统计学专业论文.doc

《统计学专业论文.doc》由会员分享，可在线阅读，更多相关《统计学专业论文.doc（16页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、-_XXXX 大学大学 毕业论文毕业论文对福建省对福建省 CPICPI 影响因素权重的实证分析影响因素权重的实证分析-_摘要本文以福建省 2000-2010 年的经济数据为依据，从现象入手，考察福建省近十年来 CPI 的变动趋势，通过多元线性回归分析，得出 CPI 与食品、烟酒用品以及其他各因素的线性模型，然后进行相关的检验，运用软件 SPSS16.0 进行主成分回归分析。了解各因素对 CPI 影响因素权重,并对 CPI 运行趋势作出预测判断,从而为未来 CPI 涨幅更加合理化提出调控建议。关键词：CPI；多元线性回归；主成分分析AbstractIn this paper, Fujian Pr

2、ovince from 2000 to 2010 based on economic data, starting from the phenomenon to study changes in the CPI over the past decade the trend in Fujian Province, by multiple regression analysis model, regression CPI and food, tobacco products, and other factors of the line model, then the related test, t

3、he use of principal component analysis software SPSS16.0 regression analysis. Understand the factors influencing factors on the CPI weights, and run to predict the trend to determine the CPI, the CPI in order to run on the current situation made control recommendations.Key words: CPI; Multiple linea

4、r regression; Principal component analysis-_目 录中英文摘要.I 一、 CPI 的相关范畴 .1 （一） CPI 的含义与作用 .1 （二） CPI 的分类与度量 .2 （三） 福建省 CPI 变动情况.2 （四） 相关文献回顾.3 二、 CPI 与其影响因素的实证分析 .5 （一） 变量选择及数据获取.5（二） 回归模型选择与建立.5 （三） 主成分分析.6 三、 对福建省未来 CPI 的预测分析.8 四、 结论及政策建议.8 （一） 稳定粮食等食品价格，促进农业发展.9 （二） 提高政策性因素影响，调整政府宏观调控力度.9 （三） 促进居民收入，

5、提高居民消费能力.9 参考文献.11 致 谢.12 附 录.13-_改革开放以来，居民消费价格指数作为反映市场价格变化的重要指标，体现了市场经济条件下价格对经济发展过程波动起伏的真实水平，见证着经济、社会、民生全面发展的显著变化。物价与日常生活息息相关，居民消费支出是消费的主体且相对薄弱，价格总水平低位运行，从 2003 年开始，随着经济进入新一轮快速增长的周期，通货膨胀的压力日益增强，居民消费价格加速上升的势头似乎大大超出了人们的预期。近几年来我省居民消费物价指数增长速度产生了显著的波动。针对目前大众所最关心的物价问题，充分了解居民消费价格指数变动的影响因素变成了一个重要问题。为 CPI 变

6、动幅度更加合理化而采取相应的措施提供依据，具有十分重要的意义。一、 CPI 的相关范畴（一） CPI 的含义与作用CPI 指数，及消费者物价指数（Consumer Price Index） ，是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。CPI 是对一个固定的消费品篮子价格的衡量，主要反映消费者支付商品和劳务的价格变化情况，以百分比变化为表达形式。实际上，CPI 在通常情况下，是一个大于 100 的数，即一系列参考商品的价格相对于基期时他们价格的一个相对价格，而不是一个变动率数值。所以我们得清楚的认识到居民消费价格指数（CPI）是一个围绕 10

7、0 上下波动的相对数。该指数可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度。CPI 作为反映宏观经济运行的重要指标，是宏观经济运行的 “晴雨表” 。首先，CPI 源于现实生活同时又反映现实生活，人们对于 CPI 的涨跌有着切身的感受，它与人们的生活息息相关；其次，它不仅可以反映通货膨胀情况，而且可以反映货币购买力变动和对人们实际工资的影响；第三，对国民经济核算有着重要意义。（二） CPI 的分类与度量目前中国采用的 CPI 商品分类目录和编制方法始于 2000 年。根据不同的分类目的和分类对象，我国居民消费价格指数主要有三种分类：一是按照城乡居-_民收入和消费构

