基于SVAR模型的中国核心通货膨胀的估
计与应用*
赵昕东
内容提要：核心通货膨胀是观测到的通货膨胀中长期的、持续的成分。核心通货膨胀对经济形势的判断与宏观经济政策的制定有着重要的意义。本文中我们扩展了Quah和Vahey的两变量结构向量自回归（SVAR）模型，建立了包括消费价格指数、食品价格指数与产出的三变量SVAR模型，并且通过对变量施加基于经济理论的长期约束估计了1986年至2007年中国的核心通货膨胀。结果显示，我们估计的核心通货膨胀能够很好地反映通货膨胀的趋势性变化。最后得出结论：2007年中国的核心通货膨胀率略低于3%的警戒线水平，但是有快速上涨的趋势。
关键词：核心通货膨胀；SVAR模型；食品价格
中图分类号：F222.3 C813 文献表示码：A
The Estimation and Application of China’s Core Inflation Based on the SV AR Model
Xindong Zhao
Abstract: Core inflation is the long-run, persistent component of the observed inflation, and it is very important to the judgment of economic situation and adoption of the macroeconomic policies. In this paper we extended Quah and Vahey’s two-variable Structural Vector Autoregressive (SV AR) model, and establish a three-variable SV AR model consisting Consumer Price Index (CPI), food price index and output. Based on the long-run restriction we estimated China’s core inflation from 1986 to 2007. The results show that the estimated core inflation represents the trend of inflation very well. Finally we drew a conclusion: that is, in 2007 the core inflation of China still stayed under the alert line of 3%, but has a trend of rapid increasing.
Key words：Core Inflation, SV AR Model, Food Price Index
一、前言
2008年1月中国的居民消费价格指数（CPI）同比增长率达到7.1%，为1994年以来的最高值。*本文得到了教育部人文社会科学一般项目（编号07JA790004）与华侨大学科研基金的资助。
2007年CPI同比增长4.8%，大大超过全年3%的控制目标。2007年12月召开的中央经济工作会议提出明年宏观调控的首要任务是“防止价格由结构性上涨演变为明显通货膨胀”。2007年的宏观经济形势如何，是否出现价格结构上涨向全面上涨演变的趋势，我们必须对此做出准确的判断。尽管人们习惯于使用CPI反映通货膨胀以及判断经济形势，但显然CPI不是一个能够准确反映物价运行状况与经济形势的指标，由于CPI短期内往往受到个别商品价格异常波动的影响，无法反映总供给与总需求关系的真正的紧迫程度，有可能对经济形势产生误导，因此需要一个更好的衡量指标
