强大的住房消费需求。居民购买住房一般通过商业银行按揭贷款，通货膨胀及其预期所导致的实际支付力下降及银行贷款利率的上升都将对首次购房置业消费者的住房需求产生不利影响，从而使购房者在预算约束不变条件下降低对住房的需求。那么，通货膨胀到底会对本来已经问题重重的楼市造成怎样的影响？这种影响的实现机制又是怎样的？中国的现实状况与理论分析的结论是否一致？这些问题亟待研究，也正是本文关注的焦点。由于我国不同城市的经济和人文发展存在区域差别，房地产市场的供求状况也不尽相同，通货膨胀对房地产市场的影响就必须考虑这种城市差异。因此，本文在理论分析的基础上，选择35个大中城市的面板数据进行实证分析，试图对上述问题做出合理解释。

二、文献回顾

大量研究表明，住房需求与通货膨胀之间往往呈现显著的正相关关系。在通货膨胀时期，出于既是治理通货膨胀的目的，也是长期通货膨胀率上升的结果，利率将上调并保持在新的高水平上。一旦工资、物价和利率水平随着通货膨胀进行相应调整，对住房的需求也必然会增加。Hendershott的研究说明通货膨胀率的升高对独立住宅（single-family）的购买需求具有积极的影响[2]。Fran?ois Ortalo-Magné and Sven Rady通过实证检验也发现住房自有率和通货膨胀率的升高正相关[3]。此后，学者们通过大量的实证研究也得出过类似的结论。

基于通货膨胀时期资产保值增值的考虑，通货膨胀对购房需求无疑具有促进作用。根据“费雪效应”假说，在完全预期情况下，资产的预期名义收益等于预期实际收益加上预期通货膨胀率。如果“费雪效应”成立，则可认为资产的实际收益不会随通货膨胀发生系统性变化，投资者由于通货膨胀而导致的购买力下降将会完全得到补偿。相对于其他资产，房地产具有更好的抵御通货膨胀的作用，包括房地产在内的投资组合能够在确定收益的条件下减小资产组合的系统性风险或在风险不变的条件下增加投资回报。Fama和Schwert利用美国1953～1971年的数据，比较分析了美国政府债券、票据、私人住宅类房地产及普通股这四项资产价格对通货膨胀的对冲能力，结果发现，只有政府债券和房地产符合“费雪效应”[4]；Martin Hoesli运用1943～1991年瑞士房地产信托基金月度、季度、年度和五年期数据，实证检验了房地产和股票资产对通货膨胀的抵御效果，发现在长期房地产相对于股票更具有抵御通胀损失的特性，对于未预期到的通货膨胀更是如此[1]。

与上述观点不同，也有一些研究认为，通货膨胀将降低对住房的有效需求。通货膨胀和按标准固定支付按揭贷款的联合作用将使用于购房的按揭贷款规模减少，从而减少了通过按揭贷款购房的数量。美国国家统计局（United States Bureau of the Census）构建了一个模型对这种结论进行定量的表述。在住房需求方程和买租替代方程的基础上，利用了6000个家户的住房调查数据进行实证检验，认为即使通货膨胀降低了住房所有者资本成本，也并没有促使住房需求旺盛，增加住房自有率[5]。Kearl则认为由于大多数的购房者是由银行按揭贷款提供购房资金来源，通货膨胀率的增加将会提高还款的名义支付，当家庭的资金状况因此恶化时，就会减少对住房的有效需求[6]。Robert M. Schwab对通货膨胀和住房需求的关系做了实证研究，指出购房需求是通货膨胀和实际利率的函数，而非名义利率的函数。研究结果显示，通货膨胀对由于不完美资本市场造成资金约束的家庭的购房需求将有更大影响[7]。

