鞠立新

內(nèi)容摘要：本文利用Gonzalo-Granger分解31個(gè)省份組成的4個(gè)地區(qū)通貨膨脹序列，得到4個(gè)地區(qū)通貨膨脹共同因子，進(jìn)一步分解地區(qū)通貨膨脹共同因子得到一個(gè)全國通貨膨脹共同因子，因此31個(gè)省份通貨膨脹具有相同的長(zhǎng)期趨勢(shì)成分，全國通貨膨脹共同因子與全國通貨膨脹相關(guān)系數(shù)高達(dá)0.996，側(cè)面映證了全國通貨膨脹合理地反映各個(gè)省份通貨膨脹長(zhǎng)期趨勢(shì)。中國通貨膨脹具有明顯的區(qū)域特征，全國通貨膨脹共同因子構(gòu)成中，東部地區(qū)的權(quán)重高達(dá)52.67%，而在東部地區(qū)通貨膨脹共同因子中，上海、浙江、天津、河北是權(quán)重最大的，因而需要對(duì)這4個(gè)長(zhǎng)三角和京津冀部分?。ㄖ陛犑校┑耐ㄘ浥蛎涀儎?dòng)情況更為關(guān)注。此外，對(duì)中西部地區(qū)應(yīng)予以適當(dāng)監(jiān)控，且該地區(qū)省份應(yīng)傾斜于安徽、湖南、江西和新疆、重慶。

關(guān)鍵詞：Gonzalo-Granger分解 通貨膨脹 CPI共同因子 區(qū)域特征

引言

隨著市場(chǎng)機(jī)制的完善與宏觀調(diào)控的增強(qiáng)，中國國內(nèi)生產(chǎn)總值（GDP）的波動(dòng)不斷放緩，但以CPI為代表的物價(jià)波動(dòng)不僅沒有趨于平緩，反而不斷地在通脹和通縮之間反復(fù)。由于通脹成因復(fù)雜，僅研究通脹總指數(shù)很難滿足通脹治理的需要。與此同時(shí)，伴隨著改革開放，我國實(shí)行非平衡區(qū)域發(fā)展，各個(gè)區(qū)域經(jīng)濟(jì)金融情況差異很大，如東部的開放程度和對(duì)外貿(mào)易依存度遠(yuǎn)高于其他區(qū)域，這些因素造成各地方通脹成因和走勢(shì)不同。區(qū)域內(nèi)省份在發(fā)展戰(zhàn)略中也有不同定位，同時(shí)行政性分權(quán)、財(cái)政分權(quán)與政企職責(zé)不分，使各省份市場(chǎng)分割較嚴(yán)重，構(gòu)成所謂的“諸侯經(jīng)濟(jì)”，尚未形成完全的全國統(tǒng)一市場(chǎng)體系。而且“米袋子”、“菜籃子”的行政首長(zhǎng)負(fù)責(zé)制使得地方在通脹調(diào)控上得到更大的自主權(quán)。在上述背景下，地域差別是否會(huì)造成不同省份CPI的實(shí)質(zhì)性差別，即各個(gè)省份CPI是否具有不同的長(zhǎng)期趨勢(shì)。筆者認(rèn)為，忽略CPI的地域結(jié)構(gòu)，而針對(duì)全國CPI實(shí)施統(tǒng)一的貨幣政策不可行。此外，部分省份和直轄市在國家經(jīng)濟(jì)發(fā)展戰(zhàn)略中具有重要的地位，如東部的上海、廣東、浙江、天津以及西部的重慶等，這些省市的CPI是否對(duì)同區(qū)域其他省份的CPI也產(chǎn)生重要的影響力？另外，全國CPI核算時(shí)，采用全國CPI八大類細(xì)項(xiàng)的加權(quán)平均，而全國CPI與各個(gè)地方CPI之間的關(guān)系一直被忽略，也需要予以關(guān)注。

