我国改革开放后通货膨胀的因素分析
内容提要：通货膨胀是市场经济不可避免的产物，随着中国改革开放走过了二十几年的历程，我国的社会主义市场经济也逐渐形成了较为完善的结构体系。在这种经济背景下，通货膨胀的产生是不可避免的，已经并且会继续影响着我国的发展和普通人民的生活。本文旨在运用计量经济学的科学方法，对我国改革开放后通货膨胀的成因进行一定的探讨和思索，给广大的读者一定的启发。
关键词：通货膨胀 货币供给 国内生产总值GDP 固定资产投资
经济意义
对于通货膨胀,西方经济学家有着多种的解释, 美国经济学家布朗芬布伦纳和霍兹曼从现象和原因相结合的角度对通货膨胀予以界定,认为通货膨胀是“太多的货币追逐太少的货物”;是货币存量或货币收入(总数或人均数)的增长;是附加有各种特征或状态(如未增加就业和实际产量)的物价水平的上涨或是用官方汇价来表示的货币对外价值的下降. 米尔顿·弗里德曼则认为:“无论何时何地,,通货膨胀始终是一种货币现象”,而且它只因货币数量的增长更快于产量的增长才会产生.此外,对于通货膨胀较为一般的认识是认为“通货膨胀是物价持续上涨的过程，或者说是货币价值持续下降的过程.”
至70年代末期以来,我国出现了多发性、周期性的通货膨胀,从1984年至今已出现了三次高峰,分别于1985年、1988-1989年、1993-1994年,这给我国的经济和人民的生活带来了严重的影响.此外近几年来随着我国经济的新一轮快速增长,经济也呈现出一定的通胀压力.按照经典的西方经济学理论,通货膨胀可以分为成本推进型、需求拉动型和结构型通货膨胀,由于我国经济体制处于一场大的变革过程中,因此我国通货膨胀在表现形式上错综复杂,究其原因难以一概而论.本篇课程范文旨在通过运用所学的计量经济学方法对我国近20年来的通货膨胀原因进行粗浅的分析,一方面是为了加深自己对通货膨胀这一重要经济现象的认识,另一方面可以对自己所掌握的计量经济学分析方法进行一次有意义的实践.
通过查阅了相关的文献资料,并对一些相关因素进行分析和筛选,最后我们决定选取货币供给量、经济增长(GDP增长)和固定资产投资作为解释变量,其中货币供给量以M2衡量.
关于所选取的变量,我们先从理论上进行分析:
(1)货币供给量—根据弗里德曼的理论,通货膨胀归根到底是一种货币现象,其本质是货币的过量.此外,经济学上认为,货币供给的扩张是需求拉动型通货膨胀的最主要原因.因此我们选取以M2这样一个衡量较为全面的货币供给量作为解释变量.
(2)经济增长—虽然从经济学理论上来看,经济增长与通货膨胀之间并没有必然的联系,同时经济增长使社会价值和财富增加,从而使社会有效供给增加而对通货膨胀有一定抑制作用,但就我国的实际情况来看,经济的持续增长常常伴随着一定的通货膨胀,因此我们选取以GDP增长衡量的经济增长作为一个解释变量.
(3)固定资产投资—固定资产投资的快速增长会造成国家财政的紧张,而财政赤子又会导致货币供给的增加,从而增加通货膨胀的压力.同时,固定资产的过快增长会导致农业、能源、交通等部门供给方面的紧张,导致农产品和基础工业产品的价格上涨,加大社会总需求与总供给之间的缺口.我国最近一轮经济增长中就出现了比较严重的“瓶颈”制约现象,因此我们选取固定资产投资作为另一个解释变量.