也有学者将通货膨胀对住房需求的正向和负向影响结合起来进行研究。Joyce Manchester利用1971～1978年美国42个城市新交易一手住房的价格数据，通过估计实际住房所有者资本成本对实际房价的弹性值，得出实际房价和实际住房所有者资本成本存在显著负相关关系。由于通货膨胀所造成的前期还款负担加重对购房的负面影响和住宅资产升值获益对购房的积极作用同时存在，它们共同作用的结果将是在通货膨胀的情况下实际还款金额的下降，从而产生购房需求的增加[8]。但是，该论文的前提是政府为了提高住房自有率，对首次购房可获得减税或财政补贴，并不适用于我国的购房税收政策环境。美国历史上出现过在不同时期，通货膨胀对房地产市场产生截然相反的影响，一种情况是是20世纪70年代出现的高通货膨胀推动了房地产市场繁荣，另一种是本世纪初的低通货膨胀与住房需求旺盛共存而造成的资产价格大幅波动的现象。针对这两种看似矛盾的现象，Monika Piazzesi and Martin Schneider从通货膨胀导致的“货币幻觉”角度进行了建模分析。由于通货膨胀时期人们存在“货币幻觉”，使得经济活动中各种名义变量值而不是实际值成为购买决策的关键决定因素。金融系统内的货币周转使人们产生货币幻觉，从而导致投资炙热 [9]。

结合经济基本面因素进行分析向来是研究房地产相关问题的一个重要手段。John Baffoe-Bonnie利用非结构估计技术（a nonstructural estimation technique），分析了4个关键的宏观经济变量对国家和区域层面房价和住房交易量的动态影响，运用VAR脉冲响应函数分析，发现宏观经济变量的变化促成了房地产周期波动，不论是国家还是区域层面，房地产市场对于来自就业率和抵押贷款利率方面的冲击都非常敏感[10]。Yuming Fu从人口统计学的角度分析了家庭的流动性对住房需求的影响。面对不确定的未来房价，利用Henderson 和 Ioannides的住房消费-投资模型分析，发现常住居民对房地产升值预期的增强并没有刺激买房投资行为。这一结论意味着家户的流动性对房地产实证研究的重要性[11]。Claus Greiber and Ralph Setzer认为20世纪70年代的通货膨胀和房地产市场繁荣共同降低了居民总的储蓄倾向。鉴于20%的有价证券从股市涌入楼市，文章运用迭代模型分析了这种资产结构的转变，指出步入成年的婴儿潮一代激增了对住房的需求，同时高企的通货膨胀率侵蚀了有价证券价值，使房地产和股票相比更具吸引力[12]。

通过对以往文献的梳理，我们认为通货膨胀对住房需求确有影响，其作用机制是通过微观主体的行为决策最终影响到宏观变量。与已有研究不同，本文引入住房所有者资本成本，从时间和空间的视角，在已有研究的基础上构建理论模型，并进行实证检验，系统考察通货膨胀对住房需求的影响。

三、理论模型与机制分析

（一）通货膨胀对住房需求的影响模型

在房地产市场上，购房置业涉及住房这种长期资产的买卖，从而使购房需求和住房所有者资本成本密切相关。一般认为，实际房价和实际住房所有者资本成本存在显著的负相关 [13]，当住房所有者资本成本低时，业主拥有住房的资金负担较轻，住房需求旺盛，房价快速上涨，住房所有权是一种有利可图的投资；而当住房所有者资本成本较高时，居民持有住房的资金负担加重，住房需求减少，房价上涨缓慢或下跌。

1．通货膨胀对住房所有者资本成本影响的一般分析

住房所有权成本是指业主为拥有住房所承担的年总成本，Ann Dougherty 和Robert Van Order认为住房所有权成本有两种计算方法[14]。一种方法被称之为“使用者成本”法（user cost），另一种被称为“内含租金”法（implicit rent）。两种方法得出的住房所有权成本是相同的（但现实中这两者并不一定相同）。“使用者成本”是指消费者以购买住房 和其他物品 支出的组合而实现效用最大化时，为使消费者推迟1年购买住房必须支付给他的其他商品的数量，其价值表示为：

（1）

其中， 表示所得税税率， 表示名义利率， 为通货膨胀率， 为房屋的折旧率， 为总房价。为了便于对不同价格住房的比较，使住房所有权成本更具一般衡量指标的意义，设定 为1，由此得到单位价值住房的年总成本定义为“住房所有者资本成本”，由于住房也是一种资本性资产，考虑到住房的资产升值性，（1）式并不是最终的住房所有者资本成本，住房所有者资本成本可以进一步表示为：