核心通货膨胀（Core inflation）是一个比观测到的通货膨胀更好的反映经济形势的指标。核心通货膨胀的概念在20世纪70年代被提出，背景是当时石油出口国大幅度提高原油价格，导致西方国家发生了严重的成本推动的通货膨胀，而抑制通货膨胀的紧缩性经济政策又导致了经济的停滞。因此西方学者在反思当时的政策后认为不应该只是根据观测到的通货膨胀制定经济政策，而是有必要将观测到的通货膨胀分解成两部分，一部分是由总供给与总需求决定的趋势成分，另一部分是由食品或能源价格波动所决定的暂时成分。前一部分称为核心通货膨胀，后一部分称为非核心通货膨胀或暂时通货膨胀。在对通货膨胀进行监测并制定经济政策时，必须区分不同因素对通货膨胀变动的影响。个别商品价格的暂时波动只能引起价格总水平短时间内的提高，反映在通货膨胀率上就是观测到的通货膨胀率的暂时上升，当个别商品的价格波动结束后，通货膨胀率将在短时间内回落。通货膨胀的这种短期波动不应影响决策部门的行动，决策部门应该根据通货膨胀的长期成分即核心通货膨胀制定经济政策。
对决策部门来说，核心通货膨胀对判断经济形势和制定经济政策有着重要的意义。这是因为，首先，核心通货膨胀是比普通的消费价格指数CPI或投资价格指数IPI更好的反映经济形势的指标，而CPI或IPI有可能对经济形势产生误导，因为个别商品的价格可能由于受到暂时冲击产生波动。其次，核心通货膨胀是比普通的价格指数CPI或IPI更好的对制定经济政策具有参考价值的指标，如果通货膨胀率的上升是由个别商品价格上升引起的，那就不应该采取全面的收缩性的经济政策，而是应该针对个别商品采取措施；如果是由于总供给或总需求的变动导致的通货膨胀率的提高，那就需要采取反周期的政策。因此，决策部门需要区分通货膨胀率的上升是由个别商品价格变化的暂时的冲击引起的还是核心通货膨胀发生了趋势性的变化引起的，如果核心通货膨胀发生了趋势性的变化，就必须采取收缩性的经济政策。第三，核心通货膨胀对未来通货膨胀有更强的预测能力，而CPI等指标由于受到较多不确定性的影响因此其未来走势难以把握。最后，向公众同时发布通货膨胀率与核心通货膨胀率有利于公众更好的了解经济形势，降低通货膨胀的不确定性，使公众对未来通货膨胀做出更加准确的预期，降低经济运行的成本。因此，对核心通货膨胀的研究不仅有重要的理论意义，而且对当前经济形势的判断与宏观经济政策的制定有着重要的现实意义。
核心通货膨胀不能通过观测直接得到，只能通过各种方法估计，目前为止常用的方法有两类，即时间序列方法与项目排除方法。本文中我们使用国家统计局公布的1980年至2007年的消费价格指数（CPI）、食品价格指数与国内生产总值（GDP）的年度数据，应用一种时间序列模型——结构向量自回归（SVAR）模型估计了中国的核心通货膨胀。本文其余部分结构如下，首先介绍核心通货膨胀的估计方法，然后应用SV AR模型估计了中国1986年至2007年的核心通货膨胀，最后结合核心通货膨胀对我国的宏观经济形势进行了分析并对宏观经济政策提出了建议。
二、核心通货膨胀的估计方法
核心通货膨胀的概念在20世纪70年代被提出后，最初的估计方法是从“一篮子”商品中排除食品和能源以后合成的通货膨胀指数，排除食品和能源的目的是为了消除暂时冲击对价格的短期影响，以便更准确的发现通货膨胀的长期趋势成分，即核心通货膨胀。这么做的原因是粮食、肉类等容易受到天气、自然灾害等的影响使食品价格出现大幅度的波动；另一方面由于受到地缘政治等因素的影响石油价格也经常出现较大的波动。此后，学者门开发出各种不同的估计方法上。根据Roger（1998）的划分核心通货膨胀的估计方法可以分为两类，时间序列方法与项目排除法。这两类估计方法又分别以核心通货膨胀的两种定义为理论基础。第一种定义是将核心通货膨胀定义为“持续的通货膨胀（persistent inflation）”，另一种定义是将核心通货膨胀定义为“普遍的通货膨胀（generalized inflation）”。这两种定义方式又是根据对通货膨胀的不同定义做出的。
（一）将核心通货膨胀定义为“持续的通货膨胀”