現(xiàn)有研究CPI結(jié)構(gòu)的文獻(xiàn)中，其分析角度主要有三個(gè)：分八大類細(xì)項(xiàng)、分省或區(qū)域、分城鄉(xiāng)。從文獻(xiàn)數(shù)量上看，基本上分為兩類：第一類文獻(xiàn)是CPI八大類細(xì)項(xiàng)的角度。圍繞核心通貨膨脹率概念或者八大類細(xì)項(xiàng)與CPI之間關(guān)系，研究CPI的結(jié)構(gòu)問題。王少平和譚本艷（2009）利用Gonzalo-Granger分解全國CPI八大類細(xì)項(xiàng)得到共同長(zhǎng)期成分，即核心通貨膨脹率，并使用ARIMA模型分析核心通貨膨脹率的動(dòng)態(tài)調(diào)整特征；侯成琪、龔六堂和張維迎（2011）通過新凱恩斯菲利普斯曲線提出多部門商品價(jià)格變化的理論分解公式，進(jìn)而基于計(jì)量模型和兩階段方法，估計(jì)出我國核心通貨膨脹；趙昕東和湯丹（2012）利用CPI的8個(gè)大類細(xì)項(xiàng)構(gòu)建動(dòng)態(tài)因子指數(shù)模型，估計(jì)我國2001年1月-2011年4月的核心通貨膨脹率。張成思（2009）運(yùn)用grid-bootstrap中值無偏估計(jì)和向量自回歸模型分析2001-2008年中國CPI的8個(gè)大類細(xì)項(xiàng)的動(dòng)態(tài)傳導(dǎo)特征、子成分對(duì)CPI的動(dòng)態(tài)影響以及貨幣政策對(duì)各個(gè)子成分的動(dòng)態(tài)傳導(dǎo)機(jī)制。張文朗和羅得恩（2010）研究中國食品價(jià)格上漲的影響因素及其對(duì)CPI的影響，發(fā)現(xiàn)食品價(jià)格上漲因素中，需求壓力比供給沖擊更重要，同時(shí)未發(fā)現(xiàn)食品價(jià)格對(duì)非食品價(jià)格上漲造成明顯的“二輪效應(yīng)”。第二類文獻(xiàn)主要是立足于分省、分經(jīng)濟(jì)區(qū)域的CPI。楊曉和楊開忠（2007）分析改革開放以來全國統(tǒng)一的貨幣政策對(duì)東中西三大區(qū)域經(jīng)濟(jì)的不同影響，認(rèn)為東部地區(qū)對(duì)貨幣政策最敏感，而中部、西部敏感度依次弱化。申俊喜、曹源芳和封思賢（2011）實(shí)證分析統(tǒng)一貨幣政策在不同區(qū)域形成效果的差異性，認(rèn)為貨幣配給機(jī)制與外匯管理機(jī)制是導(dǎo)致我國貨幣政策區(qū)域異質(zhì)性效應(yīng)的主要因素，建議施行區(qū)域差異化存款準(zhǔn)備金率的貨幣政策、改變銀行信貸資金縱向管理和區(qū)域分割體制。廖迎和胡日東（2012）基于Esteban偏離-份額時(shí)間序列模型，從CPI八大類細(xì)項(xiàng)角度，研究2001-2012年中國東、中、西部CPI的波動(dòng)來源，發(fā)現(xiàn)中、西部地區(qū)CPI增長(zhǎng)率明顯高于東部，其波動(dòng)主要受全國增長(zhǎng)的影響，東部?jī)r(jià)格波動(dòng)主要源于行業(yè)偏離效應(yīng)，而且中西部絕大多數(shù)行業(yè)價(jià)格定價(jià)力效應(yīng)高于東部。

現(xiàn)有文獻(xiàn)研究CPI結(jié)構(gòu)問題，一般采用的計(jì)量方法是向量自回歸模型（VAR）。通過協(xié)整進(jìn)行靜態(tài)分析，結(jié)合脈沖響應(yīng)函數(shù)與方差分解進(jìn)行動(dòng)態(tài)分析，但中國多達(dá)31個(gè)省市會(huì)產(chǎn)生自由度問題，而且Johansen協(xié)整檢驗(yàn)MHM臨界值的約束使協(xié)整分析也會(huì)遇到困難。因此，向量自回歸模型并不適合分析中國各省份CPI。本文采用的Gonzalo-Granger分解，通過兩階段方法避免自由度問題與臨界值問題，先對(duì)各個(gè)地區(qū)進(jìn)行分解得到區(qū)域CPI因子，后再對(duì)這四個(gè)區(qū)域因子進(jìn)行分解得到全國CPI因子。