= （2）

其中， 表示房价上涨率，如果假定房屋作为资产符合“费雪效应”，房地产收益率与通货膨胀率的走势基本一致，资产的实际收益 将不会随通货膨胀发生系统性变化。公式括号内的第一项 是总的实际利率，可以认为是一个不受通货膨胀影响的量。因此，可以得出通货膨胀率的上升将降低净的实际利率即 的值，从而使住房所有者资本成本降低，即有：

（3）

由（3）式可知，通货膨胀率的升高将降低住房所有者资本成本。从表面上看，这将扩大住房需求，但消费者实际的购买决策，要比单纯考虑住房所有者资本成本复杂得多，因而不能从（3）式简单得出扩大住房需求的结论，必须做进一步的分析。

2. 通货膨胀对住房所有者资本成本影响的两阶段分析

对于有购房计划的消费者来说，相比资产升值的收益，更多还是要对购房所承担的资金负担和收入状况进行权衡。借鉴Robert M. Schwab构造的住房需求的两阶段模型[7]做进一步分析。假定一个选择按揭贷款方式购买住房的购房者，整个还款期可分为两个阶段，不考虑折旧；在第一阶段的开始，消费者通过标准支付的按揭贷款购买了 单位的住房，房产在第二阶段末期被卖掉，消费者的效用来自于对住房和其他商品的消费，其效用函数为：

（4）

设 和 为两阶段对其他商品的消费量， 为折现率，假设贷款额为房款 ， 为实际利率，则在每一阶段的名义利息为 ， 和 分别是两阶段的住房所有者资本成本。由于假设房产在第二阶段末期被卖掉，资产升值的收益被实现， 和 因此产生差异 ：

（5）

（6）

从而有：

（7）

（8）

由公式（7）、（8）的含义可知：随着通货膨胀率的上升，第一阶段的住房所有者资本成本将增加，使得消费者购房时的资金负担加重；第二阶段的住房所有者资本成本将减少，从而使拥有住房的业主认为住房所有权是一项有利可图的投资。

在完美的资本市场上，消费者不受收入等资金约束的影响，由通货膨胀导致的前期资金缺口可以通过在金融市场上借贷弥补，从而实现对自有住房的需求，使住房需求不受通货膨胀的影响。事实上，在现实中完美的资本市场几乎是不存在的，这体现在借贷限制和借贷利率的差别上。当按揭贷款提供的资金支持是购房的一个重要决定因素时，通货膨胀率的升高将对住房需求产生负面影响。因为通货膨胀增加了第一阶段的实际住房资本成本，而降低了第二阶段的实际住房资本成本，在购房者的资金约束下，住房需求的改变是这两时期住房资本成本变动影响的结果。

（二）通货膨胀对住房需求的作用机制

在房地产市场上，经济基本面因素的变动和房地产泡沫的推动都会对一个城市的住房需求产生影响。一般而言，反映经济基本面的因素主要是人口、收入、居民消费物价指数、失业率、建筑成本和利率等经济变量，它们共同决定了房地产的基本价值和交易量，其理论依据是存量-流量模型。然而，现实经济现象表明，短期内房价波动常常会使价格显著偏离其基本价值产生泡沫，投机因素造成的资产升值成为影响住房需求的另一不可忽视的因素。通货膨胀既会对经济基本面的各变量产生影响，也会对各种资产的保值增值产生削弱或促进作用。因此通货膨胀通过对利率、收入、居民消费价格水平和房价等变量的作用最终影响到住房需求。在个人住房贷款支持下的房地产市场，这种作用机制变得尤为显著。