数据来源和收集方法：
obs P M2 GDP I
1985 128.1000 5138.160 8964.000 2543.200
1986 135.8000 6643.640 10202.00 3120.600
1987 145.7000 8251.410 11962.00 3791.700
1988 172.7000 10099.72 14928.00 4753.800
1989 203.4000 11947.97 16909.00 4410.400
1990 207.7000 15293.40 18548.00 4517.000
1991 213.7000 19349.90 21617.00 5594.500
1992 225.2000 25402.20 26638.00 8080.100
1993 254.9000 34879.80 34634.00 13072.30
1994 310.2000 46923.50 46759.00 17042.10
1995 356.1000 60750.50 58478.00 20019.30
1996 377.8000 76094.90 67884.00 22974.00
1997 380.8000 90995.30 74463.00 24941.10
1998 370.9000 104498.5 78345.00 28406.20
1999 359.8000 119897.9 82067.00 29854.70
2000 354.4000 134610.4 89404.00 32917.70
2001 351.6000 158301.9 95933.00 37213.50
2002 347.0000 185007.0 102398.0 43499.90
2003 346.7000 221222.8 116694.0 55117.90
2004 356.4000 253521.3 136515.0 70073.00
数据主要来源于中经专网及《中国年度发展报告》（中国国家统计局主编）
理论模型的设定：
首先我们单独考虑各因素是否构成对通货膨胀的影响
（1）货币供给量（M2）
（2）经济增长
（3）固定资产投资
通过上面的三个图形比较，我们可以看出，通货膨胀率P和M2、GDP、I三个量之间存在一定的相关性，并且都表现出滞后性，因此在建模的过程中考虑引入滞后变量。
解释变量的平稳性检验：
（1）M2
通过EVIEWS的单位根检验有
ADF Test Statistic -5.733892 1% Critical Value* -4.6712
5% Critical Value -3.7347
10% Critical Value -3.3086
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(M2,2)
Method: Least Squares
Date: 06/15/05 Time: 01:48
Sample(adjusted): 1989 2004
Included observations: 16 after adjusting endpoints
M2在有截距项由趋势的时候，在一阶差分，二期滞后的条件下，检验出为平稳时间序列。
（2）GDP
单位根检验有：
ADF Test Statistic -3.523764 1% Critical Value* -4.7315
5% Critical Value -3.7611
10% Critical Value -3.3228
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(GDP,2)
Method: Least Squares
Date: 06/15/05 Time: 01:56
Sample(adjusted): 1990 2004
Included observations: 15 after adjusting endpoints
GDP在有截距项有趋势时，在一阶差分，三期滞后条件下，检验出为平稳时间序列。
（3）I
检验单位根有：
ADF Test Statistic -2.085751 1% Critical Value* -2.7158
5% Critical Value -1.9627
10% Critical Value -1.6262
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(I,3)
Method: Least Squares
Date: 06/15/05 Time: 01:59
Sample(adjusted): 1988 2004
Included observations: 17 after adjusting endpoints
I在无截距项无趋势时，在二阶差分条件下，检验出为平稳时间序列。
（4）P
单位根检验得
ADF Test Statistic -2.131643 1% Critical Value* -2.7158
5% Critical Value -1.9627
10% Critical Value -1.6262
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(P,2)
Method: Least Squares
Date: 06/29/05 Time: 21:53
