基于panel data模型下各地区物价水平

楼靓　张静　余瑶

摘 要：本文把我国30个省市分成了东部，中部和西部三个地区，运用panel data模型的方法分别对三个地区的物价水平进行研究。从估计的结果来看，2005年～2014年间，分别得出东部、中部和西部三个区域的商品零售价格变化的趋势以及差异性大小。

关键词：物价水平；panel data模型；EViews

一、引言

我国土地面积为9，634，057平方公里，全国的直辖市、省、自治区、特别行政区一共有31个省级行政区。我国领土东西跨经度有60多度，共跨了5个时区，东西距离约5200公里。我国领土南北跨越的纬度近50度，南北距离约为5500公里。在如此广阔的土地上，各省市之间的差距不仅仅体现在地域上，而且在经济发展水平也有很大的差距。这种差距导致了“同物不同价”的现象十分普遍。之前我们只是在一年的数据中对各省市的物价水平进行评价和分析，忽略了时间上物价变化的趋势。

二、Panel Data模型的简介

基于Panel Data模型的样本数据共包含了个体、指标、时间3个维度上的信息，进行估计时要充分考虑所有维度上的信息。建立Panel Data模型的步骤为：

第一步是检验被解释变量yit的参数ai和bi是否对所有个体样本点或时期都是相同的，也就是说检验样本数据究竟符合哪种Panel Data模型形式，从而避免模型设定时的偏差，提高参数估计的有效性。Panel Data有三种模型分类，分别为不变系数模型，变系数模型和变截距模型。通过假设检验的F统计量确定选择哪种模型。原假设与备择假设为：

若接受假设H2则可以认为模型为不变参数模型，则不用进行进一步检验。若拒绝假设H2，则要检验假设H1。如果接受H1的话，则认为模型为变截距模型，的话则拒绝H1，就认为模型是变参数模型。

第二步是Hausman检验。基于个体影响处理形式不同，可以分固定影响模型和随机影响模型两种。先确立随机影响模型，再检验该模型能否满足个体影响与解释变量没有有相关性的假设，若不满足将模型确定为固定影响模型，若满足就可以定义该模型为随机影响模型。

第三步是模型的确立。通过以上的判断选择合适的模型用EViews软件的Panel Data的Pool Estimation进行建模，得出结果。

三、panel data模型下各地区物价水平研究

从中国统计年鉴上收集数据，将我国划分为东部、中部、西部三个地区的时间始于1986年，由全国人大六届四次会议通过的“七五”计划正式公布。

东部区域包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省（区）；中部区域包括：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南和广西等10等10个省（区）；西部区域包括：四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆等9个省（区）。

将30个省市的居民消费价格和商品零售价格，各自建立关于东部、中部和西部物价水平的模型。各模型中的被解释变量为商品零售价格（s），解释变量为居民消费价格（p），样本区间为2005年到2014年。

1.东部、中部和西部的物价水平模型形式设定检验

（1）第一，分别计算变参数模型、不变参数模型和变截距模型，从各自模型的回归统计量里能得到相应残差的平方和。

其中，东部变参数模型残差的平方和S1是36.40，变截距模型残差的平方和S2为38.73，不变参数模型残差的平方和S3为58.16。中部变参数模型残差的平方和S1为20.23，变截距模型残差的平方和S2为21.29，不变参数模型残差的平方和S3为23.60。西部变参数模型残差的平方和S1为29.61，变截距模型残差的平方和S2为31.31，不变参数模型残差的平方和S3为33.70。

（2）计算F统计量，其中N分别为11，8，10、k=1、T=10，得到的两个F统计量，查表得到

从表1中可以看出，东部物价水平模型的F2在95%的置信水平下显著，中部和西部物价水平模型的F2在95%的置信水平下不显著；而各地区的F1却都小于对应的极限值，可以知道，根据三个地区模型形式来设定检验时，东部拒绝H2同时接受H1，东部物价水平模型必须采用变截距的形式；中部和西部接受H2同时也接受H1，中部和西部地区应采用不变参数形式。