究其原因，假设存在一个标准化的按揭贷款工具 ，当通货膨胀率上升时，购房时个人贷款的名义利率和名义还款额也会上升。在等额还款的条件下，每期的名义还款额相同但由于通货膨胀上升造成的贴现率上升，实际的还款额会前多后少，使前期的实际负担加重，这就可能导致一些购房者的资金状况出现问题。例如：一笔20万元30年期的按揭贷款，实际利率为3%，通货膨胀率为0，按照年金算法计算，每年名义和实际的还款额都为10200元。假设通货膨胀率上升到8%，则第一年的实际还款额将上升至21300元而最后一期的实际还款额将降至2290元。我国目前的个人住房贷款属于定期调整、浮动名义利率下的按揭贷款工具，利率是在五年期以上金融机构人民币贷款基准利率的基础上进行调整，与固定还款额抵押贷款（FPM）相比更类似于美国抵押贷款工具中的“可调利率抵押贷款”（ARM）。由于都是以名义利率为计算还款的依据，因此“抵押贷款倾斜”现象依然存在，即购房者真实的还款负担在前期较高，随着时间而递减。

如果存在完美的资本市场，或者资本市场的资金约束对购房者无效，那么这种前期还款压力的加大相对而言就无足轻重；而在不完美的资本市场上，那些受制于资本市场资金约束的购房者将受到通货膨胀率上升的不利影响，相应的会在购房、当前其他物品消费和未来消费之间进行艰难的抉择。上述由通货膨胀对购房需求造成的影响将通过住房所有权成本这个中间变量进行传导（见图1）。

从图1可见，住房所有者资本成本主要有两个构成部分，一个是使住房所有者资本成本增加的按揭贷款资金成本，另一个是使住房所有者资本成本降低的资产升值率。通货膨胀率上升使得名义利率上调，具有购房意愿的消费者购买时的还贷压力将加大。若在完美的资本市场上，借款人能够摆脱前期资金流的困境，将购买意愿付诸实施，由于房地产具有“费雪效应”，有对冲通货膨胀的功能，使得在通货膨胀时期的住房需求增加；但是，现实中通常是不完美的资本市场，如果由于在既定收入下的借贷约束无法实现购房者的跨期消费，这将对购房人的资金实力，特别是首付提出了更高的要求，将导致住房需求降低。

四、实证分析

（一）通货膨胀和住房需求变动的特征描述

从通货膨胀和货币政策的关系看，泰勒规则已成为大多数国家操作货币政策的理论依据。泰勒规则描述了短期利率如何针对通货膨胀率和产出变化调整的准则，中央银行运用利率工具保持低而稳定的通货膨胀率，实现产出和就业的稳定。刘斌[15]用中国的数据对泰勒规则及麦科勒姆规则进行了检验，表明泰勒规则更好的刻画描述了中国的货币政策状态。根据修正的泰勒规则，对经济活动中可观测的变量进行追踪，当预期通货膨胀率高于目标值时，目标名义利率会上调，自动调节通货膨胀。作为资金密集型产业，货币政策的任何变动，都会通过银行信贷渠道影响房地产市场。中国人民银行中国房地产发展与金融支持课题组的研究报告[16]指出，升息推动国房景气指数下降，利率每上升1%，同期国房景气指数下降0.5%。在以稳定物价作为货币政策首要目标的情况下，我国中央银行通过对基准利率的调整引导市场利率，加强对公众通货膨胀预期的引导，进而影响投资和其他经济决策，达到控制通货膨胀的目的。随着央行利率市场化改革的推进，不断放松利率管制，利率传导机制将逐渐发挥作用，实现对合理配置金融资源和调控宏观经济的效能。

1997年4月中国人民银行颁布了《个人住房担保贷款试行办法》，在全国223个城市推广实施。1998年我国开始推行停止住房实物分配，实行住房分配货币化的住房制度改革，施行并推出了一系列鼓励房地产发展的信贷政策，激活了商品房市场。金融市场的创新和住房商品化使有购房意愿的居民突破了资金流的约束，通过个人住房按揭贷款方式实现对住房的有效需求。1999年个人购房贷款余额增长迅猛，增长率达到247.89%，2000年仍激增了128.81%，之后增长率逐渐下降并趋于平稳。国家统计局的统计资料显示，2005年个人住房按揭贷款余额达到18366亿元，是1998年的100多倍，远远高于同期家庭可支配收入的增长。2010年个人住房按揭贷款余额更是高达6.2万亿元。住房已占居民家庭财产的50%以上，住房贷款是中国居民最主要的负债。由此可见，住房需求已经和金融业的支持息息相关。