8、成不同，分为城市居民消费价格指数和农村居民消费价格指数；二是按照消费品和服务项目不同，分为食品、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、居住 8 大类消费价格指数, 251 个基本分类。每个基本分类又有两个到十多个不同数量的规格品种,共计 700 多个规格品种的商品和服务项目；三是按指数计算方法不同，分为定基指数、环比指数、同比指数和年度指数。目前美国的 CPI 分为 8 大类 211 个基本分类，加拿大为 8 大类 169 个基本分类，日本为 10 大类 585 个代表规格品，澳大利亚为 11 大类 87 个基本分类。目前台湾的 CPI

9、共包括 395 个项目群，包括食物类（肉类、鱼介、蔬菜、水果） 、衣着类（成衣） 、居住类（房租、水电燃气） 、交通类（油料费、交通服务费） 、医疗保健类（医疗费用） 、教育娱乐类（教养费用）以及杂项类（理容服务费）等 7 个基本分类，以 1985 年台湾地区家庭消费结构为权数。此项权数主要根据家庭收支调查资料计算而得，每五年更换一次，以反映消费支出型态的变化。欧盟 HICP 的构成。每个欧盟成员国都统计和发布各自的 HICP,欧盟统计局在各国 HICP 的基础上汇总编制欧盟 HICP,即欧盟官方价格指数。欧盟 HICP 包括 12 个大类、160 个基本分类,欧盟 HICP 各类别所占权重,

10、随着居民消费支出结构的变动每 5 年调整一次,并发布年度分析报告。CPI 告诉人们的是，对普通家庭的支出来说，购买具有代表性的一组商品，在今天要比过去某一时间多花费多少，CPI 的计算公式是:CPI=（一组固定商品按当期价格计算的价值/一组固定商品按基期价格计算的价值）100。采用的是固定权数按加权算术平均指数公式计算，即，其中，为WKWK/W固定权数，为各种商品销售价格。K（三） 福建省 CPI 变动情况近几年来，我省经济发展出现了质与量的双重飞跃，但在经济持续快速增长的同时，出现了经济过热的现象。随着人们收入增加，人们对于各种消费的需求出现多样化，质量化等。CPI 出现了起伏波动的情况，随

11、着经济进入新一轮快速增长的周期，通货膨胀的压力日益增强，居民消费价格上升的势头似乎大大超出了人们的预期。相关人士对我省当前物价形势的基本判断：当前的物价上涨是在需求显著增长、资金相对宽裕的背景下，由成本上升及供给相对不足而推动产生的。但福建省商品价格总水平尚在合理区间内运行，未对社会经济发展造成负面影响。从 2003 年开始，物价指数开始上升,其中 2008 和 2010两年指数高达 530 和 540.2,但由于经济条件的快速变化, 2009 年指数急剧下降近达 2 个百分点,进入负指数区间。-_在最近这一轮上升过程中, CPI 变动幅度主要呈现以下三个特征：1.2003 年至 2008 年

12、,食品类价格上涨幅度均高于居民消费价格平均指数,其中 2004、2007、2008 三年分别高出居民消费价格指数 5.9、1.0 和 8.7 个百分点。居住类价格指数自 2003 年开始每年保持 4%以上的涨幅, 2009 年 CPI 下降 1.8%,食品类和居住类价格指数也出现了下降的趋势,其中居住类更是比上年下降 5.2 个百分点。2009 年,我省食品类价格指数较去年下降了 4.3 个百分点。但 2010 年前两个月,随着经济的向好,物价指数开始回升,食品类价格指数同比上涨 6.1%。12.烟酒及用品、家庭设备及维修服务、医疗保健及个人用品这三大类的价格走势比较稳定，均未出现较大的波动，

13、从 2003 年到 2009 年波动幅度均在 3%以内。3.衣着、交通及通讯价格走势疲软,对居民消费价格指数的上涨有一定抑制作用。2003 年至 2009 年,衣着和交通通讯两大类消费品价格指数总体处于下降态势，特别是 2009 年,衣着、交通及通讯价格分别下跌 3.3 个百分点和 3.1 个百分点。2（四） 相关文献回顾针对居民消费价格指数变动影响因素的分析这个问题，学者们从不同的方面，运用不同的方法进行了大量的研究。成学真和田英先从单因素食品对 CPI 的影响入手，认为食品对 CPI 的影响甚大，接下去又分析了引起食品价格变动的因素。用 SPSS 计算它们的相关系数知，肉禽、水产品、鲜菜与