Gonzalo-Granger分解理論

（一）Gonzalo-Granger分解及其特點(diǎn)

（三）經(jīng)濟(jì)含義的解釋

Gonzalo-Granger分解的經(jīng)濟(jì)含義體現(xiàn)在兩個(gè)方面：一方面，S.C.Norrbin（1995）利用Gonzalo-Granger分解24個(gè)工業(yè)行業(yè)產(chǎn)出數(shù)據(jù)，檢驗(yàn)工業(yè)產(chǎn)出數(shù)據(jù)是否僅受一個(gè)共同隨機(jī)趨勢(shì)驅(qū)動(dòng)。如果僅存在1個(gè)共同隨機(jī)趨勢(shì)，則表明未加總行業(yè)產(chǎn)出數(shù)據(jù)是同質(zhì)的，其長(zhǎng)期驅(qū)動(dòng)力為唯一的共同趨勢(shì)，加總或者加權(quán)平均得到的總量數(shù)據(jù)與未加總數(shù)據(jù)是同質(zhì)的。另一方面，Gonzalo-Granger分解估計(jì)得到的α⊥被賦予價(jià)格發(fā)現(xiàn)能力的解釋。首先對(duì)α⊥各個(gè)元素進(jìn)行正則化，使其所有元素之和為1。以Isabel Figuerola-Ferretti，Jesus Gonzalo（2010）的應(yīng)用為例，金屬鋁現(xiàn)貨市場(chǎng)和期貨市場(chǎng)價(jià)格對(duì)應(yīng)的發(fā)現(xiàn)函數(shù)α⊥=（0.09 0.91），權(quán)重越大說明對(duì)價(jià)格發(fā)現(xiàn)過程的貢獻(xiàn)越大，因此，鋁期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)能力遠(yuǎn)高于現(xiàn)貨市場(chǎng)，而且識(shí)別檢驗(yàn)并不拒絕α⊥=（0 1）的原假設(shè)，因而可知鋁期貨價(jià)格是價(jià)格發(fā)現(xiàn)過程的決定性因素。事實(shí)上，F(xiàn).H.Harris、Thomas H.McInish和Robert A.Wood（2002）首次引入Gonzalo-Granger分解，分析紐約、芝加哥和太平洋股票交易所對(duì)于道瓊斯成分股價(jià)格發(fā)現(xiàn)的貢獻(xiàn)后，大量文獻(xiàn)沿著這一思路研究不同信息關(guān)聯(lián)市場(chǎng)的價(jià)格發(fā)現(xiàn)能力，如David K.Ding、F.H.Harri等（1999）、Libin Tao和Frank M.Song（2010）、華仁海、盧斌和劉慶富（2008）等。王少平和譚本艷（2009）揭示Gonzalo-Granger分解所得長(zhǎng)期趨勢(shì)與核心通貨膨脹率間的緊密聯(lián)系。

實(shí)證分析結(jié)果

（一）數(shù)據(jù)說明與基本統(tǒng)計(jì)分析

本文的數(shù)據(jù)來自中國經(jīng)濟(jì)信息網(wǎng)。各地方CPI使用分省月度同比CPI，樣本期為1999年1月-2012年7月，共163個(gè)樣本觀測(cè)值。本文沿用《中國區(qū)域金融運(yùn)行報(bào)告》的地區(qū)劃分方式，將31個(gè)省市分為東部、中部、西部和東北四個(gè)地區(qū)。東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南10個(gè)省市；中部地區(qū)包括山西、安徽、江西、河南、湖南、湖北6個(gè)省；西部地區(qū)包括廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、內(nèi)蒙古等12個(gè)省市；東北地區(qū)包括黑龍江、吉林、遼寧3個(gè)省。