由于个人住房按揭贷款的迅速增长，住房按揭贷款成为消费者购房的重要资金来源，通货膨胀的变化和存贷款利率的调整，直接对住房需求产生影响。用2000～2010年中国通货膨胀率（CPI的年变动率表示）和商品房销售面积增长率两组数据，绘制成图2分析通货膨胀和住房需求的变动趋势。如图2所示，在大多数年份通货膨胀率和商品房销售面积增长率的变动趋势存在着相反的走势。2000～2003年之间，通货膨胀水平处于-1.4到1.2之间，走势比较平稳，商品房销售面积的变动趋势也比较平稳。2004年以来，通货膨胀与商品房销售面积的波动幅度大，通货膨胀水平处于-0.7到5.9之间，商品房销售面积的增长率在-14.7%到45.1%之间波动，并出现了明显相背离的趋势。

（二）计量模型及数据说明

借鉴住房和其它商品消费两阶段效用最大化理论模型，分析住房需求与金融环境及经济基本面之间的关系。一个简单的住宅需求模型表示为：

； （9）

其中， 为对住房的需求， 表示人口， 表示居民的收入水平， 为住房所有权成本，其他影响需求的因素概括为 。当住房作为一种长期持有的资产时，可将其持有的成本和收益分别视为一个永续年金，在完全竞争的房地产市场长期均衡条件下，持有成本等于收益，从而住房所有权成本等于租金即： 。因此，可以将住宅所有权成本对住房需求的影响分解为利率、通货膨胀和单位面积房价等变量的作用。为反映短期和长期因素对住房需求的影响，根据（9）式建立一个线性方程，并对部分变量取对数消除异方差：

（10）

与住房购买决策有关的住房所有者资本成本主要是由拥有住房所承担的费用率（如资金的占用成本、折旧、维护和税金等）和资产升值率两部分构成。“通货膨胀会降低住房所有者资本成本进而增加住房需求”的论断是假设住房所有者资本成本的各个构成成分对住房需求的影响是均等的，忽略了住房所有者资本成本的构成成分对购房决策的影响差异 [17]。例如，在其它条件不变的情况下，一个3%的按揭贷款利率、0%资产升值率所对应的住房所有者资本成本数值上和一个50%的按揭贷款利率、47%资产升值率所对应的住房所有者资本成本相等，从而对房地产市场的影响也应该是无差异的。但事实上，随着通货膨胀率的上升，贷款利率会相应升高，货币政策在预期通货膨胀压力下也将由宽松转变为从紧，使购房者在资金约束条件下最终不能实现对住房的有效需求。所以，构成住房所有者资本成本的房地产升值率和贷款利率并不是以相同的权重影响住房需求，这就使通货膨胀条件下的住房需求变化具有不确定性。在假定住宅的维修、折旧和税收等费用忽略不计的情况下，考虑到住房需求对贷款利率和资产升值率变动的敏感程度会有不同，可将需求方程中的住房所有者资本成本分解为房地产增值部分和借贷资金成本部分，从而进一步考察这两部分对住房需求的影响情况。根据以上分析建立如下的计量模型：

（11）

由于中国地区和城市间存在显著的发展不平衡性，对房地产市场特征的研究，若只采用全国整体数据会掩盖地区和城市间的差异，所以要选用城市数据。本文以中经网中国35个大中城市1999～2009年的年度数据为基础，对住房需求与通货膨胀及其它经济变量之间的关系进行实证检验。其中， =1,2,3,4…，35，代表中国35个大中城市， =1,2,3…，11，代表1999～2009年的时间段；住房需求量d用每年各城市新建商品房销售面积表示；y是收入水平，用人均可支配收入表示；房价p用各个城市不同时期的住宅平均销售价格表示；s为人均地方财政支出，表示一个地区的教育和其他公共服务支出水平，是影响住房需求的城市间差异因素； 为拥有住房的年资金成本，以35个大中城市一年期商业银行贷款实际利率作为指标，由中国人民银行公布的名义利率按时间加权平均后扣除各城市的物价得到； 是通货膨胀率，用CPI表示； 是五年期以上个人住房按揭贷款利率扣除了通货膨胀影响的实际利率水平，表示住房所有者资本成本中所承担的资金成本； 为实际房地产升值率。为消除通货膨胀影响，假定1998年各城市居民消费价格指数为100，以此为基础将城市各年消费价格指数的同比值转换成定基指数，收入水平、人均地方财政支出和住房平均销售价格等变量的名义值除以消费价格定基指数，得到对应变量的实际值。