14、食品高度相关。这与我们目前出现的猪肉、蔬菜等的价格上涨的经济现象相吻合。然后对 CPI 与八类商品价格指数进行多因素回归分析，采用逐步回归法得出 CPI 持续上涨的主要驱动因素除了食品之外，还有家庭设备、医疗保健、娱乐，以及居住价格的上涨作用。李亚楠利用主成分分析方法找出了影响 CPI 波动的主要因素，他认为影响CPI 的因素是多方面的，该文献选取以下几个指标作为解释变量：货币供应量（M2） 、外汇储备（FER） 、国内生产总值（FDP） 、人民币汇率（ER） 、原材料、燃料和动力购进价格指数（MPI） 、工业品出厂价格指数（PPI） 、居民食品消费价格指数（FCI） 、及居民居住消费价格指数

15、（HCPI）为解释变量，从回归方程的结果可以看出对 CPI 影响程度较大的变量有 PPI、MPI、HCPI 及 FCPI，这些影响因素都属于成本拉动型因素。1来自 2010 年刘洪仁：福建省居民消费价格变动的影响因素分析及走势判断，河南商业高等专科学校报2来自 2010 年刘洪仁：福建省居民消费价格变动的影响因素分析及走势判断，河南商业高等专科学校报-_刘哲运用阿尔蒙法(Almon)估计辽宁省 CPI 的分布滞后模型。辽宁省固定资产投资（I）对居民消费价格指数的影响时滞的实证结果表明，滞后 13 个月 统t计量值最显著，广义货币供给 M2 对居民消费价格指数的滞后期为 18 个月。通过检验和修

16、正后得出影响辽宁省 CPI 变动的多元回归方程。最后指出价格调控的出发点不仅在于“菜篮子、米袋子” ，还要密切关注生产领域价格变动；应用经济手段进行价格调控的是长期行为；密切关注局部经济过热引发的物价上涨。刘洪仁以 1990-2009 年的数据为样本,对影响福建省居民消费价格指数的各个经济变量,通过主成分提取的方法进行解析,发现与“经济规模和商品成本”有关的因素为推动 CPI 变动的主要力量。根据文中模型可预测,2010 年上半年福建省 CPI 仍会在高位运行,但不会出现明显的通货膨胀。但该文变量选取缺乏理论支撑。门丽琼在浅析陕西居民消费价格指数变化趋势时，没有运用统计模型。先阐述了陕西省居民

17、消费价格运行轨迹，具体测度了陕西省五个阶段经济发展与物价走势的特点。然后指出陕西省居民消费价格当前特征与未来展望。最后提出了调控优化物价的政策建议。王泸怡和尹长明在对广西 CPI 指数统计数据进行多元回归分析中，指出：首先，广西第一产业发展较落后，农业生产效率较低，造成农产品供求失衡，应大力推动现代农业发展，推广节本高效农业技术，保障农产品有效供给。政府部门可制定相关的措施抑制主要农资价格的上扬，加强农业生产资料和主要农产品的市场调控，稳定食品价格；其次，CPI 持续上涨的主要驱动因素中居住的上涨趋势也非常明显，建议继续加强和改善房地产调控，采取长效措施遏制房价过快上涨，同时在引导商品房产业健

18、康发展的同时，结合旧城改造大力建设保障性住房，增加住房有效供应，打击投资投机。王东采用逐步回归方法得出 CPI 与广义货币供应量、单位为万亿元、房地产价格指数的回归方程，然后进行计量经济学检验，研究结果表明，短期内,货币供应量是影响我国 CPI 持续走高的主要原因，要控制 CPI 的持续上涨,必不可少的措施就是减少货币供给量。房地产价格指数也是影响 CPI 上涨的重要原因。房地产价格高居不下,对整个物价上涨起到推波助澜的作用。上述部分文章主要是运用定性分析方法，通过理论及数据分析，缺少实证检验，且分析主要局限在很短的时间内，对于读者的说服力不强。而有些文章主要从单方面来解释 CPI 的变动因素

