基于VAR模型的商品价格对消费者信心的影响研究

孙 颖

（安徽工程大学 经济与管理学院，安徽 芜湖 241000）

消费需求是消费升级和经济发展的重要驱动力[1]，在消费心理的理论研究中，消费者信心指数（Consumer Confidence Index, CCI）是公认的能够反映消费者对当前经济形势的评价、主观感受和心理变化且能够预测经济走势、监测经济周期变化的重要指标。近年来，关于消费者信心指数的研究逐渐增多。Joshy等指出消费者信心指数能够有效预测家庭消费行为[2]。张道德等研究指出PMI对CCI具有正向影响作用，而CPI对CCI具有负向影响作用[3]。魏瑾瑞等认为额外需求价格是消费者信心指数变动的影响因素[4]。已有研究证实了消费信心与其他经济指标的关联性，多从消费者价格指数、采购经理指数等中下游指数分析变量间的关系，对产业链上游经济指标与消费信心的研究较少。那么，上游生产端经济指标的变化是否会引起消费信心的变化？这是本文要研究的问题。

企业商品价格指数（Corporate Goods Price Index，简称CGPI）是由中国人民银行发布的用于反映国内企业之间物质商品交易价格的变动，包含了初级产品、中间产品和最终产品，能够更加全面地指示经济波动走势和通货膨胀水平，更适合代表上游经济指标[5]。张成思指出企业商品价格指数对PPI具有倒逼效应，对CPI具有传导效应[6]。何启志提出企业商品价格指数可作为通货膨胀测度因子的观点[7]。陈钰研究发现企业商品价格指数是CPI的格兰杰原因，且二者具有长期均衡关系[8]。李朝鲜等认为企业商品价格指数对消费者价格指数存在长期影响，生产者价格指数会引起企业商品价格指数的变动[9]。朱正珂等在考虑三类价格指数基础上，采用ARIMAX模型对企业商品价格指数进行了分析和预测，得出模型拟合度较高的结论[10]。梁丽芳等采用VAR模型分析了消费者信心指数与农产品价格指数、矿产品价格指数、煤油电价格指数三类细分价格指数的关系，得出变量间具有长期均衡关系的结论[11]。聂淑媛利用频谱分析得出CPI与CGPI之间存在传导关系[12]。那么，作为上游经济指标的企业商品价格指数对终端消费者心理是否会产生影响？本文针对消费者信心的三类细分指标，构建VAR模型，探究企业商品价格与消费者信心的影响作用。

1 变量走势分析

鉴于数据的可得性，选取2007年1月至2020年7月我国企业商品价格指数、消费者信心指数、消费者满意指数和消费者预期指数的月度数据作为实证样本，四个变量的时间序列分别记为CGPI、CCI、CSI和CEI。为便于观察序列走势，做四个序列的走势图，如图1所示。

观察图1可知，企业商品价格指数、消费者信心指数、消费者满意指数、消费者预期指数序列均呈震荡走势。如：2007年1月至2008年第二季度，四个指数均呈现总体均衡、小幅震荡的走势。但从2008年第三季度开始，四个变量均呈大幅度下跌，到2009年第三季度才开始迅速回升。仅从图形上直观地判断，企业商品价格指数走势与消费者信心指数、消费者满意指数和消费者预期指数的走势具有一定相关性。

2 模型构建

2.1 单位根检验

为避免序列产生伪回归现象，对四个序列分别取自然对数序列，分别记为lncci、lncsi、lncei、lncgpi。采用单位根检验法判定序列的平稳性，结果显示：四个自然对数序列均不平稳。对四个序列取一阶自然对数序列，分别记为：d(lncci) =lnccit-lnccit-1；d(lncsi) =lncsit-lncsit-1；d(lncei) =lnceit-lnceit-1；d(lncgpi) =lncgpit-lncgpit-1。单位根检验结果显示，四个一阶自然对数序列均为平稳序列（见表1）。

表1 序列的单位根检验结果

2.2VAR模型构建

消费者信心指数、消费者满意指数、消费者预期指数、企业商品价格指数皆为一阶单整序列，因此，分别构建消费者信心指数、消费者满意指数、消费者预期指数和企业商品价格指数的关系模型。

2.2.1 消费者信心指数与企业商品价格指数的VAR模型

在构建VAR模型之前，需确定模型的滞后阶数。依据lag length criteria判定模型的最优滞后阶数为2阶。因此，构建消费者信心指数与企业商品价格指数的2阶滞后VAR模型，结果如式（1）所示。

调整后的拟合优度为91.47%。

由于两序列为同阶单整序列，因此，对两序列进一步做协整检验，结果如表2所示：在5%的显著性水平下接受原假设，即消费者信心指数与企业商品价格指数之间不存在协整关系。

表2 协整检验结果

因此，需进一步绘制模型的AR特征根，如图2所示。由于模型AR特征根的模全部处于单位圆内，可以判定所构建的VAR模型是稳定的。

2.2.2 消费者满意指数与企业商品价格指数的VAR模型

同理，依据lag length criteria判定消费者满意指数与企业商品价格指数的模型最优滞后阶数为2阶。构建消费者满意指数与企业商品价格指数的2阶滞后VAR模型，结果如式（2）所示：