省份之間CPI的差異比較大，這種差異在1999年1月-2005年4月逐漸縮小，之后穩(wěn)定下來。1999年1月-2002年4月各省份CPI的差異非常突出，一部分省份處于通貨緊縮階段時(shí)，另一部分省份卻處于通貨膨脹高位期。這一差異在隨后逐步弱化，1999年1月-1999年8月各省市CPI的極差穩(wěn)定在4.5左右，1999年10月-2000年8月極差水平突增至9.6以上，最高值達(dá)到12.9，2005年4月極差逐步降低至2.4。2005年5月-2012年7月，極差水平略有波動(dòng)但較穩(wěn)定，2007年5月-2009年9月極差水平最高值僅為7.4，隨后極差水平降低至2.5左右。總體而言，廣東省CPI樣本均值最低，為101.66，而均值最高的是青海，達(dá)到103.22。從標(biāo)準(zhǔn)差來看，西藏最小為2.055，廣西最大為3.44。

（二）單位根檢驗(yàn)與協(xié)整檢驗(yàn)

Gonzalo-Granger分解的對(duì)象為單位根序列，因此需要對(duì)各省份同比月度CPI進(jìn)行單位根檢驗(yàn)。本文根據(jù)CPI的圖形選取截距項(xiàng)作為確定項(xiàng)，不包含趨勢(shì)項(xiàng)，并依據(jù)AIC準(zhǔn)則選取單位根檢驗(yàn)的滯后階數(shù)。ADF檢驗(yàn)結(jié)果表明，各省份CPI均為I（1）序列（限于篇幅，具體檢驗(yàn)結(jié)果略）。由于北京、福建CPI的水平值檢驗(yàn)P值相對(duì)較小，本文選用PP檢驗(yàn)對(duì)北京與福建CPI結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，相應(yīng)的P值分別為0.0975和0.0000，因此，將北京和福建CPI視為單位根過程是合理的。

本文分東、中、西部和東北地區(qū)分別對(duì)各區(qū)域的CPI進(jìn)行Johansen協(xié)整檢驗(yàn)。Johansen協(xié)整檢驗(yàn)結(jié)果表明，東部10省（直轄市）CPI間存在9個(gè)協(xié)整關(guān)系，中部6省CPI間存在5個(gè)協(xié)整關(guān)系，西部12?。ㄗ灾螀^(qū)）CPI間存在11個(gè)協(xié)整關(guān)系，而東北3省CPI間存在2個(gè)協(xié)整關(guān)系，其中，跡檢驗(yàn)結(jié)果與最大特征值檢驗(yàn)結(jié)果一致。對(duì)每一個(gè)地區(qū)進(jìn)行Gonzalo-Granger分解，均得到1個(gè)共同因子，進(jìn)而可得到4個(gè)區(qū)域的CPI共同因子。因此說明，各個(gè)地區(qū)內(nèi)的省份CPI是同質(zhì)的，區(qū)域內(nèi)各省CPI長(zhǎng)期驅(qū)動(dòng)力均為唯一的共同因子。

（三）東、中、西部、東北CPI共同因子

通過對(duì)每個(gè)地區(qū)進(jìn)行Gonzalo-Granger分解，東、中、西部、東北四個(gè)地區(qū)分別得到1個(gè)共同因子。每個(gè)地區(qū)的共同因子表示扣除地區(qū)內(nèi)各個(gè)省份短期波動(dòng)成分之后的地區(qū)CPI長(zhǎng)期趨勢(shì)，是區(qū)域內(nèi)所有省份共有的長(zhǎng)期趨勢(shì)。由Gonzalo-Granger分解特點(diǎn)可知，扣除的短期成分雖然在短期內(nèi)影響共同因子，但長(zhǎng)期內(nèi)沒有影響。與共同因子相對(duì)應(yīng)的調(diào)整系數(shù)正交補(bǔ)矩陣估計(jì)量經(jīng)過正則化之后，反映的是該地區(qū)共同因子構(gòu)成中各個(gè)省份所占權(quán)重，也是各個(gè)省份對(duì)于地區(qū)CPI長(zhǎng)期趨勢(shì)的揭示能力。權(quán)重越高的省份，揭示地區(qū)CPI長(zhǎng)期趨勢(shì)的能力越強(qiáng)。通過R軟件實(shí)現(xiàn)Gonzalo-Granger分解，估計(jì)出每個(gè)地區(qū)的共同因子與共同因子相對(duì)應(yīng)的調(diào)整系數(shù)正交補(bǔ)矩陣α⊥的估計(jì)量。