将核心通货膨胀定义为“持续的通货膨胀”来源于Friedman（1963，p1）对通货膨胀的理解—“价格水平稳定持久的上涨”。Friedman（1963，p25）强调在价格水平稳定持久上涨过程中可能间歇性的出现高于或低于价格的稳定增长率的时期，价格上涨过程中只有稳定持久的成分才是“良性”的，因为这一部分是可以预期的。基于Friedman的理解某些学者把观测到的通货膨胀中稳定持久的部分定义为核心通货膨胀。核心通货膨胀排除了暂时冲击的影响，因为暂时冲击只能使价格“水平”发生持久性的变化，但对价格水平的“变化率”即通货膨胀率不会产生持续的影响。所谓“持续的通货膨胀”是从时间的角度来“纵向”的定义核心通货膨胀，将核心通货膨胀定义为观测到的通货膨胀序列的趋势成分，因此可以根据经济学中的某些变量之间的重要关系，如菲利普斯曲线、奥肯定律等为基础，应用时间序列技术分离通货膨胀中的长期成分与暂时成分，其中的结构向量自回归（Structural Vector Autoregressive，简称SV AR）方法（Quah and Vahey，1995）是通过对SA VR模型施加基于经济理论的长期约束将观测到的通货膨胀分解为核心通货膨胀与非核心通货膨胀。不可观测成分（Unobserved Components，简称UC）模型（Camba-Mendez等，2003）是通过假设产出波动与通货膨胀率波动的背后由一个共同的不可观测力量控制，这个力量所控制的通货膨胀成分就是核心通货膨胀，利用状态空间技术分离通货膨胀中的趋势成分与暂时成分；此外还有基于新凯恩斯理论的动态一般均衡（Dynamic General-Equilibrium，简称DGE）模型（Mankiw等，2003；Aoki，2001）。
（二）将核心通货膨胀定义为“普遍的通货膨胀”
将核心通货膨胀定义为“普遍的通货膨胀”来源于Okun（1970，p3）对通货膨胀的理解—“价格普遍上涨的情况”，Okun强调的“普遍性”是指商品的范围，即通货膨胀是各种商品普遍的价格上涨，而不是个别或某一类商品的价格上涨。基于Okun的理解观测到的通货膨胀应该由核心通货膨胀与个别或某一类商品的价格变动两部分共同组成，其中个别商品的价格变动主要受暂时冲击的影响。可以看到，所谓“普遍的通货膨胀”的定义是以某个时间点所有商品为对象从“横向”的角度来定义核心通货膨胀。基于这种定义方式，可以使用项目排除法合成核心通货膨胀。项目排除法就是从合成通货膨胀指数的“一篮子”商品中排除波动幅度最大的某些商品，然后根据其它商品的价格合成的通
货膨胀指数。确定排除商品的方法一般是根据每个时间点各种商品价格的分布，排除掉某个百分比的上涨幅度最大与下降幅度最大的商品（Bryan 和Cecchetti ，1994）。
我们可以看到，本质上两种方式定义的核心通货膨胀是相同的，两者都是从观测到的通货膨胀中排除暂时冲击的影响后剩余的部分，前者成为应用时间序列分析方法的理论基础，而后者成为项目排除法的理论基础。
（三）各种估计方法的应用
在时间序列方法的应用上，Quah 和Vahey （1995）应用SV AR 模型估计了英国的核心通货膨胀，Claus （1997）、Bagliano 和Morana （2003）年应用SV AR 模型估计了美国的核心通货膨胀。在中国有学者分别利用SV AR 模型与UC 模型估计中国的核心通货膨胀（简泽，2005；赵留彦，2006）。很多国家的决策部门应用项目排除法合成了本国的核心通货膨胀指数，并定期公布。如加拿大的中央银行——加拿大银行从用来合成CPI 的“一篮子”的54种商品中扣除了8种波动最剧烈的商品后合成核心通货膨胀——CPIX （Lafleche and Armour ，2006）；美国劳工统计局（US Bureau of Labour Statistics ）制作了排除食品与能源的核心通货膨胀指数（Bagliano and Morana ，2003）；一个极端的例子是澳大利亚财政部所公布的核心通货膨胀，他们排除了用来合成CPI 的商品中的将近一半的商品（Reserve Bank of Australia ，1994）。
