摘要：影响我国工业品出厂价格指数的主要因素分别是以冶金工业、建筑材料工业和森林工业为主的重工业和以食品工业、纺织工业及缝纫工业为主的轻工业，以这两类行业为代表的因子可以解释整个体系价格变动近82%的信息。政策制定者既要关注整体价格走势，又要关注这两类价格指数的波动情况，尽量避免这两个因子的同时上升，以免造成通货膨胀。再者，工业品出厂价格指数、因子一和因子二的波动周期大约为4年，政策制定者应该做好防范措施，避免整体价格上涨。
关键词：工业品出厂价格指数；通货膨胀；因子分析；多元回归分析
在经济生活中，通常人们用指数的增长率作为通货膨胀指数。当价格指数长期小于100时，人们一般认为经济已经进入通货紧缩期，此时政府相关部门应出台积极的财政政策和货币政策，鼓励增加投资，刺激消费，繁荣经济；当价格指数一路攀升，高位运行时，一般人们会判定经济已进入通货膨胀期，这时政府会实施紧缩性货币政策和财政政策，紧缩银根，抑制消费，限制投资，控制物价继续上涨。统计部门公布的工业品出厂价格指数PPI主要是从生产者角度进行统计，而居民消费价格指数主要是从消费者角度进行统计。一般情况下，PPI指数先于CPI指数的变动。以1978年以来的价格指数变化为例，如图1所示，
一、工业品出厂价格指数的影响因素分析
因子分析法（factor analysis）是多元统计分析中的一种主要方法，常被用来分析隐藏在表象背后的因子的作用，它的目的是研究如何用少数几个因子变量来解释众多原始变量，同时又尽量避免信息丢失。在对实际问题进行分析过程中，常用因子分析去除重叠信息，将原始的众多指标综合成较少的几个不相关因子变量来分析。另外，因子分析用不相关的几个因子替代原来高度相关的若干变量，还可以避免计量经济建模过程中出现复共线性。
笔者选择以冶金工业、电力工业、煤炭工业、石油工业、化学工业、机械工业、建筑材料工业、森林工业、食品工业、纺织工业、缝纫工业、皮革工业、造纸工业、文教艺术用品工业等14个主要行业1990-2009年的同比出厂价格指数作为样本。笔者首先对上面的数据进行标准化处理，再用SPSS软件对标准化后得到的数据进行因子分析。
相关系数表显示这14个行业的工业品出厂价格指数之间高度相关，建筑材料工业与冶金工业、建筑材料工业与机械工业、文教艺术用品工业与缝纫工业间的相关系数甚至已经超过0.9。若直接用这14个行业的价格指数作为因变量进行回归会出现复共线性回归问题，并且也很难判断哪个行业的价格指数起主导作用。因此，笔者先用因子分析的主成分分析法从14个行业价格指数中提出少数不相关的因子来解决复共线性回归问题。再采用方差极大法对最初得到的因子载荷矩阵进行旋转，使每一个因子变量都成为某个具有实际意义的变量的典型代表，以观察到在整个体系中起主导作用的价格指数。
因子个数提取原则主要包括两个标准，第一个是为因子对应的特征值大于1的前m个因子，第二个是前m个因子累计贡献率大于85%。对于第一个原则：特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该因子的解释力度还不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。对于第二个原则，累计贡献率反映了前m个因子，反映了原来总体样本85%以上的信息，基本反映了原来数据的总体情况。
依据因子分析法，标准化后的数据矩阵的特征值大于1的特征值分别是9.066和2.330，这两个特征值与全部特征值之和的比值为81.398%，小于85%。但若选择累计贡献率大于85%的原则，提取3个因子，这3个因子在整个变量集中的方差贡献率为87.411%，虽然能够反映原变量集合中的绝大部分信息，但14个行业对因子三的信息反映不多，因此，笔者决定选用2个因子。
经过方差极大法的旋转，我们得到因子一的方差贡献率为64.756%，因子二的方差贡献率为16.642%。从旋转后的载荷矩阵我们可以观察到因子一主要代表了重工业出厂价格指数的数据特征，其中包括冶金工业、建筑材料工业和森林工业的出厂价格指数；因子二主要代表了轻工业出厂价格指数的数据特征。另外，电力工业、煤炭工业、石油工业和机械工业的出厂价格指数较多的信息体现在因子一上；而化学工业、食品工业、纺织工业、缝纫工业、皮革工业、造纸工业和文教艺术用品工业的出厂价格指数较多的信息主要反映在因子二上。该结果与实际经济运行状况较好地吻合了。