由表1可知，東部地區(qū)共同因子構(gòu)成中，上海和浙江的權(quán)重最大，分別為27%和23%，這2個(gè)省市所占權(quán)重達(dá)到50%，其次是天津和河北，而江蘇省的權(quán)重僅為3.7%。長(zhǎng)三角和京津冀地區(qū)的4個(gè)省份CPI對(duì)于東部地區(qū)CPI共同因子是非常重要的，其所占權(quán)重高于70%。值得注意的是北京與海南的權(quán)重為負(fù)，但其絕對(duì)值非常小。關(guān)于東部地區(qū)調(diào)整系數(shù)正交補(bǔ)矩陣的識(shí)別檢驗(yàn)，原假設(shè)將北京與海南的權(quán)重設(shè)定為0，對(duì)應(yīng)的P值為0.8611，不能拒絕原假設(shè)，可知東部地區(qū)CPI共同因子構(gòu)成中，北京和海南的權(quán)重均為0。出于穩(wěn)定考慮，北京市政府物價(jià)調(diào)控能力和意愿很強(qiáng)，北京市物價(jià)波動(dòng)整體優(yōu)于東部其他省份，因而難以反映東部地區(qū)的整體物價(jià)水平。而海南省作為島嶼經(jīng)濟(jì)，遠(yuǎn)離大陸，與東部其他省份相對(duì)疏離。因子載荷反映的是各個(gè)省份CPI對(duì)于區(qū)域共同因子的敏感程度，因子載荷越大，對(duì)共同因子越敏感。由因子載荷估計(jì)可知，海南、上海和北京對(duì)東部地區(qū)共同因子最敏感，相應(yīng)因子載荷估計(jì)分別為1.6935、1.2426和1.224。而福建與廣東的因子載荷估計(jì)量為0.4455和0.5850，是東部所有省份（直轄市）因子載荷估計(jì)中最小的。

中部地區(qū)所有省份，對(duì)中部地區(qū)CPI共同因子而言，安徽、湖南、江西最為重要，權(quán)重分別為34.36%、23.85%、21.18%，權(quán)重之和接近80%。湖北與山西的權(quán)重最小，尤其是山西的權(quán)重僅為0.8%。就因子載荷而言，江西省最大，為1.35，最小的是湖北和湖南，僅為0.58和0.64。

西部地區(qū)共12個(gè)省份，因此其調(diào)整系數(shù)正交補(bǔ)矩陣估計(jì)大多處于8%的水平，如甘肅、廣西、貴州、寧夏等。新疆、重慶的權(quán)重超過10%，達(dá)18.9%和14.16%。權(quán)重最小的是云南，僅0.9%。西部地區(qū)各個(gè)省份的因子載荷估計(jì)的差別相對(duì)東部和中部小得多，最大為青海的1.2015，最小為四川的0.6798。

東北地區(qū)3個(gè)省份中，遼寧和吉林是東北地區(qū)CPI共同因子的重要組成部分，權(quán)重分別為54.1%和44.23%，黑龍江的權(quán)重僅為1.6%。東北3省的因子載荷估計(jì)的差別最小，最大的黑龍江僅比最小的吉林高0.2。

圖1給出了東、中部和西部、東北地區(qū)CPI共同因子，為方便比較，一并給出全國CPI。各個(gè)地區(qū)的CPI共同因子隨著時(shí)間推移，走勢(shì)更趨一致。這說明，隨著中國市場(chǎng)經(jīng)濟(jì)改革以及基礎(chǔ)交通設(shè)施建設(shè)，中國區(qū)域經(jīng)濟(jì)一體化穩(wěn)步推進(jìn)，國內(nèi)市場(chǎng)整合度逐步提高，各個(gè)地區(qū)CPI共同因子走勢(shì)更為一致。東、中部CPI共同因子與全國CPI走勢(shì)高度一致，尤其是2008年7月-2010年10月金融危機(jī)以及中國實(shí)施4萬億投資時(shí)期，東、中部共同因子變動(dòng)與全國CPI變動(dòng)幾乎重合。但1999年1月至2008年7月東、中部因子與全國CPI的差異是明顯的。