19、，具有一定的片面性。本文从 CPI 最根本的构成因素入手，直观地分析 CPI 变动影响因素的权重。-_二、 CPI 与其影响因素的实证分析（一） 变量选择及数据获取在实际问题的研究和分析中，往往涉及多个变量，国家统计局将构成中国 CPI 指标的 200 多种商品和服务分为 8 个主要的类别。其中，中国 CPI 中食品的权重占到 31.79%，表明了食品价格的变动对于 CPI 的变动有很大的影响。然后根据收集的数据建立数学模型，再进一步做具体的分析。本文将从现象入手,分析 CPI 指数的各项分类指标,找出对 CPI 变动幅度影响最大的因素。最直观、最真实的解读福建省 CPI 运行情况,进而对福建

20、省现在的 CPI 变化趋势给出最准确的定位。因此本文建立模型时所选用的被解释变量是 2000 年至 2010 年的年度居民消费价格指数。设为居民消费价格总指数，Y考虑的主要因素有：食品，烟酒及其用品 ，衣着 ，家庭设备用品和1X2X3X维修服务 ，医疗保健和个人用品 ，交通通讯 ，娱乐教育文化用品4X5X6X和服务，居住。其中各个指数是以 1978 年的价格为 100 来计算的，均来7X8X自福建省统计年鉴，见表 1。（二） 回归模型选择与建立假设研究对象为 n 个样品，每个样品观测 p 个指标，分别用、1X2X来表示。将原始数据资料整理为矩阵：pX= 。Xnpnnppxxxxxxxxx212

21、222111211对 p 个变量做多元线性回归模型，对模型检验后做主成分分析，根据特征根大于 1 和累计贡献率不低于 80%3的要求，选取前 m（mp）个主成分，即、1Z、。将 这 m 个主成分对解释变量的多元线性回归，得到的回归模2ZmZY型为：。由于主成分都由解释变量、mmZZY1101X2X的线性组合，因此，经转化可得最终线性回归模型为： pXppXXY110 使用 Eviews 软件对表 1 的解释变量和被解释变量建立多元线性回归模型，设其表达式:，式中，,，为88110XXY018回归参数，采用普通最小二乘法对式中的回归参数进行估计。因此，我们可以3 参照标准详见贾俊平-统计学（第三

22、版）-_得到 CPI 与食品、衣着等八类商品消费价格指数的多元线性回归方程为:543210063. 00122. 06558. 03341. 02756. 02427.272XXXXXY886. 4862.16199. 5822. 4171. 528. 68761025. 00572. 02618. 0XXX554. 487. 8938. 409.16792F999985112. 02R999925561. 02R其中，括号内的数字为 检验值。t对于给定的显著性水平，05. 0371.19) 1811, 8(05. 0 FF，表明该模型的线性关系在 95%的置信水平下显著成303. 4) 18

23、11(025. 0 tt立，模型中引入的 8 个解释变量都在 95%的水平下影响显著，都通过了解释变量的显著性检验。因此，我们可以得出：所定义的解释变量对被解释变量居民消费价格指数的影响是比较显著的。Y我们通过 Eviews 软件可得到初步回归模型，但是在将模型应用于实践之前，要充分分析模型的实际意义。上述回归模型中，变量、的回归系数2X5X6X是负的，表明这些解释变量与 CPI 呈负相关，显然与实际不合理。其原因可能由于解释变量之间存在多重共线性。因此，该回归方程需要进一步改进和完善。多重共线性表现为解释变量之间具有相关关系，这样会使估计量的方差增大，从而降低回归方程的应用价值，在利用多元线

24、性回归分析经济现象的时候，要尽可能避免多重共线性。本文采用方差扩大因子法，其公式如下：211jjRVIF的大小反应了解释变量间是否存在多重共线性，由此可由它来度量多jVIF重共线性的严重程度。假如有个自变量，是把第个自变量看作因变量，k2 jRj用其余个变量作线性回归所得的决定系数。经验表明，当方差膨胀因子1k时，说明该解释变量与其余解释变量间有严重的多重共线性，而且10jVIFiX这种多重共线性可能会过度影响最小二乘估计值。利用 Excel 软件计算出值，它们的值都远远大于 10。因此，我们可以认为该回归模型存在多VIFVIF重共线性。（三） 主成分分析从上面的变量显著性检验得出，各解释变量