（三）实证结果分析

对35个大中城市的面板数据分别进行固定效应(FE)及随机效应（RE）分析。由式（10）、（11）可得到相应的回归结果，如表1所示。

表1的模型1和模型2由式（10）得出，分别列示了住房需求、通货膨胀和其它经济变量之间相互关系的回归结果。结果表明，收入、教育和其他公共服务支出等对住房需求产生正向影响，房价、通货膨胀和拥有住房的年资金成本等对住房需求产生负向影响，上述变量均通过1%的显著性水平检验。所以，通货膨胀对住房需求具有显著的抑制作用。这一结果与两阶段理论模型得出的结论是完全一致的。

表1的模型3和模型4由式（11）得出，分别列示了住房需求、资金成本、房地产升值率和其它经济变量之间相互关系的回归结果。从回归结果来看，固定效应模型 的系数估计值不显著，根据固定效应和随机效应的Hausman检验，认为随机效应模型4的实证结果比较可信。对式（11）中国35个大中城市的数据实证得出，收入、教育和其他公共服务支出、房地产升值等对住房需求产生正向影响，房价、住房按揭贷款的实际利率等对住房需求产生负向影响，上述变量均通过显著性水平检验。可见，住房按揭贷款实际利率的上升将降低住房需求，购房按揭贷款实际利率的变化对住房需求的影响要远大于资产升值的影响。这说明住房所有者资本成本的两个主要构成部分对住房需求影响程度不同。

在通货膨胀的条件下，尽管房地产保值升值的特征促进了住房需求的扩大，但伴随对通货膨胀的治理而出现的住房按揭贷款实际利率的上升降低了住房需求，由于后者的影响大于前者，最终导致住房需求减少，这进一步印证了式（10）的实证检验得出的通货膨胀将降低住房需求的结论。所以，虽然通货膨胀预期使得已拥有住房的居民感受到资产升值和住房所有权成本降低的好处，但是却抑制了有购房意愿的居民的住房需求，减少了当期基于按揭贷

五、结论

本文从既定收入约束下消费者效用最大化理论出发，借鉴前人的研究成果，构造理论模型，分析通货膨胀、住房所有者资本成本和住房需求的关系。研究发现：尽管通货膨胀率的升高将降低住房所有者资本成本，对住房需求有促进作用，但通货膨胀增加了第一阶段的实际住房资本成本，降低了第二阶段的实际住房资本成本，现实中由于住房按揭贷款提供的资金支持是购房的一个重要决定因素，因而通货膨胀加大了购房的还款压力，进而导致住房需求减少。根据理论模型的思路，建立计量模型，对中国35个大中城市的面板数据做实证研究。结果表明，通货膨胀率的上升确实降低了住房需求。在通货膨胀的条件下，由于房地产资产升值刺激住房需求扩大的数量小于对通货膨胀治理引起住房按揭贷款实际利率上升而减少的住房需求量，最终导致住房需求减少。

当然，通货膨胀归根到底是一种货币现象，通常伴随流动性过剩。流动性充盈的资金在寻找投机获利的机会时，在通货膨胀条件下房地产所具有的保值增值功能使投资人对其趋之若鹜。对于不同的收入阶层来说，通货膨胀对住房需求的影响是不同的。在不完美的资本市场上，不同收入阶层对资金约束的敏感程度不同，通货膨胀使高收入阶层享有了资产升值的收益，而更多的抑制了中低收入阶层的住房需求。所以，通货膨胀对住房需求影响的结果是使收入分配的差距进一步加大。因此，治理通货膨胀是政府的一项重要职能。