西部、東北地區(qū)CPI共同因子與全國CPI的走勢(shì)也較為一致，但相對(duì)于東、中部，與全國CPI的差別略大。如圖2所示，2007年1月-2007年8月，西部、東北地區(qū)CPI共同因子與全國CPI高度吻合。2008年2月-至2010年2月，東北地區(qū)CPI共同因子先于全國CPI與西部CPI進(jìn)入下行周期，至2009年3月處于谷底后率先反彈，而西部地區(qū)恰好相反，在谷底徘徊了較長(zhǎng)時(shí)間后開始回升，全國CPI則更晚。2008年2月，全國CPI處于周期谷峰時(shí)，西部CPI共同因子達(dá)到了110.9。

各地區(qū)CPI共同因子的權(quán)重分布具有不同特點(diǎn)。東部主要集中于長(zhǎng)三角和京津冀地區(qū)，說明長(zhǎng)三角和京津冀地區(qū)對(duì)東部有很強(qiáng)的輻射作用。西部權(quán)重則分散一些，除云南、內(nèi)蒙古和西藏外，其他西部省份所占權(quán)重均值8%左右，重慶和新疆的權(quán)重相對(duì)大一些，說明西部還沒有形成大型集聚中心。

（四）全國CPI共同因子

單位根和協(xié)整檢驗(yàn)。東、中、西部、東北4個(gè)地區(qū)將全國31個(gè)省劃分為4個(gè)子系統(tǒng)，首先對(duì)每個(gè)子系統(tǒng)進(jìn)行Gonzalo-Granger分解，得到4個(gè)地區(qū)CPI共同因子，然后將得到的地區(qū)CPI共同因子繼續(xù)分解得到全國CPI共同因子。單位根檢驗(yàn)中，基于地區(qū)共同因子圖形選擇的確定項(xiàng)僅包含截距項(xiàng)，不包含時(shí)間趨勢(shì)項(xiàng)，并根據(jù)BIC準(zhǔn)則選擇滯后項(xiàng)。根據(jù)檢驗(yàn)結(jié)果，東、中、西部、東北地區(qū)CPI共同因子均為I（1）過程。此外，根據(jù)Johansen協(xié)整檢驗(yàn)，跡檢驗(yàn)和最大特征值統(tǒng)計(jì)量均表明4個(gè)地區(qū)CPI共同因子間共有3個(gè)協(xié)整關(guān)系，因此4個(gè)地區(qū)CPI共同因子共有1個(gè)全國CPI共同因子。

全國CPI共同因子。根據(jù)估計(jì)的調(diào)節(jié)系數(shù)正交補(bǔ)矩陣及相應(yīng)的因子載荷，在全國CPI共同因子的構(gòu)成中，東部CPI共同因子的權(quán)重最大，超過50%，達(dá)到52.67%，其次是中部，權(quán)重為20.92%，西部的權(quán)重為16.62%，權(quán)重最小的是東北地區(qū)，僅為9.79%。圖3給出由Gonzalo-Granger分解估計(jì)的全國CPI因子與全國CPI。全國CPI因子與全國CPI變動(dòng)高度一致，兩者的相關(guān)系數(shù)達(dá)到0.996。因此，東部地區(qū)CPI共同因子在揭示全國CPI因子及與其高度相似的全國CPI方面有重要的地位，而中部和西部則相當(dāng)。在貨幣政策實(shí)施時(shí)，需要重點(diǎn)關(guān)注東部地區(qū)，適當(dāng)注意中部與西部地區(qū)。