Sample(adjusted): 1988 2004
Included observations: 17 after adjusting endpoints
P在无截距项无趋势时，在一阶差分、滞后一期条件下，检验出为平稳时间序列。
由于I的差分阶数与其他时间序列变量不同，以目前我们所学的知识无法进行协整。经过讨论研究，我们组决定将变量进行变换，以消除原变量的趋势，达到平稳协整的目的。
变量调整：
P
在之前P选择的是以78年为基期的定基数据，我们将其修改为环比数据得：
PP=P/P(-1)，环比数据可以反映相对的增长量，任何一期的物价上涨都是可以理解的，因为随着经济的发展，成本的提高，物价必然上涨，但是一旦PP值过大或过小偏离了正常水平，即可以视为发生了通胀或者紧缩，这对之后的分析是很有帮助的．
M2
同样，之前的M2为实际期末存量，是一个绝对量，我们选择用其增长率代替：M22=M2/M2（-1），M2的不断增长是客观的必然，但是偏离了正常水平的暴涨，就有可能引起通货膨胀。因此选用增长率是有必要的。
GDP和I
投资必然会引起GDP的增长，因此GDP和I之间必然存在强烈的共线性，为消除这种共线性，我们选择将两个变量合成一个变量进行处理。选用的变量是固定资产投资占GDP总量的比率，知所以选用这一比率，是因为它同时考虑到了两个因素的影响，分子I和分母GDP都会使该变量发生改变。之后，再将该变量转换为增长幅度作为最终的使用变量，即：IDGDP（意思是I divided by GDP）=（I/GDP）/（I（-1）/GDP（-1）），之所以这样做是因为在我国，固定资产投资的比重基本上是逐年增加的，主要是因为90年代前期存在房地产热，而90年代后期和本世纪开始一两年，政府为拉动内需，增加了不少基础设施建设。从图形上也可以反映出来（图形见下页），不使用增长幅度时的图形明显有趋势。而使用增长幅度以后，这种趋势被明显削弱。
虚拟变量V
由于我国1988及1989年两年出现了一定的政治风波，我们认为这一时期政治局势上的波动对我国经济运行特别是物价变动有着一定的影响。因此这段时期的物价变动和其他时期的通货膨胀有一定性质上的区别。（比如93至95年的通胀主要是由于房地产热和证券热等经济行为引发的）。而对于政治局势的正常与否这一指标我们无法直接对其影响进行度量，因此我们引入虚拟变量V：
V=1（政治形式波动）
0（政治形式平稳）
调整后的变量数据如下表
obs PP M22 IDGDP V
1985 NA NA NA 0.000000
1986 1.060109 1.293000 1.078137 0.000000
1987 1.072901 1.242001 1.036281 0.000000
1988 1.185312 1.223999 1.004637 1.000000
1989 1.177765 1.183000 0.819070 1.000000
1990 1.021141 1.280000 0.933669 0.000000
1991 1.028888 1.265245 1.062705 0.000000
1992 1.053814 1.312782 1.172058 0.000000
1993 1.131883 1.373102 1.244326 0.000000
1994 1.216948 1.345292 0.965625 0.000000
1995 1.147969 1.294671 0.939287 0.000000
1996 1.060938 1.252581 0.988582 0.000000
1997 1.007941 1.195813 0.989705 0.000000
1998 0.974002 1.148394 1.082497 0.000000
1999 0.970073 1.147365 1.003327 0.000000
2000 0.984992 1.122709 1.012112 0.000000
2001 0.992099 1.176001 1.053562 0.000000
2002 0.986917 1.168697 1.095127 0.000000
2003 0.999135 1.195754 1.111853 0.000000
2004 1.027978 1.146000 1.086741 0.000000
经过调整以后，各变量都是平稳时间序列变量，可以进行回归了。（如下图）
PP的单位根检验：
ADF Test Statistic -3.950079 1% Critical Value* -4.6193
5% Critical Value -3.7119
10% Critical Value -3.2964
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PP)
Method: Least Squares
Date: 06/29/05 Time: 22:42
Sample(adjusted): 1988 2004
Included observations: 17 after adjusting endpoints
M22的单位根检验：
ADF Test Statistic -5.169261 1% Critical Value* -4.7315
5% Critical Value -3.7611
10% Critical Value -3.3228