调整后的拟合优度为92.04%。

同理，对这两序列进一步做协整检验，结果如表3所示：两序列在5%的显著性水平下接受原假设，即消费者满意指数与企业商品价格指数之间不存在协整关系。

表3 协整检验结果

同样，需判定模型的稳定性，如图3所示，模型AR特征根的模全部位于单位圆内，因此，消费者满意指数与企业商品价格指数所构建的VAR模型是稳定的。

2.2.3 消费者预期指数与企业商品价格指数的VAR模型

同理，采用lag length criteria判定消费者预期指数与企业商品价格指数模型的最优滞后阶数为2阶。构建消费者预期指数与企业商品价格指数的2阶滞后VAR模型，结果如式（3）所示。

调整后的拟合优度为90.58%。

同理，对这两序列进一步做协整检验，结果如表4所示：两序列在5%的显著性水平下接受原假设，即消费者预期指数与企业商品价格指数之间不存在协整关系。

表4 协整检验结果

需判定模型的稳定性，结果如图4所示。模型AR特征根的模全部位于单位圆内，表明所构建的VAR模型是稳定的。

图4 CEI与 CGPI模型AR特征根的模

3 模型动态特征分析

脉冲响应函数和方差分解可以分析模型中每个内生变量对自身及其他内生变量的扰动所作出的反应，因此，利用脉冲响应函数和方差分解探究VAR模型的动态特征。

3.1 脉冲响应函数

脉冲响应函数（Impulse Response Function）用于衡量内生变量随机扰动项的一个标准差冲击对VAR模型中所有内生变量当前值和未来值的影响作用。

分别做消费者信心指数、消费者满意指数、消费者预期指数与企业商品价格指数的脉冲响应函数，如图5～图7所示。

图5 CCI与CGPI的脉冲响应函数图

图6 CSI与CGPI的脉冲响应函数图

图7 CEI与CGPI的脉冲响应函数图

图5～图7分别反映了消费者信心指数、消费者满意指数和消费者预期指数对自身和企业商品价格指数扰动的响应状况。消费者信心指数、消费者满意指数、消费者预期指数对自身一个标准差信息立即做出了响应，之后响应逐渐减小，最终走势逐渐趋于零，表明所构建的VAR模型是平稳的。消费者信心指数、消费者满意指数、消费者预期指数对企业商品价格指数的扰动并未立即做出响应，第1期的响应均为0，之后逐渐增加。

分析三个变量的响应状况差异可知：首先，消费者信心指数、消费者满意指数、消费者预期指数对企业商品价格指数扰动的响应在不同时期达到最大值。消费者信心指数和消费者预期指数在第6期达到最大值，消费者满意指数在第5期达到最大值。第二，消费者信心指数、消费者满意指数、消费者预期指数对企业商品价格指数扰动的响应趋于0的时长不同。消费者满意指数最快趋于0，而消费者预期指数和消费者信心指数相对较慢。这说明三个指数对企业商品价格扰动的反映总体上相似，但不完全一致。采用方差分解法做进一步分析。

3.2 方差分解

分别做消费者信心指数、消费者满意指数和消费者预期指数的方差分解，如表5所示。

表5 方差分解结果

消费者信心指数的预测方差在第1期全部由自身扰动引起。之后，其自身扰动的影响作用逐渐减弱，企业商品价格指数的扰动作用逐渐增强，到第10期时，约7%的预测方差由企业商品价格指数引起。消费者满意指数的预测方差在第1期全部由自身扰动引起。之后，其自身扰动的影响作用逐渐减弱，企业商品价格指数的扰动作用逐渐增强，到第10期时，约1.5%的预测方差由企业商品价格指数引起。消费者预期指数的预测方差在第1期全部由自身扰动引起。之后，其自身扰动的影响作用逐渐减弱，企业商品价格指数的扰动作用逐渐增强，到第10期时，约10.5%的预测方差由企业商品价格指数引起。

比较方差分解结果可知：企业商品价格指数对三类指数均具有贡献度，但影响程度存在差异，对消费者预期指数的贡献度最大（10.5%），其次是对消费者信心指数（7%），最后是对消费者满意指数（1.5%）。

4 结论与讨论

4.1 结论

从上游经济指标对终端消费信心展开研究，分析企业商品价格指数（CGPI）对消费者信心指数（CCI）、消费者满意指数（CSI）、消费者预期指数（CEI）的影响作用，构建VAR模型并进行稳定性检验，在此基础上，采用脉冲响应函数和方差分解进一步判断模型的动态特征。研究结果表明：企业商品价格指数对消费者信心指数、消费者满意指数和消费者预期指数存在不同程度的影响，上游生产端对终端消费信心具有传导作用。

4.2 讨论

第一，借助企业商品价格指数，深入分析消费者信心指数的走势变化。企业商品价格指数的变动会引起消费者信心指数、消费者满意指数和消费者预期指数的变动。为更好地监测和把握消费者信心走势，需对企业商品价格指数进行实时监测及短期预测，分析和理解消费者信心的动态变化过程和机制，并根据数据结果合理配置资源，提高相关政策措施的科学性和稳定性。

第二，合理有效地监测企业商品价格指数。进一步采用大数据技术收集及处理企业商品价格指数，增强数据的实时性和可靠性，采用更为科学合理的计量方法对指数进行精准预测，并在此基础上科学有效地判断消费者心理状态及未来走势。

第三，通过价格信号促进资源的有效配置。企业商品价格指数是经济运行的“风向标”，对其走势的有效把握，有利于提高资源配置效率，提升消费者信心等心理预期，有效刺激消费升级。因此，需进一步完善跨周期宏观经济调控政策的设计制定和效果预判，提高资源配置效率和实施效果，增强消费者信心，以更好地贯彻“六保”“六稳”方针，实现稳定物价水平、扩大内需市场的目标。