本文中我们利用国家统计局公布的1980年至2007年的消费价格指数CPI 、食品价格指数以及国内生产总值GDP ，建立三变量的SV AR 模型估计中国的核心CPI 。
三、 SVAR 模型与核心通货膨胀估计
（一）SVAR 模型与核心通货膨胀上的估计
SVAR 模型是对向量自回归（VAR ）模型进行结构化的一种方法。尽管VAR 模型在多元时间序列分析中得到了广泛引用，但也经常受到批评，因为VAR 模型的新息可能存在较强的相关性，VAR 模型的新息不具有直接的经济解释，导致脉冲响应函数的经济含义模糊不清（Enders ，2004）。如果我们只对预测感兴趣，VAR 模型的预测误差（新息）的构成是不重要的，但是如果我们需要区分不同冲击的影响，就需要从经济理论出发，对VAR 模型的新息进行结构性分解，获得结构性新息（结构冲击），Blanchard 和Quah （1989）提出了一种施加基于经济理论的长期约束的结构化方法，即SVAR 模型。
对于n 变量的SVAR 模型，需要2)1( n n 个长期约束以确定结构冲击。Blanchard 和Quah （1989）首先应用SVAR 估计潜在产出，两变量的模型需要1个长期约束，Blanchard 和Quah 的长期约束是“根据自然率假说，只有供给冲击影响产出的长期趋势变化，而需求冲击在长期对产出的累积影响为零”。该假说反映了20世纪80年代以来的经济思想——产出的长期趋势成分（即潜在产出）是随机趋势，由各期的供给冲击决定，而实际产出是产出的长期趋势成分与波动成分（产出缺口）之和，波动成分由需求冲击决定，需求冲击导致的波动成分之和（即产出缺口之和）为零。
为估计英国的核心通货膨胀，Quah 和Vahey （1995）建立了包括CPI 与产出的两变量SV AR 模型，他们假设实际产出对数的差分序列与通货膨胀率的差分序列同时受到供给冲击与需求冲击的影响，通过施加“长期中需求冲击对产出的累计影响为零”的长期约束估计SV AR 模型，将通货膨胀中受供给冲击影响的部分作为核心通货膨胀。Claus （1997）使用CPI 、资本利用率、进口商品价格和消费品生产成本估计了美国的核心通货膨胀；简泽（2005）使用与Quah 和Vahey 相同的方法与变量，估计了中国的核心通货膨胀。
（二）对Quah 和Vahey 模型的改进
从Quah 和Vahey （1995）所做的假设可以看出，他们将观测到的通货膨胀中受到供给冲击影响的部分作为核心通货膨胀，但我们认为这是不恰当的。这是因为，根据Roger （1998），观测到的通货膨胀由三种成分组成：
t D t S t t επππ++= （1）
这里S t π是总供给曲线移动造成的价格变动部分，反映了供给冲击的影响，即技术进步、知识积累等引起的劳动生产率的永久提高对价格的影响，是观测到的通货膨胀中的趋势成分；D t π是总需求曲线移动造成的价格变动部分，反映了需求冲击的影响，即自发投资、政府支出或货币供给的变化对价格的影响，是实际通货膨胀中的周期成分；t ε是扰动项，反映了个别商品价格的变动等暂时因素对通货膨胀的影响。
对于将式（1）中哪个部分作为核心通货膨胀有不同的看法。有学者将式（1）中的S t π部分作为核心通货膨胀，例如Eckstein （1981）认为核心通货膨胀只包含趋势成分而不包含周期成分，Quah 和Vahey （1995）实际上也是将S t π作为核心通货膨胀。也有的学者将式（1）中的D t S t ππ+部分作为核心通货膨胀，例如Hogan 等（2001）将超过24个月的价格变动都当作核心通货膨胀，因此将总需求变动决定的通货膨胀的周期成分D t π当作核心通货膨胀的组成部分。