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(M22)
Method: Least Squares
Date: 06/29/05 Time: 22:44
Sample(adjusted): 1990 2004
Included observations: 15 after adjusting endpoints
IDGDP的单位根检验：
ADF Test Statistic -3.794762 1% Critical Value* -4.6712
5% Critical Value -3.7347
10% Critical Value -3.3086
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IDGDP)
Method: Least Squares
Date: 06/29/05 Time: 22:46
Sample(adjusted): 1989 2004
Included observations: 16 after adjusting endpoints
然后做因果关系检验，有如下结果：
PP对M22
Pairwise Granger Causality Tests
Date: 06/29/05 Time: 22:48
Sample: 1985 2004
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
PP does not Granger Cause M22 17 0.15411 0.85885
M22 does not Granger Cause PP 6.47173 0.01240
存在M22对PP的单向因果关系。
PP对IDGDP：
Pairwise Granger Causality Tests
Date: 06/29/05 Time: 23:20
Sample: 1985 2004
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
PP does not Granger Cause IDGDP 17 1.78748 0.20918
IDGDP does not Granger Cause PP 5.59449 0.01920
存在IGDP对PP的单向因果关系。
模型的参数估计：
首先我们分别检验M22和IDGDP滞后变量对PP的影响，以选择最合适的滞后期数进行建模。
PP对M22的滞后变量：
PP M22 M22(-1) M22(-2) M22(-3)
PP 1.000000 0.673005 0.789771 0.621153 0.401927
M22 0.673005 1.000000 0.808194 0.612249 0.280000
M22(-1) 0.789771 0.808194 1.000000 0.809926 0.572418
M22(-2) 0.621153 0.612249 0.809926 1.000000 0.800584
M22(-3) 0.401927 0.280000 0.572418 0.800584 1.000000
由表知，滞后一期的M22与PP之间的相关关系最显著，故选择M22（-1）作为解释变量。
PP对IDGDP的滞后变量：
PP IDGDP IDGDP(-1) IDGDP(-2) IDGDP(-3)
PP 1.000000 -0.309783 0.356588 0.514474 0.298438
IDGDP -0.309783 1.000000 0.410848 -0.216799 -0.580949
IDGDP(-1) 0.356588 0.410848 1.000000 0.391290 -0.255862
IDGDP(-2) 0.514474 -0.216799 0.391290 1.000000 0.365667
IDGDP(-3) 0.298438 -0.580949 -0.255862 0.365667 1.000000
由表知，之后二期的IDGDP与PP之间的相关关系最显著，故选择IDGDP（-2）作为解释变量。
进行回归得：
Dependent Variable: PP
Method: Least Squares
Date: 06/29/05 Time: 23:25
Sample(adjusted): 1988 2004
Included observations: 17 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -0.118135 0.103289 -1.143730 0.2734
M22(-1) 0.738093 0.081146 9.095831 0.0000
IDGDP(-2) 0.244074 0.062009 3.936089 0.0017
V 0.131568 0.017326 7.593619 0.0000
R-squared 0.937058 Mean dependent var 1.056929
Adjusted R-squared 0.922533 S.D. dependent var 0.082146
S.E. of regression 0.022864 Akaike info criterion -4.516214
