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,尽量避开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,避开整体价格上涨。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,鼓舞增加投资,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,它的目的是讨论如何用少数几个因子变量来解释众多原始变量,同时又尽量避开信息丢失。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,还可以避开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 1990-2024 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...