我们认为D t S t ππ+更加符合核心通货膨胀的最初定义，因为D t S t ππ+是排除了个别商品价格暂时波动后剩余的部分，而且，由总需求的变动引起的通货膨胀的周期成分D t π正是政府与公众所关注的，并需要采取货币政策或财政政策进行调控的，因此D t π应该是核心通货膨胀的一部分。
（三）改进的SVAR 模型与核心通货膨胀估计
我国当前通胀形成机理较为复杂，既有需求因素也有供给因素，既有来自国内的个别商品价格冲击也有来自国际的输入价格冲击。核心通货膨胀就是排除食品、能源等波动性大、季节性强的商品，反映消费价格变动的中长期趋势。Quah 和Vahey 的两变量模型排除了需求因素，因此估计的核心通货膨胀是“长期”的价格趋势。本文的模型在Quah 和Vahey 的两变量模型的基础上引入食品价格后，排除的是食品价格的影响，而保留了需求因素的影响，因此估计的核心通货膨胀反映的是“中长期”价格。具体的三变量SV AR 模型如下：
假设经济中存在三种在所有的领先期与滞后期彼此之间互不相关的冲击：需求冲击（D t v ）、暂时
冲击（T t v ）与供给冲击（S t v ），其中需求冲击反映了自发投资、政府支出或货币供给的变化，暂时冲击反映了自然灾害等造成的暂时影响，而供给冲击反映了由技术进步、知识积累等引起的劳动生产率的永久提高。进一步假设通货膨胀率（t π）、食品价格指数同比增长率（f t π）与产出增长率序列（t y ）同时受到供给冲击、需求冲击与暂时冲击的影响。平稳过程t π、f t π与t y （对三个变量的平稳性检验在文中第四部分）可以分别表示为移动平均过程，在三个移动平均过程中，t π、f t π与t y 分别是当前与过去各期需求冲击、暂时冲击与供给冲击的线性组合：
????
????????????????=??????????S t T t D t t f t
t v v v L S L S L S L S L S L S L S L S L S y )()()()()()()()()(333231232221131211ππ （2） 式（2）为包含t π、f t π与t y 三变量的结构向量自回归（SVAR ）模型，这里)(L S ij 是滞后算子多项式：
∑∞==0
)()(k k k ij ij L S L S
)(k ij
S 表示k t -期的第j 种冲击对第i 个变量的影响程度，并且有)0()0(ij ij S S =。式（2）可以写成：
∑∞
=-==0
)()(k k t k k t t v L S v L S X
这里),,('=t f t t t y X ππ，),,('=S t T t D t t v v v v ，33)()()(?=k ij k S S
。进一步假定D t v ，T t v 与S t v 是标
准化的白噪声序列，因此有3)(I v v E t t ='。 为估计)(L S 与t v ，首先需要通过最小二乘法（OLS ）估计简化式的V AR 模型t t t X L X ε+Φ=-1)(，然后将简化式表示成无穷阶的V AR )(+∞形式t t L C X ε)(=，再根据结构式可以得到t t v L S L C )()(=ε。由于3)0(I C =，可得t t v S ε=)0(，并且有：
)0()0()0()()0()(S S S v v E S E t t t t '=''='εε （3）
由式（3）可以得到关于)0(ij S （23,1;3,2,1==j i ）的6个方程，还需要另外3个方程才可以求解(0)ij S 。为此我们施加三个基于经济理论的长期约束，我们遵循Blanchard 和Quah 的思想“只有供给冲击影响产出的长期趋势变化，需求冲击与食品所代表的暂时冲击不影响产出的长期趋势”，这就构成了两个长期约束：第一，根据自然率假设，只有供给冲击影响产出的长期趋势变化，而需求冲击在长期对产出的累积影响为零；第二，根据自然率假设，暂时冲击在长期对产出的累积影响为零。由于在丰收的年景食品价格会降低，向下拉动CPI ，而在歉收的年景食品价格会上升，向上