25、间由于存在共线性使得它们对的独立作用不能完全分辨出来，由于主成分间具有不相关性，并且能较好的Y-_反映原来众多相关性指标的综合信息，用主成分作为新的自变量进行回归分析使得回归方程及参数估计更加可靠。因此可以采用主成分分析方法消除解释变量间的多重共线性。本文采用主成分回归分析方法建立 CPI 与其他八类商品价格指数的回归模型，主成分回归的原理是用主成分分析提取的主成分与因变量回归建模。因此，用主成分作为新的解释变量进行回归分析使得回归方程及参数估计更加可靠。利用软件 SPSS16.0 对八个解释变量进行主成分分析得到特征根与方差贡献率、主成分的因子载荷矩阵和主成分得分系数矩阵。从各变量之间的相关

26、系数矩阵来看，变量之间存在较强的相关关系。这表明本文数据适合作主成分分析。根据表 2 可得主成分分析模型的特征根和累计贡献率:前两个因子特征根值超过了 1,前两个主成分累计贡献率达到了93.012%。说明前两个主成分已经可以反映原来八个指标 93.012%的信息，因此选择前两个主成分建立模型。我们可以提取前面两个主成分来代替原来 8 个指标变量，分别把这两个主成分分别记为：、。主成分的因子载荷矩阵1Z2Z（Component Matrix）的每一列数值表示主成分分析模型中的系数，这个系ija数越大，说明该主成分对该变量的代表性就越大。 因此，第一主成分与食1Z品、居住、交通和通讯、衣着、烟酒及

27、用品、家庭设备用品及维修服务相关程度高，第二主成分与医疗保健和个人用品、娱乐教育文化用品及服务相关程2Z度较高。我们利用主成分得分系数矩阵得到两个主成分与八个变量之间的相关关系： 76543211187. 0207. 0031. 0033. 0202. 0155. 0168. 0XXXXXXXZ8189. 0X76543212404. 0094. 0409. 0317. 0056. 0119. 008. 0XXXXXXXZ8018. 0X上面两个式子中的解释变量经过标准化公式的处理了，所以这些解释变量都是原始的解释变量。主成分分析模型在实际应用中要求 mp，因此，不能精确计算出主成分的真正得分

28、情况，只能对主成分得分进行估计。因此与主成分真正得分有些差距还是可以接受的。将表 1 中的 8 个变量分别代入上面两个式子，可以得到和的值。假设1Z2Z建立的回归估计模型为：，用 Eviews 软件对被解释变22110ZZY量（CPI）与两个主成分、进行回归估计，从而得出它们间的多元线性Y1Z2Z回归模型：-_2128825. 072946. 0987.149ZZY713.16012.25854. 49321.333F988175629. 02R985204. 02R其中，括号内的数字为 检验值。t本文中被解释变量即为 CPI。该模型总体拟合程度高且能通过检验与YF检验，方程总体线性显著，三个

29、参数的 值都能通过检验，说明模型的设定有tt意义，由前两个主成分的系数组成的矩阵和主成分得分系数矩阵乘积得到估计量，因此，最后与原自变量之间的线性回归方程：Y6543210008. 00953. 01154. 00133. 01073. 01456. 0987.149XXXXXXY871327. 002. 0XX 三、 对福建省未来 CPI 的预测分析从宏观面上，我省城市化进程加快，农产品价格上涨态势等影响物价上涨的诸因素在未来几年内还将会将继续存在，拉动价格上涨的因素和可能导致价格下降的因素依然并存，但推动价格上涨和能够确保物价稳定的因素是主体。预计未来几年内我省物价总体仍将呈现平稳运行、小

30、幅走高的态势。从 2011 年的福建省政府工作报告来看：2011 年全省经济社会发展的主要预期目标是居民消费价格总水平涨幅控制在 4%左右。因此，若以上一年价格为100 来计算，2011 年福建省居民消费价格指数为 107.3。说明了居民消费价格运行态势平稳,通货膨胀虽有一定的压力,但风险不高。只要认真贯彻落实国务院及中央经济工作会议精神，在宏观货币政策转向、流动性的回收和预期适度回调等因素的作用下，未来几年里我省将有效遏制价格快速上涨蔓延的趋势，我省居民消费价格指数的波动还是在预料之中的。四、 结论及政策建议中国 CPI 构成和各部分比重，2011 年最新调整为：食品 31.79%.食品价格