Sum squared resid 0.006796 Schwarz criterion -4.320164
Log likelihood 42.38782 F-statistic 64.51301
Durbin-Watson stat 1.668275 Prob(F-statistic) 0.000000
结论：方程的拟合情况十分理想，各解释变量的t值显著。R2和F值都通过了检验，届时变量的改变有93.7%可以由模型作出解释。
模型表达式为：
PP=-0.118135+0.738093*M22（-1）+0.244074*IDGDP+0.131568*V
T =（-1.14373）（9.095831） （3.936089） （7.593619）
R2=0.937058 F=64.51301 DW=1.668275 df=13
各种检验及修正:
多重共线性
相关系数矩阵为：
M22(-1) IDGDP(-2) V
M22(-1) 1.000000 0.265478 0.010180
IDGDP(-2) 0.265478 1.000000 0.113148
V 0.010180 0.113148 1.000000
知多重共线性十分不明显，各解释变量之间的相关关系不明显，故模型不存在多重共线性。
异方差性
由于是时间序列数据，故使用White检验和ARCH检验，得：
White Heteroskedasticity Test:
F-statistic 1.573629 Probability 0.246308
Obs*R-squared 7.089116 Probability 0.214097
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/29/05 Time: 23:38
Sample: 1988 2004
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C 0.083311 0.046346 1.797606 0.0997
M22(-1) -0.141652 0.074347 -1.905285 0.0832
M22(-1)^2 0.057814 0.030086 1.921584 0.0809
IDGDP(-2) 0.007392 0.020406 0.362238 0.7240
IDGDP(-2)^2 -0.003779 0.010004 -0.377743 0.7128
V -7.81E-05 0.000390 -0.200191 0.8450
R-squared 0.417007 Mean dependent var 0.000400
Adjusted R-squared 0.152010 S.D. dependent var 0.000477
S.E. of regression 0.000439 Akaike info criterion -12.35363
Sum squared resid 2.12E-06 Schwarz criterion -12.05956
Log likelihood 111.0059 F-statistic 1.573629
Durbin-Watson stat 2.184145 Prob(F-statistic) 0.246308
White检验显示无异方差。
ARCH Test:
F-statistic 0.881932 Probability 0.482960
Obs*R-squared 2.929126 Probability 0.402682
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/29/05 Time: 23:39
Sample(adjusted): 1991 2004
Included observations: 14 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000415 0.000333 1.242975 0.2422
RESID^2(-1) 0.152883 0.322952 0.473393 0.6461
RESID^2(-2) -0.380286 0.292646 -1.299474 0.2229
RESID^2(-3) 0.294099 0.324118 0.907382 0.3855
R-squared 0.209223 Mean dependent var 0.000445
Adjusted R-squared -0.028010 S.D. dependent var 0.000510
S.E. of regression 0.000517 Akaike info criterion -12.06213
Sum squared resid 2.67E-06 Schwarz criterion -11.87954
Log likelihood 88.43490 F-statistic 0.881932
Durbin-Watson stat 1.779601 Prob(F-statistic) 0.482960
ARCH检验也显示无异方差，故模型不存在异方差。
自相关性
DW值为1.668275，而在0.01的显著性水平上，样本容量N=17，解释变量个数K’=3时，dL与dU分别为0.672和1.432，故DW值落入了（dU，4-dU）区域，表明模型不存在一阶自相关。
模型经济意义分析：