抬升CPI ，而从长期看，食品价格对CPI 的累积影响互相抵消，因此我们建立了第三个长期约束：食品价格反映的暂时冲击在长期对通货膨胀率的累积影响为零。
三个长期约束意味着：0)(12=L S ，0)(31=L S ，0)(32=L S 。再根据t t v L S L C )()(=ε与t t v S ε=)0(可得到)0()()(S L C L S =，这样就得到了关于)0(ij S （23,1;3,2,1==j i ）的3个方程。排除暂时冲击的影响，则通货膨胀的变动t π中的核心通货膨胀的变动成分为：
S t D t C o r e t v L S v L S )()(1311+=π
四、 数据分析与模型估计
（一）数据分析
我们使用居民消费价格指数CPI 同比增长率反映中国的通货膨胀率，这是因为所有经济政策的最终目标都是使个人福利最大化，而CPI 与IPI 或GDP 平减指数相比能够更好地反映消费者的生活成本。实际上不仅中国的政策制定部门如中国人民银行将CPI 作为监测的对象，世界上所有设定通货膨胀目标的国家都将CPI 作为监测的对象（Roger ，1998）。模型中还使用国内生产总值GDP 增长率反映产出的变化。为了从观测到的通货膨胀中排除波动最剧烈的商品的影响，我们考察了国
家统计局公布的构成CPI 的八大类商品——
食品、烟酒及用品、衣着、家庭设备用品及
服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务和居住的价格波动情况，发现1980年以来食品价格的波动幅度远大于其它七类商品，例如2007年11月，食品价格指数同比增长18.2%，而其它七大类商品的价格同比增长在-1.4%至6.0%之间，因此我们有理由认为排除食品价格波动后的核心CPI 能够更加真实准确的反映价格水平。
CPI 同比增长率、食品价格同比增长率与GDP 增长率三个指标均为年度数据，来自于《中国统计年鉴》与国家统计局网址https://www.doczj.com/doc/0d8141817.html,/tjsj ，时间跨度为1980-2007年。受数据来源限制，1980-1993年的食品价格指数使用食品零售价格指数，1994-2007年的食品价格指数使用食品消费价格指数，GDP 为前三个季度的累积增长率。图1为CPI 同比增长率与食品价格指数。从图1可以看到，1988年与1994年发生较严重的通货膨胀的时期食品价格的上涨幅度大大高于CPI 同比增长幅度，而1999-2002的通货紧缩时期食品价格指数比CPI 同比下降幅度更大。可见食品价格的波动非常剧烈，而食品价格的剧烈波动必然引起CPI 的波动，因此通过SV AR 模型去掉食品价格波动影响后得到的核心CPI 的波动必然小于CPI 的波动，能够更好的反映CPI 的趋势成分。
（二）模型估计
第一步，对数据进行平稳性检验。我们使用Eviews5.0软件对t π、f t π和t y 进行了Augmented Dickey-Fuller （简称ADF ）单位根检验，ADF 检验的原假设是被检验序列有单位根。检验结果表明t π、f t π和t y 有单位根的概率分别为0.040、0.025和0.012，因此在5%的水平拒绝t π、f t π和t y 有单位根的原假设，可以利用t π、f t π与t y 建立协方差平稳的V AR 模型。
第二步，以SIC 为准则函数进行模型选择，确定一个1阶的简化式V AR 模型t t t AX C X ε++=-1，具体结果见表1。
表1：简化式V AR 模型估计结果
说明：括号内为t 值
第三步，在简化式模型基础上通过施加三个长期约束估计SV AR 模型，得到：
????