31、的上涨对于 CPI 上涨有很大的推动作用。从回归系数的实际意义来看：在烟酒及用品、衣着等消费价格指数不变的情况下，食品价格指数每变动 1%会导致居民消费指数变动 0.1456%，在这八类商品价格中，食品类对 CPI 影响最大，从CPI 与食品的相关系数看，两者相关程度高，由于权重大，食品价格的上升或下跌都对 CPI 的影响很大。食品类商品价格变动是拉动 CPI 上涨的主要因素，-_说明了我省近十年来呈现出结构性上涨特征，而没有引发全面性的通货膨胀。从模型的回归结果来看，居住类商品价格指数占到第二位，居住类商品价格每变动 1%，居民消费价格指数就变动 0.1327%。居住类指数高位运行，是拉动居

32、民消费价格总水平上涨的另一主要因素。房地产价格指数在影响 CPI 上涨过程中的作用也说明了我省通货膨胀只是结构性通胀的特点。（一） 稳定粮食等食品价格，促进农业发展近几年来我省食品价格基本保持稳定, 主要是以粮食为代表的食品价格上涨推动了本轮物价上升, 而且这从中长期来看,我省粮食供求矛盾依然突出, 只能努力保持粮食供求紧的平衡状态。在需求方面, 随着人口总量的增长和居民生活水平的提高, 人们日常生活和养殖业对粮食的需求是不断上升的, 而且替代能源的用粮需求也在快速增加。因此,粮食需求是刚性、稳定增长的。继续落实对农业的各项支持政策，特别是要及时准确地预测气候变化，防止大涝等自然灾害，力保粮食

33、主产区秋粮的丰收。作为一个农业大省，农业是基础，充分发挥农业服务机构的作用，农业要形成优势产业，就必须依靠龙头企业拉长产业链条，以农产品的规模化生产和供给引进深加工，建立完整的产业体系，以规模化推动农业的产业化发展，提高农产品的附加产值。（二） 提高政策性因素影响，调整政府宏观调控力度居住价格的上涨其根源还是在于商品房价格的攀升,越来越多的人买不起房,只能租房。由于需求量的变大,房租的价格自然也会上升。要遏制居住价格上升的源头,还是应该从商品房的价格入手。改变现在过于市场化的住房政策,政府要加大力度供应经济适用房、廉租房,这样才能保障更多中低收入的家庭买得起房、住得起房。近年来，各个城市开发建

34、设和城镇化建设快速推进，投资环境的改善吸引了外来购买力，从而扩大了居民对房地产市场的需求。及时有效地落实房地产调控政策，稳定房屋价格。应继续加强和改善房地产市场的宏观调控，改善房屋供给结构，稳定房地产价格，采取长效措施遏制房价过快上涨，同时在引导商品房产业健康发展的同时，结合旧城改造大力建设保障性住房。各有关部门各司其职，进行专项整治，并形成长效机制。企业诚信管理部门要建立开发企业诚信档案制度，对于违纪违规行为进行登记、曝光，并对其今后的土地、信贷、规划等审批、备案加以惩罚性约束。进一步加强市场监管，专项整治开发商违规违法行为增加住房有效供应，打击投资投机。-_（三） 促进居民收入，提高居民消

35、费能力居民收入状况关注的是百姓能否挣到钱，CPI 关注的是花钱时能否少花“冤枉钱” ，所以，首先应该增加居民收入问题。加强对衣食住行等基本生活必需品的价格监测和监管工作，建立有效的价格预警和应急处理机制。关注社会弱势群体、低收入家庭的生活。系统地考虑和解决价格上涨对城市低收入群体的影响问题。由于价格上涨主要是食品等基本生活用品涨价带动的，因此，对城市低收入群体的生活影响相对较大。从短期措施看，可考虑视价格上涨程度，对生活突出困难的居民采取临时性的补贴措施。从中长期看，应通过完善社会保障和规范的社会救济制度来解决。政府应该加强管理力度，同时，应加大对低收入群体的生活补贴，完善社保制度，确保社会的