Inflation, User Cost of Capital and The Demand for Housing

－based on inter-provincial panel data of 35 large or medium cities in China

【Abstract】 The article analyses the inner mechanism how inflation affects housing demand . The empirical testing of 35 large and medium-sized cities suggest that inflation will reduce the demand for housing. Under the interaction of the increase in early user cost and cash flow restriction, the inflation has unfavorable effect on housing demand. And by analyzing the components of user cost, it finds that capital gains and the carrying cost of the loan, which are two components of user cost, have different effects upon housing demand. The higher interest rates aroused by inflation bring more negative effects on the demand for housing than the positives by asset appreciation. When the purchase of the vast majority of all owner-occupied housing is financed by self-amortizing mortgages, Inflation dampens housing demand, and restrains the real estate market.

【Key words】Inflation；User cost of capital；The demand for housing

参考文献：

[1] Martin Hoesli .Real Estate as a Hedge against Inflation Learning from the Swiss Case[J]．Journal of Property Valuation & Investment, Vol. 12 No. 3, 1994,pp. 51-59.

[2] Hendershott,Patric H. Real User Costs and the Demand for Single Family Housing[J].Brookings Papers on Economic Activity, 2, 1980, 401-452.

[3] Fran?ois Ortalo-Magné and Sven Rady. Tenure choice and the riskiness of non-housing consumption[J].Journal of Housing Economics,Volume 11, Issue 3, September 2002, Pages 266-279.

[4] Fama,E.F.,and Schwert, G.W. Asset Returns and Inflation[J].Journal of Financial Economics,

1977(5):115–146.

[5] United States Bureau of the Census. Annual Housing Survey: United States and Regions, V. Current Housing Reports: H-150,Washington,D.C.,U.S. Government Printing Office, 1976.

[6] Kearl,James. Inflation, Mortgages and Housing[J]. Journal of Political Economy, 1979, Vol.87, No. 5, Part 1, 1115-38.

[7] Robert M. Schwab. Inflation Expectations and the Demand for Housing[J]．The American Economic Review, Vol. 72, No. 1 (Mar., 1982), pp. 143-153.

[8] Joyce Manchester. Inflation and housing demand: A new perspective[J].Journal of Urban Economics,Volume 21, Issue 1, January 1987, Pages 105-125.

[9] Monika Piazzesi and Martin Schneider. In?ation Illusion, Credit and Asset Prices.Chapter URL: 省略/chapters/c5371，Chapter pages in book: (p.147 - 189), University of Chicago Press,2008.

[10] John Baffoe-Bonnie.The Dynamic Impact of Macroeconomic Aggregates on Housing Prices and Stock of Houses: A National and Regional Analysis[J].The Journal of Real Estate Finance and Economics,Volume 17, Number 2, 179-197.

[11] Yuming Fu.Uncertainty, liquidity and housing choices, Regional Science and Urban Economics Volume 25, Issue 2, April 1995, Pages 223-236.

[12] Claus Greiber, Ralph Setzer. Money and housing –evidence for the euro area and the US. Discussion Paper, Series 1: Economic Studies, No 12/2007.

[13] Joyce M. Manchester, James M.Poterba. Second mortgages and household saving[J].Regional Science and Urban EconomicsVolume 19, Issue 2, May 1989, Pages 325-346

[14] Ann Dougherty ,Robert Van Order. Inflation, Housing Costs, and the Consumer Price Index[J]．The American Economic Review, Vol. 72, No. 1 (Mar., 1982), pp. 154-164

[15] 刘斌. 最优货币政策规则的选择及在我国的应用[J]． 经济研究，2003（9）：3-13

通货膨胀率的含义范文第5篇

关键词：中国经济；周期性；消失

中图分类号：F121

一、温和通胀期

2012年上半年，中国经历了温和的通货膨胀。图1给出了2010年1月至2012年4月的季调后的全国农产品批发价格指数的变化趋势图。图中可以看出，3月份，季调后CPI比去年12月按年率上升3.5%，比去年10月份按年率上升1.7%。从季调后农业部农产品批发价格看，3月份农产品价格上升幅度大，3月底迅速回落，主要是因为低温导致了菜价的异常波动。但是过去几个月猪肉价格持续回落也是阶段性的。考虑到这些情况，结合农产品批发价格情况看，估计过去3个月剔除异常波动后CPI通货膨胀率平均约为3.0%。