? ??----==8014.11677.03353.12822.12124.17430.53197.17144.09775.3)0()0(S S
第四步，通过),2,1,0(,)()( =?=+k S A S
k k 计算得到),2,1(,)( =k S k ：最后根据
t
t v S ε=)0(计算出t v ，根据D t S t t Core t v L S v L S )()(1211++=ππ计算出Core t π即核心CPI ，这里结构式模型的截矩t π是简化式
模型的均值C A I 1)(--的第一项，即t π的均值。
图2显示的是CPI 同比增长率与通过SV AR 模型
估计得到的核心CPI 同比增长率。
（三）几点说明
图2 CPI 同比增长率与核心CPI 同比增长率
在模型的估计过程中，有以下几点需要加以说明。
首先，Eviews5.0软件的输出结果给出的“长期模式矩阵”是结构冲击在各期响应程度的累积值∑
∞=1
)(k k ij S ，输出结果并未给出各期的影响程度)(k ij S 。根据我们的经验，通过S t k k D t k k v S v S ?+?∑∑∞=∞=1)(131)(11)()(计算的核心CPI 与根据)()(1)(131)(11S t k k D t k k v S v S ?+∑∑∞
=∞=计算的核心CPI 的结果相差较大，尽管前者可以通过对Eviews 输出结果直接计算得到，而后者需要自己编程计算得到，但显然后者更为准确。本文中我们取t 期至5-t 期的累积)()(51
)(1351)(11S t k k D t k k v S v S ?+∑∑==估计核心CPI ，因为6-t 期之后的)(11k S 与)(13k S 已趋于零。因此本文估计的核心CPI 从1986年开始。
其次，样本数据的长度对结果影响很大，因为应用SV AR 模型时需施加长期约束，这里的长期是经济学意义的长期，多恩布什等（2000）认为长期是指十五年或更长。本文中的约束之一是以食品价格为代表的暂时冲击在长期对CPI 的累积影响为零，这个假设需要样本足够长，即包括食品价格向上拉动CPI 的时期，也包括向下拉动的时期。如果时间长度过短估计结果必然不准确。我们的数据是1980-2007年，这个长度的数据可以满足模型的要求。
第三，本文的方法存在一个缺陷，即估计核心CPI 时只排除了食品价格的影响，而食品价格在某些年份并不是CPI 出现异常波动的唯一原因，某些时期甚至不是价格异常波动的原因。
五、 结果分析
根据Bryan 和Cecchetti （1994），核心通货膨胀应该比观测到的通货膨胀具有较小的波动性。从图2可以看到，核心CPI 的波动幅度明显小于CPI 的波动幅度，1986-2007年CPI 的标准差为7.43，而核心CPI 的标准差只有6.99。可见本文估计的核心CPI 与实际CPI 相比具有较小的波动性。图3是),2,1,0(,)(12 =k S k ，即CPI 同比增长率对一个标准差的暂时冲击的反应。可以看到，一个标准差的正的暂时冲击（如粮食大丰收），使当年（图中第1期，对应k=0）CPI 同比增长率下降-0.7144个百分点，对第2年（图中第2期，对应k=1）CPI 同比的影响继续为负，但幅度有所减少，从第三年开始对CPI 同比的影响为正，第4年正的影响
达到最大，然后逐步下降，最后影响趋于消失。
这种冲击反应的形态基本符合蛛网模型的思想。从图3也可以看到，根据本文模型的估计结果，如果发生自然灾害造成粮食减产，受此冲击CPI 同比的上升将持续两年。
图3 CPI 同比增长率对一个标准差的暂时冲击的反应
为考察食品价格对CPI的影响程度，我们计算了CPI与核心CPI的差值即非核心CPI与实际CPI 之间的比值，计算结果表明2007年4.8%的CPI同比增长率中约2.2个百分点是由食品价格大幅上涨所拉动的，影响率为46%。可见2007年出现的物价上涨仍然属于结构性上涨，尚未发生全面的通货膨胀。另一方面，如图2所示，2007年核心CPI同比增长为2.6%，尚未达到3%的警戒线，但与2006年的-2.5%的同比增长率相比，提高5.1个百分点，显示出快速增长的趋势，有结构性通货膨胀演变成全面通货膨胀的危险。2007年12月召开的中央经济工作会议提出2008年宏观经济调控的主要任务是“防止经济增长由偏快转为过热、防止价格由结构性上涨演变为明显通货膨胀，实施稳健的财政政策和从紧的货币政策。”本文的研究工作表明，政府宏观调控的预见性和前瞻性很强，政策出台的时机准确及时。
六、小结
本文应用SV AR模型估计了中国的核心通货膨胀，结果显示估计的核心CPI能够很好地反映1986年至2007年中国通货膨胀的趋势变化，比实际CPI有更好的政策参考价值。如果将核心通货膨胀应用到实际工作中，由权威机构定期公布，有利于公众更好的理解国家的经济政策，更好的做出预期。当然也可以引入进口商品的价格，建立四变量的SVAR模型，以排除输入价格的影响。
参考文献：
1. Aoki, K. (2001) Optimal money policy responses to relative-price changes, Journal of Monetary Economics 48(1), pp55-80CM
2. Blanchard, O. and Quah, D. (1989) The Dynamic Effects of Aggregate Supply and Demand Disturbances. American Economic Review,79, pp. 655-673