36、稳定。-_参考文献1成学真，田英. 对我国当前 CPI 变动因素的实证分析基于 CPI 构成的视角J.商场现代化，2009,565:385-386.2杜智敏：抽样调查与 SPSS 统计应用M，北京：电子工业出版社，2010-05.3郭爱东，徐向辉：经济计量分析与 Excel 应用M，北京：中国市场出版社，2005-2.4贾俊平：统计学(第三版)M，北京：中国人民大学出版社，2008-11.5李亚楠.我国近年来 CPI 波动影响因素的主成分分析J.商业时代，2011（16）:4-5.6李毛侠.安徽省消费需求影响因素的主成分回归分析J.消费导刊，2010.(2)：12-13.7李春玉，陈新钱，陈宝

37、泉.现行 CPI 编制问题研究J.热点透视，2008（1）38-43.8吕薇.当前我国居民消费价格指数的变动J.政经视点，2011.5.23-24.9林洪，邬云云.广东 2010 年 CPI 分析及 2011 年趋势预测J.市场与经济价格， 2011（2）:22-23.10刘洪仁.福建省居民消费价格变动的影响因素分析及走势判断J.河南商业高等专科学校学报，2010.23（2）:40-41.11刘洪玉.对我国当前住房问题和住房价格问题的思考文J.房地产经纪，2007（5）:23-25.12门丽琼.浅析陕西居民消费价格指数（CPI）变化趋势J.东方企业文化，2010.36（2）:36-37.13王

38、东.基于多元回归模型的 CPI 影响因素分析以 2009、2010 年数据为例J.中国市场，2011（23）:153-154.14王泸怡，尹长明.广西 CPI 指数统计数据多元分析J.合作经济与科技，2011.（417）:12-13.15吴月明.探析 2010 年我国 CPI 变动的成因及对策J.合肥学院报，2011(3):75-76.16肖六亿.食品价格与 CPI 关系的实证分析J.湖北师范学院报，2009.29（4）:1-2.17许嫚嫚，汪进贤. 影响我国居民消费价格指数变动的两大因素J.当代经济，2011(5):35-36. 18杨凌云，王凡彬，潘瑞，梁杰. CPI 指数预测的统计回归模

39、型J，2010(2):36-37.19杨国涛，东梅，刘蕊. CPI 理论及宁夏 CPI 波动分析J，2009(1):35-40.20张雪慧.对我国 CPI 构成的探讨J.价值工程，2010(2):130-131.-_致谢致谢-_附录 表 1 福建省居民消费价格分类指数（以 1978 年价格为 100）4CPI食品烟酒及 用品衣着家庭设备 用品及维 修服务医疗保 健和个 人用品交通 通讯娱乐教育 文化用品 及服务居住2000456.8590.9252.6200.2194.3507.3381.7328.7555.2 2001450.9576.7253.9193.2189.6520.0371.033

40、0.0554.6 2002448.6575.0254.7187.8184.3513.2362.8340.6550.7 2003452.2586.5255.5181.3188.7506.6361.6401.2560.8 2004470.2644.6258.4176.9186.0494.9352.9415.3584.4 2005480.6668.5257.9171.8185.3489.0344.8434.8624.1 2006484.4681.9259.4167.2187.0487.5342.4422.6658.4 2007509.6765.1262.0168.2190.0500.7342.441

41、8.8686.1 2008533.0866.9269.6159.5196.1514.7337.6389.1723.8 2009523.3858.6275.3153.6196.7521.4327.2382.7686.4 2010540.2925.5279.1146.9195.2537.7325.6383.6723.8表 2 方差累计贡献率表Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of Var

42、ianceCumulative %15.389405467.36756767.3675675.389405467.36756767.36756722.052362525.64418293.0117492.051534625.64418293.01174930.38413994.801748897.813498 40.10571311.321413599.134912 50.05012120.628071499.762983 60.01405680.175709899.938693 70.00436660.054582399.993275 80.00053800.0067249100 Extraction Method: Principal Component Analysis. 4 数据来源于福建省统计年鉴