由模型可以看出，在我国，货币供给量M2，国内生产总值GDP、固定资产投资以及政治因素是通货膨胀的主要影响因素，对通货膨胀的影响比较显著。下面就各因素的影响情况进行分别的分析。
PP=-0.118135+0.738093*M22（-1）+0.244074*IDGDP+0.131568*V
T =（-1.14373）（9.095831） （3.936089） （7.593619）
R2=0.937058 F=64.51301 DW=1.668275 df=13
货币供给量M2
由模型我们可以看出M2增长率每变动一个单位，会引起物价变动比率改变0.738093个单位。但是这种影响会之后一期（一年），也就是说，去年的货币供给变化会造成今年物价水平的变动。这是很正常的，因为货币的传导机制需要时间，而央行也需要时间来调整其货币政策，比如央行认为去年的通货膨胀率过高，就会在今年抑制货币的发行量，但是这种效果对整个社会的商品价格不会产生立竿见影的效果（对某些特定产业可能会），而到明年，政策的效果一般就能显现出来，使得全社会物价变动幅度降低。
固定资产投资占GDP比率
从模型上表现出来，这一变量对PP的影响达到了0.244074个单位，同时有两年的滞后期。我们认为，这是符合经济常识的，首先固定资产投资往往都是长期投资，特别是国家大型建设项目，通常都具有建设周期长、耗资巨大等特点，这类投资的比率增加，很容易引起成本推动型通货膨胀，而且我们认为，固定资产投资往往有“跟风”效应，这也就决定了其滞后性。往往一些固定资产投资受到效益后就会引发行业的膨胀，形成重复建设。从而造成全局性的成本上涨。比如90年代初的房地产热在92年邓小平南巡之后就出现了，但直到93、94年才形成通货膨胀高峰，这两年时间的跨度，正好是第一批投资收到效益的时间。滞后性的表现还在于GDP的模糊性。我国长期以来GDP的高速增长一直被西方学者认为有水分，而最终的模型也证明了这种观点不是空穴来风。如果GDP的增长是由于大范围的粗放型建设而引发的，那么一旦泡沫经济破灭，就可能引发较为严重的通货膨胀，因为在GDP增长的背景下是社会供给的相对不足。我们认为，90年代后期我国在通货紧缩的情况下仍能保持GDP的高速增长，就属于这种类型，而近阶段的通货膨胀（虽然仅是较为温和的通胀）就是属于那几年留下的后遗症。
政治因素
作为一个社会主义市场经济国家，其通货膨胀必然有其独特之处，在中国我们认为政治影响确实是一个不可忽视的因素。98-99年之所以被我们单独列出，就是考虑了那段时间政治因素在一定程度上是极为重要的。因为当时中国正处于改革开放不完善的阶段，中国市场经济容易受到政治的干预。而那时的政治形势也是比较混乱的，具体的情况由于某些原因无法描述，但读者应该都比较清楚。相比较这两年的通货膨胀，我国90年代以后的通胀，基本上是处于市场经济的环境下，其成因基本上可以用经济行为解释。而模型得出的结论也证实了我们的观点，政治因素对通货膨胀的影响达到了0.131568个单位，还是十分明显的。至于未来可能出现的通胀现象，则应结合当时的社会环境进行具体分析，以确定政治因素的取值，只要中国还不是完全的市场经济，那么政治因素就不应该被忽视。
纵观整个模型，通过了经济意义的检验，因此我们可以下结论：这个模型是正确的，可以运用到以后的预测分析之中。
范文创作过程中的收获：
整个范文创作历时长达一个学期，从最初的课题构思，到模型的设立、资料的收集，到最后数据的处理、范文的成稿，都给了我们很多的收获，总结如下：
计量经济学的学习是一个积累的过程
说实话，单凭课堂上的学习和自己看书，是远远不能掌握所有的知识的。而通过一篇课程范文的创作，帮助我们很好的理解了所学习的知识。只有将所学应用于生活才能够深刻的理解和掌握，相信在期末考试中，课程范文中的知识会给我们很大帮助。通过课程范文的创作，可以说是从宏观上检视了整个计量的学习过程，从最基本的建模，到各种检验过程，以及最后才加入的平稳性检验，都通过一篇范文得到了很好的理解。可以说，如果以后对计量的知识有所遗忘的话，回想起这篇课程范文，就能够让我找回大部分计量知识。
通过范文加深了对经济问题的理解
本身我们所选择的课题，就是与我们的专业知识紧密相关的，因此通过这篇范文，我们更深入地理解了这个问题，以前对通货膨胀的理解是肤浅的，仅仅是一个字面上的理解。这次范文创作，使我们对通胀的部分影响因素有了新的认识。深入地体会了各因素对通货膨胀的影响机理以及影响程度。这种理解是在平时的学习中无法获得的。可以说，结合了计量经济学以后，专业知识有了一定的提升。
通过范文的创作培养了合作精神
合作在此次范文的创作过程中是十分重要的，我们两位成员在创作的时候，不断分享个人知识中的亮点，发挥了各自的特长。虽然在范文的创作，特别是模型的设立时遇到了相当的困难，但是我们两个还是通过仔细的交流，认真的分析一一解决，可以说本次范文的写作为今后学习、工作、生活中与人合作起到了良好的锻炼作用。
最后，还要诚挚地感谢万力助教加学长，他的大力帮助，给我们的创作提供了新的思维和方式，使我们受益匪浅。
还要感谢黎实老师不遗余力的指导，在我们范文创作的瓶颈期给予了我们前进的动力。
参考文献：
《关于货币供给与通货膨胀关系的思考》 李文浩 叶岱夫
《我国近期的货币供给与通货膨胀的关系》 陆荣华
《我国通货膨胀的货币因素分析》 刘欣 王文平 吴湘辉
《我国通货膨胀决定因素分析》 高海印
《西方通货膨胀理论评析》 颜鹏飞 郝赤萍
《对影响我国当前物价上涨现象的因素分析》 吴姣