結(jié)論

通過Gonzalo-Granger分解理論，本文驗(yàn)證了各個(gè)地區(qū)內(nèi)省份CPI是同質(zhì)的，其長(zhǎng)期驅(qū)動(dòng)力為各地區(qū)共同因子，且全國31個(gè)省份CPI也是同質(zhì)變量，具有共同的長(zhǎng)期驅(qū)動(dòng)力。本文還印證了全國CPI合理地反映了整個(gè)國家的通貨膨脹情況，以及各省份共同的長(zhǎng)期趨勢(shì)。由此的啟示是：長(zhǎng)期而言，針對(duì)全國實(shí)施全國統(tǒng)一的貨幣政策是合理的，各省份CPI的差異主要集中于短期成分。各個(gè)省份CPI的特異性對(duì)共同因子無長(zhǎng)期效應(yīng)，僅具有短期效應(yīng)。在長(zhǎng)期中，各省CPI由全國性影響因素決定。在全國CPI共同因子構(gòu)成中，東部地區(qū)的權(quán)重高達(dá)52.67%，而在東部地區(qū)CPI共同因子中，上海、浙江、天津、河北權(quán)重最大，因而，貨幣政策不僅要密切關(guān)注全國CPI，也應(yīng)有所側(cè)重關(guān)注不同省份CPI，重點(diǎn)監(jiān)控4個(gè)長(zhǎng)三角和京津冀省份（直轄市）的CPI變動(dòng)。對(duì)于中西部地區(qū)應(yīng)予適當(dāng)監(jiān)控，且更多傾斜安徽、湖南、江西、新疆、重慶。對(duì)于各省份物價(jià)調(diào)控部門，因子載荷反映了更有意義的內(nèi)涵。四個(gè)地區(qū)中，西部地區(qū)對(duì)于全國CPI共同因子變動(dòng)最敏感，且是唯一因子載荷大于1的地區(qū)。因而，西部省份需要更積極地應(yīng)對(duì)物價(jià)波動(dòng)。

參考文獻(xiàn)：

1.侯成琪，龔六堂，張維迎.核心通貨膨脹：理論模型與經(jīng)驗(yàn)分析.經(jīng)濟(jì)研究，2011（2）

2.申俊喜，曹源芳，封思賢.貨幣政策的區(qū)域異質(zhì)性效應(yīng)—基于中國31個(gè)省域的實(shí)證分析.中國工業(yè)經(jīng)濟(jì)，2011（6）

3.趙昕東，湯丹.基于CPI分項(xiàng)目?jī)r(jià)格指數(shù)的中國核心通貨膨脹估計(jì)及政策選擇研究. 統(tǒng)計(jì)研究，2012（7）

4.韓蓓，王文舉.通貨膨脹滯后性分析—基于地區(qū)差異.管理世界，2009（3）

5.張成思.中國CPI通貨膨脹率子成分動(dòng)態(tài)傳導(dǎo)機(jī)制研究.世界經(jīng)濟(jì)，2009（11）

6.王少平，譚本艷.中國的核心通貨膨脹率及其動(dòng)態(tài)調(diào)整行為.世界經(jīng)濟(jì)，2009（11）

7.桂琦寒，陳敏，陸銘等.中國國內(nèi)商品市場(chǎng)趨于分割還是整合：基于相對(duì)價(jià)格法的分析.世界經(jīng)濟(jì)，2006（2）

8.楊曉，楊開忠.中國貨幣政策影響的區(qū)域差異性研究.財(cái)經(jīng)研究，2007（2）

9.廖迎，胡日東.中國居民消費(fèi)價(jià)格波動(dòng)來源與地區(qū)差異分析—基于Esteban偏離-份額時(shí)間序列模型.宏觀經(jīng)濟(jì)研究，2012（8）

10.華仁海，盧斌，劉慶富.中國期銅市場(chǎng)的國際定價(jià)功能研究.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（8）

11.張文朗，羅得恩.中國食品價(jià)格上漲因素及其對(duì)總體通貨膨脹的影響.金融研究，2010（9）

12.Ding D K，Lau S T，Mcinish T H，et al.An investigation of price discovery in informationally-linked markets：equity trading in Malaysia and Singapore. Journal of Multinational Financial Management，1999

13.Norrbin S C.Disaggregate stochastic trends in industrial production. Economics Letters，1999

14.Tao L，Song F M.Do small traders contribute to price discovery？ Evidence from the Hong Kong Hang Seng index markets.Journal of Futures Markets，2010

15.Figuerola-Ferretti I，Gonzalo J.Modelling and measuring price discovery in commodity markets.Journal of Econometrics，2010

16.Mackinnon J G，Haug A A，Michelis L.Numerical distribution functions of likelihood ratio tests for cointegration，1998

17.Deb Harris F H，Mcinish T H，Wood R A.Security price adjustment across exchanges：an investigation of common factor components for Dow stocks.Journal of financial markets，2002