据中国人民银行的分析，我国通货膨胀压力加大的主要原因是农产品价格上涨和以煤炭和原油为代表的采掘品价格上涨传导到中间产品再到最终产品，最后使得整体的生产价格指数和消费价格指数上扬。
如图2所示，PPI走势与因子一和因子二的走势密切相关，有些地方还出现重合现象。1996-2008年，PPI与因子一和因子二的涨跌幅度不大，基本是在低位状态平稳运行。2008年，我国PPI指数达到了一个小峰值，为什么呢？2008年，作为工业企业主要原材料的煤炭和石油等行业产品价格大幅上涨，推动下游的冶金工业和食品工业产品价格继续攀升。从图2我们可以看出，2000-2008年，PPI、因子一和因子二都一共出现三次波峰，且都是在2000年、2004年和2008年出现波峰，周期大约为4年。由于因子一和因子二在2000年、2004年和2008年同时出现波峰，导致PPI指数在这三年达到峰值。笔者预计，由于以冶金工业、建筑材料工业和森林工业为代表的因子一和以食品行业为代表的因子二价格指数同时上升，我国PPI指数将在2012年达到峰值。如果政府能及早关注到具体行业，及时采取货币政策和财政政策，或许有可能避免2012年出现的价格集体上涨。
二、多元回归分析
（一）模型建立
以因子一和因子二为自变量，标准化的PPI指数为因变量，假定变量间的关系如下
PPI=β0+β1F1+β2F2+μ
其中：PPI代表标准化的工业品价格指数；F1和F2分别代表因子一和因子二的得分。
（二）模型检验
1、拟合优度检验。可决系数R2越接近于1，说明模型的拟合优度越高。从回归分析结果可以看出，可决系数R2=0.960，这说明模型对样本拟合得很好。
2、方程的显著性检验（F检验）。方程的显著性检验旨在检验变量之间的线性关系是否统计显著，如果线性关系统计显著，说明自变量确实能影响因变量，就可以用自变量的取值去预测因变量的取值，反之亦然。在SPSS中方程的显著性检验主要通过观察P值来给出，由方差分析表可知，显著水平小于0.0001，当然小于0.05，说明回归方程显著，即因子一和因子二联合起来确实对PPI指数有显著影响。
3、系数显著性检验（T检验）。方程的总体线性关系显著不代表每个自变量对因变量的影响都是显著的。因此，必须对每个自变量进行显著性检验，以确定是否作为解释变量被保留在模型中。在SPSS中的系数显著性检验主要通过观察P值来给出，由方差分析表可知，显著水平小于0.0001，当然小于0.05，系数显著性检验通过。
（三）结果分析
从回归结果可以看出，方程的拟合优度很好；F检验和T检验都能通过。本文只讨论因子一和因子二对PPI的影响程度，因此只写出参数的系数。因子一和因子二都与PPI存在显著正相关关系：因子一每上涨1个百分点，PPI将上涨0.723个百分点；因子二的系数为0.662，说明因子二每上涨1个百分点，PPI将上涨0.662个百分点。这对分析我国PPI上涨的涨跌构成具有指导意义。可以看出，这两个因子对我国工业品指数走势影响很大，因子一比因子二影响作用更显著，因此，政策制定者应该经常关注这两个因子所代表的行业的价格波动情况，根据这些行业价格波动情况，出台相应的政策措施。
三、结论
影响我国工业品出厂价格指数的主要因素分别是以冶金工业、建筑材料工业和森林工业为主的重工业和以食品工业、纺织工业及缝纫工业为主的轻工业，以这两类行业为代表的因子可以解释整个体系价格变动近82%的信息。其原因是，其他行业的出厂价格主要受这两类上游产品价格变动的影响。国家统计局除将每月的PPI指数及原材料、燃料、动力价格指数公布之外，还应该公布行业价格指数，并对涨跌幅度较大的行业进行分析，写成信息或专报，报告有关部门。为了时刻掌握宏观经济实际变动情况，政策制定者既要关注整体价格走势，又要关注这两类价格指数的波动情况，尽量避免这两个因子的同时上升，以免造成通货膨胀。再者，工业品出厂价格指数、
因子一和因子二的波动周期大约为4年，政策制定者应该做好防范措施，避免整体价格上涨。
参考文献：
1、William H.Greene.计量经济分析(影印本)[M].清华大学出版社,2001.
2、中国人民银行.货币政策执行报告(2004年第一季度)[R].中国人民银行,2004-05-11.
3、胡乃斌,刘睿.从部门出厂价格指数看我国的价格形成机制[J].经济理论与经济管理,2005.
4、黄欣欣.我国卫生总费用影响因素分析及预测[J].商业时代,2011(4).
（作者单位：南昌大学经济与管理学院）