从这些数据难以认为过去几个月的总需求和总体流动性显著过紧，也很难期望当前的货币政策显著放松。主流的货币政策宏观调控还是以控制通货膨胀在一个相对来说可接受的低水平为目标的。虽然有时候会提到保增长的目标，但并不是说要人为拔高经济增长率并把通货膨胀率打高。经济过热后再把通胀打下来可能会到达一个更低的增长水平，这样得不偿失。基于过去政策轨迹来看，现在说货币政策要怎么放，难度比较大。

二、经济增速偏低及可能的解释

如果经济增长率比较高的话，比如达到9%或10%，那么3%的通货膨胀率就还算可以，但在目前经济增长速度很低的情况下，这个通胀就不是很理想了。根据国家统计局计算的数据，1季度GDP季调后比上季增长1.8%，折年率7.4%，这个速度是非常低的。而且2012年是闰年，在GDP和工业增加值数据中看不出闰年的影响，但闰年本身对数据的影响比经济波动还大，多一天就是91天。不考虑节假日的变化就多了1.1%。也就是说，1.1%的经济增长就是这一天多出来的。就算没有闰年因素，单就7.4%这个经济增长率来说，也不是很理想，因为这是在通货膨胀率从去年11、12月往下走了一波以后又反弹的基础上得到的。

1季度生产较弱，季调后1季度GDP是09年2季度以来最低的。这个结果发生在去年4季度特别是12月份货币供给较大幅度增加并且1季度出口环比增长强于去年下半年的情况下，有些出乎意料。笔者对季度数据做季节调整后，去年2季度以来各季出口环比增长年率分别为19.0%，4.2%，0.1%和7.2%。

从简单的菲利普斯曲线，即生产缺口与通货膨胀之间的关系看，GDP潜在增长速度似乎已经大幅度下降。但是这个关系的不确定性相当大，估计的误差也较大。目前比较普遍的看法认为潜在增长速度已经有一定幅度的下降，但到底下降到什么程度仍然有不同的看法。另一方面，历史数据也显示，生产缺口和通货膨胀率的变化率也有较强的关系。环比的CPI通货膨胀率从2011年1季度的很高水平下降到目前的较低水平，也会导致实际增长速度低于潜在增长速度。

另外还可能存在一些影响因素。譬如，1～2月份气温偏低或许对生产有轻微的负面影响，而目前推行的企业“一套表”联网直报是否对统计的增长速度有影响，暂时不是很清楚。从数据处理上看，统计口径变化相对好调整，但这类统计制度变化的影响并不太好估计。如果有影响的话，在开始的时候会对环比增长率产生比较大的影响，不过对同比增长率的影响会小一些。

虽然1季度整体生产较弱，但3月份生产出现了反弹。从工业的情况看，季调后3月份生产相比1～2月份强劲反弹，季调后企业利润环比增长率也很高。从出口的情况看，1～2月出口合计非常弱，季调后3月份比1～2月大幅增长。但如果从主要贸易伙伴的经济指标以及其他经济的出口情况看，出口在过去3个月的大波动较为异常。可以考虑的一些因素包括，低温天气对1～2月的生产有负面影响，1～2月工业生产弱而发电强。另外，在出口订单比较弱的情况下，一些企业选择延长春节假期，将部分生产转移到3月份进行。所以对3月份生产强劲反弹的可持续性存疑。

三、货币度量的挑战和银行间市场利率

近年来社会融资的变化对货币度量提出了新的挑战。过去几年，社会融资出现了很大的变化，特别是理财产品迅速发展，波动也比较大。这些变化有一定的金融创新含义，在一定程度上是利率缺乏弹性的结果。这些情况对货币度量和总需求预测来说是挑战。社会融资总量度量有重要的参考意义，但由于正式公布的数据序列不长，使用上仍然有一定困难。单从理论逻辑上比较不同货币度量指标的优劣有参考价值，但理论本身可能也有缺陷，更重要的是实证检验不同货币指标对于总需求的预测含义。