2.东部、中部和西部的物价水平模型Hausman检验

从表2中可以得到，三个地区的Hausman检验结果。建立三个地区的随机影响模型，三个模型的P值均大于0.05，这说明各地区均不拒绝个体影响和解释变量具有不相关性的原假设，所以模型中个体影响定义为为随机影响的形式。对此各自建立东部物价水平变截距模型，中部和西部物价水平不变参数模型。模型形式为：

其中，j=1，2，3分别代表东部、中部和西部；t表示时间期间；Nj分别表示东、中、西部包含的地区个数，N1=11，N2=8，N3=10。αj为东、中、西部地区的平均物价水平；vj，i为随机影响变量，代表j地区中i市或省的随机的影响，用来代表地区内部的省和市的物价水平的差别；βj为各自地区的平均边际零售价格，代表着不同地区物价水平的差异。

3.建立模型

基于借助Swamy-Arora方法估计成分方差，对东部随机影响变截距的模型，西部和中部随机影响不变参数模型来进行参数估计，依次给出三个地区随机影响模型以及各地区中省市的物价水平高低（其中各模型中随机影响的估计结果略）。

从各地区的αi估计结果来看，在东部地区，虽然他们的居民消费价格指数相同，但是2005年～2014年间商品零售指数存在显著性差异，其中浙江的商品零售指数最高，αi估计结果为0.40；其次为广东，αi估计结果为0.26；而商品零售指数最低的是北京，αi估计结果为-0.82；其次是上海，αi估计结果为-0.34。

2005年～2014年间中部地区商品零售指数存在显著性差异，从平均边际零售价格βi的估计结果来看，其中黑龙江的βi估计结果最高为1.130；其次为山西，βi的估计结果为1.117；而平均边际零售价格最低的是内蒙古，βi的估计结果为0.869；其次是安徽，βi的估计结果为0.974。

2005年～2014年间西部地区商品零售指数存在显著性差异，从平均边际零售价格βi的估计结果来看，其中陕西的βi估计结果最高为1.117；其次为新疆，βi的估计结果为1.038；而平均边际零售价格最低的是贵州，βi的估计结果为0.996；其次是甘肃，βi的估计结果为0.974。

三个地区模型的拟合优度都在0.9以上，模型的拟合效果比较好。从估计的结果来看，2005年～2014年间，东部、中部和西部三个区域的商品零售价格存在着明显的差异。从商品零售价格变化来看，西部地区的商品零售价格变化最平稳，中部地区商品零售价格变化比西部略高。从居民消费价格变化上看，三个地区中中部地区的居民的消费价格变化程度最快，而西部地区的居民消费价格变化最慢，这主要是由于西部地区经济比较落后，而东部地区经济比较发达。

四、小结

本文对于各地区的物价水平的研究不仅仅是停留在截面数据，而是扩展到了存在时间维度的面板数据。考虑到时间维度上的影响因素，这样可以更好的认识和评价各地区的物水平。由模型得出三个地区物价的变动趋势，同时也分别对不同地区中省市的物价水平进行评定，得出结果。对物价水平较高的省市可以采取相应的政策减缓通货膨胀，平稳经济发展。本文介绍的panel data模型同样也适用于其他面板数据的研究。

参考文献：

[1]林谦.面板数据的模型建立和检验分析[J].统计与信息论坛，2006，21（5）：35-39.

[2]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2014：319-372.

[3]余芳东.我国城镇居民消费价格和实际收入地区差距的比较研究[J].统计研究，2006，（4）.

[4]王政.全国物价上涨原因探究及对策分析[J].消费导刊，2008，（01）.

[5]程建华，黄德龙，杨晓光.我国物价变动的影响因素及其传导机制的实证研究[J].统计研究，2008，（01）.

作者简介：楼靓（1993- ），女，汉族，安徽省马鞍山市，硕士研究生，河北经贸大学，应用统计；张静（1993- ），女，汉族，河北省衡水市，硕士研究生，河北经贸大学，应用统计学；余瑶（1990- ），男，汉族，湖北，硕士，河北经贸大学，金融