3. Bagliano, F. C. and Morana, C. (2003) Measuring US Core Inflation: A Common Trends Approach, Journal of Macroeconomics, V ol. 25, pp. 197-212
4. Bryan, M. and Cecchetti, S. (1994).Measuring Core Inflation, Chapter 6 in Mankiw, N.G. ed. Monetary Policy, University of Chicago Press
5. Camba-Mendez, G. and Rodriguez-Palenzuela, D. Assessment criteria for output gap estimates, Economic Modelling, 20, pp529-562, 2003.
6. Cecchetti, S. (1997) Measuring short-run inflation for central bankers, Federal Reserve Bank of St. Louis review, 79(3), pp143-155
7. Claus, I. (1997) A measure of underlying inflation in the United States, Bank of Canada working paper 97-20
8. Cogley, T. (2002) A Simple Adaptive Measure of Core Inflation, Journal of Money, Credit, and Banking, V ol. 43 (1), pp. 93-113
9. Eckstein, O. (1981) Core Infaltion, Prentice Hall, Englewood Cliffs, N.J.
10. Enders, W. (1995) Applied Econometric Time Series.:John Wiley & Sons, New York
11. Friedman, M. (1963).Inflation, Causes and Consequences, Asia Publishing House, New York
12. Hogan, S., Johnson, M. and Lafleche, T. (2001) Core Inflation, Bank of Canada Working Paper
13. Lafleche, T. and Armour, J. (2006) Evaluating Measures of Core Inflation, Bank of Canada Review, Summer 2006.
14. Mankiw, N. and Reis, R. (2003) What measure of inflation should a central bank target? Journal of the European Economic Association 1(5),pp1058-1086
15. Okun, A. (1970) Inflation: the Problem and Prospects before us, in Okun, A., Fowler, H. and Gilbert, M.,
eds., Inflation: the Problems It Creates and the Policies It Requires, New York University Press, New York.
16. Quah, D. and Vahey, S. P. (1995) Measuring Core Inflation, The Economic Journal, Vol. 105, 1130-1144
17. Reserve Bank of Australia (1994) Measuring Underlying Inflation, Reserve Bank of Australia Bulletin, August, pp.1-6
18. Roger, S. (1998) Core Inflation: Concepts, Uses and Measurement. Reserve Bank of New Zealand, G98/9
19.简泽（2005）“中国核心通货膨胀的估计”，《数量经济技术经济研究》，第11期
20.赵留彦（2006）“中国核心通涨率与产出缺口经验分析”，《经济学（季刊）》，第5卷第4期
21 [美]多恩布什、费希尔、斯塔兹（2000）：《宏观经济学》（第七版），p5-11，中国人民大学出版社。
作者简介：
赵昕东，男，40岁，吉林省长春市人，2002年毕业于吉林大学，获数量经济学博士学位，2006年毕业于澳大利,亚La Trobe大学，获统计学博士学位。现为华侨大学商学院教授，研究方向为计算统计、计量经济学、宏观经济学。通信地址：362021福建省泉州市华侨大学商学院；电子信箱：xzhao@https://www.doczj.com/doc/0d8141817.html,；电话：159******** (M)